디지털 미디어 리터러시와 가짜 뉴스 신뢰도 간의 관계 연구: 대학생 대상 설문 분석을 중심으로

2.1 카이제곱 검정

카이제곱 검정(Chi-Square test)은 명목형 변수를 대상으로 두 변수 간의 독립성을 검정하는 데 널리 사용된다. 특히 가짜 뉴스 신뢰도와 미디어 리터러시 수준 간의 관계를 분석할 때, 각 변수 간의 연관성을 평가하는 데 유용한 기법이다. 기존 연구에서는 카이제곱 검정을 활용하여 뉴스 소비 습관과 정보 신뢰도의 관계를 분석한 사례가 많으며, 이를 통해 특정 미디어 유형에 대한 신뢰도가 가짜 뉴스에 대한 태도와 어떤 관련성이 있는지를 규명하였다[7].

본 논문에서도 대학생들의 가짜 뉴스 소비 패턴과 신뢰도 간의 관계를 분석하기 위해 카이제곱 검정을 활용할 예정이다. 다음 식 (1)은 카이제곱 검정의 공식이다[8].

• O_i : 관측된 값(Observed value)
• E_i : 기대 값(Expected value)

이 공식은 관측된 값과 기댓값 간의 차이를 비교하여 통계적으로 유의미한 차이가 있는지 평가한다.

2.2 스피어만 상관분석

스피어만 상관분석(Spearman’s rank correlation analysis)은 연속형 또는 서열형 변수 간의 비선형 관계를 분석할 때 사용되는 방법으로, 변수 간의 단순 선형 관계가 아닌 서열상의 관계를 평가하는 데 유용하다. 가짜 뉴스 신뢰도와 미디어 리터러시 수준이 완전한 선형 관계를 형성하지 않을 가능성이 높기 때문에 기존 연구에서는 피어슨 상관분석보다 스피어만 상관분석이 더 적절한 것으로 제시되었다[9]. 본 논문에서는 대학생들의 미디어 리터러시 수준과 가짜 뉴스 신뢰도 간의 관계를 측정하기 위해 스피어만 상관분석을 수행할 계획이다. 다음 식 (2)는 스피어만 상관분석의 공식이다[10].

• d_i = R(X_i) - R(Y_i) : 각 데이터 점의 순위 차이
• R(X_i), R(Y_i) : 각각의 변수 X와 Y의 순위

이 공식은 두 변수 간의 순위 차이(서열 차이)의 제곱합을 기반으로 상관관계를 계산한다.

2.3 로지스틱 회귀분석

로지스틱 회귀분석(Logistic regression analysis)은 종속변수가 이분형(Binary)인 경우 독립변수가 종속변수의 발생 가능성에 미치는 영향을 분석하는 통계적 기법이다. 기존 연구에서는 가짜 뉴스에 대한 신뢰 여부를 종속변수로 설정하고 연령, 학력, 뉴스 소비 습관 등의 변수가 이에 미치는 영향을 분석하는 데 로지스틱 회귀분석을 적용한 바 있다[11]. 본 논문에서도 대학생들의 미디어 리터러시 교육 경험, 가짜 뉴스 대응 전략 인지 여부 등이 가짜 뉴스 신뢰도에 미치는 영향을 평가하기 위해 로지스틱 회귀분석을 적용할 것이다.

다음 식 (3)은 로지스틱 회귀분석의 공식이다[12].

• P(Y = 1|X) : 종속변수 Y가 1일 확률
• β₀ : 절편
• β₁,β₂,...,β_n : 회귀 계수
• X₁,X₂,...,X_n : 독립 변수

2.4 K-means 클러스터 분석

K-means 클러스터 분석(K-means clustering analysis)은 데이터 내에서 유사한 특성을 가진 개체들을 군집화하는 비지도 학습 기법으로 다양한 사회과학 연구에서 활용되고 있다. 특히 미디어 소비 행태를 기준으로 이용자를 유형화하거나 정보 신뢰도를 기준으로 특정 군집을 도출하는 연구에서 자주 사용된다[13]. 본 논문에서는 가짜 뉴스 소비 패턴에 따라 대학생 집단을 군집화하고, 특정 패턴이 가짜 뉴스 신뢰도와 관련성을 가지는지 분석하기 위해 K-means 클러스터 분석을 수행할 예정이다. 다음 식 (4)는 K-means 클러스터 분석의 공식이다[14].

• K : 클러스터 개수
• C_i : i번째 클러스터
• x : 데이터 포인트
• μ_i : i번째 클러스터의 중심
• ∥x - μ_i∥² : 데이터 포인트 x와 클러스터의 중심 μ_i간의 유클리드 거리 제곱

2.5 빈도 분석

빈도 분석(Frequency analysis)은 특정 변수의 발생 빈도를 확인하여 데이터의 전반적인 경향을 파악하는 기초적인 분석 기법이다. 기존 연구에서는 가짜 뉴스 소비 빈도를 조사할 때 빈도 분석을 활용하여 특정 유형의 뉴스나 플랫폼이 가짜 뉴스 확산에 미치는 영향을 평가한 바 있다. 본 논문에서는 대학생들의 뉴스 소비 패턴과 가짜 뉴스 노출 빈도를 확인하고, 주요 특성을 도출하기 위해 빈도 분석을 수행할 것이다.

상대 빈도(Relative frequency)는 특정 값이 전체 데이터에서 차지하는 비율로, 해당 값의 발생 횟수를 전체 데이터 개수로 나누어 계산한다. 이를 통해 해당 값이 전체에서 차지하는 상대적인 중요도를 파악할 수 있다.

누적 빈도(Cumulative frequency)는 특정 값까지의 빈도를 합산한 값으로, 해당 값 이하의 값들이 얼마나 자주 나타났는지를 보여준다. 이러한 빈도 분석 기법은 데이터의 분포를 효과적으로 파악하고, 특정 값의 발생 패턴을 분석하는 데 유용하다[15].

2.6 교차분석

교차분석(Crosstab analysis)은 두 개 이상의 범주형 변수 간의 관계를 분석하는 방법으로 다양한 사회과학 연구에서 널리 활용되고 있다. 특히 가짜 뉴스 소비 행태와 미디어 리터러시 수준 간의 관계를 분석하는 연구에서 교차분석이 효과적으로 사용되었다. 본 논문에서는 대학생들의 가짜 뉴스 소비 경험, 미디어 리터러시 교육 경험, 대응 전략 인지 여부 등을 기준으로 가짜 뉴스 신뢰도와의 관계를 분석하기 위해 교차분석을 적용할 계획이다. 다음 식 (5)는 교차분석의 공식이다[16].

• P(A|B) : 특정 그룹 B에서 A가 발생할 확률

이 공식을 통해 특정 집단에서 특정 응답이 얼마나 자주 나타나는지를 비교할 수 있다.

3.1 연구 대상 및 데이터 수집

본 논문은 135명의 대학생을 대상으로 가짜 뉴스 소비 행태, 신뢰도, 교육 경험, 대응 전략 인지 여부 등을 포함한 설문조사를 실시하였다.

표 1은 대학생들의 디지털 미디어 리터러시에 대한 이해와 가짜 뉴스에 대한 반응을 파악하기 위해 사용된 설문지 문항 내용이다.

Table 1.

Survey questions on digital media literacy and responses to fake news

3.2 연구 방법 및 분석 기법

본 논문에서는 다음과 같은 통계 기법을 활용하여 분석을 수행하였다.

첫째, 가짜 뉴스 교육 경험이 대응 전략을 인지 에 어떤 영향을 미치는지 분석하였다. 이는 가짜 뉴스 교육 경험과 가짜 뉴스 대응 전략 인지 여부 간의 관계를 분석하는 것이다.

카이제곱 검정 결과는 χ² = 198.54, p-value : 6.72e-38, 자유도(df) : 9로 나타났다.

∙ 귀무가설(H₀): ‘가짜 뉴스 교육 경험’과 ‘가짜 뉴스 대응 전략 인지 여부’는 관계가 없다.

∙ 대립가설(H1): ‘가짜 뉴스 교육 경험’과 ‘가짜 뉴스 대응 전략 인지 여부’는 관계가 있다.

p-value가 0.05보다 훨씬 작으므로 귀무가설을 기각하고 대립가설을 채택한다. 즉, 가짜 뉴스 교육 경험이 있는 사람이 가짜 뉴스 대응 전략을 알고 있을 확률이 높다는 것을 의미한다.

이 결과는 교육 프로그램이 실제로 대응 전략 이해에 기여하고 있음을 보여주는 실증적 증거이다. 가짜 뉴스 교육을 받은 대학생일수록 가짜 뉴스 대응 전략을 더 효과적으로 활용하며, 이는 교육이 가짜 뉴스 판별 능력 향상에 효과적이라는 점을 시사한다.

둘째, 가짜 뉴스 소비 빈도가 신뢰도에 미치는 영향을 분석하였다. 이는 두 변수 간의 순위 상관관계를 측정하는 비모수적 방법으로 본 논문에서는 스피어만 상관계수를 사용하였다.

분석 결과는 ρ = 0.869, p-value : 1.47e-42 로 두 변수 간에 매우 높은 양의 상관관계가 있음을 확인할 수 있었다.

스피어만 상관계수(ρ)는 1에 가까울수록 강한 양의 상관관계, 0에 가까울수록 관계가 없음, -1에 가까울수록 강한 음의 상관관계를 의미한다. p-value가 0.05보다 훨씬 작으므로 통계적으로 유의미한 결과임을 알 수 있다.

즉, 가짜 뉴스를 자주 소비하는 사람일수록 가짜 뉴스를 더욱 신뢰하는 경향이 강하게 나타났다.

이는 반복 노출 효과와 관련이 있으며, 정보 검증 없이 접하는 뉴스가 많을수록 신뢰도가 높아지는 현상을 설명할 수 있다.

셋째, 가짜 뉴스 신뢰도에 영향을 미치는 주요 변수를 도출하기 위해 로지스틱 회귀분석을 실시하였다. 분석 결과, 가짜 뉴스 소비 빈도는 신뢰도 상승과 관련 있는 경향(β = 0.178)을 보였다. 반면, 가짜 뉴스 교육 경험(β = -1.215)은 신뢰도를 낮추는 효과를 보였으며, 이는 교육이 신뢰 감소에 기여함을 시사한다. 또한, 가짜 뉴스 대응 전략을 인지할수록(β=-2.686) 신뢰도가 더욱 크게 낮아지는 경향을 나타냈다. 이러한 결과는 미디어 리터러시 교육과 대응 전략 학습이 가짜 뉴스 신뢰도를 낮추는 데 중요한 역할을 한다는 점을 보여준다. 즉, 교육과 대응 전략 학습이 가짜 뉴스 신뢰도를 감소시키는 주요 요인임을 확인할 수 있다.

넷째, 가짜 뉴스 소비 및 신뢰도 패턴을 기준으로 그룹을 나누고 자동으로 분류하는 과정을 K-Means 클러스터링으로 분석하였다.

K-Means 클러스터링 결과가 총 3개 그룹으로 분류되었으며, 클러스터 수 k=3은 통계적 분석과 연구 목적을 고려했을 때 최적의 수로 판단된다. 예를 들어 교육이 필요한 고위험 그룹, 추가 교육이 필요하지 않은 교육형 그룹, 그리고 중간 중립 그룹으로 나누는 것이 연구 결과를 활용하는 데 적절하다. 클러스터가 너무 많으면 해석이 어렵고, 너무 적으면 주요 차이를 구분하기 어렵기 때문이다. 따라서 연구 목적에 따라 고위험, 중립, 교육형의 세 집단으로 구분하는 것이 적절하다.

Cluster 0(고위험 그룹, 50명) 그룹은 가짜 뉴스 소비 빈도가 높고 교육 경험이 부족하며, 대응 전략에 대한 인지도도 낮아 가짜 뉴스를 신뢰할 가능성이 높은 집단이다.

Cluster 1(교육형 그룹, 37명) 그룹은 가짜 뉴스 교육 경험이 많고 대응 전략을 잘 이해하고 있으며, 신뢰도가 낮아 가짜 뉴스에 대한 방어력이 높은 집단이다.

Cluster 2(중립 그룹, 48명) 그룹은 가짜 뉴스 소비 빈도와 교육 경험이 중간 수준이며, 대응 전력 인지도도 평균적인 특성을 보이는 집단이다.

이러한 결과를 바탕으로 고위험 그룹(Cluster 0)에는 미디어 리터러시 교육이 필요하며, 교육형 그룹(Cluster 1)은 미디어 리터러시 교육이 효과적으로 작용했음을 알 수 있다.

표 2는 클러스터 분석에서 그룹 간 변별력을 높이는 변수를 찾아가는 과정을 보여준다.

Table 2.

Process of identifying variables to enhance cluster differentiation

다섯째, 설문 응답 데이터의 분포를 확인하고 어떤 응답이 가장 많이 선택되었는지를 빈도 분석을 통해 파악하였다.

그 결과, ‘가짜 뉴스 신뢰도 평가 기준’ 항목에서는 ‘모든 기준을 고려한 응답’이 가장 많은 것으로 나타났다.

설문 문항별 응답 분포를 분석한 결과, 주요 경향을 다음과 같다.

표 3에 따르면 가짜 뉴스 식별 방법으로 ‘추가적인 사실 확인 및 검증’을 선택한 응답자가 전체의 39%로 가장 높은 비율을 차지하였다.

Table 3.

Fake news awareness and consumption frequency

또한 가짜 뉴스 소비 빈도를 묻는 질문에서 ‘주당 몇 번’ 소비한다고 응답한 비율이 43%로 가장 높아 상당수의 응답자가 지속적으로 가짜 뉴스에 노출되고 있음을 시사한다. 이는 대학생들이 가짜 뉴스에 대한 인식을 가지고 있음에도 불구하고 반복적인 노출로 인해 무의식적으로 영향을 받을 가능성이 높다는 점을 보여준다. 이러한 결과를 바탕으로 가짜 뉴스에 대한 대응 전략을 체계적으로 학습할 수 있는 교육 프로그램을 마련하고, 정보 검증 능력을 강화할 수 있는 방안을 모색하는 것이 중요하다.

표 4는 통계 분석에서 사용된 변수 설명이다. 이 표는 통계 분석 방법과 함께 사용된 주요 변수, 변수 유형 및 각 변수에 대한 설명을 자세히 제시하고 있다.

Table 4.

Explanation of variables used in statistical analysis

표 5는 3.2절의 연구 방법 및 분석 기법의 전반적인 내용을 표를 간략화한 내용이다.

Table 5.

Research findings and interpretation

여섯째, 변수 간의 관계를 분석하여 특정 그룹의 응답 패턴을 교차 분석을 통해 살펴보았다.

카이제곱 검정 결과는 검정 통계량(χ²) = 2.183, p-value = 0.535, 자유도(df) = 3으로 나타났다. 통상적으로 p-value가 0.05보다 작으면 통계적으로 유의미하다고 판단할 수 있다. 그러나 본 분석에서는 p-value = 0.535로 0.05보다 크기 때문에 성별과 가짜 뉴스 신뢰도 간의 관계는 통계적으로 유의미하지 않은 것으로 나타났다.

즉, 성별이 가짜 뉴스 신뢰도에 미치는 영향은 통계적으로 뚜렷하지 않다는 결론을 도출할 수 있다.

표 6의 결론에 따르면 남성은 ‘모든 기준 고려(56%)’을 더 많이 선택하고, 여성은 ‘사실 확인 기사 유무(30%)’을 더 신뢰하고 있는 것으로 나타났다.

Table 6.

Analysis of the relationship between gender and fake news credibility

이러한 연구 결과는 성별에 따라 가짜 뉴스에 대한 인식과 신뢰도의 차이가 있으며, 정보 검증 방식에서도 차이가 있음을 시사한다. 남성의 경우 반복적인 노출과 개인적 경험을 통해 가짜 뉴스를 신뢰하는 경향이 비교적 높게 나타나므로 미디어 리터러시 교육에서는 정보 검증을 보다 철저히 수행하는 습관을 강화하는 것이 중요하다. 반면, 여성은 신뢰할 수 있는 공식적 자료를 우선적으로 검토하는 경향이 강하므로 다양한 정보원에서 나온 자료를 비교하고 분석하는 능력을 기르는 교육이 필요할 수 있다.

따라서 가짜 뉴스 교육 프로그램은 성별 특성을 고려하여 차별화해 설계할 필요가 있으며, 정보 검증 능력을 균형 있게 배양하는 것이 중요하다.

4.1 디지털 미디어 리터러시 교육의 중요성

본 논문의 결과는 디지털 미디어 리터러시 교육이 가짜 뉴스에 대한 무분별한 신뢰를 낮추는 데 큰 역할을 한다는 사실을 보여준다. 디지털 시대에는 인터넷과 소셜 미디어를 통해 다양한 정보가 빠르게 전달되지만, 이와 함께 사실과 다른 가짜 뉴스도 함께 확산되고 있다. 이러한 상황에서 디지털 미디어 리터러시 교육은 학생들이 뉴스의 출처와 내용을 비판적으로 분석하는 방법을 배우도록 돕는다. 예를 들어 학생들은 뉴스 기사의 작성자가 누구인지, 그 정보가 어디에서 왔는지, 그리고 여러 출처를 통해 교차 확인하는 방법 등을 학습할 수 있다. 이와 같은 체계적인 교육을 통해 학생들은 감정에 휘둘리지 않고 객관적인 판단을 내릴 수 있는 능력을 기르게 되며, 이는 결국 사회 전반의 정보 신뢰도를 높이는 데 기여한다.

따라서 대학 및 교육 기관에서는 이러한 교육의 중요성을 인식하고, 미디어 리터러시 교육을 필수 과목으로 도입할 필요가 있다. 이를 통해 모든 학생이 올바른 정보 판단 능력을 갖추어 가짜 뉴스로 인한 사회적 혼란을 줄이고 건강한 정보 생태계를 조성할 수 있을 것이다.

4.2 가짜 뉴스 소비 습관 개선의 필요성

논문 결과에 따르면 가짜 뉴스를 반복적으로 접할수록 해당 뉴스에 대한 신뢰도가 높아지는 경향이 나타난다. 이는 단순히 정보가 많아서가 아니라, 소셜 미디어 플랫폼의 알고리즘이 사용자가 이전에 본 유사한 콘텐츠를 지속적으로 추천하는 '에코 챔버[17] 현상과, 뉴스 검증을 위한 체계적인 절차가 부족하기 때문으로 분석된다. 예를 들어 한 학생이 SNS에서 여러 번 동일하거나 유사한 가짜 뉴스를 보게 될 경우 그 뉴스가 사실이라고 믿게 될 가능성이 높아진다. 따라서 학생들에게 단순히 뉴스를 소비하는 것이 아니라, 그 내용의 출처를 확인하고 다른 신뢰할 수 있는 정보와 비교 분석하는 비판적 사고 및 뉴스 검증 기술을 가르치는 교육 프로그램이 필요하다.

4.3 정책적 제언

이러한 문제점을 해결하기 위해서는 교육 및 정책 양 측면에서의 노력이 요구된다. 우선, 대학 및 교육 기관에서는 미디어 리터러시 교육을 필수 과목으로 도입하여 모든 학생이 가짜 뉴스의 위험성과 올바른 정보 판단 방법을 학습할 수 있도록 해야 한다. 더 나아가 소셜 미디어 플랫폼과의 협력을 통해 가짜 뉴스에 대한 경고 시스템을 도입하면, 사용자가 의심스러운 정보를 접할 때 즉시 알림을 받아 보다 신속하게 대응할 수 있다. 또한, 뉴스 소비 습관 개선을 위한 캠페인과 정기적인 훈련 프로그램을 개발하여 학생들이 실제 생활에서 꾸준히 정보를 검증하고 비판적으로 사고하는 습관을 기를 수 있도록 지원하는 정책이 필요하다. 예를 들어 대학 캠퍼스 내 워크숍이나 세미나를 통해 뉴스 검증 방법을 실습하고, 온라인 플랫폼을 활용하여 최신 정보 검증 도구를 공유하는 등의 노력이 이러한 정책에 해당할 수 있다.