정경대학 · 데이터연구소 공동 콜로퀴엄 (2회차)

생성형 에이전트 시뮬레이션(Generative ABM)을 활용한 태도 양극화 메커니즘 연구

경희대학교 인문·사회과학 데이터연구소

Humanity & Social Science Data Institute (HSSDI), Kyung Hee University

2026년 4월 7일(화)  |  경희대학교 정경대학 211호

 

▲ 2차 콜로퀴엄 발제 장면 — 경희대학교 정경대학 211호 (2026.4.7)

 

 

일  시	2026년 4월 7일(화) 낮 12:00
장  소	경희대학교 정경대학 211호
주  제	생성형 에이전트 시뮬레이션(Generative ABM)을 활용한 태도 양극화 메커니즘 연구: Mesa 프레임워크와 LLM 기반 컴퓨테이셔널 방법론의 새로운 가능성
발  제	이종혁 (경희대학교 미디어학과)
토  론	박대민 (광운대학교)
공동주최	경희대학교 정경대학  |  인문·사회과학 데이터연구소  |  사회과학연구원  |  글로벌 통상·금융연구원

 

에이전틱 AI 시대를 맞아 미디어·커뮤니케이션 연구에서 컴퓨테이셔널 방법론의 필요성과 학습 수요가 급증하고 있습니다. 특히 생성형 AI 기반 에이전트 시뮬레이션은 기존의 설문·실험 방법으로는 포착하기 어려웠던 복잡한 사회적 상호작용과 태도 변화 메커니즘을 정밀하게 추적할 수 있는 새로운 방법론적 가능성을 열고 있습니다.

이번 2회차 콜로퀴엄은 Mesa ABM(Agent-Based Modeling) 프레임워크와 대규모 언어모델(LLM)을 결합한 생성형 에이전트 시뮬레이션을 활용해 온라인 공론장에서의 태도 양극화 메커니즘을 규명한 연구를 중심으로 논의를 이어갔습니다. 기존 컴퓨테이셔널 사회과학 연구의 한계를 넘어, AI 에이전트가 실제 사회적 행위자처럼 사고하고 상호작용하는 환경에서 양극화가 어떤 경로로 심화되는지를 실증적으로 탐구하는 이 연구는 인문사회과학 분야에서의 새로운 방법론 지평을 제시합니다.

 

발제 제목 및 발표자

「생성형 에이전트 시뮬레이션(Generative ABM)을 활용한 태도 양극화 메커니즘 연구: Mesa 프레임워크와 LLM 기반 컴퓨테이셔널 방법론의 새로운 가능성」

이종혁 (경희대학교 미디어학과)

 

연구 배경 및 문제 제기

온라인 공론장에서의 태도 양극화는 미디어·커뮤니케이션 연구의 핵심 과제로 부상하고 있으나, 기존 방법론으로는 동질적 집단 내 상호작용, 추론 동기, 시간적 궤적 등 복잡한 변인들의 상호작용을 동시에 추적하기 어려운 한계가 있었습니다. 본 연구는 생성형 에이전트(Generative Agent) 기술을 활용한 ABM 시뮬레이션을 통해, 에코 챔버와 추론 동기라는 두 가지 핵심 변수가 온라인 토론 맥락에서 태도 양극화에 미치는 영향을 실증적으로 규명하고자 설계되었습니다. 특히 '이민자 수용 확대 정책'이라는 정치적으로 민감한 이슈를 시뮬레이션 토픽으로 설정하여 현실 공론장을 최대한 근접하게 재현하였습니다.

 

연구 방법론 — Mesa ABM + LLM 기반 생성형 에이전트

본 연구는 Python 기반 Mesa ABM 프레임워크와 Google Gemini 2.5 Flash Lite를 결합한 생성형 에이전트 시뮬레이션 환경을 구축하였습니다. 30명의 가상 에이전트(보수 10명·중도 10명·진보 10명)를 페르소나로 설계하고, 동질성(Homophily, H)과 추론 동기(Reasoning Motivation, R)를 각각 조작한 2×2 실험 설계(4개 조건 × 3개 시드 = 총 12회 시뮬레이션)를 적용하였습니다.

방법론의 핵심은 10단계 인지 주기로 구성된 에이전트 아키텍처입니다. 각 에이전트는 ① 페르소나 설계, ② 메모리 스트림 구성, ③ 메모리 검색, ④ 동질성 조작(H 조건: 이념적 동류 우선 매칭), ⑤ 인지 주기, ⑥ 추론 동기 처리(R 조건: 상대 주장에 대한 반론·비판 생성), ⑦ 자유 토론, ⑧ 뉴스 자극 제공, ⑨ 성찰(Reflection), ⑩ 전체 실행 흐름의 순서로 작동합니다. 이를 통해 에이전트가 단순 텍스트 생성이 아닌 실제 사회적 행위자처럼 기억·판단·반응하는 환경을 구현하였습니다.

•    실험 설계: 동질성(H) × 추론 동기(R) 2×2 / 3 seeds = 12회 시뮬레이션

•    에이전트 구성: 보수 10명·중도 10명·진보 10명, 총 30명

•    LLM 모델: Google Gemini 2.5 Flash Lite (비용 효율 + 빠른 추론 속도)

•    시뮬레이션 토픽: 이민자 수용 확대 정책 (정치적 민감도 높은 이슈)

 

주요 연구 결과

혼합효과 회귀분석(Mixed-Effects Regression)을 통한 검증 결과, 네 가지 연구 문제에 대해 다음과 같은 실증적 결과를 도출하였습니다.

•    RQ1 (태도 양극화 궤적): 태도 극단성은 비선형(U자형) 시간적 궤적을 보임. 시뮬레이션 초반 완화 후 후반 급격한 극단화 확인 (Step²: B=+0.002, p<.001)

•    RQ2 (동질성 효과): 동질적 집단 내 상호작용의 단독 효과는 통계적으로 유의하지 않음 (B=+0.090, p=.121) — 에코 챔버 단독 효과는 기대보다 약함

•    RQ3 (추론 동기 효과): 추론 동기가 태도 양극화의 가장 강력한 예측 변인으로 확인 (B=+0.714, p<.001). 추론 동기의 효과는 동질성 효과의 약 28배에 달함

•    RQ4 (3원 상호작용): 동질성·추론 동기·시간 단계의 3원 상호작용(H×R×Step) 유의 (B=+0.015, p=.014*) — 에코 챔버는 추론 동기와 결합될 때만 양극화를 가속화하는 '조건적 에코 챔버' 효과 확인

 

결론 및 의의

본 연구의 핵심 발견은 온라인 공론장에서 양극화를 심화시키는 결정적 요인이 에코 챔버(동질성) 자체가 아니라, 상대의 주장에 반론하고 비판하려는 추론 동기임을 실증한 것입니다. 이는 알고리즘 기반 정보 필터링보다 인지적·동기적 요인의 개입이 더 중요하다는 점을 시사하며, 정보 환경 설계와 미디어 리터러시 교육 측면에서 새로운 정책적 함의를 제공합니다.

방법론적으로는 생성형 에이전트 시뮬레이션이 사회과학 연구의 새로운 도구로서 강점을 지님을 확인하였습니다. 다만 LLM 출력 결과를 실제 인간 행동으로 일반화하는 문제, 소규모 에이전트(N=30), 단일 이슈·단일 LLM 사용 등의 한계는 향후 연구에서 보완이 필요합니다.

•    핵심 시사점: 양극화 주범은 에코 챔버보다 '반론 동기'

•    방법론 기여: Generative ABM의 사회과학 연구 적용 가능성 실증

•    한계 및 후속 연구: 다중 이슈·다중 LLM 비교, 에이전트 규모 확대 필요

 

▲ 2차 콜로퀴엄 현장 (2026.4.7)

 

토론자 박대민 교수(광운대학교)는 생성형 에이전트 시뮬레이션의 방법론적 타당성, LLM 기반 에이전트 출력 결과의 인간 행동 대리 가능성, 그리고 추론 동기 조작 방식의 현실 반영도를 중심으로 심층적인 논평을 이어갔습니다. 특히 ABM과 LLM의 결합이 기존 컴퓨테이셔널 사회과학 방법론과 어떻게 차별화되는지, 그리고 연구 결과의 정책적 해석 가능성에 대해 생산적인 질문을 제기하였습니다.

참석자들은 에코 챔버 효과의 재해석 의미, 추론 동기 측정 방법의 다양화 가능성, Mesa 프레임워크 실습 적용 방안, 다양한 정치·사회적 이슈로의 확장 가능성 등 컴퓨테이셔널 방법론과 미디어 연구의 접점에 관한 활발한 논의를 나누었습니다.

 

▲ 2차 콜로퀴엄 참석자 일동 (경희대학교 정경대학 211호, 2026.4.7)

 

경희대학교 정경대학

경희대학교 인문·사회과학 데이터연구소 (HSSDI)

경희대학교 사회과학연구원

경희대학교 글로벌 통상·금융연구원