collectiveinteligenceanddunbanumber

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

- 트위터의 약한 연결에 따른 커뮤니케이션 수준의 변화 김태원†, 김상욱* 1)†

충북대학교 경영정보학과 박사과정 *충북대학교 경영정보학과 교수

초 록 던바 넘버를 검증한 기존 연구들은 소셜 네트워크 서비스의 구조적 특성 및 행태 (behavioral patterns)를 분석하기 보다는 단편적인 특정 서비스를 중심으로 하여 관계만을 분 석하였기 때문에 내재되어 있는 관련 요인 간 상호 영향과 서비스의 구조적 특성에 따라 나타 나는 피드백을 고려할 수 없는 한계를 나타내고 있다. 본 연구는 소셜 네트워크 서비스의 구조 를 파악하기 위하여 간단한 인과지도(Causal map)를 작성하고, 이를 바탕으로 시뮬레이션 모델 (Stock Flow Diagram)을 설계하여 시뮬레이션을 수행함으로써 과연 온라인 네트워크에 기반한 집단지성의 발현에 있어서 던바 넘버가 유효한 지를 탐색하였다. 분석 결과, 폐쇄적 소셜 네트 워크 서비스와 개방적 소셜 네트워크 서비스 모두 던바 넘버가 존재하였다. 그러나 개방적 소 셜 네트워크는 약한 연결로 인하여 집단지성이 던바 넘버에 영향을 받지 않고 무한하게 커져 나갈 수 있음을 확인하였다. 이는 던바 넘버를 극복하기 위한 시스템이나 정책이 개발되어야 하는 것도 물론 중요하지만 던바 넘버를 의식하여 네트워크 확장을 제한하는 것은 집단지성의 발현에 있어서 부정적이라는 것을 의미한다.

Key Words : 집단지성, 던바 넘버, 트위터, 시스템다이내믹스

1. 서론 ‘140자의 매직’이라고 불리는 트위터(twitter)가 인기를 끌고 있다. 원래 트위터는 마 이크로 블로그 서비스 중의 하나다. 마이크로 블로그 서비스란 기존의 블로그 서비스를 더 욱 간단하게 만든 것으로, 인터넷에 블로거가 올린 한 두 문장 정도 분량의 단편적 정보를 해당 블로그에 관심이 있는 개인들에게 실시간으로 전달하는 새로운 통신 방식을 말한다. †

E-mail: Egonim@gmail.com

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

기존의 블로그 서비스가 포스팅 하려는 콘텐츠 하나 하나에 많은 의미와 권한을 부여하고자 했다면, 마이크로 블로그 서비스는 그러한 의미와 권한을 최소화 한 것이다. 특히 최근에 스 마트폰과 같이 언제 어디서나 온라인에 접속할 수 있는 무선단말기가 일반화되면서 실시간 서비스인 트위터가 더욱 각광을 받고 있다. 흥미로운 사실은 트위터가 단순히 친목도모를 위한 소셜 네트워크 서비스(SNS, Social Network Service)가 아니라 집단지성을 발현하는 데 도구로서 작용할 수 있다는 점이다. 이와 같은 이유에서 학계 및 업계가 크게 주목하고 있다. 국내 트위터 이용자 중 Opinion Leader는 전체 이용자의 1%정도가 되는데 이들 Opinion Leader 중 1명이 사회적으로 이슈가 되는 트윗(tweet)을 게시하였을 때 리트윗(RT, Re tweet)을 통해서 국내의 모든 트위터 이용자들에게 전달될 때까지 3.8단계, 8분이 소요된 다1). 이처럼 트위터는 우리가 생각하는 것 이상으로 굉장히 빠르게 여론과 집단지성을 형성 한다. 트위터의 빠른 파급력은 자칫 잘못된 정보가 전파될 수 있는 우려를 불러일으킬 수 있으나 트위터의 자정작용을 통해 사실이 아닌 의견은 전파되는 힘이 약화된다. 상식적으로 생각한다면 집단지성을 구현하는 데 있어서 그 참여자의 수가 많으면 많을수 록 더 효과적일 것이라 생각할 수 있다. 그러나 과연 집단의 지성이 지혜로만 작용할까? 개 인적으로는 뛰어난 사람이 집단에서는 전혀 다른 양태를 보이는 경우를 주변에서 쉽게 볼 수가 있다. 집단의 지혜(intelligence)와 집단의 우둔함(stupidity)은 집단에 속해 있는 각 개 인이 얼마나 스마트한가 하는 것과는 별개의 문제이다. 아무리 총명하다고 하는 전문가들이 라고 해도 그들이 모인 집단은 얼마든지 멍청할 수 있으며, 어수룩한 대중이 모인 집단이라 도 지혜로운 결과를 내놓을 수 있기 때문이다. 로빈 던바(Robin Dunbar)는 아무리 발이 넓고 사교적인 사람이라도 온전한 친분관계를 유지할 수 있는 한계는 150명이라고 밝혔다. 인간이 상호 간에 올바른 이해와 협력을 얻기 위해 하나의 공동체를 형성하는데 이러한 공동체, 그룹원의 수가 150명을 넘어서게 되면 안 정적인 이해와 협력관계가 무너지기 쉽기 때문에 이 숫자를 초과하는 그룹을 유지하기 위해 서는 특별한 규칙이나 법률, 정책 등이 개발되어야 한다는 것이다. 던바 넘버(Dunber's Nubmer)와 관련된 많은 선행연구들은 대부분 던바 넘버가 어느 공 동체에나 존재하고 있음을 지지하였다. 그러나 이러한 연구들은 집단지성의 대표적인 예라 할 수 있는 ‘위키피디아(wikipedia)’가 유저 수가 많으면 많을수록 더 정교한 정보를 제 공해주는 사실이나, 트위터의 팔로잉(following)이 150명 이상이 되더라도 지속적으로 집단 지성이 일어나고 있는 사실에 대해서 제대로 된 설명을 해주지 못한다. 기존 연구들은 소셜 네트워크 서비스의 구조적 특성 및 행태(behavioral patterns)를 분석하기 보다는 단편적인 특정 서비스를 중심으로 하여 관계만을 분석하였기 때문에 내재되어 있는 관련 요인 간 상 호 영향과 서비스의 구조적 특성에 따라 나타나는 피드백을 고려할 수 없는 한계를 나타내 고 있다. 따라서 본 연구는 소셜 네트워크 서비스의 구조를 파악하기 위하여 간단한 인과지도 (Causal map)를 작성하고, 이를 바탕으로 시뮬레이션 모델을 설계하여 시뮬레이션을 수행하 여 과연 온라인 네트워크에 기반한 집단지성의 발현에 있어서 던바 넘버가 유효한 지를 탐 색해보고자 한다.

1) 제8회 미래한국리포트 ‘소통’, 2010. 11. 4.

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

2. 이론적 배경 2.1. 집단지성과 집단사고 한 울타리에 있는 100마리의 동물들 중에 99마리의 나귀가 얼룩말처럼 위장되어 있고 그 중에 한 마리만 실제 얼룩말이라고 가정할 때, 그 장소에 얼룩말이라는 표지판까지 붙어 있 으며 나귀들은 정교하게 칠하여져 사람들이 그들을 얼룩말로부터 구분해낼 능력이 없다고 하자. 이 경우 사람들이 한 마리 동물을 보고 그것이 얼룩말이라고 믿고 있는데, 실제로 운 이 좋게 얼룩말을 보았다고 한다면 이 경우 사람들은 사람들이 본 것이 과연 얼룩말이라는 것을 안다고 말할 수 있을까? 표준적 설명에 따르면 지식은 정당화된 참된 믿음이다. 그렇지만 “정당화된 참된 믿음 이 지식인가”라는 유명한 논문에서 에드먼드 게티어(Edmund Gettier)는 표준적 설명의 세 조건만으로는 충분치 못하다고 논증하였다. 위와 같은 예를 통하여 지식은 정당화된 참된 믿음이지만 정당화된 참된 믿음이 꼭 지식이 될 수도 없음을 역설하였다. 즉 지식 (Knowledge)은 ‘JTB(Justified True Belief) + X’로 정의되는데, 여기서 자신이 참이라고 믿는 것을 정당화 한 것(JTB), 그 자체만으로는 지식이 될 수 없다. 그 이유는 정당화된 믿 음이 과연 참인가 하는 문제(X)는 여전히 남기 때문이다. 이것이 바로 지식의 딜레마 (dilemma)이며, 이를 ‘Gettier's Problem ’이라고도 한다. 근대과학은 시스템을 부분적으로 이해하여 다시 결합하는 기계적 사고의 ‘요소환원주의 (전체=부분의 합)’, 동일한 조건에서의 실험은 항상 동일한 결과가 나와야 한다는 ‘재현 가능성’, 문제의 모든 요소가 하나도 빠짐없이 검토되어야 하며 인과론 또는 결정론적 객 관성이 담보되지 않은 그 어떤 것도 진리로 받아들이지 않는다는 ‘객관적 엄격성’을 전제 로 하였다. 그러나 복잡계 과학에서는 초기 사소한 오차가 엄청난 결과의 차이로 나타나며, 그 결과는 매번 다를 수 있다는 ‘불확정성 원리’를 지지한다. 따라서 복잡계 시스템 구조 하에서는 시스템은 ‘확정태’가 아니라 ‘가능태’에 불과하므로 초기 조건과 값이 정확하 고 엄격하여도 시스템의 결과는 매번 다를 수 있다. 이러한 복잡계 과학에서 분석은 불가능 하며, 행태 그 자체보다는 이를 결정하는 시스템 구조, 즉 구성요소 간 상호작용 메커니즘의 파악하는 데 초점을 두는 피드백 사고, 전체를 통찰하는 통합적 사고, 시간을 고려하는 시간 적 사고가 수반되지 않으면 안 된다. 복잡한 현실세계에서는 불변의 답, 즉 참(truth)이라고 단언할 수 있는 것은 없다. 그렇다 면 참 그 자체는 아니더라도, 참에 수렴할 수 있는 유일한 수단은 무엇인가에 대한 의문이 대두될 수밖에 없다. 참에 수렴할 수 있는 유일한 대안은 플라톤이 얘기한 바와 같이 자신 의 인식 자체를 새롭게 문제 삼는 자기반성적 태도, 즉 ‘인식에 대한 인식’을 통해 존재 론과 인식론 사이를 끝없이 왕복하는 수밖에 없을 것이다. 그러나 ‘인식에 대한 인식’을 한다는 것은 그리 쉬운 일은 아니다. 사람은 누구나 자신만이 가지고 있는 ‘지배적 사고’ 의 틀에서 벗어나기란 쉽지 않기 때문이다(김상욱, 2008). 지배적 사고의 틀에서 벗어나 인식에 대한 인식을 촉진할 수 있는 길은 ‘집단지성’에 서 찾을 수 있다. 집단지성은 다수의 개체들이 서로 협력하거나 경쟁하는 과정을 통하여 얻 게 된 집단의 지적능력의 의미하며, 이는 개체의 지적 능력을 넘어서는 힘을 발휘한다는 것 이다. 이 개념은 미국의 곤충학자 윌리엄 모턴 휠러(William Morton Wheeler)가 1910년 출 간한

‘개미：그들의

구조·발달·행동

Ants：Their

Structure,

Development,

and

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

Behavior’에서 처음 제시하였다. 휠러는 개체로는 미미한 개미가 공동체로서 협업(協業)하 여 거대한 개미집을 만들어내는 것을 관찰하였고, 이를 근거로 개미는 개체로서는 미미하지 만 군집(群集)하여서는 높은 지능체계를 형성한다고 설명하였다. 이후 피터 러셀(Peter Russell)·톰 애틀리(Tom Atlee)·하워드 블룸(Howard Bloom) 등 의 연구가 이루어졌으며, 제임스 서로위키(James Surowiecki)는 실험 결과를 토대로 “특정 조건에서 집단은 집단 내부의 가장 우수한 개체보다 지능적”이라고 주장하였다. 또한 피에 르 레비(Pierre Levy)는 사이버 공간의 집단지성을 제시하였는데, 그는 “누구나 자신의 공 간(사이트)를 가지고 일종의 형성하는 시대가 오면 어디에나 분포하고, 지속적으로 가치 부 여되며, 실시간으로 조정되고, 역량의 실제적 동원에 이르는 집단지성이 발현될 것”이라고 주장하였다. 그러나 과연 집단의 지성이 지혜로만 작용할까? 행동과학자 칼 폰 프리쉬(Karl von Frisch)는 집단의 어리석음(Collective Stupidity)에 대하여 “집단적으론 지혜롭지만 개인적 으론 멍청한 개미와 달리 인간은 개인적으로 지혜롭지만 집단적으론 어리석다”며 집단사고 의 위험성을 강조하였다. 일찍이 찰스 맥케이(Charles Mackay)는 그의 저서 ‘대중의 미망 과 광기(Extraordinary Popular Delusions and the Madness of Crowds)’에서 “대중은 결 코 이성적일 수 없으며 현명할 수 없고 집합적 판단은 극단으로 치닫게 되어 있다” 라고 하였으며, 귀스타브 르 봉(Gustave Le Bon)은 그의 저서 ‘군중심리(La psychologie des foules)’에서 “대중은 항상 고립된 개인보다 지적으로 열등하다”라고 주장하였다. 한편 사회심리학에서도 집단사고의 문제를 중요하게 다루고 있는데 집단이 의사결정을 하게 될 경우 책임의 분산으로 인하여 개인이 하는 것보다 보다 더 극단적인 결정을 하게 되는 경향 을 나타낸다는 것이다. 예컨대 웹상에서의 ‘마녀사냥’과 같이 공격장면에서는 더 큰 공격 을 결정 가능하도록 하는 것이 바로 집단사고(Group Think)라 할 수 있다.

2.2. 던바 넘버 개인 중심의 지혜는 결국 집단 전체를 부조화 내지 파멸로 이끌게 되는데 이와 관련하여 흥미로운 가설이 있다. 영국의 인류학자이자 진화생물학자인 로빈 던바(Robin Dunbar)는 ‘던바 넘버(Dunbar Number)’이론을 주장하였다. 그는 1990년대 초 침팬지, 원숭이 등 영 장류 38여종의 사교성을 연구하다가 대뇌의 ‘신피질(新皮質)’이 클수록 교류하는 ‘친 구’가 많다는 사실을 알아냈다. 신피질은 대뇌 반구(半球)의 표면을 덮고 있는 층으로 학 습, 감정, 의지, 지각 등 고등한 정신작용을 관리하는 영역이다. 인간의 경우 신피질 크기를 감안할 때 친분 관계를 유지할 수 있는 사람 수는 약 150명이라는 결론을 얻었다. 로빈 던 바는 호주, 뉴기니, 그린란드 등의 오지에 남아 있는 원시부족 형태 마을의 구성원이 평균 150명 안팎이란 사실을 확인, 자신의 추론을 뒷받침했다. 또한 로마시대에 효과적으로 전투 를 수행하기 위한 부대의 인원 역시 200명 이하였다는 점도 밝혀냈다. 최근에는 울티마 온 라인 게임에 참여한 유저들의 행동 패턴에서도 그 사실이 입증되었다.

150이라는 숫자가 갖는 의미는, 의미 있는 상호관계를 맺을 수 있는 사람의 숫자가 150 이며, 이것을 넘어서는 네트워크의 경우 그 안에 담긴 가치는 커지겠지만 개인에게 돌아가 는 가치는 오히려 줄어들게 되어 기존 그룹에서 탈퇴하거나 어떤 위계질서를 만들게 되는 임계점이 150이라는 것이다(박철, 2009). 오늘날 로빈 던바의 던바 넘버 이론은 인류학, 생물진화학, 사회학 등의 관련 학계에서

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

뿐만 아니라, 경영학, 경제학을 비롯하여 심리학, 통계학에서 널리 응용되고 있다. 그 중 경 영학 분야의 인사관리 연구에 있어 던바 넘버 이론이 끼친 영향력은 상당하다. 입소문 마케 팅이 한국을 비롯하여 전세계적으로 이슈가 되던 2005년 전후에 발행된 티핑포인트의 저자 말콤 글래드웰(Malcolm Gladwell)은 던바 넘버를 매직넘버 150(the Magic Number One Hundred and Fifty)으로도 풀이했다. 그의 저서에 따르면 150명이라는 구성원의 숫자는 특 정한 메시지를 안전하게 전달, 수행할 수 있는 최대한의 수치임을 강조했다. 그러하기에 이 숫자를 초과할 경우 하나의 메시지에 행동하는 집단의 능력은 구조적인 장애에 직면하게 되 고 결국 비생산적인 결과를 낳게 된다는 것이 말콤 글래드웰의 주장이다(이승규, 2010). 그렇다면 과연 온라인 상에서도 실질적인 교류를 할 수 있는 유저의 수에 한계가 있는가 에 대하여 많은 논란이 야기될 수 있다. 일반적으로 온라인, 특히 커뮤니티 사이트 및 블로 그를 비롯한 개인 미디어 그리고 트위터 등의 소셜미디어로 발전되는 과정에서 가장 주목을 받는 특징은 바로 개방성이기 때문이다. 이러한 개방성은 정보 교류에 있어서 무한에 가까 운 확장성을 의미한다. 따라서 던바 넘버가 온라인 네트워크 상에서도 적용되는가에 대해서 의문을 가질 수 있다. 실제로 로빈 던바는 이 법칙을 소셜미디어 네트워크를 통한 온라인상의 '친구 맺기'에 적용해 봤다. 페이스북(facebook) 등의 사이트에서 관리하는 인맥이 수천 명에 이르는 ‘사 교적인 사람’과 몇 백 명 정도인 ‘보통 사람’을 비교했다. 친구의 기준은 1년에 한 번 이상 연락하거나 안부를 묻는 것으로 삼았다. 결론은 ‘두 부류 간 진정한 친구의 수는 별 차이가 없었다는 것’이다. 친구가 1,500명쯤 된다는 사람들이나 수만 명에 달한다는 유명 인사들도 실제로는 150여명과만 긴밀한 관계를 유지하고 있었다. 이에 앞서 카이스트 (KAIST) 연구진이 국내 온라인 커뮤니티 ‘싸이월드’의 미니홈피 40만개의 방문자를 분 석한 결과에서도 친한 친구 수는 그 범위에서 크게 벗어나지 않았다. 온라인 소셜 네트워크 서비스가 등장하면서 인간관계 구축능력이 무한 확장될 수 있지 않겠느냐는 예상을 뒤집는 결과다. 다만 여자들은 온라인상에서 대화를 나누는 것만으로도 어느 정도 친분을 유지한 반면 남자들은 운동처럼 직접 만나 어울려야 친구관계가 이어졌다고 한다(정하웅, 2005).

2.3. 약한 연결의 트위터 집단지성이 ‘지성’으로서의 순작용을 하기 위해서는 집단의 규모가 어느 정도라야 이 상적인가 하는 문제는 매우 중요하다. 앞서 설명한 소셜 네트워크 서비스를 통한 관계 구축 에 있어서 의미가 있는 친구 관계(Meaning friendship)에는 그 수가 한정적이라는 사실은 소셜 네트워크 서비스를 비롯하여 소셜 미디어가 유행처럼 번지고 있다고 한들, 이러한 커 뮤니케이션 툴이 인간의 두뇌 활동을 높여주는 대체물이 아니라는 것이다. 따라서 아무리 커뮤니케이션 툴이 혁신적으로 발전한다고 해도 이를 관리하는 인간의 두뇌 활동의 한계에 있어 제한을 받게 된다는 것이다(이승규, 2010). 이러한 던바 넘버 이론의 연구에 대한 핵심은 어떻게 하면 150명 이상의 관계를 구축해 도 관리를 할 수 있는 가에 대한 부분이다. 그리고 던바 넘버를 주장한 로빈 던바도 현재 지금의 한계를 뛰어넘을 수 있는 새로운 소셜 네트워크 서비스 연구에 몰두하고 있다. 로빈 던바의 연구에 따르면 소셜 네트워크 서비스 상에서도 던바 넘버가 존재하여 집단지성의 발 현을 위한 가장 적절한 규모는 150여명처럼 보인다. 그러나

집단지성의 대표적인 예라 할

수 있는 ‘위키피디아(wikipedia)’는 유저 수가 많으면 많을수록 더 정교한 정보를 제공해

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

준다. 1명이 잘못된 내용을 수록하더라도 100명이라는 더 많은 사람이 이를 수정하기 때문 에 잠깐은 잘못된 정보가 나타날 수 있지만 결국은 바른 정보로 등록되는 것이다. 「웹 진화론」의 저자 우에마 모치오는 “위키피디아는 인터넷을 통해 불특정 다수가 참 여해 만들기 때문에 완벽을 추구하는 것은 불가능하다. 단지 ‘일정 수준’의 신뢰성을 추 구할 뿐이다”라고 위키피디아의 특성을 말하면서, 영국 「네이처」지가 조사한 결과에 대 해 이야기했다. 「네이처」지에 의하면 위키피디아와 브리태니커 백과사전의 과학 분야 항 목을 조사한 결과 양자의 정확도와 신뢰도는 비슷했으며, 위키피디아의 오류 정도는 브리태 니커 백과사전과 비슷하다고 했다. 신뢰성에서 일정한 수준을 확보할 경우에는 양이 많은 곳이 우위를 점하기 마련이다(김중태, 2010) 트위터 역시 잘못된 정보가 전파되었을 때 빠르게 리트윗(ReTweet) 기능을 이용하여 정 정함으로써 자체적인 자정작용 기능을 보인다. 빠른 파급력에 비해 콘텐츠의 공신력이 비록 떨어질지라도 트위터의 이러한 자정작용 기능으로 인하여 집단사고의 위험이 방지된다. 이 는 다양하고 더 많은 개인들이 모일 때 더욱 탁월한 효과를 나타낸다. 특히 트위터의 방식 은 기존의 소셜미디어와는 조금 다른 방식을 가지고 있다. 기존의 커뮤니티나 네트워크가 양방향적인 상호연결을 가지고 있는데 반하여 트위터는 Following/Follower라는 특수한 연 결 방법을 가지고 있어서 두 사람이 서로 팔로우(follow)를 하여 친구 관계를 맺을 수도 있 지만, 한쪽만 팔로우(follow)하여 약한 연결(Weak Tie)을 이룰 수도 있다는 점에서 기존의 싸이월드(cyworld)나 페이스북(facebook)과 같이 상대적으로 폐쇄적인 쌍방향 소셜 네트워 크 서비스와 구분되는 특징을 보인다. 마크 그라노베터(Mark Granovetter)의 ‘약한 연결의 힘(The strength of Weak Ties)’ 에 따르면 직업을 구할 때나 새로운 소식을 접할 때, 식당을 새로 차릴 때, 최신의 유행이 전파될 때, 우리의 약한 사회적 연결이 강한 친분관계보다 더 중요하다고 하였다. 또한 그는 “자아(Ego)는 여러 명의 가까운 친구들을 갖고 있는데, 이들의 대부분은 상호 간에 잘 알 고 자주 접촉하는 밀도 높은 사회적 덩어리를 이루고 있다. 자아는 또한 그냥 아는 사람들 을 여럿 갖고 있는데 이들은 상호 간에 잘 모르는 사이인 경우가 많다. 그런데 이 그냥 아 는 사람들 하나 하나는 자신의 친한 친구들을 갖고 있어서 긴밀하게 짜여진 사회적 덩어리 를 이루고 있다.”라고 하였다. 상식적으론 이치에 맞지 않아 보이는 그라노베터의 주장은 본 연구에 큰 함의를 제시한다. 트위터는 약한 연결로 외부세계와의 커뮤니케이션에 있어서 큰 영향력을 발휘한다. 폐쇄적인 강한 연결은 같은 영역 안에서 ‘동일’하거나 ‘유사’한 정보가 ‘반복적’으로 유통되지만 약한 연결에서는 비중복된 다양한 정보가 유통되어 새로 운 정보의 확산, 융합, 공유, 교류가 일어나게 되는 것이다. 트위터는 이러한 사회적 네트워크의 독특한 연결구조처럼 온라인 상에서 없었던 새로운 약한 연결들을 생성하고 있다. 즉, 트위터의 구조는 웹처럼 일방향적인 선호적 연결 (preferential attachment) 성질을 가지고 있어서 성장하면서 많은 링크를 가지는 허브(Hub) 를 만들어 낸다. 최근 트위터 서비스에서 수 천, 수만 명의 팔로어(follower)를 가진 사람들 이 많아졌으며 이들의 영향력은 막강하다. 실제로 영향력이 강한 사람들의 트위터를 통해 기업이 광고를 홍보하는 경우가 있으며, 이런 트위터의 특성을 활용하고자 많은 정치인, 기 업인들도 트위터를 개설하기도 하였다. 트위터의 약한 연결망이 인간 전체의 네트워크의 가 치를 극대화 시킬 수 있는 하나의 도구라고 생각할 때 트위터 상에서 던바 넘버가 유효한 지, 유효하다면 집단지성과 어떠한 상관관계가 있는 지 살펴보는 것은 큰 의미를 가지고 있 다.

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

2.4. 시스템 다이내믹스 시스템(system)에 대한 이해는 구조(structure)에 대한 이해와 행태(behavior)에 대한 이 해로 구성된다. 구조를 지칭하는 시스템(system)과 동태적인 행태를 지칭하는 다이내믹스 (dynamics)가 통합되어 ‘시스템 다이내믹스(system dynamics)'가 태동되었다고 할 수 있 다. 시스템 다이내믹스는 시스템 현상의 간결하게 표현 할 수 있어 시스템을 통제하고, 관리 하는 정책 및 의사결정을 지원하는 중요한 기능을 포함하고 있어 학문적 위상이 점점 높아 지고 있다(Forrester, 1961). 이러한 시스템 다이내믹스의 방법론으로 시스템 사고가 필요하 였으며, 시스템 다이내믹스의 연구 방법으로 활용된 인과지도(Causal map2))는 컴퓨터 시뮬 레이션 모델(SFD, Stock Flow Diagram)을 수행하기 전에 모델의 대상이 되는 시스템의 구 조적

특성을

체계적으로

분석하는

방법론으로서

사용되어

왔다(Richardson

1991,

Wolstenholme 1990). 시스템 다이내믹스 방법론의 특징은 기본적인 관심의 대상을 연구하고자 하는 특정 변수 가 시간의 변화에 따라 어떻게 동태적으로 변화해 가는 지 그 과정에 초점을 두기 때문에 모델 파라미터 값의 정확한 측정이나 변수의 추정 값을 구하기 보다는 관심의 대상이 되는 변수의 시간의 흐름에 따른 역동적인 변화의 추세(안정적/불안정적 경향, 상하 주기적인 파 동, 성장/쇠퇴 패턴 및 평형상태 유지 등)에 보다 큰 관심을 둔다(Meadows, 1980).

3. 연구 모형 기존의 소셜 네트워크 서비스 관련 연구들은 대부분 단편적인 특정 서비스를 중심으로 하여 관계를 분석하였기 때문에 내재되어 있는 관련 요인 간 상호 영향과 서비스의 구조적 특성에 따라 나타나는 피드백을 고려할 수 없었다. 이는 특정 시점에서의 관계를 추론하기 에는 정확한 값을 예측가능 할 수 있으나, 시간의 흐름에 따라 피드백이 주는 영향을 간과 하게 된다. 특히 상호작용을 통한 소통이 핵심인 소셜 네트워크 서비스에서는 더욱 그러한 우려가 커질 수밖에 없다. 이러한 단점을 보완하고자 본 연구에서는 시스템 다이내믹스 방 법론을 통해 각 요소들이 주는 피드백 현상을 시간의 흐름에 따라 동적으로 보여주고자 한 다.

3.1. 폐쇄적 SNS의 CLD(Causal Loop Diagram) 소셜 네트워크 서비스는 그 이용동기나 기능에 따라 여러 가지로 유형화할 수 있으나 일 반적으로 폐쇄적인 성격을 지니고 있는 소셜 네트워크 서비스는 프로필 기반의 페이스북 (facebook)이나 마이스페이스(myspace), 한국의 싸이월드(cyworld)가 이에 해당한다. 이러한 폐쇄적 SNS는 주로 친목도모를 목적으로 사람 간 관계를 맺는다. 특정인에게 친구를 요청 하면 요청을 받은 사람이 친구를 맺을 것인지 맺지 않을 것인지를 판단하여 친구관계가 성 립되는 형식이다. 이러한 폐쇄적 SNS의 구조를 살펴보기 위하여 <그림 1>과 같이 인과지

2) Causal map은 Causal Loof Diagram라고도 부른다.

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

도로 표현하였다.

<그림 1> 폐쇄적 SNS의 인과지도

R1 루프는 유용성으로 친구를 맺게 되고 이는 강한 연결로 이뤄진 인맥 수(친구 수)를 증가시키게 되어 형성된 네트워크가 다시 또 다른 친구를 맺도록 관계를 확장해주는 자기 강화 루프이다. 이는 시스템 내에서의 성장동력에 해당한다. 반면 강한 연결로 이뤄진 인맥 수가 많아지게 되면 복장성이 증가하여 관리 능력에 저하가 온다. 사람은 인지 할 수 있는 수준에 한계가 있기 때문이다. 이것이 곧 로빈 던바가 주장하는 던바 넘버에 해당한다. 던바 넘버에 의해 일정 수준 이상의 관계를 형성할 수 없게 되므로 강한 연결 인맥의 수는 일정 수준에서 유지되게 될 것이다. 바로 이 자기균형 루프인 B1 루프로 인하여 시스템은 무한히 성장해 나가는 것이 아니라 한계 수준에서 성장이 정지하거나 또는 성장이 쇠퇴하는 전형적 인 ‘성장의 한계’ 아키타입을 보여준다. 강한 연결의 인맥 수가 늘어나게 되면 의해 콘텐츠가 양산이 된다. 또한 여기에는 자신 이 생산하는 콘텐츠도 있을 것이다. 따라서 ‘콘텐츠 생산’이라는 변수를 외생변수로 추가 하였다. 본인 및 타인에 의해서 생산된 콘텐츠의 양이 많으면 많을수록 집단지성은 높아질 수 있으나 한편으로는 잘못된 정보의 유입이 증가하여 콘텐츠 질을 상대적으로 떨어뜨리는 결과를 가져와 집단지성을 저해하는 경우도 발생할 수 있다. 특히 집단지성을 저해시키는 집단사고는 사전에 친분관계가 형성되어 있는 강한 연결일 때 더 잘 나타난다는 점에서 이 러한 우려를 더해준다. 따라서 ‘잘못된 정보’, ‘콘텐츠의 질’이라는 변수를 추가하여 콘 텐츠에서 집단지성으로 가는 경로를 양의 영향을 주는 경우와 음의 영향을 주는 경우를 동 시에 표현해 주었다. 즉, 집단지성이 증가하게 되면 인지하는 유용성은 증가하게 되고 다시 이 유용성이 강한 연결망을 확장시켜서 콘텐츠를 늘리고 집단지성을 증가시키는 또 하나의 R2 루프와 콘텐츠는 늘어나지만 콘텐츠가 만들어 내는 잘못된 정보로 인해서 집단지성을

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

떨어뜨리는 B2 루프를 만들게 된다.

3.2. 개방적 SNS의 CLD(Causal Loop Diagram) 폐쇄적 소셜 네트워크 서비스가 있는 반면 개방적 성격의 소셜 네트워크 서비스도 존재 한다. 개방적 성격의 소셜 네트워크 서비스는 강력하고 완결성 있는 폐쇄적 구조와는 달리, 많은 링크를 통한 약한 연결의 속성을 지니고 있어서 폭넓은 지적 토양의 특성을 지닐 수 있다는 장점이 있다. 또한 다양성과 더불어 각자의 독립성이 보장되어 집단사고의 늪에 빠 질 수 있는 위험을 줄여주고 잘못된 정보가 유입되더라도 약한 연결망을 통하여 자정작용이 일어나므로 보다 신뢰성 높은 정보를 취할 수 있다는 점도 약한 연결의 강점이라 할 수 있 다. 본 논문에서는 개방적 SNS의 대표적인 예로 트위터를 살펴보았다. 기존의 커뮤니티나 네트워크가 양방향적인 상호연결을 가지고 있는데 반하여 트위터의 독특한 방식은 한쪽만 팔로우(follow) 하여 약한 연결을 이룰 수 있기 때문이다. 트위터의 구조를 살펴보기 위하여 <그림 2>와 같이 인과지도로 표현하였다.

<그림 2> 개방적 SNS의 인과지도

R1 루프와 B1 루프는 <그림 1>의 설명과 같다. 트위터의 경우에는 강한 연결뿐만 아니 라 약한 연결이 존재한다. 다만 여기에서는 서로 간 팔로우(Follow)되어 있는 경우가 아니 라 본인이 팔로잉(Following)한 인맥을 강한 연결로 간주한다. 앞서 설명했다시피 던바 넘버 는 개인의 인지 수준과 관련이 있는데 트위터에서는 결국 본인이 인지하고 관리하는 사람들 은 팔로잉(Following)한 사람들이기 때문이다. 반면 약한 연결은 나의 인지 수준에는 크게 영향을 주지 않는 팔로어(Follower)들이 된다. 이들은 강한 연결의 인맥 수에 따라서 늘어날

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

수 있고3) 본인이 생산하는 콘텐츠나 집단지성에 영향을 받아 늘어나기도 한다. 약한 연결은 강한 연결과 마찬가지로 콘텐츠를 양산하며, 집단지성에 양의 영향을 미치거나(R3) 잘못된 정보로 인하여 콘텐츠 질을 떨어뜨려 음의 영향을 미치기도 한다(B2). 하지만 긴밀한 유대 관계가 있는 강한 연결과 달리 약한 연결은 비중복된 정보가 더 다양하게 유통되며, 그로 인해 새로운 정보가 확산, 융합, 공유, 교류가 이뤄지게 된다. 또한 약한 연결의 특성으로 인 해 상호 간 간섭이 적어 독립성이 유지되며, 권력이 한 곳에 집중되어 있지 않고 분산화 되 어 있기 때문에 좁고 다양하며, 특수한 지식을 가진 약한 연결의 구성원들이 조정을 통해서 잘못된 정보에 대한 자정작용을 이끌어낸다. 이러한 작용을 통해 콘텐츠의 신뢰성은 제고되 며 이는 곧 콘텐츠의 질이 향상되는 것을 의미한다. 콘텐츠의 질이 좋아진다는 것은 좀 더 집단지성으로 수렴해 간다는 것이다(R4). 집단지성이 강해지면 다시 약한 연결과 강한 연 결,(R2) 즉 트위터에서는 팔로잉과 팔로어가 늘어나게 되는 동기를 제공하게 된다(R4).

3.3. SNS의 SFD(Stock Flow Diagram) 소셜 네트워크 서비스의 인과지도를 바탕으로 <그림 3>, <그림 4>와 같이 SFD(Stock Flow Diagram)를 설계하였다.

<그림 3> 폐쇄적 SNS의 SFD(Stock Flow Diagram)

3) 트위터 사용자가 서로 팔로잉 하는 것을 ‘맞팔로잉’ 또는 줄여서 ‘맞팔’이라고 말한다.

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

<그림 4> 개방적 SNS의 SFD(Stock Flow Diagram)

4. 시뮬레이션 결과 및 분석 소셜 네트워크 서비스의 집단지성 발현에 있어서 던바 넘버가 유효한 지 탐색해보고, 집 단지성에 영향을 주는 요인들의 변화에 따라서 집단지성이 어떻게 변화하는 가를 알아보고 자 구축된 시뮬레이션 모델을 바탕으로 시뮬레이션을 수행하였다. 시뮬레이션 분석을 위해 본 연구에서는 시스템 시뮬레이션 소프트웨어 Vensim DSS를 사용하였으며 DT(Delta Time)는 0.125를 기준으로 90일간의 변화를 분석하였다.

SFD는 세부 현실 데이터를 활용하기 보다는 상대적, 직관적으로 인덱스화 된 데이터 (Index Data)를 사용하여 설계하였다. 그 이유는 경험적 실증 데이터를 입수할 수 없었기 때문이기도 하지만 상대적, 직관적 자료를 사용하더라도 시스템의 상대적 결과에 대한 행태 를 살펴보고, 주요 정책(의사결정)의 효과를 비교 평가하는 목적으로는 인덱스 데이터를 활 용해도 전혀 무리가 없기 때문이다(전재호, 2003)

4.1. 폐쇄적 SNS의 시뮬레이션 결과 폐쇄적 소셜 네트워크 서비스의 시뮬레이션은 소셜 네트워크를 서비스를 이용하는 이용 자가 첫 강한 연결을 맺기 시작하면서부터 변화하는 강한 연결의 인맥 수와 이에 영향을 받 아 늘어나는 콘텐츠로 인하여 집단지성이 활성화 또는 비활성화 되는 구조를 동태적으로 보 여주게 된다. 이 구조상에서 영향을 미치는 요인들의 값을 조정하여 나타난 결과를 통해 폐 쇄적 소셜 네트워크 서비스에서 던바 넘버가 유효한 지 알아보고, 강한 연결 인맥 수를 의 도적으로 증가시키고자 할 경우 집단지성에 어떠한 영향을 주는 지 분석하였다.

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

4.1.1. 던바 넘버 유효성 만약 폐쇄적 소셜 네트워크 서비스 상에서 던바 넘버가 유효하다면 강한 연결의 인맥 수 를 계속적으로 증가시켜도 인지 한계라는 제약으로 인해서 던바 넘버 수준에서 더 이상 강 한 연결의 인맥 수가 늘어나지 않게 될 것이다. 폐쇄적 소셜 네트워크 서비스에서 던바 넘 버가 유효한 지 알아보기 위하여 유용성 값을 변화시켜 보았다. 유용성은 강한 연결 인맥수 의 inflow에 직접 영향을 미치기 때문이다. 그 결과는 아래 <그림 5>와 같다.

<그림 5> 폐쇄적 SNS 상에서 강한 연결의 인맥 수 변화

초기에는

강한

연결의

인맥

수가

기하급수적으로

증가하는

강화루프

형태의

BOT(Behavior Over Time)를 보여주지만 변곡점을 기준으로 목표에 수렴하는 균형루프 형 태의 BOT를 보여주어 전체적으로는 S-Shape 형태를 나타낸다. 이는 처음 성장동력이 되는 강화 루프가 작동하여 인맥 수가 증가하게 되지만 인맥 수가 증가하여 차츰 복잡성이 늘어 나게 되면 인지 수준의 제약으로 인하여 균형 루프가 작동하게 되는 성장의 한계 유형을 고 스란히 보여주고 있다. 강한 연결의 인맥 수는 유용성에 변화가 있더라도 일정 수준, 즉 던 바 넘버를 넘지 못했다. 또한 유용성의 값을 변화시켰을 때 BOT의 구조는 변함이 없다. 다 만 얼마나 목표(한계)에 먼저 수렴하는가의 차이만 있을 뿐이다. 이를 통해 폐쇄적 소셜 네 트워크 서비스에서도 던바 넘버는 여전히 유효함을 볼 수 있다.

4.1.2. 집단지성의 변화 폐쇄적 소셜 네트워크 서비스 상에서 집단지성의 변화를 알아보기 위해 수행된 시뮬레이 션의 결과는 아래 <그림 6>과 같다.

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

<그림 6> 폐쇄적 SNS 상에서 집단지성의 변화

폐쇄적 소셜 네트워크 서비스에서의 집단지성은 강한 연결의 인맥 수에 비례하여 영향을 받기 때문에 강한 연결의 인맥 수와 같은 구조인 S-Shape 형태를 보여준다. 유용성 값을 변화시켰을 때 강한 연결의 인맥 수 경우와 마찬가지로 구조는 변함이 없으며 단지 목표에 수렴하는 속도만 차이가 있을 뿐이다. 이는 강한연결에서의 집단지성은 외부적으로 영향을 주는 요인이 없이 오로지 강한 연결의 인맥 수를 통해 생산되는 콘텐츠와 본인이 생산하는 콘텐츠에 기반하여 발현되기 때문이다.

4.2. 개방적 SNS 시뮬레이션 결과 개방적 소셜 네트워크 서비스의 시뮬레이션은 폐쇄적 소셜 네트워크를 서비스 구조를 포 함하고, 약한 연결을 통해 나타나는 구조까지 통합하여 동태적으로 보여주게 된다. 이 구조 상에서 영향을 미치는 요인들의 값을 조정하여 나타난 결과를 통해 개방적 소셜 네트워크 서비스에서 던바 넘버가 유효한 지 알아보고, 약한 연결 인맥 수를 의도적으로 증가시키고 자 할 경우 집단지성에 어떠한 영향을 주는 지 분석하였다.

4.2.1. 던바 넘버 유효성 폐쇄적 소셜 네트워크 서비스와 마찬가지로 개방적 소셜 네트워크 서비스에서 던바 넘버 가 유효한 지 알아보기 위하여 유용성 값을 변화시켜보았다. 그 결과는 아래 <그림 7>과 같다.

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

<그림 7> 개방적 SNS 상에서 강한 연결의 인맥 수 변화

강한 연결의 인맥 수는 폐쇄적 소셜 네트워크 서비스와 일치하는 BOT(Behavior Over Time)를 보여준다. 개방적 소셜 네트워크 서비스라고 할 지라도 강한 연결의 구조는 동일하 기 때문으로 풀이된다. 따라서 비록 개방적 소셜 네트워크 서비스라고 하더라도 강한 연결 이 존재하게 된다면 인지 수준에 영향을 미치게 되므로 던바 넘버가 여전히 유효하다고 볼 수 있을 것이다.

<그림 8> 개방적 SNS 상에서 약한 연결의 인맥 수 변화

반면 약한 연결의 인맥 수는 <그림 8>과 같이 기하급수적으로 증가한다. 약한 연결의 인맥 수는 강한 연결의 인맥 수 및 본인이 생산해 내는 콘텐츠 그리고 집단지성이 다시 피

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

드백 되어 영향을 받는다. 약한 연결의 인맥 수의 경우에는 강한 연결의 인맥 수와 달리 인 지 수준을 요하지 않기 때문에 던바 넘버와는 무관하며 기하급수적으로 증가하는 형태를 나 타낸다. 유용성 값을 변화를 주어 시뮬레이션 하게 되면 구조는 동일한 BOT지만 유용성 값 이 클수록 보다 많은 약한 연결의 인맥 수를 보여준다.

4.2.2. 집단지성의 변화 개방적 소셜 네트워크 서비스 상에서 집단지성의 변화를 알아보기 위해 수행된 시뮬레이 션의 결과는 아래 <그림 9>, <그림 10>과 같다.

<그림 9> 개방적 SNS 상에서 강한 연결 강화에 따른 집단지성의 변화

<그림 9>는 개방적 소셜 네트워크 서비스 상에서 강한 연결을 강화했을 때 집단지성의 변화를 보여준다. 강한 연결의 강화에 직접적으로 영향을 미치는 유용성의 값을 변화시켰을 때 BOT의 구조는 변함이 없다. 다만 기울기에만 영향을 주어 얼마나 더 기하급수적으로 강 화되는 가의 차이만 나타날 뿐이다. 강한 연결이 강화되면, 즉 강한 연결의 인맥 수가 늘어 나게 되면 강한 연결의 인맥이 생산하는 콘텐츠로 인하여 집단지성이 늘어난다기 보다는 오 히려 약한 연결의 인맥 수가 늘어나게 되어, 이 약한 연결이 콘텐츠 생산 및 신뢰성 제고를 통해 집단지성을 더 증가시킨다고 해석하는 것이 바람직할 것이다. 왜냐하면 앞서 살펴보았 듯이 강한 연결의 강화는 던바 넘버로 인해 제한이 있으며 그들이 만들어 내는 콘텐츠 및 집단지성의 크기도 그다지 높지 않기 때문이다. 따라서 본 결과를 통해 강한 연결만 있는 시스템일 경우에는 강한 연결의 강화 노력이 던바 넘버라는 제약으로 인해서 무의미하지만, 약한 연결이 공존할 경우에는 강한 연결의 강화 노력은 집단지성의 발현을 위해 유의미하다는 점을 알 수 있다. 바로 던바 넘버에 영 향을 받지 않는 약한 연결에 강한 연결이 영향을 미치기 때문이다.

온라인 네트워크에 기반한 집단지성에서 던바 넘버는 항상 이상적인가?

<그림 10> 개방적 SNS 상에서 약한 연결 강화에 따른 집단지성의 변화

<그림 10>은 개방적 소셜 네트워크 서비스 상에서 약한 연결을 강화했을 때 집단지성의 변화를 보여준다. 약한 연결의 강화에 직접적으로 영향을 미치는 콘텐츠 생산 비율값을 변 화시켜 살펴보았다. 강한 연결을 강화했을 때 집단지성의 변화와 같은 구조이지만 기울기에 서 큰 차이를 보인다. 약한 연결이 강화되면, 즉 약한 연결의 인맥 수가 늘어나게 되면 콘텐 츠가 양산되며 풍부한 콘텐츠는 집단지성을 발현한다. 다만 콘텐츠가 많아지게 되면 잘못된 정보도 그만큼 증가하여 콘텐츠의 질을 떨어뜨릴 수도 있으나 약한 연결이 강화되면 그만큼 신뢰성이 제고되므로 전체적으로 집단지성은 증가하게 된다. 요컨대 약한 연결이 강화되면 강화될수록 집단 지성은 이에 비례하여 증가하게 된다. 그리고 약한 연결의 강화에 직접적 으로 영향을 미치는 콘텐츠 생산 비율이 강한 연결의 강화에 직접적으로 영향을 미치는 유 용성보다 집단지성 발현에 더 큰 효과를 가져다주는 것을 확인할 수 있다. 이를 트위터에 적용해본다면 본인이 유용성을 느껴 사람들을 팔로잉하는 것도 집단지성 발현에 유의미한 영향을 줄 수 있으나 오히려 본인이 생산하는 콘텐츠 생산에 주력하여 팔 로어들을 늘리는 것이 집단지성 발현에는 보다 더 효과적일 것이다.

5. 결론 본 연구는 소셜 네트워크 서비스의 구조를 파악하여 내재되어 있는 관련 요인 간 상호 영향과 서비스의 구조적 특성에 따라 나타나는 피드백을 고려하고자 시스템 다이내믹스 방 법론을 적용하였다. 소셜 네트워크 서비스를 폐쇄적/개방적으로 구분하여 인과지도를 작성 하고 시뮬레이션 모델을 설계하여 시뮬레이션을 수행하였다. 연구로부터 도출된 주요 결과 및 시사점은 다음과 같다. 첫째, 폐쇄적 소셜 네트워크 서비스와 개방적 소셜 네트워크 서비스에서 강한 연결에 해

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

당하는 부분은 모두 던바 넘버가 적용되고 있음을 확인하였다. 이러한 결과는 실제로 로빈 던바가 이 법칙을 소셜미디어 네트워크를 통한 온라인상의 '친구 맺기'에 적용했을 때 도출 된 결론과 동일하다. 둘째, 비록 던바 넘버가 적용된다고 할 지라도 약한 연결이 시스템 내에 존재한다면 약 한 연결을 통하여 집단지성이 발현될 수 있으므로 약한 연결을 강화하는 데에 힘을 써야 한 다는 시사점을 도출하였다. 강한 연결만으로 이뤄진 폐쇄적인 시스템은 아무리 강한 연결을 강화시키려고 하더라도 집단지성이 일정 수준에서 수렴하는 경향을 보였으나, 강한 연결과 약한 연결이 함께 공존하는 시스템에서는 강한 연결의 강화가 약한 연결의 강화를 가져오게 되므로 비록 약한 연결에 직접적으로 영향을 미치는 효과보다야 미진하지만 강한 연결의 강 화는 집단지성 발현에 있어서 유의미한 노력이라 할 수 있을 것이다. 셋째, 집단 지성 발현에 있어서의 핵심은 강한 연결이 아니라 약한 연결이라는 사실을 확인하였다. 강한 연결을 강화했을 때의 집단지성 증가 효과는 약한 연결을 강화했을 때의 그것에 미치지 못했다. 이는 마크 그라노베터(Mark Granovetter)가 주장한 ‘약한 연결의 힘(The strength of Weak Ties)’을 지지하는 결과이다. 이번 연구는 소셜 네트워크 서비스의 이론적 체계를 ‘행태가 행태를 낳는다’는 기존의 행태주의(Behavioralism)의

관점에서

벗어나

‘구조가

행태를

낳는다’는

구조주의

(Structuralism)의 관점에서 시도되었다는 점에서 학술적인 의미를 찾을 수 있을 것이다. 소 셜 네트워크 서비스나 집단지성과 같은 복잡계 이론에 기반하는 연구에 있어서 경험적 데이 터에 의존하는 귀납적 논리의 행태주의는 기초 자료 입수가 현실적으로 불가능하며, 겉으로 드러난 행태만으로 미래 행태를 이상적으로 바꿀 수 있는 정책 지렛대와 개입 시점 등 구체 적 근거와 대안을 제시하기 어렵다. 그러나 본 연구에서 시도된 시스템 다이내믹스 방법론 은 구조주의와 행태주의를 모두 수용하는 홀론(Holon)적 세계관으로 이러한 행태주의의 한 계와 문제를 극복할 수 있음을 보여주었다. 또한 본 연구는 집단지성 발현을 위해 소셜 네트워크 서비스가 어떠한 방식으로 디자인 되고 운영되어야 할 지 정책적 함의를 제시할 수 있다. 던바 넘버를 극복하기 위한 시스템 이나 정책이 개발되어야 하는 것도 물론 중요하지만 던바 넘버를 의식하여 네트워크 확장을 제한할 필요는 없어 보인다. 트위터의 공동 창업자 중 한 명인 비즈 스톤(Biz Stone)4)은 “나의 생각이 진실하고 건 강하다면 트위터를 통하여 진실한 의견이 확산될 것이다”라고 말했다. 이는 트위터가 집단 지성으로서의 도구로서 얼마나 유용한 지 짐작할 수 있는 부분이다. 집단지성이 발현되기 위해서는 보다 많은 사람이 보다 다양한 생각으로 의견을 공유해야 한다. 던바 넘버는 인지 수준이 요구되는 강한 연결에서만 적용되는 것이며 약한 연결에서는 무한대에 가깝게 우리 의 네트워크가 확장될 수 있고 그 네트워크로 이뤄진 좁은 세상(Small World)에서 진정한 집단지성이 발현될 수 있을 것이다.

4) 트위터의 창업주는 잭 도시(Jack Dorsey), 비즈 스톤(Biz Stone), 에반 윌리엄스(Evan Williams)이다(위키피디 아).

제 5 회 복잡계 컨퍼런스 - 새로운 소통의 양식 (Social Media)

참 고 문 헌 1. 김상욱, “동양의 시각에서 본 학습조직의 재해석”, 한국시스템다이내믹스연구, 제9권, 제1호, pp.33-56, (2008).

2. 박철, “트위터의 적정 Follow수는 150명인가?”, http://www.ironpark.com/wordpress/?p=274, (2009).

3. 이승규,

“일촌이 150명을 넘기면 머리만 아프다”

http://www.cyworld.com/coffee_lighter/3609509, (2009).

4. 전재호, “정보보호 산업 육성정책의 상대적 효과 분석”, 한국시스템다이내믹스연구, 제4권, 제2호, pp.5-44, (2003).

5. Ahn, Y.-Y. & H. Jeong, “Statistical Properties of Social Networks Based on Online Community Cyworld”, Bull. Korean Phys. Soc., 23(1):209, (2005).

6. Charles Mackay, “Extraordinary Popular Delusions and the Madness of Crowds”, (1841).

7. Edmund L. Gettier, “Is Justified True Belief Knowledge?”, Analysis, v.23, pp.

121-123, (1963).

8. Gustave Le Bon, “La psychologie des foules”, (1895).

9. Karl von Frisch, “Collective Intelligence Mentoring Matters Healing Clay”, ASU(Arizona State University) School of Life Science, Cover Spring, Volume 3, No. 1, (2007).

10. Mark S. Granovetter, “The strength of Weak Ties”, American Journal of Sociology, Volume 78, Issue 6, pp. 1360-1380, (1973).

11. Meadows, D. H., “Elements of the System Dynamics Method, Massachusetts”, The MIT Press, (1980).

12. Robin Dunbar, “Grooming, Gossip, and the Evolution of Language”, Harvard University Press, (1998).

13. Surowiecki James , “The Wisdom of Crowds”, Doubleday, Random House, (2004).

14. Sterman, j. D., “Business Dynamics : Systems Thinking and Modeling for a Complex World”, New York: Mcgraw-Hill, (2000).

15. Sysomos, “An In-Depth Look Inside the Twitter World”, http://www.sysomos.com/insidetwitter, (2009).

16. William Morton Wheeler, “Ants：Their Structure, Development, and Behavior”, (1910).