연구 읽기 · 서로 다른 결과를 한 결론으로 묶지 않기
나쁜 뉴스를 보고 기분이 가라앉는 것, 돈이 걸린 선택을 바꾸는 것, 기사 링크를 공유하는 것은 서로 다른 결과다. 네 편의 논문을 읽을 때도 이 차이부터 남겨야 한다.
원문 작성자 Dr. RYU · NEWS TEXT
최초 공개 2026-07-27 · 원문 대조·개정 2026-10-22 (KST)
대표 이미지: 로체스터대학교 Rush Rhees 도서관 열람실 자료사진. 소개하는 연구의 실험 장소나 NEWS TEXT 편집실이 아니다. Tomwsulcer / Wikimedia Commons, CC0 1.0. 기존 대표이미지를 유지했으며 이번 개정에서 추가 편집하지 않았다. 화면에 따라 표시 영역은 달라질 수 있다.
27편을 모았다는 사실보다 포함 기준이 중요하다
Franssen 등의 2026년 체계적 문헌고찰은 불확실성의 개념과 영향을 다룬다. 세 데이터베이스의 검색 결과 1,432건에서 최종 27편을 포함했다. 서로 다른 문헌을 서술적으로 종합한 연구이며, 효과량을 합산한 메타분석은 아니다. 부정적 영향을 논의한 논문과 긍정적 영향을 논의한 논문의 수를 비교해 어느 효과가 더 크다고 말할 수 없다.
포함 범위도 좁다. 영어 문헌과 정해진 검색 조건을 사용했고, AI·경제·임상 상황 등의 연구는 제외했다. 참고문헌을 따라 추가 자료를 찾는 눈덩이 검색도 하지 않았다. 따라서 이 종합을 불확실성 연구 전체의 최종 결론이나 뉴스 소비에 특화된 실험 결과로 읽기는 어렵다.
문헌을 고르는 과정의 일치도도 확인할 필요가 있다. 제목·초록 단계의 검토자 일치율은 60%, 가중 카파는 0.36이었다. 원문 단계는 66%, 0.38이었다. 저자들이 사용한 fair agreement는 검토가 ‘공정했다’는 뜻이 아니라 일치 강도의 범주다. 이 글의 이전 번역을 바로잡는다. 이런 수치는 선정 과정의 불확실성을 보여주며, 포함된 연구가 모두 틀렸다는 판정은 아니다.
기분은 달라졌지만, 측정한 선택은 달라지지 않았다
Garcia Campos와 Lempert의 2025년 실험에서는 부정적 영상 또는 중립 영상을 본 뒤 정서와 금전 선택을 측정했다. 위험 과제에서는 당첨 확률이 알려져 있었고, 모호성 과제에서는 확률이 불분명했다. 일상에서 느끼는 막연한 불안 전체를 측정한 것은 아니다.
연구 1의 본문이 보고한 최종 분석 표본은 74명, 집단별 37명이다. 초록은 84명을 쓰고, 방법 절의 완료·제외 숫자도 최종 숫자와 일관되게 맞지 않는다. 이전 글의 ‘84명’만으로는 이 차이를 알 수 없어, 이번에는 분석 표본 74명과 보고상의 불일치를 함께 남긴다. 모집 흐름을 추정으로 보정하지는 않았다. 연구 2의 분석 표본은 229명이다.
두 실험에서 부정 정서는 증가했지만 위험·모호성 선택의 집단 차이는 검출되지 않았다. 연구 2의 사후 베이즈 분석은 BF10을 각각 0.146과 0.266으로 보고했고, 저자들은 영가설을 중간 정도 지지한다고 해석했다. 이 수치는 효과의 크기가 아니라 비교하는 가설 사이의 증거 비율이다.
이 결과로 ‘나쁜 뉴스는 판단에 아무 영향이 없다’고 결론 내릴 수는 없다. 짧은 자극 직후의 특정 금전 과제가 장기간 뉴스 습관, 정치적 판단, 임상적 증상을 대신하지 못한다. 반대로 정서 변화만 보고 모든 선택이 더 위험해졌다고 말하는 것도 결과를 넘어선다.
뉴스를 대하는 제안은 효과가 검증된 처방과 다르다
Shabahang과 Weber의 2025년 글은 실험 보고가 아니라 Perspective다. 부정적 뉴스를 무조건 피하는 대신 주의를 기울이며 조화롭게 접하는 방향을 논의한다. 그러나 저자들은 자신의 제안이 간접적인 이론·경험적 틀에 근거하며, 제안한 적응적 소비와 그 결과를 직접 뒷받침하는 실증 근거는 당시 자신들이 아는 한 없다고 명시한다.
따라서 이 글은 검증할 연구 질문을 제시하는 자료로 읽을 수 있다. 특정 소비법의 효과를 입증한 시험이나 개인에게 적용할 치료 지침으로 소개할 근거는 부족하다. 여기서 말하는 근거의 부재는 해당 저자들의 발표 당시 진술이며, 이후의 모든 연구까지 조사했다는 뜻은 아니다.
공유가 많다는 관찰은 개인의 선택 원인을 설명하지 않는다
Watson 등의 2024년 연구는 2019~2021년 미국·영국 네 매체의 기사 95,282건과 Facebook·당시 Twitter의 링크 게시물 자료를 분석했다. 기사 본문의 단어 감성값을 VADER로 계산해 기사를 부정·긍정으로 분류하고 링크 게시물 수와 연결한 관찰 연구다. 집계 추정에서 부정적인 기사의 링크 게시물 수는 약 91% 많았다.
‘독자 한 명의 공유 확률이 91% 높아졌다’는 뜻은 아니다. 부정적인 문장을 무작위로 보여주어 효과를 분리한 실험도 아니다. 네 매체와 두 플랫폼이라는 범위, 플랫폼별 수집 방식, 자동 감성 분류의 오류 가능성, 빠진 자료와 남아 있는 교란 요인을 함께 봐야 한다.
금전 선택 실험과 공유량 연구의 결과가 다르다고 해서 서로 모순되는 것은 아니다. 한쪽은 짧은 자극 뒤 과제 응답을, 다른 쪽은 실제 기사 링크의 게시물 수를 다룬다. 이 구분을 생략하면 ‘뉴스가 사람을 바꾼다’는 넓은 문장 아래 전혀 다른 증거를 쌓게 된다.
연구에서 가져올 결론의 크기를 줄인다
이 네 편을 함께 읽고 얻을 수 있는 것은 뉴스 소비의 보편적인 정답보다 결론을 제한하는 방법이다. 개념을 정리한 문헌고찰에는 선정 범위를, 실험에는 조작한 자극과 측정한 결과를, 제안에는 직접 검증 여부를, 관찰 연구에는 인과로 설명하지 못하는 부분을 붙인다.
예를 들어 ‘부정적 뉴스가 위험을 감수하게 한다’는 문장을 만났다면, 기분 점수와 위험 선택 중 무엇이 실제로 바뀌었는지 먼저 확인한다. 공유량 수치가 붙어 있다면 개인의 심리나 선택으로 옮겨 설명할 수 있는 설계인지 묻는다. 이는 이 글의 읽기 제안이며, 그 방법 자체의 효과를 시험했다는 주장은 아니다.