이태원 참사 악플 6만 개 분석

1. 취재착수 ① 단독취재( ), ② 단독기획( o ), ③ 보도자료 심층기획( ), ④ 제보( ), ⑤ 기타( ) 2. 출품 보도물 목록(최초 보도부터 순서대로 3건까지 기재) 번호 보도일시 보도 제목 1 25.09.01 06:49 "온몸에 독이 퍼져"...이태원 참사 악플과 직접 맞선 두 사람의 운명 2 25.09.02 10:55 이태원 참사 악플,사고 직후4일간 가장 활개...전체 악플40%집중 3 25.09.03 06:40 "놀다""죽은" "ㅋㅋ"...5만 명이 유튜브에 남긴 끔찍한 댓글 3. 보도제작경위 - 내용을 구체적으로 기술해 주십시오. 4. 취재 및 보도과정의 특이사항 여부 ① 기사에 등장하는 익명취재원의 상당성여하 - 이태원참사 유가족 인터뷰는 익명을 요청한 유가족의 경우 익명 처리했습니다. 보도 이후 커뮤니티 등에서 추가적인 2차 가해가 이뤄질 가능성이 있었고, 실제로 몇몇 유가족은 이를 심각하게 우려했기에 취했던 조치입니다. 실명 처리를 원하는 유가족에 한해서만 실명 처리를 했습니다. ② 제보자와의 특별한 이해관계여하 - 특별 이해관계 없습니다. ③ 직접취재(바이라인), 현장취재(데이트라인)여하 - 데이터분석 및 현장 취재 모두 담당 기자가 진행했습니다. ④ 기타 특이사항 여하 - 없습니다 5. 타 매체 선행보도 여부 및 타 매체의 반향 본 기획은 이태원 참사 관련 악성 댓글(2차 가해) 실태를 딥러닝 기법으로 분석한 빅데이터 기획 보도입니다. 분석을 통해 이태원 참사 관련 유튜브 콘텐츠에 달린 26만 7천여 댓글 중 6만 4천여개가 2차가해 댓글이라는 사실을 최초로 밝혀냈습니다. 뉴스타파 등 이태원 참사 악성 댓글을 분석한 선행 보도의 경우, 깃허브 등에 공개된 욕설, 비속어 분류 모델을 활용해 2차 가해 댓글을 명확히 분류하기엔 한계가 있었던 반면, 이번 기획의 경우 <오마이뉴스>가 자체 개발한 딥러닝 모델로 2차 가해 댓글만 명확하게 분류했다는 점에서 큰 차별점을 갖습니다. 보도 이후, 9월 5일 MBC 라디오 '김종대 시선집중'의 출연 요청을 받고, 신상호 기자가 출연해 해당 기사 주요 내용과 의미를 소개했습니다. 6. 사회에 끼친 영향 보도 직후, '10.29 이태원참사 특별조사위원회'로부터 2차 가해 조사를 위해 이번 기획의 댓글 분석 데이터를 활용하고 싶다는 공식적인 협조 요청을 받았습니다. 데이터 공유는 물론 분석에 활용된 로데이터도 공유하겠다고 답했고, 현재 위원회 차원에서 조사가 진행 중인 것으로 알고 있습니다. 이는 이태원 참사 2차 가해 조사에 핵심적인 근거 자료를 제공하고, 나아가 2차 가해 예방에도 기여한 것이라 평가합니다. 보도 이후 심민영 국가트라우마센터장이 취재 기자에게 직접 연락해, "재난을 겪은 분들이 가장 힘들어 하는 것이 이런 2차 가해인데, 이 부분을 잊지 않고 짚어주셔서 고맙다, 마음 깊이 감사한 마음"이라고 깊은 사의를 표했습니다. 국가트라우마센터 역시, 해당 기사를 2차 가해 대응 및 정신 건강 지원의 중요성을 알리는 자료로 활용하기 위해 센터 누리집에 공유했습니다. 이미현 이태원참사시민대책회의 실장 역시 해당 보도가 유가족들이 겪는 2차 가해의 고통을 사회적으로 공론화한 것에 대해 고마움을 전해왔습니다. 현재 2차 가해 처벌 내용을 담은 이태원참사특별법이 발의돼 있는데, 특벌법 개정안의 필요성을 공유하는 사회적 논의에도 기여한 것으로 자평합니다. 아울러 10월 기본소득당에서 개최하는 이태원참사 3주기 간담회에도 패널로 초청을 받았는데, 관련 내용을 소개하여, 2차 가해 예방 공론화 논의를 이어갈 예정입니다. 7. 자체평가 및 소속사확인여부 이번 기획 보도는 대규모 유튜브 댓글 데이터를 자체 개발한 딥러닝 모델로 분석해 이태원 참사 2차 가해의 정량적 실태를 분석한 '빅데이터 저널리즘'으로써 특별한 가치를 지닙니다. 이태원참사 2차 가해 댓글만을 골라내는 딥러닝 모델은 아래와 같이 진행했습니다. 먼저 1) 이태원참사시민대책회의 자문을 받아 2차 가해 댓글 학습데이터 4000여개를 만들었고, 2) 3.4억건의 댓글이 학습된 한국어 PLM(Pretrained Language Model)인 KcELECTRA에 LoRA(Low-Rank Adaptation) 파인튜닝 기법으로 학습시켰으며 3) 총 12차례의 모델 학습과 데이터 업데이트를 통해, 훈련 손실값(Training loss) 0.2 수준의 높은 정확도를 확보한 모델을 구축했습니다. 이와 함께 LLM 프롬프트엔지니어링을 통해 '2차 가해 댓글'의 주요 주제(놀러가서 죽어 ㅋㅋ)와 연도별 2차 가해 댓글 주제의 변화를 확인했으며, 크롤링 데이터 자체 분석을 통해 2차가해 댓글 작성자 수와 2차 가해 주요 작성자, 2차 가해 댓글이 많았던 영상들까지 파악해냈습니다. 앞선 타 언론사 댓글 분석 보도의 경우, 깃허브(GitHub) 등에 공유 중인 비속어 분류 모델을 활용해, 2차 가해 실태를 명확히 확인하는데 한계가 있었지만, 이번 보도의 경우 자체 구축한 학습데이터를 통해 '2차가해'에 해당하는 댓글만 골라냄으로써 '2차가해' 실태를 명확히 파악했다는 점에서 의미를 갖습니다. 취재에 딥러닝 모델을 자체적으로 구축했다는 점에서 최근 대두되는 ‘빅데이터 저널리즘’의 지평을 넓혔다고 자평합니다. 이번 기획에선 '2차 가해' 댓글 작성자에 대한 처벌 사례가 극히 드물고, 처벌을 위한 규정과 제도가 미비하다는 점도 지적해, 2차 가해 사회적 논의의 필요성을 제기했습니다. 이태원 참사 직후 홀로 2차 가해 댓글에 대응하다가 심리적 피해를 입은 유가족 사례의 경우, 이번 기획을 통해 처음 알려진 사실이기도 합니다. 이번 기획은 빅데이터 분석에 더해 2차 가해 피해를 입은 유족과 참사 현장 생존자들의 다양한 이야기를 전하면서 2차 가해 피해의 실태를 고발하는 한편, 국가트라우마센터와 이태원참사시민대책회의, 민주사회를위한변호사모임 등 다양한 관계자들이 인식하는 문제점과 개선책을 담아냄으로써 2차 가해 예방에 대한 사회적 공론화에 기여했습니다. 이번 기획에선 유가족들에 대한 ‘2차 가해’ 예방을 위해 언론윤리강령을 준수하는 것은 물론, 유가족들의 의사를 적극 타진하면서 진행했습니다. 인터뷰한 유족들에게는 ‘실명공개’, ‘000의 유가족’, ‘신분 등 완전 비공개’ 등 3가지 안을 안내했고, 각 유가족의 의견에 따라 기사에 반영했습니다. 인터뷰 과정에서도 혹시나 유가족들의 2차 가해가 될 수 있는 질문이 나오지 않도록, 취재 기자들간 면밀한 논의도 이뤄졌습니다. 기사를 통해 유발될 수 있는 2차 가해 예방을 위해 해당 보도 댓글 창은 포털을 포함, 모두 닫았습니다. 8. 기타 고려사항 ① 외부 지원여부, 보도당사자의 반론신청, 언론중재위원회에의 피신청사항 - 없습니다.