인공지능을 활용한 팩트체크 기사 정치지향성 예측과 저널리즘 확장 가능성에 관한 연구 = Predicting the political orientation of fact-checking articles using AI: Exploring implications for expanding journalism

국문 초록 (Abstract)

본 연구는 정치정보 팩트체크 기사에 내재된 정치지향성을 분석하고, 인공지능
(AI) 기반 자동 예측의 가능성을 검토하는 것을 목적으로 한다. 이를 위해 제19대
대통령 선거와 제21대 국회의원선거 기간 동안 생산된 정치 관련 팩트체크 기사
를 분석 대상으로 설정하고, 전통적 내용분석과 딥러닝 기반 언어모델 분석을 병
행하였다. 특히 KLUE-RoBERTa 모델을 중심으로 RoBERTa, KPF 정치성 모델과
의 성능을 비교하고, 외부지식변인(Multifeature)을 결합하여 정치지향성 예측의
정확도와 신뢰도를 평가하였다. 전통적 내용분석 결과, 제19대 대통령 선거 국면
(탄핵 및 정권 교체 상황)에서는 발언 주체, 판정 결과, 매체 정치이념에 따라 정
치지향성 분포에서 통계적으로 유의한 차이가 확인되었다. 반면 제21대 국회의원
선거 국면(코로나19 팬데믹 상황)에서는 ‘관련 없음’ 비율이 증가하며 전반적
으로 정치적 편향이 약화되는 경향을 보였다. 이러한 양상은 사회적 재난 상황에
서 공적 안정 의제가 상대적으로 우선화된다는 위기 커뮤니케이션 이론의 설명
과 일치하는 것으로 해석할 수 있다. 딥러닝 기반 분석에서는 KLUE-RoBERTa가
한국어 정치 담론의 가치판단적 어휘와 함축적 의미를 비교적 효과적으로 학습
하여 ‘대상’ 변인에서 가장 높은 성능(Accuracy=0.729, F1-score=0.722)을 보였
다. 그러나 ‘방법’과 ‘결과’ 변인은 클래스 불균형과 문맥 추론의 제약으로
인해 낮은 성능을 나타내어, 향후 데이터 보강과 모델 구조 개선이 필요한 영역
으로 확인되었다. 외부지식변인을 결합한 통합 모델은 ‘대상’(Accuracy=0.94,
F1-score=0.94)과 ‘결과’(Accuracy=0.89, F1-score=0.87)에서 성능이 향상되었으며,
주요 기여 변수로는 여당/야당 유리 구분, 기사 유형, 연도 등이 포함되었다.
이는 정치·사회적 맥락 정보를 결합하는 접근이 텍스트 기반 모델의 한계를 보
완하는 데 도움이 될 수 있음을 보여준다. 또한 피처 중요도 분석을 통해 각 변
인의 상대적 기여도를 확인함으로써 모델 해석의 투명성을 높일 수 있었다. 종합
하면, 본 연구는 팩트체크 보도의 정치지향성이 뉴스 생산환경, 매체 정치이념,
검증 구조 등과 관련되어 있음을 실증적으로 확인하였으며, AI 기술이 전통적 분
석을 보조하는 도구로 활용될 가능성을 제시한다. 아울러 인공지능을 인간의 인
지적·분석적 기능을 보완하는 매개로 이해할 수 있음을 논의함으로써, 정치정보
분석과 검증 체계 연구에 참고할 수 있는 방법론적 근거를 제공하고자 하였다.

다국어 초록 (Multilingual Abstract)

This study investigates the political orientations embedded in political fact-check
articles and empirically evaluates the feasibility of artificial intelligence
(AI)-based automated prediction of such orientations. By focusing on fact-check
articles produced during the election periods of the 19th South Korean
Presidential Election and 21st National Assembly Election, this research employs
a hybrid analytical framework that integrates traditional content analysis with
deep learning-based language model techniques. Specifically, it compares the
performance of KLUE-RoBERTa with RoBERTa and the KPF political tendency
model and incorporates external knowledge variables (multifeature) to assess the
precision and reliability of political orientation prediction.
The results of the traditional content analysis show that during the 19th
presidential election, marked by political crisis stemming from impeachment and
a subsequent regime transition, statistically significant differences in the
distribution of political orientations emerged according to the speaker, verdict
outcome, and media’s ideological stance. However, during the 21st
parliamentary election, held in the context of the COVID-19 pandemic, the
proportion of “non-related” fact-check articles increased, and overall political
bias diminished. This pattern aligns with crisis communication theory, which
posits that during periods of social disaster, the pursuit of public stability tends
to supersede political confrontation as the dominant agenda.
In the deep learning-based analysis, KLUE-RoBERTa achieved the highest
predictive performance for the “target” dimension (Accuracy = 0.729,
F1-score = 0.722), effectively capturing value-laden vocabulary and implicit
meanings characteristic of Korean political discourse. However, the “method”
and “outcome” dimensions exhibited relatively low predictive performance due
to class imbalance and contextual inference limitations, highlighting the need for
data augmentation and model refinement. As for the integrated model
incorporating external knowledge variables, it yielded substantial performance
gains in the “target” (Accuracy = 0.94, F1-score = 0.94) and “outcome”
(Accuracy = 0.89, F1-score = 0.87) dimensions. Key contributing features
included partisan advantage classification (ruling versus opposition party), article
type, and publication year, showing that political and social contextual
information compensates for the limitations of text-only prediction.
Furthermore, the feature importance analysis quantitatively evaluated the
relative contribution of each variable to the prediction outcomes, thereby
enhancing model interpretability and transparency. These results empirically
demonstrate that political orientation in fact-check journalism is closely linked
to news production environments, media ideological positioning, and verification
structures and that AI-based methods serve as automated tools complementing
traditional analytical approaches.
From the perspective of McLuhan’s theory of media extension, this study
conceptualizes AI as a form of cognitive prosthesis that augments human
analytical and interpretive capacities. In this regard, AI does not replace
journalistic judgment but functions as a technological mediator enhancing and
extending the current cognitive framework of journalism.
Overall, this study clarifies the multifaceted relation between the production
context of political fact-check journalism and political orientation and empirically
verifies the practical feasibility of AI-based political orientation prediction using
KLUE-RoBERTa combined with external knowledge variables. By compensating
for the limitations of traditional human coding, this research offers a
methodological and theoretical foundation for enhancing the reliability and
efficiency of automated political information verification systems. It also
contributes to the refinement of political communication research and the expansion of analytical paradigms in AI-era journalism.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 문제제기 1
• 2. 연구목적 10
• 3. 논문의 구성 12
• Ⅱ. 선행연구 및 이론적 논의 14
• 1. 허위정보와 가짜뉴스 확산 14
• 1) 가짜뉴스 등장 및 허위정보 정의 14
• 2) 허위정보 관련 선행연구 20
• 2. 팩트체크의 등장과 저널리즘적 의의 23
• 1) 팩트체크 서비스의 등장과 특징 23
• 2) 미디어 환경변화와 선거보도 생태계 진화 29
• 3) 팩트체크 저널리즘의 진화와 사회학적 의미 34
• 3. 언론의 객관주의와 정치지향성 37
• 1) 객관주의 저널리즘의 진화와 이중구조 37
• 2) 매체의 정치지향성과 갈등 재현 39
• 3) 정치적 위기와 위기 커뮤니케이션 관점 43
• 4. 인공지능을 활용한 팩트체크 연구 46
• 1) 인공지능의 정의 및 관련 선행연구 46
• 2) 저널리즘과 팩트체크 분야에서의 AI 활용 51
• 3) 자동화된 팩트체크 관련 선행연구 54
• (1) 딥러닝(Deep learning) 기반 분석 58
• (2) 외부지식변인 63
• 5. 미디어 확장과 인공지능 68
• 1) 미디어 확장과 인공지능 68
• Ⅲ. 연구문제 71
• 1. 팩트체크 저널리즘의 생태계와 구조적 분석 71
• 2. AI 기반 정치지향성 예측과 외부지식 결합 효과 분석 76
• Ⅳ. 연구방법 83
• 1. 전통적 방법론에 기반한 정치정보 팩트체크 생태계 분석 83
• 1) 데이터 수집시기 83
• 2) 분석방법 85
• 3) 변수 조작화 86
• (1) 정치지향성 변수 정의 86
• (2) 코딩절차 신뢰도 88
• (3) 팩트체크 분석 유목 89
• 2. KLUE-RoBERTa 기반 정치지향성 분류 92
• 1) 데이터 수집 및 전처리 92
• 2) 모델 학습단계 95
• 3) 모델 성능평가 및 시각화 96
• 4) 모델 간 비교실험 101
• 5) 딥러닝 KLUE-RoBERTa모델 예측 가능성 분석 103
• (1) 어텐션 메커니즘(Attention Mechanism) 105
• (2) 마스크드 언어 모델링(Masked Language Modeling) 106
• 6) 외부지식변인(Multifeature) 활용 107
• (1) 피처 중요도(Feature Importance) 108
• Ⅴ. 연구결과 112
• 1. 전통적 내용분석에 기반한 정치정보 팩트체크 생태계 탐색 112
• 1) 매체 및 기관 현황과 특징 112
• (1) 매체 및 기관의 뉴스생산환경 115
• (2) 팩트체크 서비스 구조 116
• (3) 팩트체크 기사의 정치지향성 분포 118
• (4) 매체 및 기관의 정치이념 120
• 2) 정치지향성에 영향을 미치는 분석 결과 123
• (1) 뉴스생산환경과 정치지향성(대상·방법·결과) 123
• (2) 팩트체크 서비스 구조와 정치지향성 125
• (a) 발언 주체 유형과 정치지향성 126
• (b) 판정결과와 정치지향성 128
• (c) 검증 근거/출처와 정치지향성 129
• (3) 정치이념에 따른 정치지향성 131
• 3) 소결 134
• 2. KLUE-RoBERTa 기반 정치지향성 분류와 휴먼코딩 재현: 미디어 확장론적 접근 136
• 1) 연구 목적과 설계 136
• 2) 분류 모델 비교 실험 결과 137
• (1) 모델별 성능 비교 137
• (2) Epoch별 성능 변화 추이 139
• 3) KLUE-RoBERTa 모델 적용 예측 결과 143
• (1) 정치지향성 대상에 대한 분석 결과 143
• (2) 정치지향성 방법에 대한 분석 결과 146
• (3) 정치지향성 결과에 대한 분석 결과 148
• 4) 외부지식변인(Multifeature) 결합 예측결과 151
• (1) 정치지향성 대상에 대한 외부지식 분석 결과 151
• (2) 정치지향성 방법에 대한 외부지식 분석 결과 154
• (3) 정치지향성 결과에 대한 외부지식 분석 결과 157
• 5) 소결 160
• Ⅵ. 결론 및 논의 162
• 1. 연구의 요약 162
• 2. 연구의 시사점 167
• 3. 연구의 한계 및 제언 169
• 1) 연구의 한계 169
• 2) 연구의 제언 및 향후 연구 방향 170
• 참 고 문 헌 173
• 국 문 초 록 201
• ABSTRACT 203
• 부록 206