🎯 왜 우리는 정치인을 검색할까?
감정, 정체성, 성별이 만드는 '검색 행동'의 정치학
검색창에 누군가의 이름을 입력하는 그 짧은 순간, 우리 마음속엔 뭐가 있을까요?
"저 사람 왜 저래?" "요즘 뭐하나?" "혹시 스캔들 있었던 거 아냐?"
그 대상이 정치인이라면, 단순한 호기심 이상일 수도 있겠죠.
이번에 소개할 논문은 바로 이 질문을 다룹니다.
"사람들은 왜 정치인을 검색하는가?"
그리고 더 나아가,
"그 검색에는 어떤 감정이 깔려 있는가?"
🔍 지금까지의 연구는 어디까지 왔을까?
정치인이나 정당을 검색하는 건 사실 매우 흔한 일입니다.
그런데 놀랍게도, 이 검색 행위 자체를 분석한 연구는 거의 없습니다.
기존 연구는 대부분 다음 두 가지에 집중해 왔어요:
1. 🧠 검색 ‘결과’에 대한 연구
- 어떤 뉴스가 먼저 뜨는가?
- 검색 결과가 편향되어 있는가? (Haim et al., 2018; Puschmann, 2019)
- 좌우 정치 성향에 따라 검색 결과가 달라지는가? (Steiner et al., 2022; Kulshrestha et al., 2017)
- 검색엔진 알고리즘의 다양성과 공정성은 어떤가? (Jürgens & Stark, 2022)
📌 이런 연구들은 모두 **검색 ‘결과’**에만 집중했고,
“누가 왜 검색했는가?”라는 ‘행동 자체’에 대한 분석은 부족했습니다.
2. 🤖 자동화된 검색어 데이터에 대한 연구
- Google Trends로 검색량 분석 (Arendt & Fawzi, 2019)
- 검색어 자동 수집 후 결과 비교 (Unkel & Haim, 2021)
- 검색어 쿼리의 정파성 분석 (Ekström et al., 2024)
📌 이 연구들도 사용자의 '진짜 마음'이나 감정, 태도는 알기 어렵습니다.
대부분의 데이터가 익명이고, 실제 감정이나 정체성과 연결되진 않죠.
✨ 이 논문의 출발점
“정치인을 검색하는 이유를, 감정으로부터 설명해보자”
Puschmann et al. (2025)는 이렇게 말합니다:
"검색은 단순히 정보를 얻는 행위가 아니다.
정치적 감정, 호감과 반감, 성별 고정관념, 그리고 정당정체성이
이 짧은 행위에 다 들어있다."
그리고 이 주장을 뒷받침하기 위해,
무려 1,863명의 독일 유권자들의 실제 브라우저 검색 기록과
4차례의 설문조사 데이터를 결합한 전례 없는 연구를 설계합니다.
❤️ 감정(affect)은 정치 검색의 핵심 동기
"그 정치인을 왜 검색했나요?"
이 질문에는 정답이 하나일 수 없습니다. 하지만 기존 연구를 보면,
사람들은 감정을 해소하거나 강화하기 위해 정치인을 검색합니다.
📚 관련 선행연구:
- Lee et al. (2019)
→ 긍정적인 감정은 사람을 더 검색하게 만든다
→ ‘좋아하는’ 정치인에 대해 더 많이 알고 싶어하는 성향
→ ‘broaden-and-build theory’ (Fredrickson, 2001)에 근거 - Knobloch-Westerwick et al. (2015)
→ 사람들은 자기 태도와 일치하는 검색 결과를 더 오래 본다
→ 반대 의견은 덜 클릭하거나 피한다 - Westerwick et al. (2013)
→ 감정적 중요도가 클수록 ‘확증 편향’ 강화됨
이 논문은 여기에서 한 발 더 나아갑니다:
"좋아도 검색하고, 싫어도 검색한다."
특히 ‘싫어함’이 더 강한 검색 동기일 수 있다.
즉, 호감과 반감 모두 검색을 유도하는 감정적 자극이라는 거죠.
그리고 이 점은 실제 검색 데이터를 통해 입증됩니다.
🏳️ 정당정체성: ‘내 편 정치인’이라서 검색하는 걸까?
사람들은 자신이 지지하는 정당의 정치인을 더 자주 검색할까요?
- 일부 연구에선, 정당 정체성과 검색 행동 사이에 상관이 있다는 결과도 있었습니다.
(예: Borra & Weber, 2012; van Hoof et al., 2024) - 검색 쿼리의 성향이 개인의 정치 성향을 반영한다는 점도 밝혀졌죠.
(Ekström et al., 2024)
하지만! 이 논문은 분석 결과를 통해 **"정당 일치성만으로 검색이 결정되진 않는다"**고 말합니다.
정당보다 감정이 훨씬 더 강력한 예측 변수라는 거죠.
👩🦰 성별은 검색의 내용까지 바꾼다?
마지막으로 주목할 이론 포인트는 바로 성별입니다.
- 유권자들이 **여성 정치인에 대해 더 많은 ‘인간적 정보’**를 찾는 경향이 있다는 건
Ditonto et al. (2014), Pradel (2021) 같은 실험 연구에서 반복적으로 관찰된 사실입니다. - 특히:
- 외모 (appearance)
- 가족, 결혼 여부 (personal life)
- 연설 스타일, 공감력 등 ‘compassion’ 요소
이 논문은 그 점을 실제 검색 쿼리 데이터로 분석합니다.
실제로 여성 정치인에 대한 검색 중 외모/사생활 관련 비율이 더 높은 패턴이 일부 존재하지만,
전체적으로는 통계적으로 유의미하지 않은 차이로 나타납니다.
그렇지만 중요한 건:
여성 정치인에 대해서만 성적으로 대상화된 검색어가 존재했다.
(예: "Baerbock nude", "Wagenknecht sexy" 등)
이건 실험실이 아닌 현실 세계에서 수집된 데이터라는 점에서 의미가 큽니다.
💡 요약하자면, 이 논문은 이렇게 말합니다:
- ✅ 우리는 단순히 정보를 얻기 위해 정치인을 검색하지 않는다.
- ✅ 정치인을 검색하는 것은 감정, 정체성, 호감과 반감의 발현이다.
- ✅ 정당보다 감정이 더 강한 검색 동기다.
- ✅ 여성 정치인에 대한 검색은 성별 고정관념을 반영할 가능성이 있다
🧩 이론적 배경: 정치인 검색, 그 안에 숨겨진 감정과 정체성
Puschmann et al. (2025)의 이 논문은 단순히 “누가 정치인을 검색하는가?”라는 질문을 넘어서,
왜 사람들은 특정 정치인을 검색하게 되는지에 대한 이론적 설명을 제시합니다.
그 핵심은 세 가지 요소입니다:
- 개인의 관심 수준 (정치·뉴스 관심, 인구통계)
- 감정적 반응 (호감 혹은 반감)
- 정치인 또는 유권자의 성별과 고정관념
1️⃣ 정치적 관심과 기본 속성: 검색의 ‘기초 조건’
가장 기본적인 가설은 간단합니다:
정치에 관심이 많은 사람일수록 정치인을 검색할 확률이 높다.
이를 바탕으로 논문은 첫 번째 가설(H1)을 설정합니다.
H1. 연령, 성별, 정치적 관심, 뉴스 관심이 정치인 검색 행동을 예측한다.
이 가설은 기존 선행연구들을 기반으로 제시됩니다:
- Redlawsk (2004): 유권자는 선거 시기에 ‘인지적 부담’을 줄이기 위해 더 많이 검색한다.
- Menchen-Trevino et al. (2023): 정치에 관심 있는 사람은 본인 정파에 유리한 검색어를 더 많이 쓰고, 관련 결과를 더 자주 클릭한다.
- Trevisan et al. (2018): 미국 유권자들은 사소한 사건에도 빠르게 반응하며 정치 이슈를 검색한다는 점에서 높은 정보 민감성을 보임.
결국, ‘검색’은 단순한 정보 소비가 아니라 정치적 참여의 일환이라는 인식이 바탕에 깔려 있습니다.
2️⃣ 감정(affect): 호감이든 반감이든, 강한 감정은 검색을 유발한다
이 논문에서 가장 독창적인 이론적 주장은 바로 감정에 대한 분석입니다.
정치인을 검색하는 행위는 단순한 정보 탐색이 아니라,
개인이 가진 감정적 반응(좋아함 또는 싫어함)의 발현일 수 있다는 겁니다.
이를 바탕으로 제시된 두 번째 가설은 다음과 같습니다.
H2a. 특정 정치인에 대한 강한 호감 또는 강한 반감은 그 정치인을 검색할 확률을 높인다.
이 가설은 기존의 심리학적 정치 커뮤니케이션 이론들과 연결됩니다:
- Knobloch-Westerwick et al. (2015): 사람들은 기존 태도와 일치하는 정보에 더 오래 머무르고, 반대되는 정보는 피하려는 성향이 있다.
- Westerwick et al. (2013): ‘중요하게 여기는’ 정치 사안일수록 태도 일치성을 더 강하게 추구한다.
- Lee et al. (2019): 정치인에 대한 긍정 감정은 그에 대한 정보 탐색 동기를 강화한다.
- 이 연구는 **Fredrickson의 ‘broaden-and-build theory’**를 이론적 근거로 제시합니다.
- 긍정 감정은 사람의 인지적 범위를 넓혀 정보탐색을 증가시킨다는 것이 핵심입니다.
하지만 이 논문은 여기에서 한 걸음 더 나아가,
‘싫어하는 정치인’도 검색 대상으로 삼을 수 있다는 점을 실증적으로 탐색합니다.
즉, 반감도 강력한 정보 탐색의 동기가 된다는 것이죠.
3️⃣ 정당 일치성: ‘내 편 정치인’이라서 검색하는가?
이 논문은 감정 외에도, 개인이 가진 **정당 정체성(partisanship)**이 검색 행동에 영향을 줄 수 있다고 봅니다.
즉, 내가 지지하는 정당에 소속된 정치인을 더 자주 검색할 가능성이 있다는 가설입니다.
H2b. 유권자가 자신이 지지하는 정당 소속 정치인일수록 해당 정치인을 검색할 가능성이 높다.
이 가설은 다음과 같은 선행연구들을 기반으로 합니다:
- Borra & Weber (2012): 특정 정당과 지역별 투표 패턴이 검색 쿼리와 연결되는 경향을 보임.
- Ekström et al. (2024): 유권자는 자신의 정치 성향과 일치하는 방향으로 검색어를 선택하고, 결과 역시 자기 정파 중심적으로 해석함.
- van Hoof et al. (2024): 검색어 자체에 정치적 편향이 내재되어 있고, 검색 방식이 정치적 태도에 따라 유형화될 수 있음.
이 가설은 정당과 정치인 사이의 **연결구조(identification link)**를 통해 검색 행동을 설명하려는 시도입니다.
4️⃣ 성별: 여성 정치인은 어떻게 다르게 검색되는가?
이 논문은 마지막으로, 정치인의 성별이 검색 쿼리의 내용에 영향을 주는가라는 질문을 다룹니다.
H3. 여성 정치인에 대한 검색은 남성 정치인에 비해 외모나 사생활 관련 쿼리 비율이 높을 것이다.
이 가설은 성별 고정관념(gender stereotypes)에 대한 정치 커뮤니케이션 연구에서 뿌리를 찾을 수 있습니다.
- Ditonto et al. (2014): 유권자들은 여성 정치인에 대해 더 많은 정보를 찾으며, ‘공감 이슈(compassion issues)’에 집중한다.
- Pradel (2021): 구글 자동완성, 위키백과 등 온라인 검색에서 여성 정치인의 개인적 정보 노출이 더 두드러짐.
- 특히 우파 정당의 여성 정치인은 덜 검색되며, 더 적은 사생활 정보가 제시되는 경향 있음.
성별은 유권자의 검색 행위뿐 아니라, 검색어 선택, 클릭 행동, 결과 해석에까지 영향을 줄 수 있는 중요한 변수입니다.
이 논문은 실제 검색 쿼리를 분류하여 이 질문에 대한 실증 데이터를 제시하려고 합니다.
🧭 이론적 기여 정리
이 논문은 기존 정치 정보 탐색 연구를 세 가지 차원에서 확장합니다:
- 기존 연구가 놓친 ‘검색의 동기’를 감정과 정체성이라는 차원에서 체계적으로 분석
- 감정(호감/반감)을 연속적 변수로 처리하고, 실제 검색 행동과 연결한 정교한 설계
- 성별 고정관념과 디지털 플랫폼의 작동방식이 유권자의 행동에 어떤 영향을 주는지를 검증
이론적으로 이 논문은 “정치적 검색”을 단순한 정보 탐색이 아닌
감정적, 정체성적, 문화적 행위로 새롭게 해석합니다.
🧪 실제 검색 행동을 추적하다: 이 연구의 데이터와 방법
이 논문은 기존의 정치정보 탐색 연구와 전혀 다른 방식으로 접근합니다.
대부분의 연구가 설문조사나 실험에 의존하는 반면, 이 연구는 진짜 사람들의 검색 기록을 직접 추적하고 분석합니다.
그 핵심은 “실제 행동 데이터를 기반으로 한 감정-정치 행동 분석”입니다.
1️⃣ 데이터 수집: 브라우저 추적 + 패널 설문조사의 결합
연구는 독일에서 2022년 3월부터 2023년 12월까지 약 20개월 동안 수행되었습니다.
이 기간 동안 다음과 같은 데이터가 수집되었습니다.
📦 데이터 구조
| 패널 참가자 수 | 2,456명 (최종 분석에는 설문 응답이 완전한 1,863명만 포함) |
| 데이터 제공 방식 | 브라우저 플러그인 + 모바일 앱 설치를 통한 자동 검색 기록 추적 |
| 플랫폼 | 데스크탑 및 모바일 브라우저 (Chrome, Firefox 등), Android/iOS 모두 포함 |
| 추적 시간 | 하루 24시간 가능 (참여자가 원할 때 끌 수 있음) |
| 수집 정보 | 검색한 URL, 검색 시간, 페이지 체류 시간, 사용 기기 종류 등 |
📌 이처럼 실제 사용자의 검색 행동을 ‘패시브 방식’으로 추적한 데이터는 정치 커뮤니케이션 연구에서는 매우 드물며, 이 연구의 가장 큰 강점 중 하나입니다.
2️⃣ 설문조사: 태도와 감정, 정당 정체성 측정
패널 참가자들은 **4차례(2022.11, 2023.4, 2023.9, 2023.11)**에 걸쳐 온라인 설문에 응답했습니다.
이 설문은 브라우저 추적 데이터와 개인 태도, 정치 감정, 정당 선호 등을 연결하는 데 사용되었습니다.
✍️ 주요 설문 항목
- 정치인/정당에 대한 감정 (feeling thermometer)
- -5 (매우 부정적) ~ +5 (매우 긍정적)
- 중립은 -3 ~ +3 범위
- 이 수치를 바탕으로 세 가지 범주로 재코딩:
Dislike (x ≤ −3), Neutral (−3 < x ≤ 3), Like (x ≥ 3)
- 정치 관심도 / 뉴스 관심도
- 1 (전혀 관심 없음) ~ 4 (매우 관심 많음)
- 정당 정체성
- “당신은 다른 모든 정당보다 더 가깝게 느끼는 정당이 있습니까?”에 대한 응답
- 기타 인구통계 변수
- 연령, 성별, 교육 수준, 정치 이념 (좌–우 11점 척도)
📌 반복된 설문 항목의 경우, 모든 파동에서의 평균값을 사용해 태도 변수의 안정성을 확보했습니다.
3️⃣ 종속변수: 정치인/정당 검색 여부
이 연구의 핵심 종속변수는 매우 명확합니다:
“해당 정치인을 한 번이라도 검색했는가?”
이를 측정하기 위해 연구진은 **검색 쿼리(log 데이터)**에서 정치인 이름 또는 정당 명칭이 등장한 경우를 자동 필터링했습니다.
🔍 검색 대상자 목록
- 정당: 독일 연방의회에 진출한 주요 7개 정당
(CDU, CSU, SPD, Greens, FDP, AfD, Die Linke) - 정치인: Politbarometer 여론조사에서 2022–2023년 동안 인지도 및 중요도가 가장 높았던 인물 11명
예: Olaf Scholz, Annalena Baerbock, Robert Habeck, Sahra Wagenknecht 등
⚠️ 검색 쿼리 필터링 절차
- 이름/성 명시 여부에 기반한 dictionary 기반 필터링
- 오탐지 제거:
- 동명이인 (예: Patrick Lindner는 정치인이 아닌 가수)
- 지명 혼동 (예: "Habecke"는 지명)
- 누락 방지:
- 철자 오류 등도 수동 검토
- 이 과정을 위해 세 명의 학부 연구조교가 수작업으로 검토하고 태깅했습니다
4️⃣ 독립변수: 감정, 정치성향, 당 정체성 등
🧠 감정 변수 처리
- -5에서 +5까지의 연속 척도를 → 3단계 범주형 변수로 재코딩
- 이후 회귀분석에서는 비교와 해석 용이성을 위해 1~10의 새로운 스케일로 리스케일링
🧭 정당 일치성 변수 (Party Match)
- 참가자가 특정 정치인을 검색했을 때,
그 정치인이 자신이 지지한다고 응답한 정당 소속인지 여부를 이진 변수(0/1)로 처리
🔁 투표 의향 변화
- 이전 파동과 비교해 지지 정당이 바뀐 경우 → ‘정당 전환(defection)’ 변수로 활용
- 특히 극우 정당(AfD)로 이동한 경우를 주목 (데이터상 가장 많이 증가)
5️⃣ 분석 방법: 로지스틱 회귀 (Logistic Regression)
연구는 종속변수가 이진형(binary)이므로 로지스틱 회귀 모델을 사용해 분석했습니다.
📈 기본 모델 (H1 테스트용)
- 종속변수: 정치인을 한 번이라도 검색했는가 (Yes/No)
- 독립변수:
- 정치 관심도
- 뉴스 관심도
- 연령, 성별, 교육 수준
- 전체 검색량 (log 변환)
→ 결과: 정치 관심도가 가장 강력한 예측 변수로 나타남
🧪 확장 모델 (H2a, H2b 테스트용)
- 종속변수: 특정 정치인을 검색했는가
- 독립변수:
- 정치인에 대한 감정 (Like, Neutral, Dislike)
- 해당 정치인과의 정당 일치 여부 (Party Match)
- 정치 관심도, 뉴스 관심도 등 기본 변수 포함
- 통계적 처리는:
- 정치인별 고정효과(FE) 포함
- 클러스터링된 표준오차 사용 (개인 단위 중복 관측 제어)
→ 결과: 감정(호감/반감)은 모두 유의미한 예측력,
당 일치성은 방향성은 있으나 통계적으로 유의미하지 않음
🔍 6️⃣ 검색 쿼리 유형 분류: 정치인은 어떤 방식으로 검색되는가?
단순히 “정치인을 검색했는가?”만큼이나 중요한 질문이 하나 더 있습니다.
바로, **“정치인을 어떻게 검색했는가?”**입니다.
Puschmann et al. (2025)은 이 질문에 답하기 위해, 검색 쿼리의 구체적인 내용을 유형별로 분류합니다.
사람들이 어떤 정치인을 검색할 때, 단순히 이름만 입력했는지,
뉴스를 찾았는지, 외모나 사생활을 궁금해했는지 등을 분석한 것이죠.
📦 쿼리 분류 절차: 어떻게 분류했나?
- 총 4,400개 이상의 검색 쿼리가 수집됨 (정치인 이름이 포함된 경우)
- 동일 사용자에 의한 중복 쿼리는 시간 간격 기준(3분 내 반복)으로 정제
- 각 쿼리를 6개의 범주로 수작업 코딩
→ 코딩 작업은 3명의 연구조교가 협의와 기준 정의를 거쳐 수행
🧩 6가지 쿼리 유형 (Query Types)
- Name only
- 정치인 이름만 검색 (예: "Olaf Scholz")
- 명확한 의도 없이 탐색하거나 자동완성 활용 시 나타남
- News
- 뉴스 보도 관련 (예: "Habeck Ukraine speech", "Baerbock scandal")
- 언론 사건, 인터뷰, 현안에 대한 정보 탐색
- General
- 경력, 정당 소속, 정책 등 전반적 정보 (예: "Weidel party", "Lauterbach policies")
- 후보자 이해, 정치적 배경 파악
- Appearance
- 외모 관련 검색 (예: "Baerbock dress", "Wagenknecht looks")
- 사진, 스타일, 신체 이미지 등 포함
- Personal Life
- 가족, 결혼, 출신지 등 사적 영역 (예: "Christian Lindner wife", "Weidel children")
- 인간적 측면이나 사생활에 대한 관심
- Antagonism
- 조롱, 비판, 음모론적 내용 (예: "Baerbock liar", "Habeck betrayer")
- 명시적 부정 감정이나 공격적 검색
🧠 쿼리 유형 분류가 갖는 의미
이 분류는 단순한 검색 빈도 통계를 넘어,
유권자가 정치인을 어떻게 인식하고 있는지를 드러내는 ‘거울’과도 같습니다.
예를 들어:
- 어떤 정치인은 뉴스 중심의 검색이 많고,
- 어떤 정치인은 외모나 사생활 중심의 검색이 많습니다.
또한, 정치인의 성별에 따라 쿼리 유형의 분포가 달라질 가능성도 제시됩니다.
(이 부분은 결과 분석에서 더 자세히 다뤄집니다.)
📝 실무적 특징 요약
| 데이터 원천 | 브라우저 로그에서 추출한 검색 쿼리 |
| 분석 대상 | 정치인 이름 포함된 쿼리 4,400여 개 |
| 코딩 방식 | 수작업(Hand-coding), 다중 코더 방식 |
| 분석 목적 | 검색 목적과 관심의 유형화 (qualitative + quantitative 통합) |
📊 연구 결과: 누가, 왜, 어떻게 정치인을 검색하는가?
이제 본격적으로 결과를 살펴보겠습니다.
연구진은 총 1,863명의 유권자들을 대상으로 한 브라우저 추적 + 설문 데이터를 분석해,
**“정치인을 검색하는 행동”**의 메커니즘을 파헤쳤습니다.
분석은 크게 세 단계로 나뉩니다:
- 누가 검색하는가? (H1)
- 왜 검색하는가? (H2a, H2b)
- 어떻게 검색하는가? (H3, 쿼리 유형 분석)
1️⃣ H1: 누가 정치인을 검색하는가?
🔍 핵심 결과 요약
- 전체 참가자 1,863명 중 **662명(약 27%)**이 정치인 또는 정당을 한 번 이상 검색함
- 전체 약 980만 건의 검색 중, 정치 관련 검색은 단 0.18%(18,158건)에 불과
- 비교: "Ukraine" 키워드만 14,395회 검색됨
→ 정치인 검색은 소수지만 목적 지향적인 행동임
- 비교: "Ukraine" 키워드만 14,395회 검색됨
🧪 로지스틱 회귀 분석 결과
| 정치 관심도 | 1.64 | < 0.001 | 매우 유의미함. 정치에 관심 많을수록 검색 ↑ |
| 뉴스 관심도 | 0.94 | 0.53 | 영향 없음 |
| 연령 | 0.92 | 0.08 | 나이 들수록 검색 조금 줄어듦 |
| 성별 | 0.93 | 0.61 | 영향 없음 |
| 교육 수준 | 유의미하지 않음 | – | 영향 없음 |
👉 결론:
정치인을 검색하는 가장 강력한 동인은 정치에 대한 관심이었습니다.
연령은 다소 약한 부정적 효과, 성별이나 뉴스 관심도는 큰 영향 없음.
2️⃣ H2a: 감정(호감/반감)은 검색 행동에 영향을 주는가?
이 분석에서는 개인이 특정 정치인에 대해 느끼는 감정 (좋아함/싫어함/중립) 이
실제 검색 행동과 어떻게 연결되는지를 살펴봅니다.
🔍 분석 방법
- 정치인별 감정 평가 점수를 3단계로 변환: Like / Neutral / Dislike
- 감정과 검색 여부 간의 관계를 정치인 고정효과 + 클러스터링 표준오차를 포함한 로지스틱 회귀로 분석
🧪 주요 결과
| Dislike | +54.4% | < 0.001 |
| Like | +48.5% | < 0.001 |
| Neutral | 기준치 | – |
👉 즉,
정치인을 좋아하든, 싫어하든, 그 감정이 강할수록 검색 확률이 높아진다는 것!
특히 ‘싫어하는 감정’이 조금 더 강한 예측력을 보이긴 했지만, 통계적으로는 큰 차이 없음.
이 결과는 감정이 정보 탐색을 유도한다는 기존 심리학 이론과 잘 맞아떨어집니다.
3️⃣ H2b: 정당 일치성(Party Match)은 검색 행동에 영향을 줄까?
개인이 특정 정치인을 검색했을 때,
그 정치인이 자신이 지지하는 정당 소속일 경우 검색 확률이 높아지는지 살펴봤습니다.
🧪 결과 요약
- 정당 일치 여부 변수(Party Match)의 효과 크기: +8.2%
- 그러나 통계적으로 유의미하지 않음 (p = 0.49)
👉 결론:
같은 당 소속이라서 검색한다는 증거는 미약합니다.
정당 정체성보다 **감정(호감/반감)**이 훨씬 더 강한 검색 동기인 것으로 보입니다.
4️⃣ H3: 여성 정치인은 어떻게 검색되는가?
이제 가장 흥미로운 분석 중 하나인 성별과 검색 쿼리 유형의 관계입니다.
🔍 전체 검색 유형 분포
- 총 4,400여 개의 정치인 이름 검색 쿼리를 6개 유형으로 분류했음
- 쿼리 유형별로 정치인별 분포를 시각화한 결과, 다음과 같은 특징이 드러남
💬 주목할 만한 패턴
- 뉴스 관련 검색: Olaf Scholz, Robert Habeck 등 현직 정부 인사에게 많음
- 조롱적 검색(Antagonism): Karl Lauterbach(코로나 규제 관련), Baerbock 등 그린당 인물에게 집중
- 외모/사생활 검색: 여성 정치인인 Baerbock, Wagenknecht, Weidel에게 상대적으로 많음
📊 성별에 따른 쿼리 유형 비교 (t-검정 결과)
| 뉴스/일반정보 쿼리 | 유사함 | p = 0.15 |
| 외모/사생활 쿼리 | 여성이 많음 | p = 0.09 |
👉 결론:
통계적으로 확정적이진 않지만, 여성 정치인이 외모나 사생활과 연관된 검색에 더 많이 노출되는 경향이 보였습니다.
특히 성적으로 대상화된 검색어(예: “Baerbock nackt”)는 남성 정치인에게는 거의 없었음.
이는 여성 정치인에 대한 디지털 환경에서의 성별 편향 가능성을 시사합니다.
🧾 결과 정리 요약
| H1: 정치적 관심이 검색 예측 | ✅ 지지 | 정치 관심이 핵심 동인 |
| H2a: 호감/반감 모두 검색 유도 | ✅ 지지 | 감정이 검색 동기 |
| H2b: 당 일치성 | ❌ 기각 | 정당 정체성은 영향 적음 |
| H3: 여성 정치인은 다르게 검색됨 | 🔶 부분 지지 | 성적 대상화 경향 존재, 통계적으로는 약함 |