기사 4개가 같은 결론을 말했다, 출처를 따라가니 근거는 하나였다
어떤 정보를 검색했는데 기사 하나만 나온다면 조금 망설여진다.
그런데 두 번째 기사에서도 같은 말을 한다.
세 번째도 같다.
네 번째 기사까지 같은 결론이다.
이 정도면 생각이 달라질 수 있다.
“한 곳에서만 하는 이야기는 아니구나.”
나도 여러 매체가 같은 내용을 보도하고 있으면 자연스럽게 신뢰도가 올라간다고 생각하기 쉽다.
그런데 여기에는 확인하지 않은 전제가 하나 숨어 있었다.
네 개의 기사가 정말 서로 다른 근거를 확인하고 같은 결론에 도달했을까.
아니면 네 곳 모두 하나의 근거를 반복해서 전하고 있을까.
2019년 「Psychological Science」에 실린 한 연구는 바로 이 차이를 실험했다.
결과는 예상보다 흥미로웠다.
사람들은 여러 독립된 근거가 같은 결론을 지지하는 경우와 하나의 근거를 여러 글이 반복하는 경우를 충분히 다르게 평가하지 못했다.
연구진은 ‘기사 수’와 ‘원출처 수’를 따로 만들었다
예일대학교 연구진은 사람들이 여러 사람이 같은 주장을 할 때 그 합의를 어떻게 판단하는지 알아보기 위해 네 차례 실험을 진행했다.
핵심 구조는 단순했다.
참가자들에게 어떤 주장에 찬성하거나 반대하는 여러 글을 보여준다.
한 조건에서는 찬성하는 글들이 서로 다른 원출처를 근거로 삼았다.
예를 들어 네 개의 글이 같은 결론을 말하더라도 각각 다른 경제기관이나 전문가의 자료를 근거로 하는 식이다.
연구진은 이것을 true consensus, 즉 독립된 출처에서 형성된 합의로 구분했다.
다른 조건도 겉으로 보면 비슷했다.
여러 글이 같은 결론을 말한다.
하지만 출처를 따라가면 달랐다.
여러 글이 결국 하나의 동일한 원출처를 반복하고 있었다.
연구진은 이것을 false consensus 조건으로 비교했다.
겉에 보이는 글의 수는 여러 개인데 실제 독립적인 근거는 하나인 셈이다.
Psychological Science 「The Illusion of Consensus」
그런데 사람들은 둘을 비슷하게 믿었다
논리적으로 생각하면 두 상황의 증거 가치는 같지 않다.
A기관이 조사했다.
B기관도 별도로 조사했다.
C기관 역시 독립적으로 확인했다.
D기관도 같은 결과를 얻었다.
이 경우에는 여러 독립적인 근거가 같은 방향을 가리키고 있다.
반면
기사 A → X기관
기사 B → X기관
기사 C → X기관
기사 D → X기관
이라면 상황이 다르다.
화면에는 네 개의 기사가 있지만 새로운 근거가 네 번 추가된 것은 아니다.
X기관의 근거 하나가 네 번 보인 것에 가깝다.
그런데 2019년 연구의 네 실험에서는 참가자들이 독립된 여러 원출처가 만든 합의와 하나의 원출처가 반복돼 만들어진 합의를 충분히 구별하지 못하는 현상이 나타났다.
연구진은 이를 ‘illusion of consensus’, 합의의 착각이라고 설명했다.
더 이상했던 것은 사람들이 원칙은 알고 있었다는 점이다
처음에는 참가자들이 단순히 독립적인 출처의 중요성을 몰랐던 것은 아닐까 생각했다.
그런데 연구 결과는 그렇게 간단하지 않았다.
참가자들은 명시적으로 물었을 때 여러 독립적인 원출처가 같은 결론을 낸 경우가 하나의 원출처를 반복한 경우보다 더 믿을 만하다는 원칙을 이해할 수 있었다.
그럼에도 실제 여러 글을 보고 판단하는 상황에서는 하나의 근거가 반복됐을 때도 신뢰도가 올라갔다.
즉,
“서로 독립적인 여러 근거가 더 중요하다”
는 원칙을 아는 것과 실제 검색 결과에서 그 원칙을 적용하는 것은 별개의 문제였다.
이 부분이 특히 현실적인 문제처럼 느껴졌다.
우리가 검색할 때 기사마다 원출처 관계도를 그려가며 읽지는 않기 때문이다.
검색 결과에는 매체 이름과 제목이 먼저 보인다.
서로 다른 언론사 이름이 열 개 보이면 그것만으로 열 개의 확인 과정이 있었던 것처럼 느껴질 수 있다.
하지만 실제 근거의 개수는 아직 알 수 없다.
기사 네 개와 근거 네 개는 같은 말이 아니었다
이 차이를 아주 단순하게 적어보면 이해하기 쉽다.
첫 번째 경우다.
기사 A → 연구 1
기사 B → 연구 2
기사 C → 연구 3
기사 D → 연구 4
독립성의 정도는 실제 상황에 따라 더 확인해야겠지만 적어도 서로 다른 네 근거가 존재한다.
두 번째는 다르다.
기사 A → 연구 1
기사 B → 연구 1
기사 C → 연구 1
기사 D → 연구 1
기사는 네 개다.
하지만 네 기사 모두 같은 연구를 설명하고 있다.
이 경우
검색 결과 4개
를
독립적인 근거 4개
로 세면 안 된다.
더 복잡한 경우도 있다.
기사 A → 통신사 기사 → 연구 1
기사 B → 통신사 기사 → 연구 1
기사 C → 기사 A → 통신사 기사 → 연구 1
겉으로는 출처가 계속 늘어난다.
하지만 화살표를 끝까지 따라가면 다시 연구 1 하나로 모인다.
결국 세어야 할 것은 페이지의 개수가 아니라 독립된 증거의 개수다.
2022년 후속 연구에서는 조건을 더 분명하게 만들었다
그렇다면 사람은 원래 독립된 출처와 반복된 출처를 구별하지 못하는 걸까.
2022년 「Cognition」에 발표된 후속 연구는 여기서 한 단계 더 들어갔다.
연구진은 앞선 ‘합의의 착각’ 현상이 왜 나타나는지를 살펴봤다.
그리고 중요한 조건을 발견했다.
사람들이 각각의 정보가 정말 서로 독립된 자료에서 나왔다는 사실을 분명하게 알 수 있을 때는 독립적인 합의에 더 큰 무게를 줄 수 있었다.
반대로 출처 사이의 관계가 불분명하면 합의의 착각이 나타나기 쉬웠다.
이 결과는 중요한 차이를 보여준다.
문제는 단순히
“사람은 반복에 무조건 속는다.”
가 아니었다.
어떤 정보들이 같은 뿌리에서 나왔는지, 아니면 서로 독립적으로 확인됐는지가 보이지 않을 때 판단이 어려워지는 것이다.
실제 인터넷 검색이 바로 그런 환경이다.
기사 제목만 나란히 놓고 보면 각각의 기사가 어떤 자료를 사용했는지 바로 알기 어렵다.
결국 직접 들어가서 출처를 확인해야 한다.
같은 말을 많이 찾는 것과 독립적인 확인을 찾는 것은 달랐다
예를 들어 어떤 건강정보가 맞는지 확인하고 싶다고 해보자.
검색했더니 비슷한 주장을 하는 글이 열 개 나온다.
이때 검색 결과를 더 많이 읽는 것만으로 검증이 강화될까.
열 개 모두 같은 연구를 인용하고 있다면 새로운 증거는 거의 추가되지 않을 수 있다.
반면 세 개밖에 찾지 못했더라도
하나는 대규모 연구,
하나는 별도의 기관 통계,
하나는 다른 연구팀의 재현 연구라면 이야기가 달라진다.
단순한 숫자로 보면 10 대 3이다.
하지만 독립적인 근거의 수라는 기준으로 보면 오히려 반대일 수 있다.
그래서 정보 검색에서는
몇 곳에서 말했는가
와
몇 개의 독립된 근거가 있는가
를 구분할 필요가 있다.
서로 다른 언론사라고 독립된 근거라는 뜻도 아니다
여기서 또 하나 착각하기 쉬운 부분이 있다.
언론사가 다르면 출처도 독립적이라고 생각하는 것이다.
그렇지 않을 수 있다.
서로 다른 매체가 같은 통신사 기사를 받아 쓸 수 있다.
같은 보도자료를 바탕으로 기사를 작성할 수도 있다.
하나의 논문을 여러 매체가 각각 소개할 수도 있다.
첫 번째 기사를 본 다른 매체가 다시 기사를 작성할 수도 있다.
따라서
매체 A + 매체 B + 매체 C = 독립된 출처 3개
라고 자동으로 계산할 수 없다.
확인해야 할 것은 각 기사의 이름이 아니라 그 기사 뒤에 있는 근거다.
반대로 같은 기관에서 나온 두 자료라도 서로 다른 조사와 데이터를 사용했다면 근거 관계를 따로 살펴볼 필요가 있다.
결국 독립성은 사이트 이름만으로 결정되는 것이 아니다.
그렇다고 하나의 원출처가 반복되면 틀렸다는 뜻은 아니다
여기서도 선을 그어야 한다.
열 개의 기사가 하나의 연구를 인용했다고 해보자.
그렇다고 그 연구가 틀렸다는 뜻은 아니다.
원출처 하나가 매우 신뢰도 높은 대규모 연구일 수도 있다.
공식 통계일 수도 있다.
확인 가능한 원자료가 충분한 조사일 수도 있다.
문제는 근거 하나를 열 개의 독립된 근거처럼 계산하는 것이다.
따라서 이런 상황에서 정확한 판단은
여러 매체가 보도했으니 사실이다
도 아니고
모두 같은 출처니까 거짓이다
도 아니다.
먼저 이렇게 정리하는 편이 맞다.
“여러 보도가 있지만 현재 확인한 독립적인 원출처는 하나다.”
그다음 그 원출처 자체의 품질을 평가해야 한다.
2026년 연구에서도 반복은 신뢰를 움직였다
이 문제는 최근에도 계속 연구되고 있다.
2026년 「Memory & Cognition」에 발표된 연구에서도 하나의 원출처를 여러 보도가 반복하는 dependent consensus가 사람들의 믿음을 증가시키는 현상이 다시 관찰됐다.
다만 독립적인 여러 출처에서 나온 정보가 계속 쌓이면 그 영향은 하나의 출처를 반복한 경우보다 더 커지는 경향도 나타났다.
즉 반복 자체도 우리의 판단에 영향을 줄 수 있지만, 독립적인 근거가 실제로 여러 개 존재하는 것과 완전히 같은 것은 아니다.
이 때문에 검색 결과의 개수만 세는 방식은 정보의 신뢰도를 판단하기에 부족하다.
이제 검색 결과에서 화살표를 그려본다
실제로 모든 기사에 화살표를 그릴 필요는 없다.
머릿속에서만 해도 된다.
어떤 숫자나 주장이 여러 곳에 등장하면 기사 하나를 연다.
그 기사가 무엇을 근거로 하는지 찾는다.
두 번째 기사도 연다.
그리고 같은 질문을 한다.
“이 기사는 어디에서 이 사실을 알았을까?”
세 번째도 확인한다.
그러다 모두 같은 보고서나 논문으로 모인다면 더 이상 기사 수를 세지 않는다.
원출처 하나를 확인한다.
반대로 각각 다른 연구나 데이터로 이어진다면 그때는 정말 여러 독립적인 근거가 존재할 가능성이 생긴다.
물론 서로 다른 연구도 같은 데이터셋을 사용했을 수 있기 때문에 완전한 독립성을 확인하려면 더 깊게 들어가야 할 때도 있다.
하지만 적어도 첫 단계에서는 이것만으로도 큰 차이가 생긴다.
기사의 개수가 아니라 화살표 끝에 몇 개의 근거가 남는지 보는 것.
1편과 비슷해 보이지만 확인하는 질문은 다르다
첫 번째 글에서는 출처를 계속 따라갔는데 마지막에 원자료가 사라지는 사례를 봤다.
이번에는 조금 다르다.
원출처가 없는 것이 문제가 아니다.
원출처는 존재할 수 있다.
문제는 하나의 원출처가 여러 번 반복되면서 마치 여러 근거가 존재하는 것처럼 보이는 상황이다.
그래서 확인 질문도 달라진다.
1편에서는
“이 정보의 최초 근거는 어디인가?”
를 물었다면,
이번에는
“이 여러 정보는 정말 서로 다른 근거에서 나온 것인가?”
를 묻는다.
비슷해 보이지만 정보판별에서는 전혀 다른 단계다.
검색 결과 10개보다 먼저 볼 것이 생겼다
검색할 때 같은 내용을 말하는 페이지가 많으면 안심이 된다.
그 반응 자체가 이상한 것은 아니다.
여러 독립적인 사람들이 별도로 확인한 결과가 일치한다면 실제로 중요한 신호가 될 수 있다.
다만 많다는 사실을 확인하기 전에 무엇이 많은지를 구분해야 한다.
기사가 많은가.
사람이 많은가.
아니면 독립적인 근거가 많은가.
2019년 연구에서 참가자들은 이 차이를 충분히 반영하지 못했다.
2022년 연구에서는 출처의 독립성이 분명해지자 사람들이 두 상황을 더 잘 구분할 수 있었다.
결국 우리가 할 수 있는 일도 비슷하다.
출처 사이의 관계를 보이게 만드는 것이다.
기사 A → 보고서 X.
기사 B → 보고서 X.
기사 C → 보고서 X.
이렇게 적는 순간 세 개의 기사 뒤에 있던 근거 하나가 눈에 들어온다.
그리고 그때부터 진짜 검증이 시작된다.
보고서 X는 믿을 만한가.
여러 곳에서 같은 말을 한다는 사실보다 먼저 확인해야 할 것은 어쩌면 이것일지 모른다.
그 여러 곳은 정말 서로 다른 곳에서 알아낸 것일까.
이번 글에서 확인한 판별 기준
같은 주장이 여러 기사나 게시물에 등장한다고 해서 각각을 독립적인 근거 하나씩으로 계산하지 않는다.
각 글이 인용하는 보고서·논문·통계·인터뷰를 따라가 원출처를 확인한다.
여러 글이 결국 하나의 자료로 모인다면 여러 보도와 여러 독립 근거를 구분한다.
반대로 원출처가 하나라는 이유만으로 그 주장이 거짓이라고 판단하지 않는다. 반복 횟수와 원출처 자체의 신뢰성은 별개의 문제다.
그리고 여러 자료가 실제로 서로 독립적인지도 가능한 범위에서 확인한다.
검색 결과의 숫자를 세기 전에 한 번 물어본다.
“이 열 개의 글 뒤에는 실제로 몇 개의 근거가 있을까?”
참고한 자료
PubMed 「The Illusion of Consensus」
Cognition 「Getting to the source of the illusion of consensus」
Memory & Cognition 「Explaining away the illusion of consensus」
자산맥




댓글 0
첫 댓글을 남겨보세요.