Earticle

본 연구는 2025년 제21대 대통령 선거 상황에서 유튜브 추천 알고리즘이 정 치적 필터버블과 에코챔버 형성에 미치는 영향을 분석하였다. 진보･보수･중도 성향 6개 키워드를 기반으로 483개 채널과 10,740개 추천 관계를 수집･네트워 크 분석한 결과, 전체 구조는 낮은 밀도와 허브 중심성을 보였으며 추천이 소수 대형 채널에 집중되는 경향이 뚜렷했다. 추천 깊이가 깊어질수록 채널 수와 표 면적 다양성은 증가했으나 정보 집중도는 오히려 상승하여 동일 성향 채널로의 쏠림이 심화되었다. 정치 성향별로는 진보 네트워크의 응집성과 폐쇄성이 가장 높게 나타났으며, 반복 추천과 상호 연결을 통해 에코챔버 구조로 강화될 수 있 음을 확인하였다. ERGM 분석에서는 정치 성향 일치, 구독자 수 및 영상 수 등 이 추천 연결 형성에 유의하게 작용하여 알고리즘이 정치적으로 동질적인 정보 환경을 고착화할 수 있음을 시사한다. 이러한 결과를 통해 선거 시기 정보 다양 성 확보와 정치적 양극화 완화를 위해 추천 편향을 감시･완화하는 정책적 장치 와 플랫폼의 투명성 제고가 필요함을 제언한다.

This study examined how YouTube’s recommendation algorithm shaped political filter bubbles and echo chambers during the 2025 June 3 presidential election in South Korea. Using six keywords across progressive, conservative, and centrist orientations, we analyzed 483 channels and 10,740 recommendation links. The network showed low density but strong hub centrality, with recommendations concentrated on a few large channels. Greater recommendation depth increased apparent diversity but also raised the Gini coefficient, intensifying ideological clustering. Progressive networks had the highest cohesion and closure, indicating stronger filter bubble tendencies, often reinforced into echo chambers through repeated and reciprocal recommendations. ERGM analysis confirmed that political alignment, subscriber count, video volume, and traditional media affiliation significantly influenced link formation. Findings highlight the need for policy and platform-level measures to monitor and reduce recommendation bias, ensuring diversity and mitigating polarization during elections.

While existing research has focused on how algorithm experiences drive regulation demand, we know little about whether regulation support can reshape algorithm perceptions in return. Using three-wave panel data (2022-2024, N = 2,269) from the Intelligent Information Society User Panel Survey (KCC & KISDI, 2022-2024), we examined bidirectional relationships between YouTube algorithm perception and regulation support. We found temporal asymmetries between transparency and accountability regulations. For forward effects?where negative experiences trigger regulation demand?transparency operated from the outset and strengthened over time, while accountability emerged only later. Reverse effects?where regulation expectations reshape evaluations-- traced opposite trajectories. Transparency gradually improved perceptions, whereas accountability faded. We also found that dimension-specific digital competence patterns. Low rights protection competence users initially demanded stronger regulation but converged with high-competence users, while reverse effects diverged, benefiting only high-competence users. Critically, low critical understanding competence users supporting accountability regulations exhibited decreased harm perception. Our findings advance algorithmic governance and inform competence-tailored regulation communication strategies.

유튜브 알고리즘 추천은 인간의 편견을 배제하고 객관적인 정보를 전달한다는 유용 성을 인식하게 한다. 이러한 유용성 인식은 유튜브 미디어 신뢰에 영향을 미친다. 그러 나 알고리즘의 결함과 위험에 대한 우려가 확산되는 가운데, 알고리즘 추천의 유용성 인식과 미디어 신뢰 간에 지각된 유해성, 확증편향, 프라이버시 염려가 미치는 매개효 과를 살펴보았다. 각 변수 간 경로별 효과를 분석한 결과, 알고리즘 추천의 유용성 인식 이 미디어 신뢰에 정적(+) 영향을 미쳤다. 또한 확증편향과 프라이버시 염려에도 정적 (+) 영향을 미쳤다. 확증편향은 유튜브에 대한 미디어 신뢰도에 정적(+) 영향을 미쳤 다. 매개효과 분석 결과, 알고리즘 추천의 유용성 인식과 유튜브에 대한 미디어 신뢰 간 관계에서 확증편향의 매개효과가 유의미하게 나타났다. 알고리즘 추천에 대한 유용성 인식에 더해 개인의 심리적인 기제인 확증편향이 유튜브 미디어 신뢰에 영향을 미친다 는 사실을 통해 정보안심의 소비습관과 뉴스관여도의 영향력을 읽을 수 있다. 이러한 정보안심의 소비습관을 방지하기 위해 노출의 다양성을 촉진할 추천 알고리즘의 정교 화가 필요하다.

Youtube Media trust is formed under the perception of the usefulness that YouTube algorithm recommendation excludes human biases and delivers objective information. However, amid widespread concerns about algorithm defects and risks, this paper looks at the mediating effects of perceived harmfulness, confirmation bias, and privacy concerns between the usefulness of algorithm recommendations and media trust. As a result of analyzing the effect of each path among variables, the perception of the usefulness of algorithm recommendation has a positive (+) effect on media trust. It also has a positive (+) effect on confirmation bias and privacy concerns. Confirmation bias has a positive (+) effect on media trust. As a result of the mediating effect analysis, the mediating effect of confirmation bias is significant in the relationship between the perception of the usefulness of algorithm recommendation and media trust. The fact that confirmation bias, an individual's psychological mechanism, mediates between the usefulness of algorithm recommendation and media trust can be understood as strengthening media trust by protecting and stabilizing individual beliefs. In order to weaken this tendency of passive information acquisition, it is necessary to refine the recommendation algorithm in practice. In addition, it is necessary for users to improve their experiences for active information acquisition.

This study examines how the perceived bias, perceived risk, perceived ease to use, and perceived usefulness affect the intention to use Youtube algorithm recommendation service through VAM. The result of mediation analysis by Process macro, perceived usefulness had a positive effect on the perceived value of the algorithm recommendation of Youtube, and the perceived value had a positive effect on the intention to use. However, perceived usefulness did not affect intention to use by mediating the perceived value. The perceived ease to use had a positive effect on the perceived value and the perceived value had a positive effect on the intention to use the algorithm recommendation. The perceived ease to use had a positive effect not only on the intention to use but also on the intention to use by mediating the perceived value. The perceived bias had a positive effect on the perceived value of the algorithm recommendation, and the perceived value had a positive effect on intention to use it. The perceived bias directly had a positive effect on the intention to use and the intention to use by mediating the perceived value. The perceived risk had a positive effect on perceived value of the algorithm recommendation. The perceived value had a positive effect on the intention to use it. The perceived risk had a positive effect on the intention to use, but the perceived risk did not affect the intention to use it by mediating the perceived value.

이 연구에서는 필터버블 현상의 주요 요인인 추천 알고리즘의 정치적 편향성(추천 알고리즘이 이용자가 선호하는 정치 성향의 영상을 제한적으로 제공하는 것)과, 이용자들의 선택적 노출(이용자가 자신이 선호하는 정치 성향의 영상을 자발적으로 선택하는 것)을 실증적으로 검증하고자 하였다. 이를 위해 새로운 유튜브 계정 2개를 개설하여 각각의 계정을 보수/진보 계정으로 일주일 동안 훈련시켰고, 각 계정에서 추천받은 영상들은 이틀 간격으로 수집하였다. 텍스트 마이닝(Text Mining) 방법을 통해 보수 계정에서는 보수 성향의 영상이 더욱 추천되는지, 진보 계정에서는 진보 성향의 영상이 더욱 추천되는지를 알아보았다. 또한 각각의 계정에서 정치적으로 편향된 주제들이 다뤄지고 있는지를 관찰하였다. 설문조사를 통해 유튜브로 정치 및 뉴스 영상을 소비하는 이용자들에게 보수/진보 계정에서 6일째에 추천된 영상 리스트를 제공하여 이용자들이 선택적 노출을 보이는지를 알아보았다. 연구결과, 시간이 지날수록 보수 계정에서는 보수 성향의 영상과 채널이 더욱 추천되고, 진보 계정에서는 진보 성향의 영상과 채널이 더욱 추천되었으며, 보수 계정과 진보 계정에서 추천된 영상들은 대부분 정치적으로 편향된 주제를 다루고 있는 것으로 나타났다. 응답자들의 약 77%는 자신이 선호하는 정치 성향의 영상에 선택적으로 노출되어 보이는 것으로 나타났다.

This study empirically confirmed 'the political bias of the YouTube recommendation algorithm' and 'the selective exposure of user' to verify the Filter Bubble phenomenon of YouTube. For the experiment, two new YouTube accounts were opened and each account was trained simultaneously in a conservative and a liberal account for a week, and the "Recommended" videos were collected from each account every two days. Subsequently, through the text mining method, the goal of the research was to investigate whether conservative videos are more recommended in a righties account or lefties videos are more recommended in a lefties account. And then, this study examined if users who consumed political news videos via YouTube showed "selective exposure" received selected information according to their political orientation through a survey. As a result of the Text Mining, conservative videos are more recommended in the righties account, and liberal videos are more recommended in the lefties account. Additionally, most of the videos recommended in the righties/lefties account dealt with politically biased topics, and the topics covered in each account showed markedly definitive differences. And about 77% of the respondents showed selective exposure.

본 연구는 유튜브 추천 알고리즘을 이용하는 유튜브 이용자들을 대상으로, 이용자의 방향성 목표 성향과 정확성 목표 성향을 독립변수로 설정한 후, 이들 개인차 특성이 인구통계학적 요소 및 이용 경험을 통제한 상태에서 지각된 유용성과 지각된 신뢰성을 통해 지속 이용 의도에 미치는 순차매개효과를 검증했다. 총 673명의 만 20세-69세의 전국 성인 남녀를 대상으로 한 온라인 설문조사를 분석한 결과, 방향성 목표 성향과 정확성 목표 성향은 모두 유튜브 추천 알고리즘에 대한 지각된 유용성에 긍정적인 관련성을 지니고 있는 것으로 나타났다. 또한 지각된 유용성은 지각된 신뢰성에 유의한 영향을 미치는 한편, 방향성 목표 성향과 정확성 목표 성향은 지각된 유용성과 지각된 신뢰성을 매개하여 추천 알고리즘 지속 이용 의도에 영향을 미치고 있음이 확인되었다. 유튜브 뿐만 아니라 뉴스 추천 시스템과 같은 다양한 디지털 미디어에서 추천 알고리즘이 널리 쓰이고 있는 것을 감안할 때, 본 연구는 이러한 측면에서 알고리즘의 지각된 유용성과 지각된 신뢰성 차원을 연구하는 것이 중요한 함의를 가지고 있음을 제안한다. 또한 이는 미디어 추천 알고리즘을 적극적으로 사용하는 이용자층의 동기적 요구 특성과 지각된 유용성 및 지각된 신뢰성을 이해하는 것이 중요한 실천적 함의를 가지고 있음을 제시한다.

Based on the framework of extended technological acceptance model, this study examined the sequential mediating effect of a user’s directional and accuracy goal orientations through perceived usefulness and credibility on the intention to continue using the YouTube recommendation algorithm. Controlling for demographic factors and usage experience, the results of an online survey of 673 Korean adults aged 20-69 nationwide revealed that both directional and accuracy goal orientations are positively related to the perceived usefulness of the YouTube recommendation algorithm. In turn, perceived usefulness significantly influenced perceived credibility, and both the impact of directional and accuracy goal orientations on the continuous use intention of the recommendation algorithm were mediated through the perceived usefulness and credibility. Given the widespread use of recommendation algorithms not only on YouTube but also on various digital media such as on news recommender systems, this study suggests the importance of studying the perceived usefulness and credibility dimensions in societal applications of recommendation algorithms, which may have important ramifications on those who actively use recommendation algorithms in the media.

본 연구는 유튜브 추천 알고리즘에 대한 이용자의 긍정적·부정적 인식이 유튜브 지속 이용 의도에 미치는 영향을 조사하고, 이들 변수 간의 관계에서 알고리즘 투명성과 책무성 원칙에 대한 이용자의 규제 태도의 매개효과를 검증하였다. 이러한 분석을 통해 유튜브 추천 알고리즘의 부정적 효과와 잠재적 역기능을 검토하고 이에 따른 학술적 시사점과 정책적 대응 방향을 제시하고자 하였다. 연구는 방송통신위원회와 정보통신정책연구원에서 수행 및 공개한 <2022년 지능정보사회 이용자 패널조사> 데이터(n=5,378)를 활용하여 분석을 수행하였다. 연구 결과는 다음과 같다. 첫째, 유튜브 추천 알고리즘에 대한 긍정적 인식은 유튜브 지속 이용의도에 직접적으로 정적 영향을 미칠 뿐 아니라, 알고리즘 투명성과 책무성 원칙에 대한 규제 태도를 통해 간접적으로도 긍정적 영향을 미치는 것으로 나타났다. 이는 유튜브 추천 알고리즘에 대한 긍정적 인식과 유튜브 지속 이용의도 간의 관계에서 알고리즘 투명성과 책무성 원칙에 대한 규제 태도의 매개효과가 유의미함을 시사한다. 둘째, 유튜브 추천 알고리즘에 대한 부정적 인식은 유튜브 지속 이용의도에 통계적으로 유의미한 영향을 미치지 않는 것으로 나타났다. 그러나 부정적 인식은 알고리즘 투명성과 책무성 원칙에 대한 규제 태도를 매개로 유튜브 지속 이용의도에 부정적인 영향을 미치는 것으로 확인되었다. 이와 같은 연구 결과를 토대로 본 연구는 유튜브 추천 알고리즘의 투명성과 책무성 원칙 강화를 통해 이용자의 긍정적 인식을 증진시키고, 부정적 인식을 완화하는 방향의 정책적 대응을 제언하였다. 나아가 유튜브 추천 알고리즘의 잠재적 역기능에 대한 지속적인 탐구와 검토의 필요성을 강조하였다.

This study investigated the impact of users’ positive and negative perceptions of YouTube’s recommendation algorithm on their intention to continue using the platform. It also examined the mediating effects of regulatory attitudes towards the principles of algorithm transparency and accountability between these perceptions and intention. The research aimed to explore both the positive and negative implications of YouTube’s recommendation system, offering academic and policy recommendations to improve user experience while mitigating potential risks. The study utilized data from the 2022 Intelligent Information Society User Panel Survey, conducted by the Korea Communications Commission and the Korea Information Society Development Institute, with a sample size of 5,378 respondents. This survey enabled a comprehensive assessment of users’ perceptions of YouTube’s recommendation system and their regulatory attitudes toward transparency and accountability. The key findings are as follows: First, positive perceptions of YouTube’s recommendation algorithm had a direct positive effect on users’ intention to continue using the platform, as well as an indirect effect mediated by regulatory attitudes toward transparency and accountability principles. This suggests that positive perceptions of the algorithm not only improve user satisfaction but also build trust in the platform when transparency and accountability principles are appropriately applied. Second, negative perceptions of YouTube’s recommendation algorithm did not show a significant direct impact on the usage intention. However, when regulatory attitudes regarding transparency and accountability were included as mediators, a negative effect on usage intention emerged. This implies that negative user perceptions of the algorithm may deter continued use if transparency and accountability are not adequately addressed. These findings highlight the dual role of transparency and accountability principles as both protective measures and trust-building factors. Enhancing transparency would ensure that users are informed about how recommendations are generated, increasing trust and satisfaction. Accountability, on the other hand, emphasizes corporate responsibility for the outcomes produced by the algorithm, which can help mitigate negative perceptions and maintain user engagement. The study stresses the importance of ongoing exploration and evaluation of potential dysfunctions of YouTube’s recommendation system, particularly the spread of misinformation, privacy issues, and the reinforcement of confirmation biases through filter bubbles. To address these challenges, the study recommends improving transparency and accountability within recommendation algorithms to boost users’ positive perceptions and reduce negative ones. Moreover, policymakers should consider user-centric regulatory frameworks that account for the complex dynamics between user perception, regulatory intervention, and technological affordances. This research provides insights into how algorithmic governance can be designed to enhance user trust and satisfaction, ensuring the sustainable and ethical deployment of AI-based recommendation systems on digital platforms.

With advanced technology, teenagers have become spending lots of time on watching video contents (e.g. video streaming services) as their leisure. YouTube, a major video-sharing and streaming website worldwide, becomes a mainstream of a media channel, therefore it’s highly needed to figure out if there’s a safe security system for teenagers from harnful contents on their website. We ran an experiment with 30 university students to see if “recommended contents” placed on the right side of the YouTube website could lead any adult-related or violent contents that teenagers should not watch. The result showed that 60% of participants could access harmful contents by clicking just 2 recommended “off-topic” contents. This has shown that teenagers could access any violent or lewd videos on YouTube if they want, even though the website requires the verification of an adult user. In this paper, we criticize this issue and discuss a solution.