게임 to 현실, 현실 to 게임: <게임의 사회학> 서평

* 필자는 〈게임의 사회학〉 저자처럼 데이터 사이언스 방법론을 기반으로 인문사회과학 연구를 하는 연구자이다. 따라서 저자의 접근법(연구방법)에 좀 더 친숙하기 때문에 편향이 있을 수밖에 없는 점을 미리 인지하고 이 글을 읽어주셨으면 한다. 

1. 완벽히 통제된 전수 데이터의 꿈 

인문사회과학 연구자들에게(특히 사회과학) 꿈같은 일은 자신이 검증하고자 한 가설이나 연구 문제에 딱 맞는 데이터를 구하는 것이다. 예컨대 부모의 소득과 수능점수의 인과관계를 밝히고자 한다면, 수능점수에 영향을 끼치는 모든 변수(체력, 지능, 인내력 등)를 ‘통제’하고 부모의 소득만 다른 수험생을 찾아야 한다. 쌍둥이를 찾아서 서로 다른 부모에게 입양 보내지 않는 이상 그런 데이터를 구할 수 없을 것이다. 또한 사회과학자들이 다루는 데이터는 늘 ‘표본’ 데이터이다. 데이터에는 늘 누락과 접근 불가능한 상황이 있으므로 전수 데이터는 만져볼 기회가 없다. 따라서 완벽히 통제된 전수 데이터는 꿈같은 말이다. 대신 사회과학자들은 늘 부족한(질적으로든 양적으로든) 데이터를 만회할 수 있는 여러 분석 방법론을 개발해왔다. 이른바 통계적 유의성(statistical significance)을 자신의 연구에서 목숨 걸고 사수하려는 이유는 그 때문이다. 늘 부족한 데이터이지만 데이터에 맞는 분석 모형을 만들어 분석 결과의 유의함을 밝혀내는 일 말이다. 연구자들은 자신이 내놓은 분석 결과가 확률적으로 우연이라고 생각할 수 없을 정도로 강건하게(robust) 지지하게 될 수 있게 부단히 노력한다. 

GPU 같은 컴퓨팅 파워의 대중화와 프로그래밍 언어와 각종 분석 소프트웨어의 발전으로 사회과학 연구자들은 지금까지 꿈이라고만 여겼던 초거대 데이터 세트를 연구에 활용하기 시작했다. 이 서평에서 다룰 게임 파생 데이터가 아니더라도 소셜 미디어나 건강보험 공공데이터 등 수천만, 수억 건의 데이터를 사회과학 분야에서도 다루기 시작했다. 빅데이터 기반의 사회과학 연구인 이른바 계산사회과학(Computational Social Science)의 출현도 이와 연관이 있다. 이런 제반 사항이 잘 갖춰졌는데도 사회과학 연구자들에게 게임 데이터는 여전히 낯선 영역으로 보인다. 〈게임의 사회학〉에서도 그 부분을 지적하며 논의를 시작한다. 

2. 게임은 현실을 표상하는가? 현실이 게임을 표상하는가?

저자는 서문에서 게임 데이터 기반 사회과학연구가 이제 걸음마 단계임을 강조한다. 왜 아직 연구자들은 게임 파생 데이터를 적극적으로 활용하고 있지 않은가? 게임 데이터 역시 통제가 필요하고 전수 데이터를 모으기 힘든 점이 있지만 현실에서 수집을 상상하기도 어려운 데이터를 가상공간에서는 구해볼 수 있는 장점이 충분히 있다.1) 하지만 내 생각엔 다음 세 가지 이유로 연구자들이 활용하기를 꺼리는 듯하다. 

1) 디지털 공간에 존재하는 게임 데이터의 수집과 핸들링을 위해서는 코딩 같은 추가 연구 역량이 필요하다. 2) 이전에 전통적으로 다루던 설문조사 등의 데이터보다 훨씬 더 많은 대량의 데이터를 다루기 힘든 측면. 3) 마지막으로 가장 중요한 특징은 게임이 인간 현실사회를 반영하는 공간인지 연구자들이 의심한다는 점이다. ‘게임을 하는 사람’이라는 데이터 자체의 선택 편향을 의심하는 연구자들이 많았다는 것이다. 필자가 책의 전반부에서 ‘게임 -〉 현실’이라고 명명한 것은 이러한 측면에서 매우 적확하다. 게임이라는 렌즈를 통해 현실을 바라보는 연구가 ‘게임 사회학’의 시작이기 때문이다. 그리고 책의 후반부를 ‘게임 〈-〉 현실’이라고 배분한 것도 이와 연결된다. 이제 게임은 단순히 인간 사회의 작동 원리나 특징을 바라보는 교보재가 아니라 사회 현실과 게임이 서로 영향을 주고받는 형태 역시 연구자들이 고려해야 한다는 것이다. 특히 가상 세계를 자연스럽게 받아들이고, 인터넷 검색 엔진에 검색되지 않으면 세상에 없는 것으로 인식하는 새로운 세대의 등장을 볼 때, 필자의 말처럼 이제 인간과 사회에 대한 통찰을 위해서는 반드시 게임을 들여다봐야 하는 시점에 도래한 것은 아닌가? 특히 2014년 4월 16일 세월호 사건 당일 리니지의 아이템 거래도 그 수가 매우 줄었다는 부분2)에서 나 역시 게임이 현실과 분리되지 않고 그 둘이 연동돼 있음을 받아들일 수 있었다.

3. 계산사회과학의 한계와 객관성이라는 신화

다음으로 이 책은 사회과학이 중요하게 다루는 인간과 사회의 ‘행위’, ‘조직’, ‘경제 활동’, ‘범죄’, ‘호혜성’ 등의 개념을 게임 데이터를 가져와 정량적인 방법으로 잘 설명해냈다. 통계와 네트워크 분석, 더 나아가 기계학습 기반의 의사결정나무까지 여러 방법론이 소개됐다. 이러한 정량적인 방법론에 대해 연구자를 포함한 시민들은 그 자체로 ‘객관적’이고 ‘과학적’이라고 평하는 경우가 많다. 최근 계산사회과학 연구가 주목 받는 이유도 연구의 객관성과 과학성이 질적인 연구에 비해 우월하다는 데 있다. 하지만 (빅)데이터 방법론은 전가의 보도가 아니며 정량적인 모델이 객관적이라는 평가도 과대평가 된 신화이다. 특히 요즘 각광 받는 딥러닝 기반의 분석 방법론은 전통적인 통계 모형보다 매우 성능이 뛰어나지만, 해당 모델이 내놓은 결괏값을 설명해낼 수 없는 블랙박스인 경우가 많다. 또한 데이터 수집과 전처리 과정에서 여러 연구자의 의도가 들어갈 수밖에 없기에 정량적인 연구는 객관적일 거라 믿는 태도도 위험하다. 데이터에 내재하는 편향성도 무시할 수 없기 때문이다. 최근에 인공지능에 내재한 여러 편향의 문제는 알고리즘 학습 때부터 내재한 것이다. 또한 계산사회과학이 내놓는 결과물은 해당 집단이나 개인의 가장 평균적인 면을 보여준다. 결국 분석과정에서 드러나지 않는 개인과 집단의 특이성은 배제되곤 한다.

4. 정량과 정성, 구별할 필요 없이

인문학은 거의 모든 사람이 기본적으로 정성적인 연구를 계속해왔기 때문에 구별이 거의 없지만3), 사회과학에서는 연구자를 구분할 때 ‘질방(질적인 방법)’ , ‘양방(양적인 방법)’으로 나누곤 했다. 나는 이제 이러한 구분은 의미가 희석될 것으로 생각한다. 〈게임의 사회학〉에서도 그 두 방법을 모두 활용할 가능성을 보여주었다. 예컨대 게임 유저의 행동을 정량적인 방법으로 분석했을지라도 인터뷰나 민속지(Ethnography) 같은 전통적인 방법론으로 보완하였다. 결국 게임 데이터를 활용하는 연구자는 정량적인 분석을 시행하더라도 해당 게임에 참여하는 인간에 대한 이해가 필요하다. 그리고 그 이해는 모델링으로 채우지 못하는 빈칸을 채우게 할 것이다. 

〈게임 사회학〉은 저자 스스로 그 빈칸을 채우기 위해 노력한 흔적이 보이는 책이었다. 저자가 스스로 게이머들이 왜 이런 행동을 보였을지 이유를 추적하고 그 인과성을 검증하는 모델을 세우는 과정을 보였기 때문이다. 즉 정량적인 연구라도 연구 문제를 설계하고 모델에 어떤 변수를 채택하고 분석 결과를 해석하는 일은 다시 사람의 몫이다. 전통적인 사회과학이나 통계학 연구자들이 딥러닝을 학문으로 인정하지 않는 배타적인 태도를 보이는 것은 딥러닝 모델이 독립변수와 종속변수의 관계를 설명해내지 못했기 때문이다. 그래서 최근 설명 가능한 인공지능(eXplainable AI) 필요성이 부각 되는 이유도 여기에 있다. XAI는 알고리즘이 왜 이런 결과를 내놓았는지 추적해볼 수 있는 가능성을 제시했다. 정량적인 연구와 정성적인 연구가 연결되는 지점이며, 앞으로 게임과 그 관련 데이터를 활용한 사회과학 연구가 가야할 길이기도 하다.

1) 인간을 대상으로 삼는 학문이 윤리적 한계 때문에 부딪히는 여러 가지 예약을 극복하도록 도와주는 훌륭한 대안이 될 수 있으리라 기대했다 (48쪽). 

2) 이 기간에는 세월호 참사가 발생한 2014년 4월 16일이 포함되어 있다. 다소 무리한 추측일 수도 있지만, 하필 그 전후 기간에 비해 유독 큰 폭의 하락이 있어서 그래프를 처음 봤을 때 가슴이 먹먹해지는 것을 느꼈다. (중략) 게임은 현실과 동떨어지지 않고 긴밀하게 연결되어 있음을 다시금 깨닫게 한 경험이었다 (168쪽)

3) 최근 디지털 인문학(Digital Humanities)의 출현은 정량적인 인문학 연구의 가능성을 보여준다.