배움의 달인 Newsletter

Insight Hub

Back to Home
뉴스분석인사이트리포트트렌드분석교육연계콘텐츠기획filterunfilteredalgorithms

[Filtering ourselves]

2025-12-17
11 min read
2081 words

🎧 Voice Briefing

📅 Generated: 2025. 12. 17. 오후 11:46:56
⏱️ Duration: ~69s

Filtering ourselves

📰 기사 정보

📋 기사 요약 (한국어)

🎯 핵심 내용 요약

세스 고딘(Seth Godin)의 블로그 포스트 'Filtering ourselves'는 온라인에서 자신을 필터링하는 행위의 중요성을 강조한다. 과거 인터넷 초창기에는 낯선 사람과 영구적으로 남는 글 때문에 조심스럽게 표현했으나, 이제 알고리즘(algorithms)이 거칠고 욕설 섞인 '진짜 같다'는 콘텐츠를 장려해 소셜 미디어가 가짜 '필터 없음(unfiltered)' 분노 폭발로 가득 찼다. 실제 친구나 가족 앞에서는 하지 않을 말들을 온라인에서 쏟아내는 것은 공공 행동 기준을 낮추는 문제이며, 진짜 '우리'를 만드는 것은 바로 필터(filter)라고 주장한다.

📌 주요 포인트

  • 배경: 인터넷 초창기 사람들은 온라인에서 말하는 게 영구적이고 공식적이라고 느껴, 가족이나 친구와 다르게 조심스럽게 필터링하며 표현했다.
  • 현재 상황: 알고리즘이 거칠고 욕설·상처 주는 콘텐츠를 보상하며, 소셜 미디어가 'unfiltered'처럼 위장한 과장된 랜트로 넘쳐나고 있으며, 실제 대면 상황에서는 용납되지 않을 말들이 일상화되고 있다.
  • 향후 전망: 공공 온라인 행동 기준이 더욱 낮아져 대화 수준이 악화될 수 있지만, 필터링의 가치를 깨닫고 의식적으로 높여야 한다는 변화의 필요성이 제기된다.
  • 영향: 개인적으로는 온라인 발언이 평판과 관계를 해치고, 사회적으로는 건전한 토론 문화를 약화시켜 분열을 초래할 수 있다.

🧠 파인만 기법으로 이해하기

📝 쉬운 설명

이 기사는 "온라인에서 말할 때 입에 재갈을 물고 조심해야 한다"는 거예요. 마치 집에서 엄마 앞에서는 예의 바르게 말하지만, 친구들과 술 마실 때는 거칠게 말하는 것처럼요. 인터넷 초반에는 낯선 사람 앞에서 조심했는데, 이제 앱들이 "화내고 욕하는 게 진짜!"라고 칭찬하니 다들 그렇게 따라 하면서, 실제로는 친구 앞에서도 안 할 말들을 온라인에 쏟아내요. 진짜 멋진 사람은 입에 '필터(그물망 같은 것)'를 씌워서 좋은 말만 골라 하는 거랍니다.

🔍 실생활 예시

카페에서 친구와 수다 떨 때 "야, 그 사람 진짜 짜증 나!"라고 속삭이듯 말하지만, 인스타그램에 올릴 때는 "그 사람 생각이 조금 다르네요"라고 부드럽게 쓰는 거예요. 그런데 요즘 트위터나 유튜브 댓글은 "짜증 나 죽겠어, 미친X!"처럼 거칠어요. 이게 바로 알고리즘이 '좋아요'를 많이 주는 거친 말을 퍼뜨려서 생기는 현상이죠.

❓ 궁금한 점

  1. 알고리즘이 왜 거친 말을 좋아할까요? (예: 조회수 증가 때문인가?)

  2. 온라인에서 필터링을 잘 하면 실제 삶에 어떤 좋은 점이 있을까요?

  3. 다른 나라 소셜 미디어에서도 이런 현상이 똑같이 일어나고 있을까요?

🔑 핵심 키워드 3가지

1️⃣ filter

의미: (필터링) 자신의 언어나 아이디어를 상황에 맞게 조절하거나 걸러내는 과정. 맥락상 온라인 표현을 세련되게 다듬는 것을 가리킴.

중요한 이유: 기사의 제목과 결론에서 반복되며, '우리를 만드는 필터'로 강조되어 온라인 행동의 핵심 원칙으로 제시됨. 필터 없이는 진짜가 아니라는 역설적 메시지의 중심.

2️⃣ unfiltered

의미: (필터링되지 않은) 거침없고 원시적인 표현, 종종 욕설이나 과장된 감정 폭발을 뜻함. 기사에서는 가짜 '진짜'처럼 위장된 콘텐츠를 비판.

중요한 이유: 소셜 미디어의 현재 문제를 상징하며, "unfiltered doesn’t mean real"이라는 명언으로 필터링의 가치를 강조. 트렌드 변화의 상징적 키워드.

3️⃣ algorithms

의미: (알고리즘) 소셜 미디어 플랫폼의 추천 시스템으로, 사용자 참여(좋아요, 공유)를 최대화하는 자동화 프로그램.

중요한 이유: 과거 필터링에서 현재 거친 콘텐츠 만연으로의 'flipped(반전)' 원인을 설명하며, 기술이 인간 행동을 어떻게 왜곡하는지 핵심적으로 지적. 변화의 배후 요인.

💡 인사이트 분석

🎯 핵심 인사이트

가장 중요한 깨달음: 온라인에서 '필터 없음'처럼 보이는 거친 표현은 진짜가 아니라, 오히려 필터링이 우리의 진정한 정체성과 품위를 만든다.

📊 트렌드 이해

  • 현재 상황: 소셜 미디어 알고리즘이 조회수 높은 욕설·랜트 콘텐츠를 우선 추천해, 사용자들이 실제 대면에서는 하지 않을 말들을 일상적으로 쏟아내고 있다.
  • 변화의 신호: 공공 온라인 기준이 낮아지며 대화 수준이 악화되고 있지만, 필터링 의식 확산으로 '품격 있는 온라인 문화' 운동이 일어날 가능성.
  • 우리에게 미치는 영향: 개인은 온라인 발언으로 직장·인맥 손실 위험이 커지고, 조직은 브랜드 이미지 타격을 입을 수 있음. 반대로 필터링 습관화로 신뢰 쌓기 유리.

🚀 실용적 적용

  • 즉시 할 수 있는 것: 오늘 포스팅 전에 "이 말, 엄마 앞에서 해도 될까?" 자문하며 필터링. 댓글 쓸 때 욕설 대신 "다른 의견 감사해요"로 바꾸기.
  • 단기적 준비: 1개월 내 소셜 미디어 사용 일지 작성(하루 3개 포스트 필터링 체크), 앱 알림으로 '필터 모드' 리마인더 설정.
  • 장기적 전략: 6개월~1년 후 개인 브랜드 가이드라인 만들기(예: "긍정 80%, 비판 20% 비율"), 온라인 커뮤니티에서 '필터 챌린지' 주최.

📄 원본 기사 내용

We don’t use the same language or ideas with an in-law that we do with our bar buddies.

When the internet was young, people often chose to filter themselves online. We didn’t know who was on the other end of the pipe, and we knew it would be there forever. And typing feels more permanent and official than speaking…

Over time, the algorithms rewarded people who were guttural, hurtful, profane and, to use an overused and inefficient word, “authentic.” And so it flipped.

Now, social media is filled with amped-up rants that pretend to be unfiltered, and the standard for discourse is quickly eroding. There’s plenty of data to confirm that we’re spewing words and ideas that would never be tolerated in person, with friends.

Why should our standard for public behavior be lower than it is for the people we know?

Unfiltered doesn’t mean real. Because it’s our filters that make us who we are.

👨‍🏫 작성자 소개

유튜브: 배움의 달인

오픈채팅방: 카카오 오픈채팅

💡 더 많은 학습 자료와 교육 콘텐츠가 궁금하다면?
유튜브 채널에서 다양한 AI 도구 활용법과 교육 자료를 만나보세요!
오픈채팅방에서는 학습 관련 질문과 정보를 공유할 수 있습니다.

🤖 이 분석은 AI를 통해 자동 생성되었으며, 개인적 인사이트와 YouTube 콘텐츠 기획을 위해 구조화되었습니다.

📅 분석 완료: 2025-12-17

🧠 Connected Insights

📅 Last analyzed: 2025. 12. 20. 오전 7:39:55
💰 Analysis cost: $0.0199

🔗 Related Notes

  • 🔗 Better_than_the_cheap_alternative_뉴스인사이트

    • related: 둘 다 Seth Godin의 블로그 분석으로, 저품질 콘텐츠 경쟁(racing to the bottom)과 알고리즘 장려 거친 콘텐츠(unfiltered)가 유사하게 플랫폼의 품질 저하를 비판하며 개념적 연관성 있음. 필터링이 품질 높은 대안을 지지하는 논리적 확장.
    • Confidence: ████░ (85%)

  • ✅ The_Hotel_California_(and_subscriptions)_뉴스인사이트

    • supports: Enshittification(플랫폼 악화) 테마가 algorithms의 거친 콘텐츠 장려와 지지하며, 소셜 미디어의 참여 유도 메커니즘이 공공 행동 기준 저하를 초래한다는 논리적 관계. RSS 같은 대안이 필터링 실천을 뒷받침.
    • Confidence: ████░ (82%)

  • 🔼 Creating a digital garden to end my doomscrolling_뉴스인사이트

    • extends: Doomscrolling이 unfiltered 콘텐츠 소비와 직접 연결되며, digital garden이 필터링된 개인화된 콘텐츠 관리로 확장. 소셜 미디어 중독 극복이 온라인 필터링 실천의 구체적 사례로 작용.
    • Confidence: ████░ (88%)

  • 🔗 Taken_for_granted_뉴스인사이트

    • related: Persistent delights와 cinéma vérité가 unfiltered 표현의 가치를 재고하게 하며, 지속적인 품질 콘텐츠가 필터링의 중요성을 간접 지지. 같은 Seth Godin 시리즈로 트렌드 분석 연관성.
    • Confidence: ████░ (78%)

  • 📝 Two_kinds_of_confrontations_뉴스인사이트

    • examples: 대면 vs 온라인 confrontation이 filter vs unfiltered의 실생활 예시로, 실제 상황에서 하지 않을 말의 온라인 쏟아냄을 구체화.
    • Confidence: ████░ (75%)

📚 Knowledge Gaps

  • 🔴 알고리즘의 구체적 참여 최적화 메커니즘

    • 노트에서 algorithms가 거친 콘텐츠를 장려한다고 언급하나, 조회수/참여도 증대를 위한 A/B 테스트나 추천 알고리즘 상세가 부족. 필터링 전략 수립에 필수적.
    • Suggested resources: 'The Attention Economy' by Thomas Davenport, YouTube의 추천 시스템 논문 (Google Research)

  • 🔴 온라인 필터링의 실증적 이점과 교육 프로그램

    • 실생활 예시와 적용 방안은 있지만, 연구 기반 효과(평판 향상, 관계 유지)나 학교/조직 교육 사례가 없음. 교육연계 태그와 맞물려 지식 확장 필요.
    • Suggested resources: 'Digital Citizenship Curriculum' by Common Sense Media, Harvard Business Review의 온라인 평판 관리 기사

  • 🟡 국제적 소셜 미디어 문화 비교

    • 궁금한 점으로 언급된 다른 나라 현상이 깊이 다루지 않음. 글로벌 트렌드 분석 강화로 인사이트 폭 확대 가능.
    • Suggested resources: Pew Research Center의 글로벌 소셜 미디어 보고서, We Are Social의 Digital 2025 보고서

💡 AI Insights

이 노트는 Seth Godin의 철학을 바탕으로 온라인 필터링을 개인·사회적 품위의 핵심으로 재정의하며, algorithms 주도 unfiltered 트렌드를 비판. 관련 Seth's Blog 시리즈와 함께 소셜 미디어 플랫폼의 구조적 문제를 드러내고, digital garden 같은 대안을 암시하나, 실증 데이터와 교육 적용이 보완되어야 함. 교육·콘텐츠 기획자 대상 고품질 네트워크 구축에 강력한 인사이트 제공.

🧠 Connected Insights

📅 Last analyzed: 2025. 12. 21. 오후 7:31:35
💰 Analysis cost: $0.0201

🔗 Related Notes

  • 🔼 Filtering ourselves

    • extends: 이 노트는 해당 RSS 원본 기사를 상세히 요약, 분석하며 파인만 기법, 키워드 추출 등을 통해 개념을 확장하고 교육적 활용 방안을 추가함. 유사도 89.4%로 직접적 확장 관계.
    • Confidence: █████ (95%)

  • 🔗 Better than the cheap alternative

    • related: Seth Godin의 공통 철학으로, 'cheap alternative'이 저품질 콘텐츠를 비판하는 점이 'unfiltered' 가짜 진정성과 유사. 분석 노트의 osba에서도 0.85 related로 연결됨.
    • Confidence: ████░ (85%)

  • 🔗 Taken for granted

    • related: 온라인 행동의 감사와 필터링 테마가 공통. 'taken for granted'가 무심한 행동을 지적하는 점이 온라인 공공 기준 저하와 연결되며, osba score 0.78.
    • Confidence: ████░ (78%)

  • ✅ Actions and beliefs

    • supports: 온라인 필터링이 행동과 믿음의 일치를 강조하는 점에서 지지. 실제 행동(온라인 표현)이 믿음(진짜 자아)을 반영한다는 논리적 연관성.
    • Confidence: ████░ (75%)

  • 📝 Simple and obvious… or nuanced

    • examples: 필터링이 'nuanced' 커뮤니케이션의 예시로 작용. 단순 vs. 세련된 표현의 구분이 기사의 filter/unfiltered 대비를 구체화함.
    • Confidence: ████░ (72%)

  • 🔼 Creating a digital garden to end my doomscrolling_뉴스인사이트

    • extends: osba에서 extends로 명시. doomscrolling이 알고리즘 장려 unfiltered 콘텐츠와 직접 연결되어 온라인 행동 개선 전략 확장.
    • Confidence: ████░ (88%)

📚 Knowledge Gaps

  • 🔴 알고리즘의 구체적 참여 최적화 메커니즘

    • 기사에서 언급된 알고리즘이 거친 콘텐츠를 보상하는 이유를 깊이 탐구하지 않음. engagement 최적화가 필터링 문제의 근본 원인으로, 교육/콘텐츠 기획에 필수적.
    • Suggested resources: YouTube: 'How YouTube/ TikTok Algorithms Work' by Vsauce, Paper: 'The Spread of True and False News Online' by Vosoughi et al. (Science, 2018)

  • 🔴 온라인 필터링의 실증적 이점과 교육 프로그램

    • 필터링의 가치 주장하나, 심리적/사회적 증거나 학교 교육 적용 사례 부족. tags에 교육연계 있으나 구체화 필요.
    • Suggested resources: Book: 'Digital Citizenship in Schools' by Mike Ribble, Study: 'Effects of Online Self-Regulation on Well-being' (Journal of Computer-Mediated Communication)

  • 🟡 국제적 소셜 미디어 문화 비교

    • 서구 중심 분석으로, 한국/아시아 소셜 미디어(카카오톡, 인스타)에서의 unfiltered 현상 비교 미흡. 궁금한 점 섹션에서 제기됨.
    • Suggested resources: Report: 'Global Social Media Trends' by Hootsuite, Article: 'K-pop Fandom Rage Culture on Twitter' (various academic papers)

  • 🔴 Unfiltered 표현의 장기적 심리적/사회적 영향

    • RSS gaps에서 언급. 분열 초래 영향 언급하나 연구 증거 없음. Seth Godin 시리즈 전체 맥락에서 행동 변화 전략 필요.
    • Suggested resources: Book: 'The Coddling of the American Mind' by Haidt & Lukianoff, Podcast: 'Your Undivided Attention' episodes on social media

💡 AI Insights

이 노트는 Seth Godin의 'Filtering ourselves'를 중심으로 온라인 자기 필터링의 철학을 교육·콘텐츠 기획에 연결한 고품질 분석. RSS 원본과 NewsInsight 시리즈를 네트워크화하며, 알고리즘 주도 '가짜 unfiltered' 문제를 비판하나 실증/국제 비교 갭으로 깊이 확장 여지 있음. Seth Godin 클러스터(품질, 행동, 감사 테마) 강화에 기여.

Back to All Posts
NEW

뉴스레터 서비스가 정식 시작되었습니다!

매주 금요일, 옵시디언으로 정리한 AI 인사이트를 메일함으로 배달해 드립니다.