개념 클러스터 판별
게시글, 기사, 영상 자막, 음성 발화에서 검증 가능한 주장 단위를 추출하고, 연결된 서사 클러스터까지 함께 추적합니다.
PIPE 05 / AX-Infodemics ontology archive
INFODEMICS SILENCED는 AX-인포데믹 프로젝트의
개념 클러스터 기반 온톨로지와 대응 프레임워크를 의사결정자 언어로 정리한 아카이브입니다.
감염병, 백신, 치료제 관련 허위정보는 흩어진 게시물의 집합이 아니라 서로 연결된 개념 클러스터입니다. INFODEMICS SILENCED는 Claim 중심 분석, 멀티모달 근거 수집, 명시형·암묵형 온톨로지, 사실성·위험도 판별, Prebunking 중심 대응 워크플로우를 한 화면에서 이해할 수 있도록 정리한 메시지형 아카이브입니다.
명시형 + 암묵형 온톨로지
엔터티와 관계는 명시형 스키마로 관리하고, 서사 활성화와 변형 표현은 암묵형 관계망으로 해석해 판단 근거를 풍부하게 남깁니다.
Prebunking 중심 대응
실시간 모니터링과 위험도 분석을 사전반박, 리터러시 강화, 커뮤니티 브리핑, 플랫폼 개입 워크플로우로 이어지게 설계합니다.
AX-Infodemics / Ontology map
인포데믹은 흩어진 루머가 아니라
개념 클러스터 네트워크로 움직입니다.
하나의 Claim이 들어오면 그것과 함께 움직이는 Narrative, Channel, Community, Risk를 함께 봐야 합니다. 아울네스트는 질병, 백신, 치료제, Claim, Narrative, Evidence, Channel, Community, Risk, Response를 연결한 온톨로지와 멀티모달 근거 수집 체계를 통해 어떤 서사가 왜 위험한지와 어떤 대응을 먼저 실행해야 하는지를 동시에 제시합니다.
부작용 과장
이물질·음모론
가짜 치료제
정책 불신
임신부·소아 거부
플랫폼 확산
문장을 단순 키워드가 아니라 검증 가능한 주장 단위로 분해하고 유사 표현을 하나의 클러스터로 묶습니다.
하나의 Claim이 유입되면 연결된 서사와 취약 집단, 채널, 행동 변화를 함께 점검합니다.
온톨로지와 멀티모달 증거를 결합해 사실성·위험도 판별의 설명 일관성을 높입니다.
Prebunking, 브리핑, 커뮤니티 설명, 플랫폼 개입, 사후 정정까지 하나의 운영 흐름으로 설계합니다.
예시 활성화 체인
mRNA 백신 관련 Claim이 포착되면 부작용 과장, 임신부·소아 거부, 정책 불신, 접종 회피, 커뮤니티 확산 같은 연쇄 서사를 함께 활성화해 대응 순서를 설계합니다.
Ontology schema
인포데믹 대응에 필요한 엔터티와 관계를
운영 가능한 스키마로 정리합니다.
키워드 카운팅만으로는 허위정보를 관리할 수 없습니다. 무엇이 Claim인지, 어떤 Narrative와 Source를 타는지, 어떤 근거와 사실성이 연결되는지, 어떤 Community로 확산되는지, 어떤 대응이 필요한지를 함께 다뤄야 합니다.
질병 · 백신 · 치료제
도메인 엔터티를 정규화해 이슈 군집과 주장의 맥락을 안정적으로 관리합니다.
Claim
검증 가능한 주장 단위를 기준으로 이슈를 추적하고 변형 표현을 통합합니다.
Narrative · Source
어떤 서사가 어떤 채널과 출처를 통해 확산되는지, 그리고 그 출처의 신뢰 수준이 무엇인지 함께 관리합니다.
Evidence · Fact · Risk
근거 자료, 사실성 판단, 위험도 분류를 분리해 설명 가능성과 대응 우선순위를 동시에 확보합니다.
Channel · Community
어떤 채널과 커뮤니티를 타고 확산되는지 추적해 대응 범위와 메시지 순서를 설정합니다.
Response playbook
검토, 경보, Prebunking, 브리핑, 플랫폼 개입, 사후 정정으로 이어지는 워크플로우를 지식 구조와 직접 연결합니다.
Cluster atlas
실제 운영에서 주시하는 인포데믹 클러스터를
개념 묶음 단위로 관리합니다.
인포데믹 대응의 핵심은 루머를 하나씩 나열하는 것이 아니라, 반복적으로 결합되는 서사를 클러스터로 정리하는 것입니다. 그래야 조기 경보, 브리핑, 사전반박 전략이 일관되게 작동합니다.
mRNA 부작용 과장01
암, 불임, DNA 변형처럼 공포를 극대화하는 서사는 접종 기피와 직접 연결되므로 우선 추적 대상입니다.
이물질·음모론02
그래핀, 나노봇, 미생물 움직임 같은 서사는 시각 자료와 밈을 타고 빠르게 재생산됩니다.
가짜 치료제·민간요법03
검증되지 않은 대체 요법은 행동 변화를 유발하므로 위험도와 우선 대응 채널을 함께 설정해야 합니다.
정책 불신04
숨긴 데이터, 통계 조작, 강제 접종 같은 서사는 다른 루머를 지지하는 기반 정서를 형성합니다.
임신부·소아 거부05
취약 집단 공포 서사는 행동 전환 효과가 커서 별도의 사전반박과 커뮤니티 설명 전략이 필요합니다.
장기후유증 vs 백신후유증06
비교 서사와 체감 경험담이 결합되는 영역으로, 근거 연결과 맥락 설명이 중요합니다.
플랫폼 확산 경로07
유튜브, 커뮤니티, 메시징, 숏폼은 각기 다른 변형 양상을 보이므로 채널별 감시 구조를 달리해야 합니다.
신종감염병 루머08
새로운 변이나 감염병 이슈가 등장할 때 기존 백신 불신 서사와 결합해 재확산되는 패턴을 추적합니다.
법적·행정적 대응 요구09
허위정보 신고, 삭제, 경고, 정정 공지 등 제도적 조치가 필요한 이슈를 별도 큐로 관리합니다.
공중보건 신뢰 회복10
위험 클러스터를 줄이는 것만큼 신뢰 서사를 회복하는 캠페인과 커뮤니티 설명 체계가 중요합니다.
Ontology architecture
전통적 온톨로지의 엄밀함과
암묵형 관계망의 유연성을 함께 씁니다.
인포데믹 운영에서는 두 축이 함께 필요합니다. 명시형 스키마는 엔터티와 규칙을 통제하고, 암묵형 관계망은 새로운 표현과 연결 클러스터를 빠르게 포착합니다. 아울네스트는 두 방식을 결합해 설명 가능성과 탐지 범위를 동시에 높입니다.
Explicit schema
엔터티와 규칙의 기준선
- 질병, 백신, 치료제, Claim, Source, Risk, Response를 명시적으로 관리합니다.
- 보고, 검수, 감사, 설명 책임이 필요한 환경에서 안정적입니다.
- 브리핑과 대시보드의 기준 용어를 통일합니다.
Implicit graph
클러스터 활성화의 탐지선
- 대형 언어 모델의 통계적 관계망으로 변형 표현과 새 서사를 포착합니다.
- Claim 하나가 어떤 Narrative와 Community를 자극하는지 빠르게 읽어냅니다.
- Prebunking 대상과 우선순위 선정에 강합니다.
| 항목 | 전통적 온톨로지 | 운영형 개념 클러스터 온톨로지 |
|---|---|---|
| 구조 | 엄격한 계층과 제약엔터티, 관계, 규칙이 분명하고 버전 관리가 쉽습니다. | 느슨한 통계적 연결패턴, 연관성, 변형 표현을 넓게 포착합니다. |
| 질의 | 정의된 스키마 중심무엇을 물어볼지와 관계를 선명하게 정의합니다. | 자연어 중심프롬프트와 유사도 탐색으로 연결 클러스터를 빠르게 불러옵니다. |
| 장점 | 엄밀성과 설명 가능성보고, 근거 문서화, 규제 대응에 유리합니다. | 커버리지와 적응성새로운 루머나 복합 서사를 조기에 감지하기 좋습니다. |
| 주의점 | 구축 비용스키마 설계와 유지 관리가 무겁습니다. | 해석 관리 필요모순과 과잉 일반화를 줄이기 위한 검수 체계가 필요합니다. |
Response strategy
사후 반박은 일부에 불과합니다.
인포데믹 대응은 사전 예방형 전략이 중심이어야 합니다.
아울네스트는 단순 모니터링 도구가 아니라, 고위험 서사를 미리 감지하고 어떤 메시지를 어떤 채널로 먼저 배포해야 하는지까지 연결하는 운영형 대응 체계를 설계합니다.
01 / Prevention
Prebunking
고위험 루머가 퍼지기 전에 사실 구조와 논리 오류를 미리 설명하는 예방형 전략입니다.
- 클러스터별 예방 메시지 패키지
- 배너·FAQ·브리핑 사전 배포
02 / Literacy
Boosting
사용자와 현업이 정보를 스스로 판별하도록 도와 루머의 설득력을 낮춥니다.
- 출처 검증 가이드
- 현업용 판단 체크리스트
03 / Narrative
Narrative reframing
공포 서사를 그대로 따라가기보다, 보호와 신뢰의 관점으로 메시지 구조를 재설계합니다.
- 취약 집단 보호 메시지
- 긍정 서사 재구성
04 / Community
Community-led response
지역 의료진, 담당자, 신뢰 가능한 커뮤니티 리더를 통해 설명의 설득력을 높입니다.
- 집단별 브리핑 포인트
- 현장 설명용 콘텐츠 팩
05 / Platform
Algorithmic intervention
채널별 확산 구조를 기반으로 경고, 추천, 노출 우선순위 같은 플랫폼 개입 포인트를 설정합니다.
- 채널별 대응 우선순위
- 경고·추천·정정 노출 연계
06 / Correction
Debunking
사후 정정은 전체 전략의 후속 단계로 배치해 공식 팩트시트와 검수 이력을 남깁니다.
- 정정 문서와 근거 링크
- 검수 로그와 설명 책임 확보
Service view
이 아카이브는 기술 설명보다 먼저
운영 화면과 대응 플레이북을 보여줍니다.
실시간 클러스터 모니터링
Claim, Narrative, Community, 위험도, 확산 신호를 한 화면에서 읽을 수 있도록 구성합니다.
멀티모달 근거 패널
텍스트, 이미지, 영상, 음성에서 추출한 증거를 함께 제시해 판단의 설명력을 높입니다.
온톨로지 기반 Evidence Link
주장과 근거, 사실성, 위험도, 대응조치의 관계를 시각적으로 확인할 수 있습니다.
Prebunking 우선순위 설계
어떤 이슈에 먼저 사전반박을 배치하고 어떤 채널을 우선 대응할지 의사결정 흐름을 정리합니다.
When to use
추천 활용 맥락
공공 AX 기반 인포데믹 대응감염병, 백신, 치료제 이슈를 조기 탐지하고 개념 클러스터 단위로 구조적으로 관리해야 하는 상황에 적합합니다.
보건 커뮤니케이션 브리핑허위정보의 주장 구조, 연결 서사, 사전반박 포인트를 고위 의사결정자에게 빠르게 설명해야 할 때 유효합니다.
Prebunking 중심 솔루션 제안모니터링, 판별, 사전반박, 브리핑 워크플로우가 결합된 공공 AX 솔루션을 제안할 때 강합니다.