알고리즘 추천에서의 한국 뉴스 콘텐츠 동질화 연구: 네이버 플랫폼 뉴스를 중심으로

A Study on the Homogenization of Korean News Content in Algorithm Recommendations: Focusing on Naver Platform News

네이버를 대표로 하는 포털 사이트의 급속한 발전은 뉴스가 공공 여론 장으로 진입하는 데 근본적인 변화를 불러왔다. 이러한 배경 속에서 알고리즘 추천이 뉴스 전파에 미치는 영향, 플랫폼 환경에서의 미디어 전략 선택, 콘텐츠 동질화 및 공공성 위기 등의 문제는 이미 언론학 분야에서 가장 주목받는 연구 주제로 부상했다. 본 연구는 문헌 연구와 사례 분석을 결합한 연구 방법을 채택하였다. 연구 대상은 2025년 2월부터 8월까지 네이버 플랫폼에 게재된 ‘노인지하철 무료 승차 연령 상향’ 의제에 관한 30건의 뉴스 보도로 선정되었다. 콘텐츠 분석법을 통해 키워드 반복도, 보도 시간 분포 및 콘텐츠 프레임 수량 등의 지표를 활용하여 미디어 콘텐츠 동질화 현상을 실증 분석하였다. 연구 결과, 미디어 기관이 플랫폼 노출도를 확보하기 위해 보도 제목, 콘텐츠 프레임 및 게시 시간을 전략적으로 조정함으로써 뉴스 동질화가 심화하고 뉴스 다양성 및 공공 여론 장 논의 공간이 현저히 축소되는 것으로 나타났다. 이를 바탕으로 ‘알고리즘 추천—미디어 전략—콘텐츠 동질화—공공성 위기’라는 이론적 분석 분석틀을 구축하였다. 연구는 공공성 위기가 미디어가 사회 책임을 자발적으로 포기한 결과가 아니라 알고리즘 환경에서 필연적으로 발생하는 산물이라고 주장한다. 따라서 본 연구는 플랫폼 거버넌스, 미디어 전략 조정 및 제도적 규범 등 다차원적 경로를 통해 협업적으로 추진함으로써 디지털 뉴스 시대의 공공성과 다양성을 재구축할 필요가 있다고 제안한다.

The rapid development of portal sites represented by Naver has brought about a fundamental transformation in the way news enters the public sphere. In this context, issues such as the influence of algorithmic recommendation systems on news dissemination, media organizations' strategic choices within platform environments, content homogenization, and the resulting crisis of publicness have emerged as some of the most prominent research topics in journalism and media studies. This study adopts a mixed research approach combining literature review and case analysis. The research sample consists of 30 news articles published on the Naver platform between February and August 2025 concerning the issue of “raising the age threshold for free subway rides for older adults.” Using content analysis, the study empirically examines media content homogenization through indicators such as keyword repetition rates, temporal distribution of coverage, and the number of content frames. The findings indicate that, in order to secure greater platform visibility, media organizations strategically adjust news headlines, content frames, and publication timing, which in turn intensifies news homogenization and leads to a marked contraction of news diversity and deliberative space within the public sphere. Based on these results, the study constructs a theoretical analytical framework of ‘algorithmic recommendation-media strategies-content homogenization-crisis of publicness.’ The study argues that the ecrisis of publicness is not the result of media organizations voluntarily abandoning their social responsibility, but rather an inevitable outcome of an algorithmically driven media environment. Accordingly, it proposes that the publicness and diversity of digital journalism should be reconstructed through the coordinated advancement of platform governance, adjustments in media strategies, and institutional regulation,