[논문 리뷰] Endogenous Coalition Formation in Policy Debates

Philip Leifeld, Laurence Brandenberger|Research Explorer (The University of Manchester)|2019. 03. 25.

Policy Transfer and Learning참고 문헌 32인용 수 10

한 줄 요약

이 논문은 정책 논의에서 내생적 연대군 형성에 대한 네트워크 기반 이론을 제안한다. 여기서 행위자들은 세 가지 메커니즘을 통해 연대군을 형성하고 유지한다: 긍정적 보상(유사한 행위자들로부터 배우기), 혁신 학습(약한 유대를 통해 호환 가능한 신념 수용하기), 부정적 보상(적대적 행위자들로부터 멀어지기). 일일 해상도의 9년 분량 정책 논의 데이터셋을 바탕으로 동적 네트워크 분석을 수행한 결과, 이 세 메커니즘이 모두 연대군 역학을 형성하는 데 체계적인 증거를 보이며, 신념 학습을 통해 어떻게 옹호 연대군이 형성되고 지속되는지를 미시적 수준에서 설명한다.

ABSTRACT

Political actors form coalitions around their joint normative beliefs in order to influence the policy process on contentious issues such as climate change or population ageing. Policy process theory maintains that learning within and across coalitions is a central predictor of coalition formation and policy change but has yet to explain how policy learning works. The present article explains the formation and maintenance of coalitions by focusing on the ways actors adopt policy beliefs from other actors in policy debates. A policy debate is a complex social system in which temporal network dependence guides how actors contribute ideological statements to the debate. Belief adoption matters in three complementary ways: bonding, which exploits cues within coalitions; bridging, which explores new beliefs outside one's perimeter in the debate; and repulsion, which reinforces polarization between coalitions and cements their belief systems. We formalize this theory of endogenous coalition formation in policy debates and test it on a micro-level empirical dataset using statistical network analysis and event history analysis.

연구 동기 및 목표

• 정치 행위자들이 외생적 요인을 고려하지 않고, 오히려 신념 학습을 통해 정책 논의에서 연대군을 형성하고 유지하는 방식을 설명하는 것.
• 학습 과정이 연대군 구조를 인과적으로 형성하는 방식을 이해하는 데 미치는 격차를 메우며, 단순한 연대군 식별을 넘어서는 것.
• 의견 표현의 횡단적 및 종단적 의존성에 기반한 복잡한 네트워크 현상으로서 연대군 형성을 모델링하는 것.
• 실증 데이터를 바탕으로 긍정적 보상, 혁신 학습, 부정적 보상이라는 세 가지 학습 메커니즘을 포함한 이론을 검증하는 것.
• 동적 정책 논의 데이터에 적합한 네트워크 분석과 사건 이력 분석을 융합한 새로운 추론 기법을 개발하고 적용하는 것.

제안 방법

• 연구는 시간에 따라 영향력이 감소하는 손실 함수를 적용한 서명된 이분 그래프를 위한 관계 기반 사건 모델을 사용하여 정책 논의 네트워크의 시간적 변화를 모델링한다.
• 영향력 감쇠를 위해 반감기를 20일로 설정하였으며, 시뮬레이션을 통한 탄력성 검증을 수행하였다.
• 모델은 유대 관계(긍정적 보상), 다리 역할 관계(혁신 학습), 회피 관계(부정적 보상)를 위한 충분 통계량을 포함한다.
• 네트워크 분석과 사건 이력 분석을 융합하여, 의견 표현의 일일 해상도 데이터에서 인과적 메커니즘을 추론한다.
• 예측 적합도 평가 및 모델 파라미터의 통계적 검증이 가능하며, 충분 통계량의 식별도 가능하다.
• 이 프레임워크는 9년 분량의 종단적 데이터셋에 적용되었으며, 의견 일치는 문제 간 이념적 일치 수준으로 측정되었다.

실험 결과

연구 질문

• RQ1 행위자들은 서로의 정책 신념을 배우는 과정을 통해 정책 논의에서 어떻게 연대군을 형성하고 유지하는가?
• RQ2 유대, 다리 역할, 회피 관계가 함께 작용할 때 옹호 연대군의 구조와 진화에 얼마나 큰 영향을 미치는가?
• RQ3 긍정적 보상, 혁신 학습, 부정적 보상 중 어느 것이 동적 정책 논의에서 연대군 형성에 상대적으로 더 큰 기여를 하는가?
• RQ4 네트워크 분석과 사건 이력 분석을 어떻게 융합하여 신념 수용 및 연대군 역학의 인과적 메커니즘을 추론할 수 있는가?
• RQ5 이 세 가지 학습 메커니즘을 포함한 모델이 관찰된 연대군 구조를 설명하는 데 있어 예측 적합성은 어느 정도인가?

주요 결과

• 연구는 정책 논의에서 연대군 형성과 유지에 영향을 미치는 세 메커니즘—긍정적 보상, 혁신 학습, 부정적 보상—에 대해 체계적인 실증적 근거를 발견하였다.
• 긍정적 보상은 이데올로기적으로 유사한 대상으로부터 신념을 수용함으로써 내부 단결을 강화하는 것으로 뚜렷하게 확인되었다.
• 혁신 학습은 약한 유대를 통해 새로운 신념을 수용하는 것으로 관찰되었으며, 이는 다른 문제들에 대해 최소한의 사전 일치를 보인 행위자들로부터 이루어져, 이행적 신뢰를 시사한다.
• 부정적 보상은 과거의 적대자들로부터의 신념 수용을 피하거나 반대함으로써 확인되었으며, 이는 연대군 간 극화를 강화한다.
• 모델는 예측 적합도를 보이며, 사회 시스템의 본질적 복잡성에도 불구하고 이 세 메커니즘이 함께 연대군 역학의 의미 있는 부분을 설명하고 있음을 시사한다.
• 결과는 신념 학습이 무작위가 아니라 네트워크 관계를 통해 체계적으로 이루어지며, 강한 유대와 약한 유대가 연대군 진화에서 각기 다른 역할을 한다는 것을 시사한다.