Skip to main content

​
배경

COVID-19 발생 이후, 아시아계 미국인 및 태평양 도서 주민(AAPI)을 향한 증오 사건이 증가했습니다. 이러한 사건 중 일부는 뉴스에 보도되었지만, 수천 명의 개인이 연구, 옹호, 역량 강화를 통해 증오 사건에 대응하고 이를 해결하는 국가 신고 센터 Stop AAPI Hate에 신고를 제출하고 있었습니다. 이 기간 동안 The American Asian Foundation (TAAF)이 설립되었습니다. 이 조직은 이러한 사건이 표적이 된 사람들에게 개인적으로 어떤 영향을 미치는지에 대한 새로운 창을 제공하기 위해 X를 활용하기로 결정한 팀의 원동력이 되었습니다.

​
솔루션

두 명의 엔지니어로 구성된 소규모 팀은 사건 데이터의 소스로 X를 주목했습니다. 이 플랫폼을 선택한 이유는 두 가지였습니다. 첫째, 뉴스, 사람들의 아이디어, 생각, 일상적 사건, 지역 사회에서 일어나는 일 등 풍부하고 다양한 정보를 담고 있기 때문입니다. 이로 인해 X는 다양한 인구의 독특하고 친밀한 샘플을 제공합니다. 또한 X는 TAAF 개발자들이 데이터에 접근할 수 있는 진정한 개방형 API를 가진 유일한 플랫폼이며, 해당 데이터를 수집하고 분석할 수 있는 심층적인 도구를 갖추고 있습니다. X API v2의 search Tweets 및 Tweets lookup 엔드포인트를 사용하여, 팀은 post 상태를 검색하고 사람들이 언제 증오 사건을 신고했는지(그리고 어떤 해시태그를 사용했는지)를 식별할 수 있었습니다. 이는 팀이 수십억 개의 post를 팀이 다룰 수 있는 양으로 좁힐 수 있도록 1023자 검색 쿼리를 설계하는 데 도움이 되었습니다. 다음으로는 해당 post가 실제로 증오 사건에 관한 것인지 검증하는 작업이 이어졌습니다. 팀은 자연어 처리 기술을 활용한 도구를 개발하여 수천 개의 post 중 프로젝트와 관련된 것을 걸러낼 수 있게 했습니다. 학습된 머신 러닝 모델을 적용한 후, post는 정확도를 더 높이기 위해 사람이 검증했습니다. 2021년, TAAF는 또한 Stop AAPI Hate 연합과 함께 Documenting Anti-AAPI Hate Codebook을 공동 저술했습니다. 이 리소스는 커뮤니티 기반 데이터 수집을 위한 초안 기준과 관행을 포함하고 있으며, 팀이 X에서 사람들이 공유하는 사건을 분류하는 데 도움을 주었습니다. 이후 다음 과제는 이 데이터를 사람들이 쉽게 이해할 수 있는 방식으로 제시하는 것이었습니다. TAAF는 방대한 양의 데이터를 인터랙티브한 방식으로 표시하는 데이터 시각화 도구 Decoding Hate를 만들었습니다. 데이터 시각화 스튜디오의 도움을 받아 주석이 달린 X 데이터를 수천 개의 post에서 AAPI 커뮤니티 내에서 일어나고 있는 일의 진실을 드러내는 통찰력 있는 스토리로 바꿀 수 있었습니다.

​
임팩트

Decoding Hate 프로젝트는 그렇지 않았다면 신고되지 않았을 수천 건의 증오 관련 사건을 감지하는 데 도움을 주었고, 오늘날에도 이를 계속하고 있습니다. 이 프로젝트는 AAPI 커뮤니티 내에서 벌어지고 있는 개인적 경험에 대한 인식을 확산하는 지속적인 도구가 되었습니다. TAAF는 다음 단계 작업으로 Stop AAPI Hate와 협력하여 X에서 증오 사건을 신고하는 개인들에게 개별 인적 응답을 시범 운영할 예정입니다. 이 단계에서 Stop AAPI Hate는 자신들이 경험한 증오에 대해 논하는 post를 보내는 많은 사람들과 적극적으로 소통하며, Stop AAPI Hate 신고 센터를 통해 사건을 신고하도록 독려할 것입니다. Stop AAPI Hate에 신고하는 사람들이 많을수록 연합과 파트너들이 발생하고 있는 증오 사건의 성격을 더 잘 이해하고 가장 효과적인 정책 솔루션을 옹호할 수 있습니다. 이 프로젝트는 AAPI 커뮤니티에서 벌어지는 증오 관련 사건을 드러내는 것과 함께, X의 API의 가치도 조명합니다. 이 사례는 개발자들이 올바른 데이터를 올바른 도구와 함께 활용함으로써, X를 통해 좋은 목적을 위한 혁신을 이뤄낼 수 있음을 보여줍니다.