외국인 유튜버의 K 콘텐츠에 대한 시청자의 공감 댓글 분석

2-1 플랫폼 환경에서의 외부 시선과 문화 재인식

디지털 플랫폼에서 외부 시선은 특정 문화를 위계화하는 권력 구조라기보다, 익숙한 일상을 새롭게 인식하게 만드는 해석 장치로 기능한다. 유튜브에서 외국인 유튜버는 한국의 음식, 공간, 생활 장면을 자신의 경험과 감정 흐름에 따라 재구성하며, 이를 통해 한국 시청자는 일상적 장면을 새로운 시각에서 재인식하게 된다. 이러한 과정에서 낯섦과 친근함이 동시에 발생하며, 이는 시청자의 감정 반응을 자극하고 댓글 참여로 이어져 집단적 의미를 형성한다[10],[11].

한국 사회에서 외부 평가는 자부심과 동시에 외부 시선을 의식 하는 태도를 함께 형성한다. 외국인 유튜버 콘텐츠가 높은 호응을 얻는 현상은 이러한 양가적 인식 구조를 반영하며, 글로벌 플랫폼 환경에서 외부 반응이 자문화 인식을 재구성하는 과정으로 이해할 수 있다. 예컨대 외국인이 한국 음식을 경험하거나 전통시장을 방문하는 장면은 익숙한 일상을 낯설게 만들며, 긍정적 반응은 시청자의 친근함과 자부심을 동시에 유발한다. 이는 외부 시선이 단순한 문화 소개를 넘어, 문화적 자아 재인식의 계기로 작용함을 보여준다[12].

외국인 유튜버 콘텐츠는 이러한 감정 소비 구조 속에서 특징적인 역할을 수행한다. 즉흥적 반응과 언어적 시행착오는 웃음과 공감을 동시에 유도하며, 낯섦과 친근함이 교차하는 장면에서 정서적 반응이 극대화된다[13],[14]. 예를 들어 서툰 한국어 사용은 유머와 호감을 유발하고, 노력에 대한 존중을 매개로 긍정적 감정을 강화한다. 이러한 과정에서 감정은 댓글을 통해 공유되며 집단적 정서로 정렬된다.

2-2 상호작용과 유대감 형성

디지털 환경에서 시청자와 콘텐츠 생산자의 관계는 단순한 수용을 넘어 댓글, 좋아요, 공유와 같은 상호작용을 통해 형성된다. 외국인 유튜버의 한국 관련 콘텐츠는 낯선 시선과 일상적 경험이 결합되면서 시청자에게 공감과 흥미를 동시에 유발하며, 이러한 감정 반응은 댓글 공간을 통해 집단적으로 표현되고 확산된다. 시청자는 외국인 유튜버의 자연스러운 표현, 언어적 시행착오, 생활 적응 과정에서 진정성을 인식하며, 이는 신뢰 형성과 정서적 유대 강화로 이어진다. 진정성은 단순한 개인적 호감을 넘어 집단적 감정 형성의 핵심 요인으로 작용한다. 외부인이 한국 문화를 긍정적으로 경험하고 표현하는 과정을 통해 시청자는 문화적 자부심과 만족감을 동시에 경험하며, 이는 자문화에 대한 인식 강화로 이어진다. 이러한 감정은 댓글을 통해 반복적으로 공유되며, 공감과 유대감이 집단적 차원으로 확장된다. 결과적으로 진정성은 상호작용을 매개로 감정 소비와 참여를 촉진하는 핵심 메커니즘으로 작동한다.

유튜브 댓글은 이러한 감정 공유와 상호작용 구조를 분석할 수 있는 대표적인 데이터이다. 댓글에는 시청자의 감정과 태도가 직접적으로 드러나며, 공감, 유머, 존중, 응원과 같은 정서가 반복적으로 축적되면서 집단적 감정 구조를 형성한다. 선행 연구에서도 댓글은 이용자의 만족도, 참여 행동, 문화 인식에 영향을 미치는 주요 요인으로 활용되어 왔다. 댓글은 감정이 개별적 수준을 넘어 집단적으로 정렬되는 과정을 보여주는 중요한 분석 자료로 기능한다.

감성 분석은 이러한 텍스트 데이터에 내재된 주관적인 감정과 태도를 정량화하는 기법으로, 사전 기반 접근에서 머신러닝 및 대규모 언어모델 활용 방식으로 발전해 왔다[15],[16]. 최근 BERT, GPT와 같은 대규모 언어모델 기반 감성 분석은 문맥 이해 측면에서 높은 성능을 보이며 다양한 연구에서 활용되고 있다. 그러나 유튜브 댓글은 구어체, 축약어, 반복 표현, 비정형 문장 구조가 빈번하게 나타나는 특성을 지니므로, 감정 분류 기준의 일관성과 해석 가능성을 확보하기 위해 도메인 특화 사전을 활용한 접근이 여전히 유효한 방법론으로 평가된다.

기존 연구들은 감정의 방향성(긍정·부정)이나 참여 지표 중심의 분석에 머무르는 경향이 있으며, 감정의 강도를 계량화하여 콘텐츠의 표현 방식과 연결한 연구는 상대적으로 부족하다. 본 연구는 사전 기반 감성 분석을 중심으로 댓글의 문맥과 표현 강도를 함께 고려하는 보완적 해석을 적용하고, 감정 강도를 정량화함으로써 외국인 유튜버 콘텐츠의 유형 및 표현 방식이 시청자의 공감 구조와 어떠한 차이를 보이는지를 실증적으로 분석하고자 한다[17].

3-1 분석 대상 선정 기준

본 연구는 외국인 유튜버가 제작한 한국 관련 디지털 영상물 가운데 한국의 일상을 중심 주제로 반복적으로 다루는 콘텐츠에 주목하였다. 분석 대상은 일회적 화제성이나 개인적 취향에 국한된 영상이 아니라, 일정 수준 이상의 대중적 수용을 확보하고 한국인의 생활세계를 지속적으로 재현하며 시청자 반응이 축적된 콘텐츠로 한정하였다. 이러한 설정은 1인 미디어가 문화 전달 매개로 기능하며 반복적 콘텐츠 소비를 통해 영향력을 형성한다는 선행 연구의 논의를 반영한 것이다[18].

먼저 사회적 파급력을 확보하기 위해 구독자 수 10만 명 이상을 보유한 유튜버를 분석 대상으로 선정하였다. 유튜브 플랫폼은 추천 알고리즘과 구독 기반 노출 구조를 통해 일정 규모 이상의 채널이 지속적으로 노출될 가능성이 높으며, 댓글과 공유를 통해 담론 형성에도 영향력을 가진다. 따라서 본 연구는 반복적 소비와 상호작용이 가능한 대중적 콘텐츠를 중심으로 분석 범위를 구성하였다.

다음으로 주제 적합성을 확보하기 위해 한국 사회와 문화, 일상적 경험을 핵심적으로 다루는 콘텐츠를 중심으로 분석 대상을 구성하였다. 이에 따라 일회성 이벤트성 영상이나 한국의 일상 및 문화 재현과 직접적 관련성이 낮은 반응형 콘텐츠는 제외하였으며, 단순히 한국 음식 체험, 일상 브이로그, 문화 소개, 교양 정보형 콘텐츠 등 한국 생활세계의 재현이 두드러지는 영상은 분석 범위에 포함하였다.

문화적 배경의 다양성을 확보하기 위해 서구권과 비서구권 유튜버를 균형 있게 포함하였다. 이는 특정 문화권의 우열을 구분하기 위한 것이 아니라, 유튜버 유형과 채널 성격이 이용자 태도 및 수용 방식에 영향을 미친다는 기존 연구를 바탕으로, 문화적 배경 차이가 콘텐츠 재현 방식과 시청자의 감정 반응 구조에 어떠한 차이를 보이는지를 비교하기 위한 분석적 설정이다[19],[20]. 최종적으로 각 채널에서 조회수 상위 3편을 선정하여 총 15편의 영상을 분석 대상으로 확정하였다. 이러한 절차는 콘텐츠의 질적 다양성과 비교 가능성을 동시에 확보하기 위한 것이다. 표 1은 연구분석 대상 유튜버를 정리한 것이다.

Table 1.

Study and analysis subject YouTuber

본 연구에서의 국적 구분은 문화적 배경에 따른 차이를 탐색적으로 비교하기 위한 분석 틀로 설정된 것이며, 특정 집단의 일반적 특성을 단정하기 위한 목적은 아니다. 따라서 결과 해석에 있어 국적 변수는 개별 유튜버의 콘텐츠 구성 방식과 표현 전략과 함께 종합적으로 고려하였다.

3-2 데이터 수집 및 분석 방법

본 연구는 외국인 유튜버 콘텐츠의 수용 양상을 다층적으로 파악하기 위해 정량적 분석과 정성적 분석을 병행하였다. 우선 정량적 분석은 각 콘텐츠의 조회수, 좋아요 수, 댓글 수 등 반응 지표를 중심으로 진행하였다. 이러한 지표는 콘텐츠의 도달 규모와 이용자 반응 수준을 객관적으로 입증하는 근거가 되며, 단순히 구독자 수에 의존하여 파급력을 추정하는 한계를 보완한다.

정성적 분석은 콘텐츠에 게재된 한국어 댓글을 대상으로 수행하였다. 앞서 언급한대로 대상 콘텐츠별 상위 노출 댓글 100개를 표본으로 삼아 총 1,500개의 데이터를 수집하였다. 상위 노출 댓글은 단순한 기계적 노출의 결과가 아니라, 이용자 간의 공감과 좋아요, 상호작용을 통해 형성된다는 점에서 플랫폼 내 집단적 감정 반응이 응집된 데이터로 볼 수 있다[21]-[23]. 따라서 본 연구는 상위 노출 댓글을 시청자 집단의 대표적인 정서 표현으로 간주하고 이를 주요 분석 대상으로 활용하였다. 또한 총 1,500건의 댓글 데이터는 정량적 분석을 수행하기 위한 최소한의 표본으로 설정되었으며, 개별 댓글의 맥락을 함께 고려하는 정성적 해석을 병행함으로써 데이터 규모의 한계를 보완하고자 하였다.

이러한 방식은 플랫폼 알고리즘에 따른 편향이 개입될 여지가 있다. 이에 본 연구는 분석 결과를 전체 시청자의 보편적 반응으로 일반화하기보다, 플랫폼 내에서 가시화된 감정 반응 구조로 한정하여 해석함으로써 논의의 타당성을 확보하고자 하였다. 본 연구는 대표성 확보보다는 감정 표현 구조의 탐색적 분석에 초점을 두었다. 데이터 정제 과정에서는 분석의 질적 타당성을 높이기 위해 광고성 문구, 단순 기호(예: “ㅋㅋㅋ”), 중복 댓글 등을 제외하였다. 수집된 댓글에는 다양한 정서적 반응이 직접적으로 드러나 있었다. 예를 들어, 일부 시청자는 “이건 정말 고문이네요. 너무나 아름다운 두분(@Taegeun70)”, “최고 미녀 나왔네요(@yhjwin)”, “두분 너무 아름답습니다!(@Qcefer)”와 같이 외모와 분위기에 대한 감탄을 표현하였다. 또 다른 시청자들은 “야무지게 잘 드시네 ㅋ(@junlilkang4058)”, “아따마 시원시원하게 잘드시네요잉(@dertra-p6i)”, “정말 잘드신다 보기 좋아요(@스퀄-b2t)”와 같은 댓글을 남기며 음식 섭취 장면에서 친근감과 즐거움을 드러냈다. 이와 함께 “감탄사가 절로 나온다.....(@dlee0724)”와 같은 표현은 감정 몰입과 감동을 직접적으로 나타내는 사례로 해석할 수 있다. 이러한 댓글 예시는 정량적 수치뿐 아니라, 외국인 유튜버 콘텐츠가 시청자에게 어떤 정서적 공명을 유발하는지를 보여주는 질적 자료로 기능한다. 그림 1은 분석방법인 kiwi 형태소 분석기 실행화면이다.

Fig. 1.

kiwi morpheme analyzer*This figure is presented in Korean because it analyzes Korean-language comments, requiring the display of original Korean morphemes for accurate linguistic context.

수집된 텍스트 데이터는 형태소 분석기를 활용하여 어간, 명사, 형용사, 동사 등 핵심 요소를 추출하고 정규화하였다. 한국어는 교착어적 특성으로 인해 동일한 의미가 다양한 활용형으로 나타날 수 있으므로 어간을 기준으로 데이터 정제 과정을 수행하였다. 예컨대 “좋다”, “좋아요”, “좋네”와 같은 표현은 동일한 긍정 반응으로 통합하였다. 이러한 전처리 과정은 데이터의 일관성을 확보하고 분석의 정확도를 높이는 데 중요한 역할을 한다.

감정 분류에는 군산대학교에서 개발한 KNU 한국어 감성사전을 활용하였다. 그림 2는 KNU 한국어 감성사전 실행결과이다. 사전 기반 분류는 연구자의 주관성을 최소화하고 반복적이며 일관된 분석을 가능하게 한다는 점에서 의의가 있다. 다만 사전적 분류에만 의존하지 않고 댓글의 맥락을 반영하여 최종적으로 여섯 가지 감정 범주로 재구성하였다. 감정 범주는 감사 및 존경, 친근함 및 공감, 유쾌함 및 유머, 감동 및 응원, 정보성 및 교양, 부정 및 비판으로 설정하였다. 주요 감정 키워드는 전체 댓글에서 출현 빈도가 3% 이상인 경우에 한해 분석 대상으로 포함하였다. 이 기준은 소수 의견에 의해 전체 결과가 왜곡되는 것을 방지하고 주요 감정 경향에 집중하기 위한 장치이다.

Fig. 2.

Results of KNU sentiment lexicon analysis*This figure is presented in Korean because it shows the sentiment classification output of Korean-language comments processed with the KNU Korean Sentiment Lexicon, where maintaining the original Korean text is essential for clarity and semantic accuracy.

또한 본 연구는 댓글 텍스트에 국한하지 않고, 각 유튜버의 영상 제작 과정에서 드러나는 메타 정보도 함께 수집하였다. 콘텐츠 제목, 썸네일 이미지, 설명란, 채널 소개문은 유튜버의 기획 방향과 정체성 표현 방식을 보여주는 자료가 되며, 시청자 반응과 유튜버의 표현 전략을 연결해 해석하는 데 활용된다. 이를 통해 댓글 반응을 서사와 시각적 구성, 표현 방식과 함께 종합적으로 분석할 수 있다.

3-3 분석 틀 구성

본 연구는 정량 지표와 정성 감정 데이터를 연계하여 시청자 반응을 다층적으로 분석하였다. 분석 절차는 다음과 같은 일곱 단계로 설계하였다. 그림 3은 연구 절차 및 분석 프로세스이다.

Fig. 3.

Research procedures and analysis process

첫째, 국적 다양성 기준을 설정하여 서구권과 비서구권 유튜버를 균형 있게 포함하였다. 둘째, 각 유튜버 채널에서 조회수 기준 상위 3편의 대표 콘텐츠를 선별하였으며, 한국 일상 재현이라는 주제 적합성과 도달 규모를 함께 검토하였다. 셋째, 2025년 6월 13일 기준으로 상위 노출 한국어 댓글 100개씩을 수집하여 총 1,500개를 확보하였고, 2025년 9월 5일에 데이터를 재확인하여 분석 대상의 안정성을 점검하였다. 넷째, 수집된 댓글에 형태소 분석을 적용하고 불용어 제거와 키워드 필터링을 수행하여 핵심 감정 키워드를 추출하였다. 다섯째, 추출 키워드를 여섯 가지 감정 범주로 분류하고 출현 빈도 3% 이상인 항목만 주요 분석 대상으로 포함하였다. 여섯째, 각 감정 범주 내 키워드에 대해 문맥적 강조 정도, 반복성, 감정의 깊이를 반영하여 5점 척도로 강도를 평가하였다. 일곱째, 정량 지표와 감정 범주, 감정 강도를 종합하여 유튜버의 국적, 콘텐츠 유형, 표현 방식에 따른 차이를 통합적으로 분석하였다.

이러한 분석 구조는 댓글 반응의 빈도 중심 분석을 넘어, 플랫폼 참여가 감정을 어떻게 드러내고 공유하며, 그 감정이 공감과 유대, 지속적 참여로 이어지는 과정을 함께 설명하기 위한 틀을 제공한다. 또한 유튜버의 문화적 배경, 콘텐츠의 서사 구성, 감정 유발 요소의 결합을 동시에 검토함으로써 디지털 콘텐츠 수용 과정에서 나타나는 감정 반응의 차이와 공감 형성의 조건을 입체적으로 이해할 수 있도록 한다.

3-4 감정 분석 체계

사전 기반 감성 분석은 연구자의 주관적 판단 개입을 최소화하고 동일한 기준에 따른 반복 가능한 분석을 수행할 수 있다는 점에서 방법론적 안정성을 확보할 수 있다.

최근에는 대규모 언어모델을 활용한 감성 분석이 문맥 이해 측면에서 주목받고 있으나, 본 연구의 분석 대상인 유튜브 댓글 데이터는 구어체, 축약 표현, 반복어(예: “ㅋㅋㅋ”, “ㅎㅎ”) 등 비정형 언어가 빈번하게 나타나는 특성을 가진다. 이러한 데이터 환경에서는 사전 기반 접근이 감정 분류 기준을 일관되게 유지하는 데 유리하며, 한국어에 특화된 감성 사전을 활용할 경우 의미 왜곡을 최소화할 수 있다.

따라서 본 연구는 분석의 일관성과 재현 가능성을 확보하기 위해 사전 기반 접근을 채택하였으며, 동시에 댓글의 문맥을 고려하여 감정 범주를 보완함으로써 단순 키워드 기반 분류의 한계를 보완하고자 하였다.

감정 범주는 여섯 가지로 설정하였다. 감사 및 존경, 친근함 및 공감, 유쾌함 및 유머, 감동 및 응원, 정보성 및 교양, 부정 및 비판이다. 예를 들어 웃기다는 유머 범주로 분류하였고, 대단하다는 존경 범주로 배치하였다. 감정 선택 기준은 출현 빈도 3% 이상일 경우 주요 감정으로 간주하는 방식이었다. 또한 감정 강도는 5점 척도를 적용하여 정량화하였다. 예를 들어 정말 너무 감동이에요는 5점, 감사합니다는 4점, 좋네요는 3점으로 분류하였다. 이를 통해 단순한 빈도 분석을 넘어 감정 반응의 깊이를 계량적으로 평가할 수 있도록 하였다.

4-1 유튜버별 콘텐츠 특성비교

본 연구는 국적과 콘텐츠 유형이 서로 다른 외국인 유튜버 5인을 분석 대상으로 설정하고, 각 채널의 대표 콘텐츠를 비교 검토하였다. 분석 대상은 프랑스, 스리랑카, 우즈베키스탄, 이집트, 캐나다 출신 유튜버로 구성되었으며, 각 채널에서 조회수 기준 상위 3편씩 총 15편의 영상을 분석하였다. 이러한 선별은 서로 다른 문화적 배경이 한국 문화 재현에 어떠한 방식으로 작동하는지를 비교하기 위한 것이다. 또한 조회수는 단순한 인기 지표를 넘어 콘텐츠의 사회적 수용과 파급력을 보여주는 지표로 활용하였다.

콘텐츠 유형은 먹방, 일상 브이로그, 문화 소개, 교양 정보형의 네 가지로 분류하였다. 먹방과 브이로그는 높은 조회수와 댓글 반응을 보이며 시청자의 정서적 반응을 즉각적으로 유도하는 특징을 나타냈다. 음식과 일상 경험은 언어적 장벽 없이 이해 가능한 요소로 작용하여 몰입과 공감을 동시에 이끌어냈다. 반면 문화 소개 및 교양 정보형 콘텐츠는 상대적으로 즉각적 반응은 낮았으나, 정보 전달력과 설명 구조 측면에서 긍정적 평가를 보이며 문화 이해를 심화하는 역할을 수행하였다.

국적에 따른 차이도 확인되었다. 서구권 유튜버는 문화 비교와 설명 중심의 콘텐츠에서 강점을 보이며, 유머와 구조적 설명을 통해 시청자의 인지적 공감과 흥미를 유도하였다. 반면 비서구권 유튜버는 일상 브이로그와 먹방을 중심으로 생활 경험과 적응 과정을 자연스럽게 드러내며 정서적 공감을 강화하는 경향을 보였다. 이러한 차이는 콘텐츠 유형뿐 아니라 표현 방식과 서사 구성에 따라 시청자의 몰입과 감정 반응이 달라질 수 있음을 보여준다. 이는 외국인 유튜버 콘텐츠가 글로벌 플랫폼 환경에서 한국 문화를 다양한 방식으로 재현하며, 시청자에게 서로 다른 의미 구조로 수용되고 있음을 시사한다. 표 2는 유튜버별 콘텐츠 특성을 비교한 것이다.

Table 2.

Comparison table of content characteristics by Youtuber

4-2 댓글 기반 감정 반응 분석

분석 결과, 감사 및 존경이 34.8%로 가장 높은 비율을 차지했으며 친근함 및 공감 24.6%, 유쾌함 및 유머 19.3%가 뒤를 이었다. 감동 및 응원은 11.5%, 정보성 및 교양은 6.1%였으며 부정 및 비판은 3.7%로 가장 낮게 나타났다. 그림 4는 감정 반응 분포를 제시한 것이다.

Fig. 4.

Emotion response distribution chart

세부적으로 보면 감사 및 존경은 유튜버의 자연스러운 태도, 성실함, 한국 문화에 대한 존중을 반영하는 반응이 주를 이루었다. 친근함 및 공감은 외국인이 한국 사회 속에서 겪는 일상 경험이 시청자 자신의 경험과 연결될 때 주로 나타났으며, 유쾌함 및 유머는 예상치 못한 반응이나 언어 실수, 상황적 어긋남에서 많이 발생했다. 감동 및 응원은 진지한 메시지나 따뜻한 태도가 드러날 때 자주 등장했고, 정보성 및 교양은 문화 차이에 대한 설명이나 제도 비교 맥락에서 확인되었다. 부정 및 비판은 낮은 비율이었으나 과장된 반응이나 반복되는 영상 구성에 대한 피로감에서 비롯되었다. 표 3은 감정 범주별 대표 키워드와 빈도를 제시한다. 그림 5는 감정 범주별 상위 키워드의 빈도를 시각화한 것이다.

Table 3.

Top keywords by emotional category

Fig. 5.

Frequency of top keywords by emotional category

이 결과는 댓글이라는 참여 공간이 단순한 의견 제시가 아니라, 시청자들 사이에서 감정이 공유되고 정렬되는 장으로 기능한다는 점을 보여준다. 외국인 유튜버 콘텐츠는 공감과 웃음을 매개로 정서적 안정감을 제공하며, 일부 반응은 문화에 대한 긍정적 평가와 자부심으로 확장되는 양상을 보였다.

4-3 콘텐츠 유형별 수용 특성

콘텐츠 유형에 따라 시청자의 감정 반응과 몰입 방식은 뚜렷한 차이를 보였다. 먹방 콘텐츠는 음식이라는 소재를 중심으로 즉각적이고 직관적인 정서 반응을 유도하였다. 외국인이 한국 음식을 맛있게 먹는 장면은 감사, 감동, 응원과 같은 반응을 자극했으며, 이는 음식 문화가 한국 사회에서 중요한 생활 경험으로 공유된다는 점과 맞닿아 있다. 브이로그 콘텐츠는 외국인의 시선을 통해 한국 생활을 보여주며 시청자에게 몰입과 공감을 유발했다. 언어적 시행착오, 대중교통 경험, 생활 습관의 차이는 친근함과 웃음을 동시에 제공했다. 문화 소개 콘텐츠는 설명 중심의 구성으로 지적 흥미와 문화적 자부심을 환기시켰으나 감정적 몰입보다는 이해와 수용의 태도가 두드러졌다. 교양 정보형 콘텐츠는 전문적 설명과 분석에 초점을 맞추어 정보 전달에는 효과적이었으나 감정적 몰입도는 낮았다. 일부 반응에서는 어렵다는 평가와 함께 학습 욕구를 충족시키는 기능이 확인되었다.

교차분석과 카이제곱 검정 결과, 콘텐츠 유형별 감정 반응의 차이는 통계적으로 유의하였다. 표 4는 콘텐츠 유형별 평균 감정 강도를 제시하며, 그림 6은 유형별 평균 감정 강도를 도식화한 것이다.

Table 4.

Comparison of emotional response intensity by content type (5-point scale)

Fig. 6.

Average emotional intensity by content type

분석 결과 먹방과 브이로그는 공감과 유머에서 높은 강도를 보였고, 문화 소개 콘텐츠는 감사 및 존경과 감동의 반응이 두드러졌다. 반면 교양 정보형 콘텐츠는 지적 만족을 제공하나 정서 반응은 상대적으로 약했다. 이는 일상성과 자연스러움이 강조된 콘텐츠일수록 정서적 유대가 강화된다는 점을 뒷받침한다.

4-4 국적별 감정강도 및 진정성

국적에 따른 감정 강도를 독립표본 t-검정으로 비교한 결과, 비서구권 유튜버 콘텐츠의 평균 강도는 4.11로 서구권의 3.92보다 높았다. 이는 비서구권 유튜버가 보여주는 감탄, 노력, 경이로움의 표현이 시청자에게 더 큰 정서 반응을 유도했음을 의미한다. 해외 미디어 콘텐츠가 수용자 감정에 영향을 미친다는 선행 논의와도 연결된다. 다만 결과가 제한된 표본 내에서 관찰되었으므로, 국적 자체의 효과로 일반화하기보다는 콘텐츠 구성 방식, 표현 스타일, 상호작용 방식 등 복합적인 요인이 반영된 결과라는 해석의 여지도 두어야 한다. 표 5는 국적 집단별 감정 강도 평균과 표준편차, 검정 결과를 제시한다. 그림 7은 국적별 긍정 및 부정 감정 분포를 제시한 것이다.

Table 5.

Average emotional intensity by Youtuber nationality (5-point likert scale)

Fig. 7.

Distribution of positive and negative emotions by Youtuber nationality

이러한 차이는 언어 숙련도나 설명 방식만으로 충분히 설명되기 어렵다. 시청자들은 비서구권 유튜버의 일상적 경험과 시행착오에서 더 큰 몰입과 공감을 느끼는 경향이 있으며, 이는 생활 장면이 자연스럽게 구성될 때 강화된다.

또한 시청자들이 인식하는 진정성은 댓글 분석 과정에서 ‘자연스럽다’, ‘진짜 같다’, ‘솔직하다’와 같은 표현을 중심으로 반복적으로 나타났으며, 해당 키워드가 포함된 댓글은 평균 감정 강도에서도 상대적으로 높은 값을 보였다. 진정성 관련 키워드가 포함된 댓글은 평균 감정 강도에서 높은 값을 보였다. 이를 바탕으로 진정성은 다음과 같은 세 가지 특성으로 정리할 수 있었다. 첫째, 표현의 자연스러움은 공감 형성의 핵심 요인이었다. 둘째, 과도한 연출이 배제된 영상은 신뢰와 몰입을 높였다. 셋째, 댓글을 통한 상호작용은 시청자가 콘텐츠 경험에 참여하고 있다는 인식을 제공하여 감정적 유대감을 강화했다.

결과적으로 진정성은 외국인 유튜버 콘텐츠가 시청자에게 신뢰와 애착을 형성하게 하는 핵심 요소로 작동하였다. 다만 본 연구에서의 진정성 분석은 특정 키워드 기반으로 수행된 제한적 결과이므로, 향후 연구에서는 보다 정교한 측정 지표를 적용할 필요가 있다. 따라서 본 연구에서 나타난 국적별 차이는 특정 문화권의 특성이라기보다, 개별 유튜버의 표현 방식과 콘텐츠 서사 구조가 시청자의 감정 반응에 미치는 영향을 보여주는 탐색적 결과로 이해할 수 있다. 본 결과는 제한된 표본에 기반한 탐색적 분석 결과로, 국적 변수의 일반화에는 신중한 해석이 필요하다.

4-5 분석결과의 의미

분석 결과를 종합하면 다음과 같은 의미를 도출할 수 있다.

첫째 외국인 유튜버 콘텐츠는 전반적으로 긍정 정서 중심의 반응 구조를 형성하며, 시청자의 정서적 안정감과 문화에 대한 긍정적 평가를 강화한다.

둘째 콘텐츠 유형은 감정 반응을 결정짓는 핵심 요인으로 작용하였다. 먹방과 브이로그는 일상성과 자연스러움이 두드러져 공감과 유머의 반응을 강화했고, 문화 소개와 교양 정보형 콘텐츠는 이해와 학습 중심의 수용을 강화하였다.

셋째 국적별 차이는 시청자가 어떤 구성과 표현을 더 친근하고 자연스럽게 받아들이는지와 연결된다. 비서구권 콘텐츠에서 감정 강도가 높게 나타난 결과는 특정 문화권의 우열을 의미하는 것이 아니라, 시행착오와 적응 과정이 드러나는 일상 장면이 공감 반응을 강화할 수 있음을 시사한다.

넷째, 진정성은 시청자의 감정 반응을 설명하는 핵심 요인으로 확인되었으며, 본 연구에서는 이를 관련 키워드의 출현 빈도와 감정 강도를 통해 정량적으로 분석하였다. 분석 결과, 자연스러운 표현과 일상적 경험이 강조된 콘텐츠일수록 진정성 관련 반응과 감정 강도가 동시에 높게 나타났으며, 이는 진정성이 시청자의 정서적 몰입과 공감 형성에 직접적인 영향을 미치는 요소임이 확인되었다.

마지막으로 외국인 유튜버가 제작한 한국 관련 콘텐츠는 단순한 문화 소개를 넘어, 플랫폼 참여를 통해 감정이 공유되고 공동체적 반응으로 정렬되는 과정을 보여준다. 시청자는 외부 시선을 통해 자신의 일상을 새롭게 바라보며, 공감과 유머, 감사의 감정을 댓글 공간에서 서로 확인한다. 따라서 외국인 유튜버 현상은 디지털 플랫폼에서 감정과 공감이 어떻게 형성되고 확산되는지를 이해하기 위한 중요한 사례로 해석할 수 있다.