[심리적 맥락 문항 해부 ③] 의견이 아니라 목격을 묻는다

— Quinnipiac의 'Living in Fear' 문항과 정치의 개인화

여론조사 문항 대부분은 응답자의 의견을 측정한다. "이 정책에 찬성합니까?", "대통령의 국정 운영을 어떻게 평가합니까?", "이 사건에 대한 행정부의 설명은 정직합니까?" — 모두 응답자의 판단, 평가, 해석을 요구하는 질문이다. 1편에서 다룬 AP-NORC의 3점 척도는 의견의 방향과 강도를 분리하는 설계였고, 2편의 Zogby 시간 시나리오 분기는 의견을 시간축 위에 펼치는 설계였다. 두 기법 모두 측정 대상은 여전히 의견이다.

그런데 여론조사에는 전혀 다른 축이 하나 더 있다. 의견이 아니라 증언을 묻는 문항이다. 2026년 2월 Quinnipiac 조사의 "living in fear" 문항이 이 제3의 축을 보여주는 가장 선명한 사례다.

조사의 배경

2026년 1월 24일, 미니애폴리스에서 알렉스 프레티라는 남성이 ICE 요원의 총격으로 사망했다. 영상이 공개되며 전국적 논란이 일었다. Quinnipiac 대학은 사건 닷새 뒤인 1월 29일부터 2월 2일까지 전국 등록 유권자 1,191명을 대상으로 전화면접 조사를 실시했다(오차범위 ±3.6%p, 디자인 효과 포함). RDD 표집 + live caller 방식 — 이 연재에서 지금까지 다룬 AP-NORC의 확률 패널이나 Zogby의 온라인 패널과는 또 다른, 가장 전통적인 정통 방법론이다.

보고서의 주요 발견들은 대부분 행정부에 불리한 수치였다. 트럼프의 이민 정책 집행이 "너무 가혹하다"가 60%, "미국을 덜 안전하게 만든다"가 51%, 알렉스 프레티 사건에 대한 행정부의 설명이 "정직하지 않다"가 61%, 국토안보부 장관 Kristi Noem의 해임 요구가 58%. 여기까지만 보면 1편·2편에서 본 의견 측정의 연장선이다.

그러나 이 보고서의 21번 문항은 다른 축을 건드린다.

핵심 문항: 실제 문구와 수치

"Thinking about people in your family, community, work or school, would you say you know someone who is living in fear because of the Trump administration's deportation policies, or not?"

(당신의 가족, 이웃, 직장, 학교의 사람들을 떠올려 보시면, 트럼프 행정부의 추방 정책 때문에 두려움 속에 사는 사람을 알고 계십니까?)

결과는 "예" 47%, "아니오" 51%, 모름 3%. 47%라는 수치는 보고서의 머리기사로 뽑히지 않았지만, Quinnipiac의 분석가 Tim Malloy는 이 문항에 대해 이렇게 논평했다. "'미국의 이웃'에 대한 오싹한 조사가 드러낸 것은, 우리 중 거의 절반이 ICE에 잡혀갈까 두려워하는 누군가를 알고 있다는 사실이다." 그가 쓴 "American neighborhood"라는 은유는 이 문항의 성격을 가장 정확히 잡아낸다.

크로스탭은 더 흥미롭다. 공화당 19%, 민주당 65%, 무당층 51%. 여성 53%, 남성 40%. 특히 주목할 부분은 무당층이 공화당의 2.7배이면서 민주당에 거의 근접한다는 점이다. 정당 소속감만으로는 설명되지 않는 층에서 "알고 있다"는 응답이 절반을 넘는다. 이것이 이 문항이 왜 의견 문항과 다른 것을 측정하는지를 보여주는 첫 번째 단서다.

설계의 첫 번째 장치: 4단계 프롬프트

이 문항에서 가장 정교한 부분은 본질(Do you know someone...)이 아니라 그 앞의 도입부다. "Thinking about people in your family, community, work or school..." 가족 → 이웃 → 직장 → 학교. 네 개의 구체적 사회 영역을 순차적으로 나열한다.

만약 이 도입부 없이 그냥 "Do you know someone who is living in fear...?"라고 물었다면, 응답자는 막연하게 자기 주변을 스캔했을 것이고, 아마 훨씬 낮은 Yes 응답률이 나왔을 것이다. 그러나 4단계 프롬프트는 응답자에게 구체적인 사회 공간을 하나씩 떠올리라고 강제한다. 가족을 떠올리고, 이웃을 떠올리고, 직장을 떠올리고, 학교를 떠올린다. 이 순차적 스캔 과정에서 "그러고 보니..."하는 사람이 한 명이라도 걸리면 "예"가 된다.

이게 바로 RAS(Receive-Accept-Sample) 모델이 말하는 고려사항의 활성화(activation of considerations)를 설문 문항으로 구현한 방식이다. 응답자 머릿속에 잠들어 있던 구체적 인물을 끌어내는 장치. 프롬프트가 정교해질수록 활성화되는 고려사항의 양과 질이 달라진다. 이 문항은 단순히 "알고 있는가"가 아니라 "당신의 네 가지 사회 영역을 스캔했을 때 걸리는 사람이 있는가" 를 묻는 것이고, 그 결과가 47%다.

설계의 두 번째 장치: 의견이 아니라 증언

같은 Quinnipiac 보고서의 다른 문항들과 이 문항을 나란히 놓으면, 이 문항의 독특함이 한층 분명해진다. 공화당-민주당 간의 응답 격차를 비교해 보자.

• Q9 "너무 가혹하다" (의견): 공화당 14% / 민주당 95% — 격차 81%p
• Q10 "미국을 덜 안전하게" (의견): 공화당 9% / 민주당 85% — 격차 76%p
• Q15 "행정부의 설명이 정직하지 않다" (의견): 공화당 19% / 민주당 93% — 격차 74%p
• Q21 "두려움 속에 사는 사람을 안다" (증언): 공화당 19% / 민주당 65% — 격차 46%p

앞의 세 문항은 모두 의견 문항이고, 마지막 하나는 증언 문항이다. 그리고 증언 문항의 공화당-민주당 격차는 의견 문항들의 약 60% 수준으로 줄어든다. 이건 우연이 아니다.

왜 이런 패턴이 나올까. 의견 문항은 응답자에게 정치적 판단을 요구한다. 판단은 정당 정체성, 미디어 소비 패턴, 동조 압력에 따라 크게 흔들린다. 같은 이민 정책을 공화당 지지자는 "적절하다"고 보고 민주당 지지자는 "너무 가혹하다"고 본다. 두 응답은 같은 현실을 다르게 프레이밍한 결과다.

반면 "당신 주변에 두려움 속에 사는 사람을 알고 있는가"는 응답자에게 자기 관계망에 대한 구체적 참조를 요구한다. 공화당 지지자라도 이웃에 히스패닉 자영업자 가족이 있고 그들이 실제로 긴장하고 있다면, "알고 있다"고 답할 가능성이 높아진다. 정치적 프레이밍으로도 쉽게 지워지지 않는 구체적 얼굴이 있기 때문이다. 물론 공화당 지지자의 사회적 관계망 구성 자체가 민주당 지지자와 다르다는 선택 편향은 남아 있다. 그래서 46%p의 격차가 여전히 존재한다. 그러나 격차의 크기가 의견 문항의 60% 수준으로 압축된다는 사실은, 이 문항이 정치적 프레이밍의 영향을 상당 부분 우회한다는 경험적 증거다.

단단함의 층위가 다른 것이다. 의견이 이번 주 머릿속에 떠오른 고려사항의 표집이라면, 증언은 기억 속 구체적 인물에 대한 참조다. "네, 제 사촌이..."라고 생각하는 순간, 그 응답은 다음 주 프레이밍 변화로 쉽게 뒤집히지 않는다.

주의할 점: 이 문항이 정확히 무엇을 측정하는가

이 문항을 해석할 때 흔히 빠지는 함정이 있다. 47%라는 숫자가 "미국인의 47%가 실제로 추방 위협에 처한 사람을 알고 있다"를 뜻한다고 읽는 것이다. 그건 엄밀히 말해 아니다.

더 정확한 해석은 이렇다. "47%의 응답자가 그 순간 '그런 사람을 알고 있다'고 해석할 수 있는 관계망을 가지고 있고, 그 관계망이 질문 프롬프트에 의해 활성화됐다." 미묘하지만 중요한 차이다.

왜냐하면 "living in fear"라는 감정 표현이 강한 재구성 효과를 갖기 때문이다. 같은 이웃이라도 실제 대화에서 "조금 걱정된다"는 이야기를 들은 것과, 그 이웃을 "두려움 속에 사는 사람"으로 분류하는 것은 다른 인지 작업이다. 만약 프롬프트가 "living in fear" 대신 "worried" 또는 "concerned"였다면 숫자가 다르게 나왔을 것이다. 단어 하나가 갖는 무게다.

그래서 이 문항을 읽을 때 가장 정확한 자세는 절대 수치보다 집단 간 비교와 시계열 변화에 집중하는 것이다. 공화당 19% / 민주당 65% / 무당층 51%의 구조, 그리고 Quinnipiac이 이 문항을 주기적으로 반복 측정한다면 시간에 따른 이동(47% → 50% → 55%)이 진짜 신호다. 개별 수치는 그 해석 한계 안에서만 읽어야 한다.

한국 실무자를 위한 함의

한국 여론조사에 "당신 주변에 X 때문에 고통받는 사람이 있습니까" 형태의 문항은 극히 드물다. 대부분의 이슈는 찬반 또는 긍정/부정 평가로 수렴한다. 그러나 한국 정치에서 이 개인화 기법이 결정적일 수 있는 이슈는 생각보다 많다.

전세 사기를 떠올려 보자. "전세 사기 피해 규모가 증가했다"는 통계 보도는 반대 진영에서 "통계가 과장됐다"거나 "특정 시기의 특수 상황"이라고 되받아칠 수 있다. 그러나 "당신의 가족, 이웃, 직장 동료, 학교 친구 중에 전세 사기를 당한 사람을 알고 계십니까?" 에 40%가 "예"라고 답한다면, 이 숫자는 통계 논쟁의 지형을 벗어난다. "통계가 조작됐다"는 반박은 가능하지만, "내가 아는 사람이 있다"는 응답을 정파적으로 해체하는 것은 훨씬 어렵다.

청년 취업난, 자영업 폐업, 의료 공백으로 진료받지 못한 경험, 국민연금만으로 감당 안 되는 노후 — 모두 같은 문항 설계가 가능한 이슈다. "OOO 때문에 고통받는 사람을 당신 주변에서 알고 계십니까?"라는 형식은 이슈를 통계 수치에서 이웃의 얼굴로 번역한다. 그리고 그 번역은 단순 찬반 문항과는 전혀 다른 정치적 무게를 갖는다.

물론 주의도 따라붙는다. 이 문항은 프롬프트 단어의 선택("고통받는", "어려움을 겪는", "피해를 본")에 따라 수치가 크게 흔들린다. 한국 사회 특유의 체면 문화에서 "모른다"와 "없다" 사이의 경계가 미국보다 흐릴 수도 있다. 그래서 이 기법을 한국에 이식할 때는 반드시 단어 프롬프트의 표준화와 시계열 반복 측정이 병행되어야 한다. 단발성 조사 한 번의 절대 수치에 의존하면 해석 오류의 위험이 크다.

세 편을 관통하는 지도

지금까지 세 편에 걸쳐 본 문항 설계를 하나의 지도에 올려보면 이렇다.

• 1편 (AP-NORC): 찬반 일차원 위에 "현재 집행 수준"이라는 기준점을 심어, 의견의 방향과 강도를 분리하는 설계.
• 2편 (Zogby): 지지라는 단어를 시간축 위에 펼쳐서, 의견의 감쇠 곡선을 그리는 설계.
• 3편 (Quinnipiac): 측정 대상 자체를 의견에서 증언으로 옮겨, 정치적 프레이밍의 영향을 우회하는 설계.

세 설계의 공통점은 하나다. 찬반 이분법이 뭉뚱그려 놓았던 층위를 분리해 낸다는 것. 응답자에게 한 단계 더 복잡한 인지 작업을 요구하는 대신, 한 차원 더 많은 정보를 얻는다. 그리고 그 정보는 의견의 수준에서만 머무르지 않는다. 시간, 강도, 증언, 관계망 — 문항 하나의 설계가 달라지면 측정의 차원 자체가 바뀐다.

다음 편에서는 네 번째 축 — 응답 선택지 구조 자체의 재설계 — 를 다룬다. Navigator Research가 ICE 조사에서 "폐지 vs 유지"라는 익숙한 이분법 대신 "폐지 / 강력한 개혁 / 현재대로 유지" 라는 3지선다를 썼을 때 드러난 중간 지대가, 앞 세 편의 기법과 또 다른 방식으로 어떻게 작동하는지 본다.