대규모 언어 모델(LLM) 응답에 내재된 미묘한 성차별에 대한 연구
A Study on Gender Microaggressions Embedded in the Responses of Large Language Models (LLMs)
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 한국의 Naver CLOVA X, 미국의 OpenAI ChatGPT-4.0, 중국의 DeepSeek V3 등 세 가지 대표적인대규모 언어 모델(LLM)을 대상으로, 이들이 생성한 응답에 내재된 미묘한 성차별(Gender Microaggressions) 표현과 그 문화적 양상을 실증적으로 분석하였다. 이를 위해 직장, 가정, 교육 등 10개 도메인에 걸쳐 총 100개의 프롬프트를 구성하고, 각 LLM이 생성한 응답 총 300개를 수집하였다. 이후 AI 평가자(ChatGPT-4.0)와박사급 여성 전문가 2인으로 구성된 인간 평가자의 이중 평가 체계를 적용하였다. 정량 분석은 단일표본 t-검정 및 대응표본 t-검정을 통해 수행되었으며, 질적 사례 분석도 병행하였다. 분석 결과, 세 모델 모두통계적으로 유의한 수준의 성차별 표현을 포함하고 있었으며, ChatGPT는 평균 0.796점으로 가장 낮은 수준을, DeepSeek은 평균 0.968점으로 가장 높은 수준을 나타냈다. AI 평가자와 인간 평가자 간의 응답 평가는 상관계수 r = 0.688, p < 0.001로 매우 높은 일치율을 보였으나, 일부 문화적⋅맥락적 표현에서는 인간 평가자의 해석이 더 민감하게 작용하였다. 본 연구는 LLM 편향 분석을 위한 체계적인 프레임워크를 제시하며, 문화적 특성을 고려한 편향 완화 전략과 인공지능의 윤리적 정렬 필요성을 강조한다.
Abstract
This study empirically analyzes gender microaggressions embedded in the responses generated by three major large language models (LLMs): Naver CLOVA X (South Korea), OpenAI ChatGPT-4.0 (USA), and DeepSeek V3 (China). A total of 100 prompts covering 10 domains, such as the workplace, family, and education, were designed, yielding 300 responses (100 per model). Each response was evaluated using a dual assessment system consisting of an AI-based evaluator (ChatGPT-4.0) and two female PhD-level human experts. Quantitative analyses were conducted using one-sample and paired-sample t-tests, supplemented by qualitative case analysis. Results showed that all three models exhibited statistically significant levels of gender bias, with ChatGPT scoring the lowest (M = 0.796) and DeepSeek the highest (M = 0.968). The correlation between AI and human evaluators was remarkably high (r = 0.688, p < 0.001), although human evaluators demonstrated greater sensitivity to certain cultural and contextual nuances. This study proposes a systematic framework for analyzing LLM bias and emphasizes the importance of culturally grounded mitigation strategies and ethical alignment in AI development.