Word Embeddings Track Social Group Changes Across 70 Years in China

기술 요약: 단어 임베딩을 통한 70년간 중국의 사회 집단 변화 추적

문제 제기
계산 언어학이 사회적 편향에 대한 정량적 분석을 발전시켜 왔으나, 기존 연구는 주로 서구적 맥락(특히 미국)에 국한되어 있으며 비교적 안정적인 사회에서의 점진적인 사회적 변화에 초점을 맞추고 있다. 급격하고 혁명적인 사회적 변혁 기간 동안 사회 집단의 언어적 표상이 어떻게 진화하는지에 대한 이해에는 상당한 공백이 존재한다. 나아가, 국가가 승인한 담론이 비서구적이고 이데올로기적으로 구별되는 체계 내에서 사회 구조를 어떻게 부호화하고 유지하는지에 대한 메커니즘 역시 미개척 영역으로 남아 있다. 본 논문은 1950년부터 2019년까지, 문화대혁명, 개혁 개방, 급격한 도시화를 포괄하는 시기의 중국 내 사회 집단 표상의 진화를 분석함으로써, 공식 언어가 이러한 근본적인 사회적 재편을 어떻게 반영하는지 이해하고자 한다.

연구 방법론
본 연구는 두 가지 주요 중국어 코퍼스인 인민일보(약 200만 개의 기사, 1946–2023)와 구글 북스(Google Books) 중국어 코퍼스를 활용하여 통시적 단어 임베딩 접근법을 채택한다. 인민일보는 연중 일관된 범위를 제공하므로 국가 승인 담론의 대리물로서 주요 출처로 활용된다.

• 임베딩 학습: 저자들은 네거티브 샘플링을 사용한 skip-gram 모델을 통해 300차원 단어 벡터를 학습시켰다. 장기적 추세와 급격한 변화를 모두 포착하기 위해, 임베딩은 두 가지 시간적 해상도(십 년 단위 간격 및 1950–2019년 사이의 연도별 해상도)로 생성되었다.
• 사회 집단 선정: 다섯 가지 근본적인 사회적 차원을 분석하였다: 성별, 민족, 연령, 경제적 지위, 그리고 체형. 집단 선정은 다양성, 동의어 레이블(예: 여성에 대한 "여성", "아내", "젊은 여성")을 통한 포괄적 범위, 명확한 비교 쌍, 그리고 의미적 안정성을 기준으로 이루어졌다.
• 특성 가치(Trait Valence) 구축: 성격과 인물 특성에 관련된 465개의 특성 단어 목록을 간체자용 대규모 정서 규범 데이터베이스에서 추출하였다. 역사적 타당성을 확보하기 위해, 이러한 특성들의 의미적 안정성과 정서적 함의를 한어대사전(Hanyu Da Cidian, 종합적인 역사적 중국어 사전)을 통해 검증하였다.
• 정량적 지표:
  • 평균 평균 코사인 유사도(Mean Average Cosine Similarity, MAC): 사회 집단 레이블과 특성 단어 사이의 연관 강도를 결정하기 위해 계산되었다.
  • 차별적 연관성(Differential Association, DiffMAC): 특정 집단과 비교 집단 간의 MAC 점수 차이를 계산하여 상대적인 특성 연관성을 식별하였다.
  • 통합 DiffMAC(Aggregated DiffMAC): 지속적이고 독특한 특성을 식별하기 위해 시간 흐름에 따라 합산하였다.
  • 시계열 WEAT(Word-Embedding Association Test): 사회 집단이 긍정적 속성과 부정적 속성에 대해 갖는 차별적 연관성을 측정하기 위해 적응 및 적용되었다. 통계적 유의성은 t-검정과 코헨의 d(Cohen's d)를 사용하여 특정 역사적 사건(예: 문화대혁명, 개혁 개방)의 영향을 정량화하였다.

주요 결과
분석 결과, 사회 집단 표상의 진화에서 이중성이 드러났다: 일부 차원은 놀라운 안정성을 보이는 반면, 다른 차원은 정치적 격변에 맞춰 극적인 역전을 경험했다.

1. 체계적 가치 비대칭성: 70년에 걸쳐 뚜렷한 편향이 관찰되었다.

   • 안정적 위계: 민족(한족 vs 소수 민족), 연령(젊음 vs 노년), 체형(마름 vs 뚱뚱함)의 표상은 매우 안정적이었다. 소수 민족은 일관되게 긍정적이고 "단순하며", "행복한" 특성과 연관된 반면, 한족은 중립적이거나 부정적인 실용적 특성과 연관되었다. 마찬가지로, 젊음과 마른 체형은 유능함 및 강인함과 연관된 반면, 노년과 뚱뚱한 체형은 쇠퇴 및 결핍과 연결되었다.
   • 성별 및 경제적 지위의 변동성: 성별과 경제적 지위의 표상은 극적인 변화를 보였다.
     • 성별: 여성의 가치는 매우 가변적이었는데, 1950~60년대에 정점(긍정적, 순수한 특성)을 찍었다가, 1970년대에 급락(악하거나 수치스러운 등의 부정적 특성)하였으며, 그 이후로 계속 변동하였다. 특히, 2010년대에 이르러 남성의 가치가 1970년대의 이례적 현상을 제외하고 처음으로 여성의 가치를 넘어섰다.
     • 경제적 지위: "부유층"은 일관되게 부정적으로 묘사되었으나(부패 및 관료주의와 연관), "빈곤층"은 급격한 전환을 겪었다. 빈곤층은 개혁 이전 시대에는 긍정적 연관성(근면함, 이타적임)을 보였으나, 1978년 시장 개혁과 맞물려 1980년대에는 부정적 연관성(어리석음, 약함)으로 전환되었다.

2. 시간적 역동성 및 사건의 영향:

   • 안정성 대 격변: 연도별 상관관계 분석 결과, 정상적인 조건에서는 높은 안정성(r > 0.8)을 보였다. 그러나 문화대혁명 시기(1966–1976)는 뚜렷한 단절점으로 작용하였으며, 상관관계가 0.4 미만으로 떨어져 급격한 국가 주도의 의미적 재구조화를 나타냈다.
   • 사건 중심의 변화: 문화대혁명은 "여성" 및 "젊은 층" 집단에 즉각적인 부정적 변화를 일으켰으나, "빈곤층"에는 긍정적 변화를 일으켰다. 반대로, 1978년 이후 경제 개혁 시대는 "부유층"의 가치를 유의미하게 개선시켰으나, 부와 관련된 부정적 연관성은 지속되었다.

주요 기여

• 최초의 대규모 비서구적 분석: 본 연구는 70년간 중국 통제 매체 내의 사회 집단 표상에 대한 최초의 체계적이고 대규모적인 계산적 분석을 제시하며, 서구 데이터셋이 주도해 온 계산 사회과학의 중요한 공백을 메운다.
• 안정성과 변화의 구분: 본 연구는 어떤 사회적 위계(민족, 연령, 체형)는 혁명적 변화에도 탄력적으로 유지되는 반면, 다른 위계(성별, 계급)는 국가의 개입과 이데올로기적 변화에 매우 취약하다는 점을 식별하였다.
• 방법론적 정교화: 본 논문은 점진적인 진화적 변화와 급격한 사건 기반의 의미적 단절을 구분하기 위해 다중 해상도 시계열 임베딩(십 년 단위 vs 연도별 단위)의 유용성을 입증하였다.

의의
본 논문은 공식 승인된 담론이 사회 구조를 어떻게 부호화하는지에 대한 이론적 이해를 진전시킨다고 주장한다. 연구는 보편적인 인지적 경향(예: 연령 차별, 체중 편향)은 문화를 초월하여 지속되지만, 사회적 위계를 유지하는 구체적인 메커니즘은 지역적 정치 이데올로기와 역사적 궤적에 의해 깊게 형성된다는 점을 강조한다. 중국의 국가 담론을 서구의 연구 결과와 대조함으로써, 저자들은 계산 사회언어학의 완전한 이해를 위해 비서구적 관점이 필수적이라고 주장한다. 본 연구는 언어가 단순히 사회적 변화를 반영하는 데 그치지 않고, 급격한 변혁기 동안 권력 역학의 재편에 적극적으로 참여한다는 점을 시사한다.