Queer NLP: A Critical Survey on Literature Gaps, Biases and Trends

이 논문은 ACL 앤솔로지에 게재된 LGBTQIA+ 커뮤니티와 NLP 기술 간의 관계를 다룬 연구들을 체계적으로 검토하여, 현재 연구가 주로 기존 시스템의 편향을 지적하는 수동적 접근에 그치고 있으며, 향후 이해관계자 참여, 교차성, 학제 간 협력 및 비영어권 언어 연구 등 보다 포용적이고 정의로운 NLP 기술 개발을 위한 방향성을 제시합니다.

핵심

🍽️ 비유: AI 는 거대한 '언어 식당'입니다

생각해 보세요. 자연어 처리 (NLP) 기술은 마치 거대한 언어 식당입니다. 이 식당은 인터넷이라는 거대한 식자재 창고에서 수많은 말과 글을 가져와서 요리를 합니다. 그리고 우리는 이 식당에서 요리를 주문하듯 AI 와 대화하거나 정보를 얻습니다.

하지만 이 식당에는 치명적인 문제가 있었습니다. 바로 메뉴판과 요리사가 성소수자 손님을 제대로 받아주지 못한다는 것입니다.

🔍 연구자들이 발견한 3 가지 큰 문제 (현황)

이 논문은 ACL(자연어 처리 학회) 에 발표된 86 편의 논문을 모아 분석했는데, 마치 식당을 점검한 결과와 비슷합니다.

1. "반응형" 요리사들 (수동적 태도)

• 상황: 대부분의 연구는 "요즘 AI 가 성소수자 단어를 욕설로 잘못 인식한다"거나 "성별을 잘못 부른다"는 문제를 지적하는 데 그칩니다.
• 비유: 식당에 "손님이 메뉴를 잘못 읽어서 화났어요!"라고 보고만 하고, 정작 새로운 메뉴를 개발하거나 요리를 고치는 작업은 거의 안 한다는 뜻입니다. 문제를 발견하는 데만 급급하고, 해결책을 만드는 '적극적인' 노력은 부족합니다.

2. "영어 중심"의 메뉴판 (편향된 언어)

• 상황: 조사된 논문 중 76% 이상이 영어로만 되어 있습니다. 독일어, 스페인어 등 다른 언어는 아주 적고, 아시아나 아프리카 언어는 거의 없습니다.
• 비유: 이 식당은 영어 메뉴판만 있는 고급 레스토랑 같습니다. 영어를 모르는 손님 (다른 언어 사용자) 들은 메뉴를 볼 수 없거나, 영어로 번역된 이상한 메뉴만 제공받습니다. 성소수자의 경험은 문화마다 다르지만, 이 식당은 영어 문화만 반영하고 있습니다.

3. "손님"을 초대하지 않음 (이해관계자 부재)

• 상황: 연구자들은 성소수자 커뮤니티의 실제 목소리를 듣기보다, 단순히 컴퓨터가 만든 데이터나 통계만 보고 결론을 내립니다.
• 비유: 식당 주인과 요리사들이 "우리가 이 손님을 위해 어떤 요리를 만들어야 할지" 직접 물어보지 않고, 창문 밖에서 추측해서 메뉴를 만듭니다. 정작 그 식당을 이용하는 성소수자 손님들이 직접 참여하지 않아서, 그들이 원하는 맛이나 배려가 전혀 반영되지 않습니다.

---

🚧 구체적인 문제점들 (실제 사례)

이 식당에서 벌어지는 구체적인 실수들은 다음과 같습니다.

• 단순한 오해 (단어 인식 오류): "게이 (Gay)"나 "트랜스 (Trans)" 같은 단어는 중립적이거나 긍정적인 뜻으로 쓰일 때도, AI 는 이를 욕설이나 혐오 표현으로 잘못 분류해 차단합니다. 마치 "친구"라는 단어를 보고 "적"이라고 낙인찍는 것과 같습니다.
• 성별 착각 (대명사 오류): AI 는 "그녀의 아내"라는 표현을 보면 "남자"라고 잘못 해석하거나, 성소수자의 성별을 고정된 이분법 (남/여) 으로만 봅니다.
• 음성 인식의 한계: 성전환자나 비이분법적 성별을 가진 사람들의 목소리는 AI 가 잘 못 알아듣거나, 성별을 잘못 판단합니다. 마치 귀가 특정 주파수만 듣는 것처럼요.

---

💡 앞으로의 방향: 더 나은 식당을 만들기 위해

저자들은 이 보고서의 결론을 통해 다음과 같은 제안을 합니다.

1. "손님"을 주방으로 초대하세요 (참여)

• 성소수자 커뮤니티 구성원들이 연구 과정에 직접 참여해야 합니다. 그들이 어떤 말을 듣고 싶고, 어떤 배려가 필요한지 직접 알려줘야 합니다.

2. "다양한 메뉴"를 개발하세요 (교차성)

• 성소수자 안에도 인종, 종교, 장애 등 다양한 요소가 겹쳐 있습니다. 단순히 "성소수자" 하나로 통째로 다루지 말고, 복합적인 정체성을 고려한 다양한 메뉴를 개발해야 합니다.

3. "거부권"을 존중하세요 (새로운 철학)

• 가장 중요한 제안입니다. 성소수자들은 때로 자신을 분류하거나 측정받기를 거부하기도 합니다. AI 는 "모든 사람을 분류해야 한다"는 기존 규칙을 깨고, 손님이 원하지 않을 때는 분류하지 않는 것도 하나의 선택지로 받아들여야 합니다.

🌟 요약

이 논문은 **"AI 기술이 성소수자를 더 잘 이해하고, 더 공정하게 대우하려면, 단순히 문제를 지적하는 것을 넘어선 적극적인 변화가 필요하다"**고 외치는 호소문입니다.

지금의 AI 식당은 성소수자 손님들에게는 불편하고 때로는 상처 주는 곳입니다. 하지만 연구자들과 커뮤니티가 손잡고 모두가 편안하게 즐길 수 있는 새로운 식당을 함께 만들어갈 수 있다면, 기술은 더 나은 세상을 만들 수 있다는 희망을 줍니다.

기술 요약

1. 문제 정의 (Problem Statement)

자연어 처리 (NLP) 기술은 채용, 법률, 의료 등 인간의 삶에 직접적인 영향을 미치는 분야에 빠르게 통합되고 있습니다. 그러나 이러한 시스템은 역사적으로 기술 개발과 연구에서 배제되어 온 성소수자 (LGBTQIA+) 커뮤니티에 대한 편향을 재생산하거나 해를 가할 수 있습니다.
기존의 NLP 연구는 성별 편향 (gender bias) 에 초점을 맞춘 경우가 많았으나, **퀴어 (Queer) 커뮤니티가 직면한 고유한 사회적 영향과 해악 (harm)**을 체계적으로 다루는 연구는 부족합니다. 또한, 현재 퀴어 NLP 연구가 어떤 경향을 보이고 있는지, 어떤 방법론적 및 주제적 공백 (gap) 이 존재하며, 미래 연구 방향은 무엇인지에 대한 종합적인 조사가 필요했습니다.

2. 방법론 (Methodology)

저자들은 ACL Anthology 에 게재된 모든 퀴어 관련 NLP 논문을 체계적으로 조사하기 위해 다음과 같은 방법을 사용했습니다.

• 논문 선정 (Paper Selection):
  • PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 방법론을 따랐습니다.
  • 'queer', 'lgbt*', 'transgender' 등 특정 키워드를 포함하는 논문을 검색하여 초기 3,864 건을 확보했습니다.
  • 수동 필터링과 학술 검색 엔진 (Semantic Scholar 등) 을 통한 추가 검색을 거쳐, 퀴어 커뮤니티와 명시적으로 연관된 총 86 편의 논문 (ACL 2025 포함) 을 최종 분석 대상 (Corpus) 으로 선정했습니다.
• 주석 태깅 (Annotation Process):
  • 각 논문을 다음과 같은 차원에서 주석 처리했습니다:
    • NLP 태스크/주제: 언어 모델링, 텍스트 분류, 정보 추출, 기계 번역, 음성 처리 등.
    • 데이터 및 대상: 사용된 언어, 지리적 지역, 도메인, 명시적으로 언급된 퀴어 그룹.
    • 해악 (Harm) 유형: 편향, 고정관념, 삭제 (erasure), 오인식 (misgendering) 등.
    • 연구 접근: 이해관계자 (stakeholder) 참여 여부, 교차성 (intersectionality) 고려 여부, 방법론적 특징.
  • 신뢰도 검증을 위해 11 편의 논문을 2 인이 중복 분석하여 높은 일치도 (Cohen's Kappa = .79 이상) 를 확인했습니다.

3. 주요 기여 (Key Contributions)

• 첫 번째 체계적 조사: ACL Anthology 내 다양한 NLP 태스크에 걸쳐 퀴어 관련 논문을 체계적으로 조사한 최초의 연구입니다.
• 비판적 분석: 단순한 연구 동향 나열을 넘어, 현재 연구가 가지는 구조적 결함 (반응적 접근, 영어 중심주의, 이해관계자 부재 등) 을 비판적으로 분석했습니다.
• 퀴어 이론 (Queer Theory) 관점의 도입: NLP 연구에 퀴어 이론의 관점 (정체성의 유동성, 권력 관계, '거부'의 방법론적 가치 등) 을 적용하여 향후 연구 방향을 제시했습니다.
• 실용적 로드맵: 향후 연구가 나아가야 할 구체적인 방향 (다국어 지원, 교차성, 참여적 연구 등) 을 제시했습니다.

4. 주요 결과 및 발견 (Results & Findings)

A. 연구 동향 (Trends)

• 반응적 (Reactive) 접근 우세: 대부분의 논문은 기존 시스템의 편향을 **지적 (발견)**하는 데 그치고 있으며, 편향을 **완화 (mitigate)**하거나 새로운 해결책을 창출하는 적극적 (Proactive) 접근은 부족합니다.
• **주요 주제:**代名詞 (pronouns), 고정관념 (stereotypes), 혐오 발언 탐지에 집중되어 있습니다.
• 주요 방법론: 템플릿 기반 방법 (Template-based methods) 과 데이터 증강 (Data Augmentation) 이 주류를 이루며, 이는 대규모 언어 모델 (LLM) 의 affordance(사용 가능성) 에 의존하는 경향이 있습니다.

B. 연구 공백 (Gaps)

• 이해관계자 부재 (Lack of Stakeholder Involvement): 연구 개발 및 평가 과정에 퀴어 커뮤니티 구성원이 직접 참여하는 사례가 극히 드뭅니다. 대부분 자동화된 지표나 텍스트 표현을 사용자 피드백의 대용으로 사용합니다.
• 교차성 (Intersectionality) 결여: 성별과 성적 지향성 외에 인종, 종교, 계급 등 다른 정체성과의 교차적 관계를 고려한 연구가 부족합니다.
• 언어 다양성 부족 (Anglocentrism): 분석된 논문의 약 76.7% 가 영어에 집중되어 있으며, 다른 언어 (독일어, 이탈리아어, 스페인어 등) 는 소수입니다. 비영어권 퀴어 NLP 연구는 ACL 이 아닌 지역 컨퍼런스 (예: IberLEF, EVALITA) 에서 더 활발히 이루어지고 있습니다.

C. 분야별 발견

• 언어 모델 (LLM): 편향 평가는 주로 템플릿 기반 프롬프팅을 통해 이루어지며, 편향 완화는 사후 (post-hoc) 처리에 의존합니다.
• 텍스트 분류: 퀴어 관련 용어 (예: 'queer', 'trans') 가 중립적/긍정적 맥락에서도 독성 (toxic) 으로 잘못 분류되는 '과민 반응' 문제가 발견되었습니다.
• 정보 추출 및 챗봇: 챗봇이 성별 확인 수술 정보나 정신 건강 지원 시 정확성과 신뢰성이 부족하며, 문화적 맥락을 고려하지 않는 경우가 많습니다.
• 음성 처리: 트랜스젠더 및 논바이너리 목소리에 대한 데이터가 부족하며, 음성 합성 및 인식 기술은 이분법적 성별에 맞춰져 있습니다.

5. 의의 및 시사점 (Significance)

이 논문은 단순한 문헌 조사를 넘어 **NLP 기술의 정의와 포용성을 위한 행동 호소 (Call to Action)**입니다.

• 구조적 변화의 필요성: 단순한 편향 수정 (debiasing) 을 넘어, 데이터 수집부터 모델 설계, 평가에 이르기까지 **퀴어 커뮤니티의 참여 (Participatory Action Research)**를 필수 요소로 삼아야 함을 강조합니다.
• 유동적 정체성 수용: 퀴어 이론의 관점에서 정체성은 고정된 카테고리가 아니라 유동적임을 인정하고, 이를 반영할 수 있는 유연한 NLP 시스템 설계가 필요함을 주장합니다.
• 거부 (Refusal) 의 가치: 시스템이 사용자를 분류하거나 측정하는 것을 거부하는 행위 (Critical Refusal) 자체를 연구해야 할 중요한 방법론적 위치로 제안합니다.
• 다국어 및 지역적 확장: 영어 중심의 연구에서 벗어나, 다양한 문화적 맥락과 언어 (특히 비서구권) 를 포괄하는 연구 생태계 조성을 촉구합니다.

결론적으로, 이 연구는 NLP 기술이 소수자를 배제하거나 해를 끼치는 도구가 아닌, 사회적으로 책임 있고 정의로운 (Just and Inclusive) 기술로 발전하기 위한 구체적인 방향성을 제시합니다.