Dual Perspectives in Emotion Attribution: A Generator-Interpreter Framework for Cross-Cultural Analysis of Emotion in LLMs

1. 연구 배경 및 문제 제기 (Problem)

대규모 언어 모델 (LLM) 은 문화적 규범에 의해 형성된 인간의 감정을 이해하고 적응하는 크로스컬처럴 시스템에서 점점 더 많이 활용되고 있습니다. 그러나 기존 정서 귀속 (Emotion Attribution) 연구는 주로 **해석자 (Interpreter)**의 관점, 즉 텍스트에 나타난 감정을 어떻게 분류하는지에 집중해 왔습니다. 이는 감정을 생성한 **생성자 (Generator)**의 문화적 배경을 간과하는 결함이 있습니다.

• 핵심 문제: 감정의 표현 (생성) 과 지각 (해석) 은 모두 문화적 규범에 의존합니다. 기존 연구는 감정이 보편적이라고 가정하거나, 생성자의 문화적 맥락을 무시한 채 해석자 모델의 성능만 평가함으로써, 문화적 불일치 (Cultural Misalignment) 로 인한 편향과 오류를 제대로 파악하지 못했습니다.
• 연구 목적: LLM 기반 시스템에서 감정의 표현 (생성) 과 판단 (해석) 이 모두 문화적 맥락에 의해 매개된다는 점을 인식하고, **생성자 - 해석자 (Generator-Interpreter)**의 이중 관점을 고려한 새로운 평가 프레임워크를 제안하는 것입니다.

2. 방법론 (Methodology)

2.1 데이터셋: ISEAR

• ISEAR (International Survey on Emotion Antecedents and Reactions) 데이터셋을 사용했습니다.
• 1990 년대 수집된 이 데이터는 15 개 국가 (오스트리아, 브라질, 불가리아, 중국, 핀란드, 온두라스, 인도, 말라위, 네덜란드, 뉴질랜드, 스페인, 스웨덴, 미국, 잠비아 등) 의 3,000 명 이상의 학생이 보고한 5,250 건의 자서전적 감정 사건을 포함합니다.
• 중요한 특징: 모든 텍스트가 영어로 번역되었지만, 각 사건이 발생한 문화적 기원 (생성자의 국적) 정보가 유지되어 있습니다. 이는 언어적 뉘앙스보다는 문화적 프레임에 초점을 맞추기 위함입니다.

2.2 실험 설정: 생성자 - 해석자 프레임워크

• 생성자 (Generator): 감정 사건의 원천이 된 국가 (예: 스위스 참가자가 기록한 수치심 경험).
• 해석자 (Interpreter): 해당 감정을 분류하는 LLM 의 페르소나 (예: "인도 annotator 로서 이 사건을 분류하라").
• 평가 모델: GPT-4o, Gemini, Claude, Mistral, Qwen2, DeepSeek 등 6 개의 최신 LLM 을 선정했습니다. (서구권 및 동양권 개발 모델 포함)
• 작업: 제로샷 (Zero-shot) 방식으로, 각 LLM 에게 15 개 국가의 페르소나를 부여하여 5,250 개의 사건에 대해 감정을 귀속하도록 요청했습니다. 총 472,500 건의 감정 귀속 실험을 수행했습니다.
• 평가 지표: 정확도 (Accuracy), 정밀도 (Precision), 재현율 (Recall), F1 점수. 특히 동일 국가 (Self-alignment) vs 이질 국가 (Cross-country) 간의 성능 차이를 분석했습니다.

3. 주요 기여 (Key Contributions)

1. 새로운 평가 프레임워크 제안: 크로스컬처럴 LLM 시스템 평가를 위해 '생성자 (문화적 기원)'와 '해석자 (목표 페르소나)'를 명시적으로 모델링하는 Generator x Interpreter 프레임워크를 처음 도입했습니다.
2. 체계적 평가 수행: 15 개 국가 페르소나와 6 개 LLM 을 대상으로 ISEAR 데이터셋을 활용해 체계적인 평가를 수행하여, 정서 귀속에서의 문화적 차이와 편향을 규명했습니다.
3. 편향의 메커니즘 규명: 기존 연구가 간과했던 생성자의 문화적 배경이 해석 성능에 미치는 영향을 실증적으로 증명했습니다.

4. 주요 결과 (Results)

4.1 국가별 페르소나 성능 차이

• 전반적 정확도: 모델 간 전체 정확도는 0.70~0.76 으로 비교적 안정적이었으나, F1 점수는 모델과 페르소나에 따라 큰 차이를 보였습니다.
• 감정별 편향:
  • 기쁨 (Joy) 과 공포 (Fear): 모든 모델에서 높은 정밀도와 재현율을 보이며 보편적으로 인식됨.
  • 슬픔 (Sadness): 다른 감정 (분노, 혐오, 수치심) 이 슬픔으로 과도하게 분류되는 경향 (Over-prediction) 이 관찰됨.
  • 수치심 (Shame) 과 죄책감 (Guilt): 식별이 어려움. 특히 집단주의 문화 (중국, 인도 등) 에서는 수치심이 사회적 결속 도구로, 개인주의 문화 (미국, 스웨덴 등) 에서는 죄책감이 개인적 책임의 지표로 작용하는 문화적 차이가 모델에 반영됨.
  • 혐오 (Disgust): 가장 낮은 F1 점수를 보이며, 도덕적 혐오가 분노나 슬픔으로 잘못 분류되는 경향이 강함.

4.2 생성자 - 해석자 정렬 (Alignment) 효과

• 동일 국가 정렬의 한계: 생성자와 해석자가 같은 국가일 때 성능이 향상되는 경우가 있으나 (예: 오스트리아, 말라위), 이것이 보편적인 법칙은 아님.
• 생성자 국적의 결정적 영향: 생성자의 국적이 해석 난이도에 더 큰 영향을 미침.
  • 중국과 잠비아에서 생성된 사건은 모든 모델과 페르소나에 의해 일관되게 낮은 정확도 (예: GPT-4o 기준 0.62, Mistral 기준 0.46) 로 해석됨.
  • 반면, 오스트리아, 브라질, 스페인, 말라위 등 서구권 및 일부 국가의 사건은 상대적으로 높은 정확도로 해석됨.
• 결론: 해석자의 능력뿐만 아니라, **생성된 텍스트의 문화적 기원 (특히 중국 등 비서구권 데이터)**이 정서 귀속의 난이도를 결정하는 핵심 요인임이 확인됨.

4.3 오분류 패턴 분석

• 수치심 vs 죄책감: 집단주의 문화에서는 수치심이, 개인주의 문화에서는 죄책감이 더 잘 분류됨.
• 분노의 내면화: 중국 등 특정 문화권에서 발생한 분노 사건이 해석자들에 의해 슬픔, 수치심, 공포로 재해석되는 경향이 있음 (외향적 분노를 내면적 감정으로 축소).
• 문화적 맥락 상실: "한국이 중국보다 금메달을 더 많이 땄다"는 사건 (원래 감정: 분노/경쟁심) 이 모든 해석자에게 "기쁨"으로 분류되는 등, 문화적/관계적 맥락이 사라짐.

5. 의의 및 시사점 (Significance)

1. 문화적 민감성 있는 모델 설계의 필요성: LLM 기반 정서 지원 시스템 (멘탈 헬스, 교육, 고객 서비스 등) 을 구축할 때, 단순히 해석자의 관점만 고려해서는 안 되며, 입력 데이터 (생성자) 의 문화적 기원을 반드시 고려해야 함.
2. 편향 완화 전략:
   • 시스템이 사용자의 위치, 언어, 텍스트 스타일 등을 통해 생성자의 문화적 배경을 추론하거나 명시적으로 입력받도록 설계해야 함.
   • 프롬프트에 문화적 페르소나를 명시적으로 포함시켜 해석의 맥락을 조정해야 함.
3. 데이터 다양성 확보: 현재 LLM 이 서구 중심 데이터에 편향되어 있어 비서구권 문화의 정서를 왜곡하여 해석함. 다양한 문화적 배경을 반영한 데이터셋 구축이 시급함.
4. 평가 기준의 변화: 기존의 해석자 중심 벤치마크를 넘어, Generator × Interpreter 평가를 통해 모델의 문화적 정렬 능력을 종합적으로 검증해야 함.

요약

이 논문은 LLM 이 감정을 이해할 때 '누가 감정을 표현했는가 (생성자)'와 '누가 그것을 해석하는가 (해석자)'라는 두 가지 문화적 축이 상호작용함을 강조합니다. 연구 결과, 생성자의 문화적 배경 (특히 비서구권) 이 해석 성능에 결정적인 영향을 미치며, 현재의 LLM 은 서구 중심의 편향을 가지고 있어 문화적 맥락이 다른 감정을 잘못 해석하거나 단순화하는 경향이 있음을 밝혔습니다. 이는 향후 더 공정하고 포용적인 크로스컬처럴 AI 시스템을 설계하기 위해 문화적 기원을 고려한 정서 모델링이 필수적임을 시사합니다.