The Shape of Testimony: A Scalable Framework for Oral History Archive Comparison

기술적 요약: 증언의 형태: 구술 역사 아카이브 비교를 위한 확장 가능한 프레임워크

문제 제기
홀로코스트 연구 학계는 오랫동안 생존자 증언의 두 주요 아카이브인 예일 포춘호프 비디오 아카이브와 USC 쇼아 재단 사이에서 이분법을 가정해 왔습니다. 지배적인 주장은 예일 인터뷰가 느슨하고 개방적이며 생존자가 주도하는 스타일을 따르는 반면, USC 인터뷰는 엄격하고 구조화되었으며 인터뷰어가 안내하는 형식을 따른다고 주장합니다. 이러한 구별은 연구와 아카이브 개발에 영향을 미쳐 왔으나, 역사적으로 기관 정책 분석, 선별된 텍스트의 세밀한 분석, 또는 소규모 실증 연구에 의해서만 지지되어 왔습니다. 수천 개의 내러티브에 걸쳐 이러한 이분법적 구별을 검증하거나 반증할 대규모 실증적 계산 증거는 부족합니다. 또한, 이러한 윤리적으로 민감하고 해석적으로 복잡한 말뭉치에 계산 도구를 적용하는 것은 여전히 중요한 과제로 남아 있습니다.

방법론
저자들은 1,668 건의 홀로코스트 생존자 증언 (USC 1,000 건, 예일 668 건) 을 분석하기 위해 확장 가능하고 재현 가능한 계산 파이프라인을 개발했습니다. 이 방법론은 담화 분할, 토픽 모델링, 그리고 대규모 언어 모델 (LLM) 분류를 통합하여 인터뷰의 "구조화 정도"를 정량화합니다.

1. 데이터 전처리: 화자 식별을 포함하여 수기로 전사된 모든 증언은 질문 - 답변 (Q/A) 쌍으로 분할되었습니다.
2. 이중 수준 분할:
   • 미시적 수준: Q/A 쌍은 이산적인 주제 단위로 취급되었으며, 일관성을 유지하기 위해 짧은 쌍은 병합되었습니다.
   • 거시적 수준: 각 증언은 누적 단어 수를 기반으로 $k=15$개의 등분된 시간적 세그먼트로 나뉘었으며, 아카이브 간의 상당한 길이 차이 (USC 평균 약 23,000 단어; 예일 약 13,000 단어) 를 보정했습니다.
3. LLM 기반 토픽 추출: 수동 라벨링이 필요한 전통적인 비지도 학습 방법 (예: LDA, BERTopic) 대신, 저자들은 2 단계 LLM 파이프라인을 활용했습니다:
   • 1 단계: LLM 이 모든 Q/A 쌍에 대한 간결한 설명 라벨을 생성했습니다.
   • 2 단계: LLM 이 15 개 시간적 세그먼트 각각에 대한 상위-K 개의 반복되는 토픽을 식별했습니다.
   • 검증: 이 접근 방식은 수동 샘플과 이전 반지도 작업에 대해 검증되었으며, 강력한 구조적 수렴을 보여주었습니다.
4. 지표 추출: 파이프라인은 다음을 추출하고 분석했습니다:
   • 주제 일관성: 세그먼트 전반에 걸친 테마의 순서, 지속성, 다양성을 추적합니다.
   • 대화적 역동성: 시간에 따른 답변 길이, 질문 길이, 그리고 표준 편차 (변동성) 를 측정합니다.
   • 개입 밀도: 내러티브 자율성을 측정하기 위해 전체 길이 대비 중단되지 않은 생존자 발화의 비율을 계산합니다.
   • 질문 분류: 인터뷰 스타일을 평가하기 위해 LLM 을 사용하여 인터뷰어의 질문을 일곱 가지 유형 ("왜", "무엇", "어디", "누구", "언제", "어떻게", "기타") 으로 분류합니다.

주요 결과
계산 분석은 전통적인 구별을 대체로 뒷받침하면서도 중요한 뉘앙스와 중첩을 드러냈습니다:

• 구조적 차이: USC 인터뷰는 예측 가능하고 세그먼트화된 주제 진행을 보이며 단계 간 (예: 전쟁 전, 게토, 수용소) 경계가 더 명확합니다. 초기 세그먼트에서는 사실적이고 지시적인 질문 ("무엇", "언제", "누구") 에 크게 의존하며, 예일에서는 거의 나타나지 않는 반복적인 "가족 기억" 세그먼트 (사진 논의) 를 특징으로 합니다.
• 예일의 유동성: 예일 증언은 더 큰 주제적 유동성을 보여주며, 토픽이 더 일찍 등장하고 더 빈번하게 중첩되며 세그먼트 전반에 걸쳐 지속됩니다. 개방형 "기타" 질문의 비율이 더 높으며, 초기 단계에서 더 길고 변동성이 큰 생존자 응답을 특징으로 하여 생존자 중심 접근을 나타냅니다.
• 수렴: 초기 차이에도 불구하고 두 아카이브는 후기 단계에서 수렴합니다. 두 경우 모두 끝부분으로 갈수록 개입 밀도와 답변 길이가 감소하여 공유된 증언 관습과 마무리 의식을 시사합니다. 거시적 역사적 아크 (전쟁 전 $\to$ 박해 $\to$ 전쟁 $\to$ 전후) 는 양쪽에서 일관되게 유지됩니다.
• 질문 역학: USC 인터뷰어는 초기에 더 길고 빈번한 질문을 하여, 점차 생존자 주도 내러티브에 양도되는 안내형 발판을 반영합니다. 예일 인터뷰어는 더 짧고 예측 불가능한 질문을 하여 생존자의 이야기 전달에 대한 반응적 적응을 반영합니다.

주요 기여

1. 데이터 기반 재평가: 이 연구는 경직된 "구조화 대 자유 형식" 이분법에 도전하는 실증적 대규모 증거를 제공합니다. "구조화 정도"가 정적인 제도적 상수가 아니라 프로토콜, 인터뷰어 선택, 생존자 주체성의 상호작용에서 나타나는 동적 속성임을 보여줍니다.
2. 확장 가능한 프레임워크: 이 논문은 디지털 인문학을 위한 비교 말뭉치 분석을 위한 재현 가능한 파이프라인을 소개합니다. 특히 LLM 기반 토픽 추출과 맵 - 리듀스 논리 (국소적 생성 후 전역적 종합) 를 결합하여 구술 역사의 과제 (맥락적 과잉, 확산된 토픽) 에 구체적으로 대응합니다.
3. 방법론적 존재론: 이 작업은 해석 범주 (예: 구조화 정도, 주제 일관성) 를 측정 가능한 특성으로 운영화하여, 자동화와 담화 및 정서적 복잡성의 보존 사이의 균형을 맞춥니다.

의의와 주장
저자들은 이 작업이 홀로코스트 연구의 기초적인 역사서술적 주장을 재평가하고 확장 가능한 구술 역사 비교 프레임워크를 확립한다는 이중적 기여를 제공한다고 주장합니다. 그들은 그들의 접근 방식이 복잡하고 윤리적으로 민감한 내러티브가 그 무결성을 훼손하지 않고 계산적으로 분석될 수 있음을 보여준다고 논합니다.

이 논문은 광범위한 디지털 구술 역사, 내러티브 분석, 그리고 시민 과학 주석 플랫폼 설계에 대한 "개념 증명"으로 자신을 위치시킵니다. 계산적 방법이 비판적으로 사용될 때 아카이브와 기억 작업의 전통을 연결함으로써 해석 작업을 심화시키고, 고립된 사례 연구에서 비교 인프라로 분야를 이동시킬 수 있다고 주장합니다. 저자들은 겸손하게도 파이프라인이 확장 가능하도록 설계되었으며, 향후 작업은 이러한 도구를 학제 간 사용을 위한 오픈 액세스 플랫폼에 통합하는 데 초점을 맞출 것이라고 밝힙니다.