Umm... With Transformers? Insights from Filled Pause Use across Four Slavic Parliaments

기술 요약: 4개 슬러브어 의회에서의 채움 휴지(Filled Pause) 사용에 관한 통찰

문제 제lemnt (Problem Statement)
"어", "음"과 같은 채움 휴지(Filled Pauses, FPs)는 자발적 발화의 보편적인 특징이지만, 이에 대한 실증적 연구는 소규모의 단일 언어 코퍼스에 의존해 왔다는 점에서 제약을 받아왔다. 이러한 한계는 통계적 검증력을 제한하고, 다양한 언어적·문화적 맥적에서 발견의 일반화 가능성을 저해한다. 또한, 기존 문헌은 화자의 안정적인 특성과 발화 내의 상태 변화를 혼동하는 경우가 많아, 습관적인 말하기 스타일과 순간적인 계획 요구(planning demands) 사이를 구분하기 어렵게 만든다. 본 연구는 약 4,000시간의 의회 연설(크로아티아어, 체코어, 폴란드어, 세르비아어의 네 가지 관련 슬러브어)을 분석함으로써, 대규모의 언어적 다양성을 갖춘 환경에서 FP 발생률의 예측 요인을 조사하여 이러한 공백을 메우고자 한다.

연구 방법론 (Methodology)
본 연구는 6,000시간의 의회 연설로 구성된 ParlaSpeech 데이터셋을 활용하며, 1,561명의 화자(국회의원)로부터 추출된 1,001,787개의 발화(최소 3초 이상, 10단어 이상)를 필터링하여 사용하였다.

• 자동 탐지: 슬로베니아어 데이터로 학습되고 네 가지 대상 언어에 대해 테스트된 트랜스포머 기반 모델(wav2-2bert)을 사용하여 채움 휴지를 식별하였으며, 이벤트 수준에서 약 0.92의 F1 점수를 달성하였다.
• 특징 추출: 화자 메타데이터(성별, 연령, 정치적 성향, 권력 지위)는 공식 기록에서 가져왔다. 감정(Sentiment)은 XLM-R-ParlaSent를 통해 예측하였고, 발화 속도는 음절 모음 수를 오디오 지속 시간으로 나눈 값으로 계산하였다.
• 통계 모델링: 연구는 FP 횟수를 모델링하기 위해 음이 아닌 이항 분포(Negative Binomial distribution)를 사용하는 일반화 추정 방정식(GEE)을 사용하며, 결과값을 비율로 표현하기 위해 log(audio duration)를 오프셋(offset)으로 사용하였다.
• 분해 전략 (Decomposition Strategy): 핵심적인 방법론적 요소는 Mundlak 교정 모델의 적용이다. 이 접근 방식은 시변 예측 변수(time-varying predictors)를 두 가지 구성 요소로 분해한다:
  1. 화자 간 효과 (Between-speaker effects): 화자의 안정적인 경향(예: 화자의 평균 연령 또는 습관적인 감정).
  2. 화자 내 효과 (Within-speaker effects): 특정 발화 시 화자의 기준선으로부터의 편차(예: 특정 세션에서 평소보다 더 긍정적으로 말하는 경우).
     이러한 분해를 통해 저자들은 특성 수준(trait-level)의 연관성과 상태 수준(state-level)의 변이를 구분할 수 있다. 총 10개의 모델이 전역적(pooled) 및 각 의회별로 별도로 적합되었다.

주요 결과 (Key Results)
분석 결과, 확립된 예측 요인과 새로운 예측 요인에 대해 뚜렷한 발견이 도출되었다:

• 성별: 남성 화자의 FP 발생률이 더 높다고 보고하는 많은 기존 문헌과 달리, 본 연구에서는 전역적으로 남성 화자가 여성 화자보다 유의미하게 적은 FP를 생성함을 발견했다(발생률 비[IRR] = 0.636). 이 효과는 강력하며 남슬라브 의회(크로아티아와 세르비아)에 의해 완전히 주도되었다. 서슬라브 의회(체코와 폴란드)에서는 성별 차이가 유의미하지 않았다.
• 연령: 연령과 FP 발생률 사이의 부(-)의 상관관계가 확인되었다. 전역적으로 연령이 10년 증가할 때마다 FP는 13.8% 감소한다. 이는 연령이 높아질수록 FP가 증가한다고 보고하는 일부 대화 코퍼스와 대조되며, 연령 효과의 도메인 의존성을 강화한다.
• 발화 속도: 발화 속도와 FP 발생률 사이에는 강한 부(-)의 상관관계가 존재한다. 화자 내 구성 요소(within-speaker component)가 데이터셋에서 가장 강력한 예측 변수였는데, 이는 순간적인 계획 요구(속도를 늦추고 머뭇거리는 것)가 화자의 습관적인 속도보다 FP 생성을 더 강력하게 유도함을 나타낸다.
• 감정: 감정과 FP 발생률 사이의 일관된 정(+)의 연관성이 발견되었다. 화자는 더 긍정적인 감정을 표현할 때 더 많은 FP를 사용한다. 이 효과는 네 가지 의회 모두에서 화자 내에서 안정적으로 나타나며, 이는 화자의 기저 스타일과 관계없이 긍정적인 의사소통 요구가 머뭇거림을 증가시킨다는 것을 시사한다.
• 정치적 성향: 화자의 습관적인 이념적 위치와 FP 생성 사이에는 신뢰할 만한 전역적 연관성이 발견되지 않았다. 그러나 화자 내 분석 결과, 크로아티아와 폴란드에서는 화자의 정당 소속이 평소 기준보다 더 우파 성향일 때 FP 발생률이 높아지는 것으로 나타났다. 이 효과는 체코와 세르비아에서는 나타나지 않았다.
• 권력 지위: 전역적으로 야당 화자는 여당 구성원보다 적은 FP를 생성하는 경향이 있다(IRR = 0.792). 이 효과는 체코와 크로아티아에서 유의미했다. 주목할 점은 세르비아의 경우 경계선상의 정(+)의 추세(야당이 더 많은 FP와 함께 발화함)를 보였다는 것이며, 이는 해당 맥락의 독특한 정치적 역학을 시사한다.

의의 및 기여 (Significance and Contributions)
본 논문은 계산 언어학 분야에 다음과 같은 몇 가지 중요한 기여를 한다고 주장한다:

1. 규모 및 일반화 가능성: 약 4,000시간의 연설을 네 가지 언어로 분석함으로써, 본 연구는 소규모 단일 언어 연구에서 보고된 많은 효과(특히 성별 및 연령 관련)가 보편적인 것이 아니라 언어 특이적이거나 도메인 의존적임을 입증한다.
2. 방법론적 엄밀성: Mundlak 교정 GEE 모델의 적용은 안정적인 화자 특성과 발화 수준의 변이를 분리하는 강력한 프레임워크를 제공한다. 결과는 특히 발화 속도와 감정에 있어 화자 내 구성 요소(상태 수준의 변이)가 화자 간 특성보다 더 강력한 예측 변수임을 강조한다.
3. 새로운 예측 요인: 본 연구는 감정을 FP 발생률의 일관된 예측 요인으로 확립하였는데, 이는 이전의 양적 연구에서 거의 탐구되지 않은 관계이다. 또한 정치적 성향과 권력 지위가 불연속성(disfluency)에 미치는 영향에 대한 최초의 대규모 양적 증거를 제공하며, 단순한 선형 추세가 아닌 복잡하고 의회별로 상이한 패턴을 보여준다.
4. 도메인 특수성: 저자들은 자신의 발견이 의회 도메인에 특화되어 있음을 강조한다. 남슬라브 의회에서의 성별 효과 역전과 권력 지위에 의한 FP 발생률의 특정한 조절은, 공식적이고 과업 중심적인 담화 장르가 비형식적 대화에서 관찰되는 패턴을 중립화하거나 역전시킬 수 있음을 시사한다.

결론적으로, 본 논문은 채움 휴지 생성을 이해하기 위해 트랜스포머로 주석이 달린 대규모 교차 언어 코퍼스가 필수적이며, 소규모 연구의 결과를 더 넓은 언어적 또는 문화적 맥락으로 일반화할 때 주의가 필요함을 강조한다.