💻 computer science

Two-sided receptivity to conversational AI agents in online dating: Bilingual survey data from Fledge.Love

본 논문은 자율형 대화 에이전트에 대한 수용성과 온라인 데이팅에서의 생성형 AI 기능에 대한 관심을 측정하는 Fledge.Love 사용자 대상의 두 가지 이중 언어 설문 데이터셋을 제시하며, 인간-AI 커뮤니케이션 및 교차 문화적 기술 수용에 관한 연구를 지원하기 위해 익명화된 데이터와 분석 도구를 제공한다.

원저자: Daria Leshchikova, Valentina V. Kuskova, Dmitry Zaytsev, Valerii Klimov

게시일 2026-08-21

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Daria Leshchikova, Valentina V. Kuskova, Dmitry Zaytsev, Valerii Klimov

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

우리의 디지털 삶의 조용한 구석에서, 새로운 형태의 대화가 형체를 갖추기 시작하고 있습니다. 수년 동안 온라인 데이팅은 인간이 다른 인간에게 메시지를 타이핑하는 방식에 의존해 왔지만, 새로운 기술의 물결은 인공지능을 그 과정에 도입하고 있습니다. 이것들은 단순히 문장을 더 나은 방식으로 표현하도록 제안하는 스마트한 도구가 아닙니다. 이들은 사람을 대신해 대화하거나, 심지어 사람이 화면을 보기 전에 다른 에이전트와 먼저 대화를 나눌 수 있는 자율적인 에이전트들입니다. 이러한 변화는 우리가 연결되는 방식에 대한 근본적인 질문을 던집니다. 우리는 기계가 우리를 대신해 말하기를 원하는가? 그리고 더 중요한 것은, 우리가 대화하고 있는 상대가 기계일지도 모른다는 사실을 깨달았을 때 우리는 어떻게 느끼는가 하는 점입니다. 이러한 감정을 이해하는 것은 매우 중요한데, 기술이 우리의 이해보다 더 빠르게 움직이고 있기 때문입니다. 우리는 사람들이 일반적인 기술 사용에 대해 의견을 가지고 있다는 것은 알고 있지만, 대화를 컴퓨터에 위임하는 구체적이고 친밀한 행위나, 전화 너머에서 마주하는 대상에 대해 어떻게 반응하는지에 대한 증거는 거의 가지고 있지 않습니다.

이를 답변하기 위해, 연구진은 Fledge.Love라는 데이팅 플랫폼을 사용하는 수천 명의 사람들의 태도를 상세히 살펴본 결과를 발표했습니다. 플랫폼 직원들과 협력한 연구팀은 이 새로운 현실의 전체 모습을 포착하기 위해 두 가지 별도의 설문조사를 실시했습니다. 첫 번째 설사는 영어와 러시아어를 사용하는 2,617명의 활성 사용자를 대상으로 이 자율적 에이전트에 대한 감정을 물었습니다. 연구진은 두 가지 뚜렷한 역할에 대해 묻는 데 주의를 기울였습니다. 즉, 자신을 대신해 대화할 에이전트를 고용할 수도 있는 사람과, 에이전트로부터 메시지를 받을 수도 있는 사람입니다. 이 구분은 매우 중요한데, 어떤 사람은 자신을 도와 매칭을 찾아줄 로봇을 두는 아이디어는 좋아할 수 있지만, 자신의 새로운 파트너가 실제로 봇이라는 것을 알게 되었을 때 불편함을 느낄 수 있기 때문입니다. 두 번째 설사는 2,894명의 사용자를 대상으로 프로필 요약을 작성하거나 대화 팁을 제공하는 것과 같은 수동적 기능에 대한 관심을 조사했습니다. 연구진은 이러한 변화를 직접 겪고 있는 사람들로부터 직접 데이터를 수집함으로써, 사람들이 사랑을 찾는 과정에서 인간과 기계 사이의 경계를 어떻게 탐색하고 있는지에 대한 드문 스냅샷을 만들어냈습니다.

결과는 수용과 망설함이 공존하는 복잡한 지형을 보여줍니다. 자신이 자리를 비운 동안 잠재적 파트너와 대화하기 위해 자신의 에이전트를 배치한다는 아이디어에 대해서는, 많은 사용자가 관심을 표명했으며, 상당 부분의 사용자가 이를 시도해 보거나 이미 고려 중이라고 답했습니다. 그러나 상대방 측에서 에이전트를 마주하는 것에 대한 반응은 더 엇갈렸습니다. 일부 사용자들은 에이전트와 대화를 나누겠다고 했지만, 다른 이들은 부정적인 반응을 보이며 오직 실제 사람과만 대화하고 싶다고 말했습니다. 데이터는 이 두 가지 태도가 항상 일치하지는 않는다는 것을 보여주었습니다. 즉, 어떤 사람은 자신을 위해 에이전트를 기꺼이 사용하면서도, 동시에 자신의 매치가 에이전트를 사용하고 있다고 의심될 때 불편함을 느낄 수 있다는 것입니다. 또한 연구진은 이러한 에이전트에 대한 사람들의 감정이 구체적인 상황에 따라 달라진다는 것을 발견했습니다. 예를 들어, 사용자들은 인간과 에이전트가 동시에 상호작용하는 혼합 그룹 채팅에 대한 회의적인 반응에 비해, 인간이 참여하기 전 두 에이전트가 서로 대화하는 아이디어를 더 재미있거나 심지어 멋진 아이디어로 보고 더 개방적인 태도를 보였습니다.

연구는 또한 언어가 이러한 견해를 어떻게 형성하는지를 밝혀냈습니다. 연구진은 영어와 러시아어 응답을 분석하였으며, 전반적인 추세는 비슷했지만 특정 질문이 어떻게 이해되고 답변되는지에 있어서 미묘한 차이가 있음을 발견했습니다. 예를 들어, 에이전트를 마주하는 것에 대한 특정 질문들은 언어에 따라 다르게 해석되었으며, 이는 문화적 맥락이 사람들이 이러한 기술을 인식하는 방식에 역할을 한다는 점을 시사합니다. 데이터에는 연령 및 플랫폼 이용 기간과 같은 인구 통계 정보도 포함되어 있어 추가 분석이 가능하지만, 이번 공개는 행동적 결과보다는 명시된 선호도에 초점을 맞추고 있습니다. 중요한 점은, 연구진이 참여자들의 개인정보를 보호했다는 것입니다. 그들은 모든 개인 연락처와 자유 텍족 댓글을 제거하였으며, 개인을 식별할 수 없도록 데이터를 신중하게 조정하여, 데이터의 풍부함을 유지하면서도 공공 사용에 안전하도록 조치했습니다.

수치를 넘어, 이 작업은 디지털 관계의 미래를 이해하기 위한 명확한 프레임워크를 제공합니다. 연구진은 단순히 사람들이 AI를 좋아하는지 묻는 것이 아니라, 경험을 구체적인 역할과 시나리오로 세분화하여, 수용이 단일한 예/아니오의 결정이 아니라 일련의 미묘한 선택임을 보여주었습니다. 그들은 기술이 배포될 준비가 되어 있는 반면, 인간적인 요소인 신뢰와 투명성이 결정적인 요인으로 남아 있다는 것을 발견했습니다. 데이터는 이러한 도구들이 성공하기 위해서 플랫폼이 에이전트가 관여하고 있는지에 대해 명확히 밝히고 사용자에게 상호작용에 대한 통제권을 주어야 함을 시사합니다. 이 데이터 공개는 단순한 설문 답변의 모음이 아닙니다. 이는 차세대 데이팅 앱을 구축하거나, 기계와 대화하는 방식을 설계하거나, 혹은 가장 개인적인 삶 속으로 새로운 기술을 받아들이는 과정을 연구하는 모든 이들을 위한 기초적인 단계입니다. 이 정보를 공개함으로써, 연구진은 인간과 기계의 대화 사이의 경계가 점점 더 모호해지는 미래로 발을 내딛는 우리가 정확히 어디에 서 있는지 세상이 볼 수 있는 기회를 제공했습니다.

기술 요약: 온라인 데이팅 내 대화형 AI 에이전트에 대한 양면적 수용성

문제 제기
자율 대화형 에이전트와 생성형 AI의 온라인 데이팅 플랫폼 내 급격한 통합은 사용자 태도에 관한 공적 증거의 축적 속도를 앞질렀다. 기존의 연구 도구들은 일반적으로 일반적인 AI 수용성이나 추상적인 기술 채택을 측정할 뿐, **대화 위임(communication delegation)**의 구체적인 구조를 포착하는 데 실패한다. 이러한 맥락에서 단일 사용자는 두 가지 구별되는 역할을 동시에 수행한다: 즉, 주체 역할(자신을 대신해 대화하도록 에이전트를 배치함)과 상대 역할(다른 사용자가 배치한 에이전트를 마주함)이다. 현재의 공개 마이크로데이터는 동일 응답자 내에서 두 역할에 대한 수용성을 모두 측정하지 못하며, 데이팅 플랫폼 사용자 기반의 설문 데이터는 상업적 접근 장벽으로 인해 희소하다.

방법론
저자들은 국제적인 데이팅 플랫폼인 Fledge.Love의 활성 사용자들로부터 수집된 두 개의 익명화된 설문 데이터셋을 공개한다. 데이터 수집은 인센티브 없이 자발적으로 진행된 인앱(in-app) 자기 기입형 프롬프트를 통해 이루어졌다.

도구 B (에이전트 수용성):
- 표본: $N = 2,617$ 명의 활성 사용자 (2025년 11월–12월 조사).
- 설계: 자율 에이전트에 대한 수용성을 측정하는 이중 언어(러시아어 및 영어) 설문지.
- 항목: 두 역할을 구분하는 7개 항목의 배터리:
  - 주체 역할 (Y1–Y3, Y7): 개념에 대한 첫 반응, 에이전트 설정에 대한 태도, 자신의 에이전트를 배치하려는 의지, 전반적인 제품 가치.
  - 상대 역할 (Y4–Y6): 타인의 에이전트와 교류하려는 의지, 에이전트 간 사전 대화에 대한 반응, 인간-에이전트 혼합 그룹 채팅에 대한 반응.
- 공변량: 6개의 서열 공변량(성별, 연령대, 플랫폼 이용 기간, 매칭 볼륨, 대화 전환율, 정체된 매칭에 대한 부정적 감정)과 대화 정체 원인 및 대처 전략에 관한 2개의 보조 범주형 항목.
- 익명화: 분석 전 엄격한 파이프라인이 적용되었다. 여기에는 읽지 않은 연락 필드 삭제, 자유 텍스트 제거, ISO 주 단위로 타임스탬프 세분화, 행 순서 셔플링, $k$ -익명성( $k \ge 5$ ) 검토가 포함된다. 영어 양식의 45세 이상 여성에 대한 $k$ -익명성 위반을 해결하기 위해 연령대를 병합하는 로컬 재코딩이 적용되었다.
도구 A (생성형 기능 관심도):
- 표본: $N = 2,894$ 명의 활성 사용자 (2026년 3월–4월 조사, 러시아어 전용).
- 설계: 세 가지 수동적 생성형 AI 기능(AI 프로필 요약, AI 대화 팁, AI 커플 설명)에 대한 관심도, 강제 선택형 "3개 중 최고" 항목, 그리고 AI 사용 경험을 포함한 인구통계학적 정보를 측정한다.
- 참고: 샘플 A와 B는 서로 연결되지 않는다.
분석 및 검증:
- 모델링: 7개 수용성 항목에 대해 2차원 등급 반응 모델(GRM)을 적합시켜, 주체 역할( $\theta_{send}$ )과 상대 역할( $\theta_{recv}$ )을 위한 잠재 차원을 추정하였다.
- 유도 점수: 2,499개의 완전 사례(complete cases)에 대해 모델 유도량(사후 기대값 및 지지 성향)을 계산하였다.
- 재현성: 공개된 데이터로부터 모든 유도량과 표준 출력을 재생성하는 실행 가능한 Jupyter 노트북이 포함되어 있으며, 검증을 위한 SHA-256 체크섬이 제공된다.

주요 결과

측정 구조: 2차원 모델이 1차원 모델보다 유의미하게 더 잘 적합되었으며( $\Delta BIC = 51.8$ ), 이는 에이전트를 배치하는 것과 에이전트를 마주하는 것에 대한 수용성이 서로 구별되면서도 매우 높은 상관관계( $r = 0.92$ )를 가진 구성 개념임을 확인시켜 준다.
교차 언어 비교 가능성: 차별적 문항 기능(DIF) 테스트를 통해 영어와 러시아어 양식 간의 두 상대 역할 항목(Y4, Y5)에서 비불변성을 확인하였다. 남은 불변 항목들에 대해 점수를 비교할 수 있도록 해당 항목들을 해제함으로써 부분 불변 모델을 구축하였다.
안정성: 200회 반복 비모수 부트스트랩을 통해 파라미터 안정성을 확인하였으며, 퇴화된 신뢰 구간은 나타나지 않았다. 잠재 클래스 분석은 높은 상대 엔트로피(0.83)를 보이는 4개 클래스 솔루션( $K=4$ )을 선택하여 안정적인 모집단 구조를 나타냈다.
예측 일관성: 교차 검증을 통해 해당 배터리가 일관된 구성 개념을 공유함을 입증하였다. 항목 Y4를 제외했을 때, 나머지 항목들과 공변량들이 Y4 지지 여부를 예측하는 AUC는 0.89로, 베이스라인 분류기를 크게 상회하였다.

의의 및 주장
본 논문은 동일 응답자 내에서 대화형 AI의 주체 및 상대 역할 수용성을 측정한 최초의 공개 마이크로데이터를 제공한다고 주장한다. 본 릴리스는 다음 세 가지 특정 연구 커뮤니티를 지원하기 위해 위치한다:

인간-AI 커뮤니케이션: 송신 측(send-side)과 수신 측(receive-side) 수용성을 분리하는 문서화된 문항 배터리를 제공한다.
추천 시스템: 에이전트적이고 상호적인 추천을 위한 모델링 대상 또는 벤치마크로 적합한 사용자별 수신 측 수용성 수치를 제공한다.
교차 문화 기술 수용: 번역 및 불변성 방법론을 지원하기 위해 문항 수준의 차별적 기능을 문서화한 이중 언어 도구를 제공한다.

또한 저자들은 이 데이터셋이 작고 완전한 형태이며 전체 추정 파이프라인과 알려진 출력값을 포함하고 있어, 심리측정학 강의(문항 반응 이론, 측정 불변성, 잠재 클래스 분석)의 교육 자료로서 적합하다고 언급하였다. 저자들은 데이터가 행동 로그가 아닌 진술된 선호도를 나타내며, 샘플이 특정 플랫폼의 활성 사용자로 제한되어 있고, 자유 텍스트 응답은 수집되었으나 공개되지 않았다는 한계점을 명시하였다.

유사한 논문