Generics in science communication: Misaligned interpretations across laypeople, scientists, and large language models

Created by

Haebom

저자

Uwe Peters, Andrea Bertazzoli, Jasmine M. DeJesus, Gisela J. van der Velden, Benjamin Chin-Yee

💡 개요

본 연구는 과학 연구 결과 전달 시 자주 사용되는 일반화 표현(generics)이 일반 대중, 과학자, 대규모 언어 모델(LLM) 사이에서 해석의 차이를 일으킬 수 있다는 문제점을 제시합니다. 연구진은 일반 대중, 과학자, 그리고 ChatGPT-5 및 DeepSeek와 같은 LLM을 대상으로 일반화 표현 해석 방식을 비교 분석했으며, 그 결과 LLM이 과학 일반화 표현을 가장 광범위하게 일반화하고 신뢰한다고 판단하는 경향을 보였습니다. 이러한 해석의 불일치는 과학 정보 전달에 있어 잠재적인 위험을 내포하고 있음을 시사합니다.

🔑 시사점 및 한계

•

과학자들이 일반화 표현을 사용할 때, 일반 대중이 자신과 같은 방식으로 해석할 것이라고 잘못 가정할 위험이 있습니다.

•

LLM은 과학 연구 요약 시, 그 결과를 체계적으로 과도하게 일반화할 수 있는 가능성이 있습니다.

•

인간과 LLM 모두를 포함하는 과학 정보 전달에서 언어 선택에 대한 세심한 주의가 필요합니다.

•

본 연구는 특정 LLM 모델에 대한 분석에 국한되며, 다양한 LLM 모델과 실제 과학 커뮤니케이션 맥락에서의 추가적인 연구가 필요합니다.

PDF 보기

Made with Slashpage