본 논문은 42개 언어와 방언에 걸쳐 잘못된 성별 지칭(misgendering)을 평가하고 완화하기 위한 방법론을 제시합니다. 잘못된 성별 지칭은 개인의 정체성을 훼손하는 행위이며, 특히 영어 이외의 언어에서는 문법 및 문화적 요소로 인해 더욱 복잡한 문제를 야기합니다. 본 연구는 참여적 설계 접근 방식을 통해 다양한 언어에 적용 가능한 효과적이고 적절한 가이드라인을 개발하고, LLM 기반 응용 프로그램(회의록 요약)에서 이러한 가이드라인을 테스트했습니다. 데이터 생성 및 주석 단계 모두 사람이 참여하는 방식(human-in-the-loop)으로 진행되었으며, 그 결과 제안된 가이드라인이 요약 생성 시 잘못된 성별 지칭 비율을 효과적으로 줄이는 동시에 품질 저하 없이 성과를 보임을 확인했습니다. 본 연구는 다양한 언어와 문화에 걸쳐 포용적이고 책임감 있는 AI 기반 솔루션을 확장 가능한 방법을 제시하며, 42개 언어를 포함하는 가이드라인과 합성 데이터 세트, 그리고 사람과 LLM 평가 결과를 공개하여 추가 연구를 장려합니다.
