본 논문은 표현된 감정과 암시된 감정 사이의 불일치로 인해 감정 분석에 어려움을 주는 빈정거림 감지를 위한 설명 가능한 접근법을 제시합니다. 특히 호주 영어와 인도 영어에 초점을 맞춰, 기존의 BESSTIE 데이터셋에 수동으로 빈정거림 설명을 추가하고, 표준 영어 데이터셋인 FLUTE와 비교 분석합니다. 실험에서는 실용적 메타인지 프롬프팅(PMP) 기법을 활용하여 두 개의 대규모 언어 모델(GEMMA와 LLAMA)에서 빈정거림 감지 성능을 평가하고, 다른 네 가지 프롬프팅 전략과 비교합니다. 결과적으로 PMP 기법이 모든 과제와 데이터셋에서 통계적으로 유의미한 성능 향상을 보였으며, 에이전트 프롬프팅과 같은 다른 기법들이 외부 지식 검색을 통해 문맥 관련 오류를 완화하는 데 도움이 됨을 확인했습니다. 본 연구의 주요 기여는 다양한 영어 종류에 대한 빈정거림 설명 생성에 PMP를 활용한 것입니다.