본 논문은 과학 발표에 대한 '얇은 조각(thin-slicing)' 접근 방식, 즉 최소한의 정보만으로 정확한 판단을 내리는 능력을 조사한다. 비언어적 의사소통과 성격 심리학 연구를 바탕으로, 짧은 발췌문(얇은 조각)이 전체 발표의 질을 신뢰할 수 있게 예측한다는 것을 보여준다. 100개 이상의 실제 과학 발표 데이터를 사용하여 대규모 언어 모델(LLM)을 활용하여 전체 발표와 짧은 발췌문의 전사를 평가한다. 짧은 발췌문에 대한 LLM 기반 평가와 전체 발표 평가를 상호 연관시켜 정확한 예측에 필요한 정보량을 결정한다. 연구 결과, LLM 기반 평가는 사람의 평가와 매우 일치하여, LLM의 타당성, 신뢰성 및 효율성을 입증한다. 특히, 매우 짧은 발췌문(발표의 10% 미만)조차도 전체 평가를 강력하게 예측한다. 이는 발표의 첫 순간이 질적 평가에 사용되고 지속적인 인상을 형성하는 관련 정보를 전달함을 시사한다. 이러한 결과는 다양한 LLM과 프롬프트 전략에서도 견고하게 나타난다. 본 연구는 얇은 조각 연구를 대중 연설로 확장하고, 인상 형성 이론을 LLM과 현재 AI 의사소통 연구와 연결한다. 또한 메시지 수용에 대한 의사소통 및 사회인지 연구에 대한 시사점을 논의하고, LLM 기반 얇은 조각 프레임워크를 인간 의사소통을 향상시키는 확장 가능한 피드백 도구로 제안한다.
