본 논문은 소셜 미디어 게시글의 분노 감소와 같은 텍스트 개입이 사회 시스템에 미치는 영향을 정량화하는 어려움을 다룹니다. 실제 개입은 종종 불가능하기 때문에 관찰 데이터에 의존해야 하며, 기존의 인과 추론 방법은 복잡하고 고차원적인 텍스트 데이터를 처리하는 데 부적합합니다. 이에 본 논문은 대규모 언어 모델(LLM)을 활용한 텍스트 변환을 통해 인과 효과를 추정하는 새로운 방법인 CausalDANN을 제안합니다. CausalDANN은 임의의 텍스트 개입을 수용하고, 도메인 적응 능력을 갖춘 텍스트 수준 분류기를 활용하여 관찰 그룹만 존재하는 경우에도 도메인 이동에 대한 강력한 효과 추정치를 생성합니다. 다양한 텍스트 개입을 처리하는 유연성은 텍스트 데이터에 대한 인과 추정의 핵심 발전이며, 인간 행동을 더 잘 이해하고 사회 시스템 내에서 효과적인 개입을 개발할 수 있는 기회를 제공합니다.
