본 논문은 사회 미디어에서 재난 발생 시 대중의 공황 심리를 정확하게 예측하는 것을 목표로, 세 가지 주요 과제(정교하게 주석이 달린 데이터 부족, 위험 인식 모델링 부족, 공황 형성 메커니즘의 해석력 부족)를 해결하기 위해 심리학 기반 생성 에이전트 프레임워크(PsychoAgent)를 제안한다. PsychoAgent는 인간-거대 언어 모델(LLM) 협업을 통해 정교한 공개 공황 감정 데이터셋(COPE)을 구축하고, 심리적 메커니즘에 기반한 도메인 간 이종 데이터를 통합하여 위험 인식과 감정 생성의 인지적 차이를 모델링한다. 또한, LLM 기반 역할극 에이전트를 설계하여 개인의 심리적 연쇄 과정을 시뮬레이션함으로써 해석력을 높인다. 실험 결과, PsychoAgent는 기준 모델에 비해 공황 감정 예측 성능을 12.6%~21.7% 향상시켰으며, 해석력과 일반화 성능 또한 검증되었다. 이는 불투명한 "데이터 기반 적합"에서 재난 상황에서의 공황 감정 예측을 위한 투명한 "역할 기반 시뮬레이션과 메커니즘적 해석"으로의 패러다임 전환을 의미한다.
시사점, 한계점
•
시사점:
◦
인간-LLM 협업을 통한 정교한 공황 감정 데이터셋(COPE) 구축 방법 제시
◦
심리학적 메커니즘 기반의 위험 인식 및 감정 생성 모델링 프레임워크 제시
◦
LLM 기반 역할극 에이전트를 활용한 해석 가능한 공황 예측 모델 개발
◦
기존 모델 대비 향상된 공황 감정 예측 성능(12.6%~21.7%) 달성
◦
"데이터 기반 적합"에서 "역할 기반 시뮬레이션과 메커니즘적 해석"으로의 패러다임 전환 제시
