대규모 언어 모델(LLM)이 교육 계획과 같은 일상적인 추천 시스템에 널리 사용되면서, 이러한 모델이 사회적 편견을 영속시킬 위험이 있습니다. 이 논문은 LLaMA-3.1-8B, Gemma-7B, Mistral-7B 세 가지 오픈 소스 LLM의 대학 및 프로그램 추천에서 나타나는 지리적, 인구 통계적, 경제적 편견을 실증적으로 연구합니다. 성별, 국적, 경제 상태가 다른 360개의 시뮬레이션된 사용자 프로필을 사용하여 25,000개 이상의 추천을 분석했습니다. 결과에 따르면, 글로벌 노스(Global North) 지역의 기관이 불균형적으로 선호되고, 성별 고정관념이 강화되며, 기관의 반복 추천이 만연하는 등 강력한 편향이 나타났습니다. LLaMA-3.1은 58개국 481개 대학을 추천하며 가장 높은 다양성을 보였지만, 시스템적인 불균형은 여전히 존재했습니다. 이러한 문제를 정량화하기 위해, 정확성을 넘어 인구 통계적 및 지리적 대표성을 측정하는 새로운 다차원 평가 프레임워크를 제안합니다. 연구 결과는 공정한 고등 교육 접근을 보장하기 위해 교육용 LLM에서 편견을 고려해야 할 긴급한 필요성을 강조합니다.
