PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.29540v1cs.DL

Em-dash의 Em-출현: 대규모 언어 모델 시대의 여명기, medRxiv 프리프린트에서 나타난 em-dash 빈도의 집단 수준 증가

Em-ergence of the em-dash: a population-level rise in em-dash frequency in medRxiv preprints at the dawn of the large-language-model era

대규모 언어 모델(LLM)은 보조 텍스트에 미묘한 문체적 흔적을 남길 수 있으며, 그 중 가장 많이 언급되는 것이 em-dash(유니코드 U+2014)이다. 그러나 과학 문헌에서 em-dash 사용이 실제로 변화했는지를 측정한 연구는 없었다. 본 연구는 Open Science Framework(HFT8C)에 사전 등록되었으며, 공식 텍스트-및-데이터-마이닝 리소스의 medRxiv 전문 XML 프리프린트 전체 세트를 사용하였다. 주요 코호트는 2020년부터 2025년 사이에 최초 등재된 원본 버전 중 500자 이상의 토론(Discussion) 섹션이 추출 가능한 것들로 구성되었다(N = 69,632). 1차 평가변수는 토론 섹션에 em-dash가 하나 이상 존재하는지 여부였으며, 주요 측정값은 제1저자를 기준으로 군집화된 표준오차를 적용한 로지스틱 모델로 추정한 ChatGPT 등장 이전(2022년 11월 30일 이전)과 이후의 유병률 절대 변화량이었다. 분석 계획(6가지 지지 분석, 6가지 민감도 분석, 2가지 반증 테스트)은 확인적 결과가 산출되기 전에 확정되었다. 토론 섹션에서 em-dash 유병률은 ChatGPT 이전 4.23%에서 이후 11.58%로 상승하여 절대적으로 7.35 퍼센트포인트 증가하였다(95% CI 6.94–7.77; 오즈비 2.96, 95% CI 2.77–3.17). 이 증가는 급격한 급등이 아닌 점진적이고 지연된 가속화 양상을 보였다: 2023년까지는 약 4%, 2024년에는 8.0%, 2025년에는 20.3%를 기록하였다. 이 효과는 모든 실현 가능한 민감도 분석(7.35–7.60 pp)과 두 반증 테스트 모두에서 유지되었다. LLM 이전 시대 내 위약 분할은 유의미한 변화를 보이지 않았고(+0.13 pp, 95% CI –0.33 ~ +0.58), 상투적 섹션에서는 사실상 나타나지 않았다. LLM과 관련된 독립적인 어휘적 지표와 논문 내 섹션 간 비교도 같은 방향을 가리켰다. em-dash는 집단 수준의 지표이지 논문별 LLM 사용 탐지기가 아니며, 이 설계로는 인과관계를 확립할 수 없다. 다만 과학 문헌의 작성 방식에서 2020년대 초에 현저한 변화가 일어났으며, 대략 어느 시기에 그 변화가 시작되었는지를 보여준다.