유머 스타일은 웃음을, 주제는 수용성을 좌우한다: 이중언어 개인·정치 로봇 전달 AI 농담 평가
Humor Style Drives Laughter, Topic Shapes Acceptability: Evaluating Bilingual Personal and Political Robot-Delivered AI Jokes
유머는 인간 사회관계에서 중심적인 역할을 하며, 최근 계산 유머(computational humor)의 발전은 인간-로봇 상호작용(HRI)에 유머를 통합할 새로운 기회를 만든다. 대규모 언어 모델(LLM)은 다양한 형태의 유머를 생성할 수 있지만, 그룹 환경에서 유머 스타일, 농담 내용, 언어 선호가 로봇 전달 유머에 대한 인식을 어떻게 형성하는지는 여전히 불명확하다. 본 탐색적 연구에서 우리는 대학 강의실에서 로봇이 전달한 AI 생성 농담을 참가자들이 평가하는 혼합 요인 설계(mixed factorial design)를 적용했다. 우리는 유머 유형(Affiliative, Self-Enhancing, Aggressive, Self-Defeating)과 농담 내용(인물 관련 vs. 정치적)이 지각된 재미와 적절성, 그리고 선호 언어에 미치는 영향을 조사했다. 결과는 유머 유형이 재미에 유의미한 영향을 미치며, Aggressive와 Affiliative 유머가 더 높게 평가되었고, 농담 내용은 주로 적절성에 영향을 미치며 정치적 농담보다 인물 관련 농담이 선호되었음을 보여준다. 언어 선호는 농담 내용과 참가자의 자가 보고 유창성 및 유머 관행 모두에 의해 형성되었다.