본 논문에서는 2007년부터 2023년까지 17년 동안 인종, 성적 지향, 연령, 장애 여부, 체중, 피부색에 기반한 6가지 핵심 사회 집단 구분에 대한 관련성을 기준으로 선별된 5억 2,700만 개 이상의 영어 레딧(Reddit) 게시물로 구성된 개방적이고 모듈화되었으며 접근성이 높은 말뭉치인 일리노이 사회적 태도 종합 말뭉치(ISAAC, Illinois Social Attitudes Aggregate Corpus)를 소개합니다. 다단계의 인간 감사(human-audited) 필터링 파이프라인을 사용하여 정제된 데이터셋(dataset) 내 무관한 콘텐츠의 비율을 전체적으로뿐만 아니라 각 사회 집단 구분별로도 10% 미만으로 유지했습니다. 이후 각 게시물에는 사용자의 추정 거주 지역과 함께 도덕화, 감성, 감정, 언어적 일반화를 포함하여 검증된 기성(off-the-shelf) 및 맞춤형 시맨틱 레이블 세트가 알고리즘을 통해 주석 처리되었습니다. 우리는 온라인 검색 행동, 주요 사회적 사건(전국적 및 지역적) 동안의 시간적 급증, 대중 태도의 장기적 변화와 같은 거시적 차원의 사회적 경향과 ISAAC을 연결하는 수렴적 증거를 통해 결과 말뭉치의 유효성을 확인합니다. ISAAC은 통합된 공개 인프라를 제공함으로써 연구 파편화를 없애고 원활한 복제를 가능하게 하는 동시에 대규모의 다양한 실증적 워크플로를 지원합니다. 구체적으로 ISAAC을 통해 연구자들은 범주 간 비교를 수행하고, 사회 집단 담론의 장기적인 시간적 변화를 높은 정밀도(precision)로 추적하며, 공간적 변이를 지역화된 여론 및 정책 결과에 매핑할 수 있습니다. ISAAC의 완전 공개형 모듈식 파이프라인은 말뭉치를 새로운 플랫폼, 언어 및 사회적 범주로 쉽게 확장할 수 있도록 지원합니다. 다양한 연구 요구를 수용하기 위해 ISAAC은 포인트 앤 클릭 웹사이트 및 레이블러 웹 앱을 통한 노코드 방식과 SQL 플레이그라운드, Python 패키지, HuggingFace를 통한 프로그래밍 방식 모두로 접근할 수 있습니다.
정책 문서는 거버넌스 결과를 형성하지만, 그 안의 추론은 종종 암묵적이다. 참여형 약속과 관리적 통제는 같은 텍스트 안에서 흔히 공존하며, 이 둘 사이의 긴장은 거의 명시적으로 서술되지 않는다. 기존의 정책 담화에 대한 계산적 접근법은 이러한 긴장을 유발하는 프레임 매개 관계를 표현할 수 없는데, 여기서 한 논증이 다른 논증을 거부하기보다는 좁히거나 도구화한다. 대규모 언어 모델(LLM)의 종단 간(end-to-end) 요약은 유창한 텍스트를 생성하지만, 분야 전문가가 검토하거나 반박할 수 있는 구조를 거의 제공하지 않는다. 우리는 정책 텍스트에 대한 비판적 담화 분석(critical discourse analysis)을 정량적 쌍극(bipolar) 논증 프레임워크로 구체화하는 하이브리드 LLM-기호 파이프라인인 Apaf를 제안한다. 논증은 먼저 숙의적(deliberative) 또는 관리적(managerial) 프레임으로 분류된다. 이어서 네 가지 프레임 매개 관계 하위 유형(행위 주체 축소, 의제 전환, 도구적 지지, 규범적 지지)이 LLM으로 추출한 특징에 대한 결정론적 규칙을 통해 생성된다. 미국, 영국, 캐나다, 호주의 재난 위험 감소 정책 100개 하위 문서로 구성된 새로운 데이터셋을 공개하고, 그 결과로 얻어지는 논증 그래프가 정확하고, 해석 가능하며, 관할권 간에 안정적임을 보인다.
검색-증강 생성(RAG)은 환각(hallucination)을 줄이고 대규모 언어 모델(LLM)의 사실적 그라운딩(grounding)을 강화하기 위해 점점 더 널리 채택되고 있다. 검색 과정의 오류에 대한 강건성은 탐구된 바 있으나, 이념적 바이어스가 LLM 출력에 미치는 영향은 간과되어 왔다. 예를 들어, 검색된 자료에 이념적 입장이 포함된 경우, RAG는 그러한 이념적 담론을 출력에서 전달하거나 증폭시키거나 억제할 수 있다. 본 연구에서는 이념적 담론을 포함하는 RAG 프레임워크가 LLM 생성 답변에 미치는 영향을 분석함으로써 이 문제를 다룬다. 이를 위해 1,117개의 COVID-19 치료 관련 기사로 구성된 코퍼스에 어휘 다차원 분석(Lexical Multidimensional Analysis, LMDA)을 적용하여 세 가지 이념적 담론을 식별하였다. 이 코퍼스는 RAG의 외부 지식 소스로 활용된다. 여러 LLM이 서로 다른 샘플링 온도(sampling temperature)에서 이념적 질문에 답변하도록 하여 평가하였다. 생성된 텍스트는 이념적 참조 텍스트와의 유사도를 기준으로 의미적·어휘적으로 평가되었다. 연구 결과, RAG 프레임워크는 이념적 담론을 LLM 응답으로 전달하는 경향이 있으며, 샘플링 온도가 이 전달의 강도에 측정 가능한 영향을 미치는 것으로 나타났다. 생성된 답변과 참조 텍스트 간의 담론적 정렬(discoursive alignment)은 중간 온도에서 가장 높게 나타났는데, 이는 모델이 확률적 특성과 검색 그라운딩 사이에서 균형을 이루는 구간이다. 반면 낮은 온도에서는 담론 전달이 감소하여, 지나치게 결정론적인 샘플링이 담론 전달을 억제함을 시사한다.
본 연구는 2026년 FIFA 월드컵에서 스페인과 카보베르데가 0-0으로 무승부를 거둔 후, 언어가 40세의 카보베르데 골키퍼인 보지냐의 알고리즘적 봉헌을 어떻게 구성했는지에 대한 다언어 계산 담론 분석을 제시합니다. 이 연구는 포르투갈어, 스페인어, 영어, 프랑스어로 된 다언어 코퍼스, 큐 기반 프레임 주석이 포함된 9개 프레임 서사 택소노미, 대규모 언어 모델(LLM) 보조 제안과 인간 검증을 결합한 재현 가능한 주석 파이프라인, 그리고 담론 단계에 걸친 언어 간 서사 확산 분석을 제공합니다. 우리는 "5만에서 800만"으로 서술된 플랫폼 팔로워 수 그 자체를 단순한 측정치가 아닌, 유통 및 서술 가능한 가시성의 증거인 언어적 객체로 취급합니다. 팔로워 증가 타임라인은 맥락 메타데이터로만 사용됩니다: 우리는 연속적인 API 기반 시리즈가 아닌 보수적인 단계 구조를 재구성하며, 모든 데이터 포인트를 값 클래스, 신뢰도, 증거 유형별로 분류합니다. 유일한 정확한 1차 스크래퍼 기준점은 2026-06-16 15:47 UTC의 8,235,652명의 팔로워이며, 45k-56k의 추정 경기 전 기준선을 포함한 다른 모든 수치는 추정 범위 또는 임계값으로 보고됩니다. 연구 결과에 따르면, 서로 다른 언어는 서로 다른 프레임을 담고 있습니다: 포르투갈어는 동원, 스페인어는 위기, 영어는 국가 형성, 그리고 주변부의 경기력이 전 세계적으로 가시화되는 공유된 플랫폼 지표 스펙터클이 그것입니다. v0.1 파일럿으로서, 본 논문은 코퍼스 스키마, 프레임 택소노미, 주석 가이드라인, 해시된 시각적 증거 로그, 유형화된 타임라인을 공개하며, 전체 이중 주석과 주석자 간 일치도는 계획된 작업임을 명시합니다.