저자원 언어 연구 성장의 불균형: 1,158편 논문 분석과 언어 포용 프레임워크(LIF)

Measuring Research Progress and Linguistic Inclusion in Low-Resource Languages

대규모 언어 모델(LLM)이 저자원 및 다국어 NLP 연구를 가속했지만, 그 효과가 공정한 연구 지형으로 이어졌는지는 아직 밝혀지지 않았다. 연구진은 2020년부터 2025년 사이 발표된 동료 심사 공개 논문 1,158편을 분석했다. 연구진은 출판 건수를 넘어 언어 포용을 측정하기 위해 연구 성장, 표현 확장, 표현 연속성, 분포 공정성의 네 차원으로 구성된 언어 포용 프레임워크(Linguistic Inclusion Framework, LIF)를 제안했다. 연간 출판 수는 52편에서 415편으로 늘었고, ACL Anthology 출판 점유율은 5.4배 증가했다. 그러나 이 성장은 이미 다뤄지던 언어에 집중되었고, 소외된 언어의 범위 확대로는 이어지지 않았다. 아시아에서 사용되는 언어는 분석 대상 저자원 언어 화자의 64.1%를 차지하지만 언어 표현 점유율은 46.7%로, 비례 몫의 0.7배에 그쳤다. 반면 유럽 언어는 비례 몫의 5.3배를 받았다. 국가 단위로는 사하라 이남 아프리카와 동남아시아처럼 언어적으로 다양한 지역의 언어 커버리지 비율이 가장 낮았다. 대륙 단위로 적용했을 때 네 차원 모두에서 높은 점수를 받은 지역은 없었다.