[논문 리뷰] Linguistic Relativity and Programming Languages

Jiahao Chen|arXiv (Cornell University)|2018. 08. 12.

Sensory Analysis and Statistical Methods인용 수 6

한 줄 요약

이 논문은 프로그래밍 언어에서 언어적 상대성(linguistic relativity)을 탐구하며, MATLAB, APL, R/dplyr, Julia와 같은 다양한 언어가 데이터 분석에서 '분할-적용-결합'(split-apply-combine) 패턴을 어떻게 구현하는지 비교한다. 이는 언어의 문법적 및 개념적 차이가 사용자가 데이터 조작을 어떻게 생각하고 표현하는지에 영향을 준다는 것을 보여주며, 자연어와 마찬가지로 프로그래밍 언어도 문제 해결에 대한 인지적 접근 방식을 형성한다는 점을 입증한다. 특히 Julia는 다양한 프로그래밍 취향을 수용할 수 있는 유연한 추상화를 제공한다.

ABSTRACT

The use of programming languages can wax and wane across the decades. We examine the split-apply- combine pattern that is common in statistical computing, and consider how its invocation or implementation in languages like MATLAB and APL differ from R/dplyr. The differences in spelling illustrate how the concept of linguistic relativity applies to programming languages in ways that are analogous to human languages. Finally, we discuss how Julia, by being a high performance yet general purpose dynamic language, allows its users to express different abstractions to suit individual preferences.

연구 동기 및 목표

• 프로그래밍 언어의 문법적 및 설계적 차이가 개발자가 데이터 분석 패턴을 어떻게 개념화하고 구현하는지에 영향을 주는지 조사하기.
• 자연어에서의 언어적 상대성과 프로그래밍 언어 사이의 유사성을 탐색하며, 특히 데이터 조작 워크플로우에서의 적용을 중심으로 분석하기.
• R/dplyr, MATLAB, APL와 같은 언어에서 '분할-적용-결합' 패턴이 표현되는 방식의 다양성과 관련된 표현력 및 인지 부담의 정도를 입증하기.
• Julia가 고성능이며 일반 목적의 언어로서 다양한 추상화를 지원함으로써 사용자가 선호하는 프로그래밍 스타일을 선택할 수 있도록 하는 역할을 평가하기.
• 프로그래밍 언어 설계가 성능뿐 아니라 데이터 분석 작업의 인지적 프레임워크에도 영향을 준다는 주장을 펼치기.

제안 방법

• MATLAB, APL, R/dplyr, Julia를 포함한 여러 프로그래밍 언어에서 '분할-적용-결합' 패턴을 구현하는 방식의 문법적 및 의미적 차이를 분석한다.
• 각 언어에서 일반적인 데이터 조작 작업을 수행하는 데 사용된 코드의 어휘적 복잡성, 가독성, 개념적 명확성을 비교한다.
• 언어적 상대성(사피르-월프 가설) 개념을 이론적 프레임워크로 삼아, 언어 설계가 프로그래밍에서 사고 방식과 문제 해결 방식을 어떻게 형성하는지 해석한다.
• Julia의 설계적 특징을 분석하여, 기능적 및 명령형 스타일과 같은 다양한 추상화 수준이 하나의 언어 안에서 어떻게 가능해지는지 조사한다. 이는 사용자 선호도를 수용하는 데 기여한다.
• 통계 계산 분야에서의 실제 코드 예제와 사용자 경험 관찰을 바탕으로, 인지 부담과 표현력의 차이를 설명한다.
• 특히 통계 및 데이터 분석 워크로드 맥락에서 표현력과 성능 간의 상충 관계를 평가한다.

실험 결과

연구 질문

• RQ1 다양한 프로그래밍 언어가 '분할-적용-결합' 패턴을 어떻게 구현하는가? 그 결과로 나타나는 표현력 및 인지 부담의 차이는 무엇인가?
• RQ2 프로그래밍 언어의 문법적 및 의미적 차이가 개발자가 데이터 조작 작업을 어떻게 생각하는지에 얼마나 영향을 미치는가?
• RQ3 Julia의 설계는 다수의 추상화를 어떻게 지원하는가? 이는 사용자의 선택권과 프로그래밍에서의 인지적 탄력성에 어떤 영향을 미치는가?
• RQ4 인간 언어학에서 유래한 언어적 상대성 개념은 프로그래밍 언어의 설계와 사용에 어떻게 적용될 수 있는가?
• RQ5 APL, MATLAB, R/dplyr, Julia를 비교함으로써, 데이터 분석 워크플로우 및 개발자 인지에 미치는 영향에서 도출할 수 있는 통찰은 무엇인가?

주요 결과

• R/dplyr, MATLAB, APL, Julia와 같은 언어들 사이에서 '분할-적용-결합' 패턴이 크게 다른 문법적 및 개념적 프레임워크로 표현되며, 이는 데이터 조작에 대한 서로 다른 인지적 접근 방식을 반영한다.
• APL과 MATLAB는 도메인 특화된 간결한 문법을 사용하여 코드 길이를 줄일 수 있지만, 비직관적인 기호와 연산자로 인해 인지 부담이 증가할 수 있다.
• R/dplyr의 데이터 조작 문법은 읽기 쉽고, 조합 가능하며 직관적인 인터페이스를 제공하여 자연어 구조와 잘 맞아떨어져 가독성과 유지보수성을 향상시킨다.
• Julia는 높은 성능을 유지하면서도 기능적, 명령형, 객체지향적 스타일을 포함한 다양한 프로그래밍 패aradigm을 지원하여 사용자가 개인 또는 프로젝트의 선호도에 따라 스타일을 선택할 수 있다.
• 동일한 패턴을 다른 언어가 어떻게 표현하는지의 차이는, 자연어와 마찬가지로 프로그래밍 언어도 사용자가 계산 문제를 인지하고 해결하는 방식을 형성한다는 점을 입증한다.
• 이 연구는 언어 설계가 개발자 인지에 깊은 영향을 미친다는 결론을 내리며, 데이터 과학 및 통계 계산 분야의 도구 개발, 교육, 언어 설계에 대한 함의를 제시한다.