[논문 리뷰] Gender, Age, and Technology Education Influence the Adoption and Appropriation of LLMs

Fiona Draxler, Daniel Buschek외 5명|arXiv (Cornell University)|2023. 10. 10.

Artificial Intelligence in Healthcare and Education인용 수 13

한 줄 요약

연구는 성별, 연령 및 기술 교육이 미국의 대표적 샘플 1,495명의 성인에서 LLM 채택에 어떤 영향을 미치는지 분석하여 성별 격차, 연령 효과, 기술 교육의 평준화 역할을 보이고, 사용 시나리오 및 채택 장벽에 대한 통찰을 제시한다.

ABSTRACT

Large Language Models (LLMs) such as ChatGPT have become increasingly integrated into critical activities of daily life, raising concerns about equitable access and utilization across diverse demographics. This study investigates the usage of LLMs among 1,500 representative US citizens. Remarkably, 42% of participants reported utilizing an LLM. Our findings reveal a gender gap in LLM technology adoption (more male users than female users) with complex interaction patterns regarding age. Technology-related education eliminates the gender gap in our sample. Moreover, expert users are more likely than novices to list professional tasks as typical application scenarios, suggesting discrepancies in effective usage at the workplace. These results underscore the importance of providing education in artificial intelligence in our technology-driven society to promote equitable access to and benefits from LLMs. We urge for both international replication beyond the US and longitudinal observation of adoption.

연구 동기 및 목표

• 대표적 미국 샘플에서 성별과 연령이 LLM 사용을 예측하는지 평가한다.
• 성별과 연령 간의 상호작용 효과가 채택에 어떤 영향을 미치는지 살펴본다.
• 기술 교육이 LLM 채택에서 성별 격차를 조정하는지 탐구한다.
• 초보자와 전문가 사용자의 일반적인 사용 시나리오 및 채택 장벽을 식별한다.

제안 방법

• 사회 인구통계 및 LLM 사용 질문을 포함한 온라인 설문조사.
• LLM 사용 및 빈도를 예측하기 위한 베이지안 회귀(로지스틱 모델).
• 개방형 사용 시나리오와 미사용 사유에 대한 귀납적 코딩 및 주제 모델링.

실험 결과

연구 질문

• RQ1 성별이 LLM 사용을 예측하며 연령과의 상호작용이 존재하는가?
• RQ2 더 어린 연령이 더 높은 LLM 채택을 예측하는가, 그리고 연령이 성별과의 채택 패턴에 어떻게 상호작용하는가?
• RQ3 기술 교육(특히 대학 수준의 기술 학위)을 갖는 것이 LLM 사용에서 성별 격차를 줄이는가?
• RQ4 초보자와 전문가 사용자의 일반적인 사용 시나리오는 무엇인가?
• RQ5 LLMs를 사용하지 않는 비사용자들이 제시하는 이유는 무엇인가?

주요 결과

• 참여자의 41.5%가 LLM 사용 경험이 있다고 보고했다.
• 성별 격차가 있으며 여성 사용자가 남성 사용자에 비해 LLM 사용 가능성이 낮다(34.3% 대 49.1%).
• 연령이 증가함에 따라 사용 가능성이 감소한다; 더 젊은 그룹이 더 높은 채택을 보이며, 중년 그룹의 일부는 최연소 그룹보다 사용 빈도가 더 높은 경우도 있다.
• 대학 졸업자의 경우 기술 관련 분야에서 성별 격차가 완화된다(기술을 전공하면 성별에 따른 사용 비율이 사실상 동등해진다).
• 전문가가 형식 텍스트와 코딩과 같은 직무 작업에 LLM을 사용할 가능성이 더 크고, 초보자는 더 탐색적이다.
• 비사용자는 지식 부족, 필요성 인식의 부족, 윤리적 우려, 인간 작문 선호를 장벽으로 제시한다.