오픈블룸: 생식 건강 낙인 감소를 위한 질문 기반 LLM 도구

초록

본 연구는 생식 건강 교육에서 나타나는 문화적·사회적 낙인을 완화하기 위해 LLM을 활용한 질문 생성 시스템 ‘오픈블룸’을 설계·평가한다. 사용자가 제출한 기사 내용을 요약하고, 반성적·비판적 사고를 촉진하는 질문을 자동 생성한다. 설문·인터뷰·포커스그룹을 통해 다양한 문화권 참가자들의 반응을 분석한 결과, 현재 LLM은 비공격적 언어와 포괄적 표현에서는 만족스러우나, 질문이 표면적 재진술에 머물고 비판적 사고를 유도하는 깊이가 부족함을 확인하였다. 연구는 공감적 프레이밍, 포용적 언어, 가치 기반 반성, 소수자 정체성 명시 등 네 가지 설계 지침을 제시한다.

상세 분석

오픈블룸은 OpenAI API를 백엔드로 활용해 사용자가 입력한 생식 건강 관련 기사(예: 월경, 피임, 성건강)를 자동으로 요약하고, 그 요약을 기반으로 다중 선택형 질문(MCQ)을 생성한다. 시스템은 Flutter와 Dart로 구현돼 안드로이드 환경에서 실시간 인터랙션을 제공한다. 연구 설계는 두 단계로 구성되었으며, 34명의 참가자를 대상으로 설문·심층 인터뷰(1차)와 8명의 참가자를 대상으로 한 포커스 그룹 인터뷰(2차)를 진행했다. 주요 연구 질문은 (1) 참여자가 LLM이 만든 질문을 접했을 때 어떤 낙인이 표면화되는가, (2) 이러한 질문이 낙인에 도전하고 대화를 촉진하는 방식은 어떠한가, (3) 문화적으로 적절하면서 교육적으로 효과적인 LLM 설계는 어떻게 이루어져야 하는가이다.

데이터 분석 결과, 참가자들은 LLM이 비공격적이고 포괄적인 어휘를 사용하는 점을 긍정적으로 평가했지만, 질문이 ‘사실 재진술’ 수준에 머무는 경향이 강해 깊이 있는 비판적 사고를 유도하지 못한다는 공통된 불만을 표했다. 특히 문화적·종교적 민감성이 높은 맥락에서 질문이 ‘표면적 안전성’에만 초점을 맞추어 실제 낙인 구조를 드러내거나 도전하는 데 한계가 있었다. 예를 들어, 일부 질문은 ‘월경을 어떻게 관리하나요?’와 같이 기술적 정보를 묻는 수준에 그쳐, 사회적 금기나 개인의 내면화된 수치심을 탐색하지 못했다.

연구팀은 이러한 한계를 극복하기 위해 네 가지 설계 원칙을 도출했다. 첫째, 공감적 프레이밍으로 질문 서두에 사용자의 감정을 인정하고 ‘당신의 경험은 어떠했나요?’와 같은 표현을 삽입한다. 둘째, 포용적 언어는 성별·성 정체성·문화적 배경을 명시적으로 반영해 ‘여성·남성·트랜스젠더 등 다양한 사람들을 위한’ 식으로 다양성을 강조한다. 셋째, 가치 기반 반성은 질문에 윤리·사회적 가치 판단을 포함시켜 ‘이러한 관행이 개인의 권리와 어떻게 연결되는가?’와 같은 메타적 사고를 촉진한다. 넷째, 소수자 정체성 명시는 특정 그룹(예: LGBTQIA+, 무혼인 여성)의 경험을 직접 언급함으로써 그들의 목소리를 가시화한다.

기술적 관점에서 보면, 현재 LLM은 프롬프트 엔지니어링만으로는 문화적·사회적 맥락을 충분히 파악하기 어렵다. 연구는 ‘시나리오 기반 프롬프트’와 ‘사용자 피드백 루프’를 결합한 하이브리드 설계가 필요함을 시사한다. 또한, 질문 생성 단계에서 Bloom’s taxonomy와 같은 교육학적 프레임워크를 적용해 기억·이해 수준을 넘어 적용·분석·평가 단계까지 확장하는 것이 바람직하다. 마지막으로, 데이터 수집 과정에서 개인정보 보호와 윤리적 검증 절차를 강화해 민감한 건강 정보가 오용되지 않도록 해야 한다.