Hacker News • 6일 전

아동과 LLM 챗봇의 의인화 상호작용 연구

IMP

7/10

핵심 요약

본 연구는 아동이 대형 언어 모델(LLM) 챗봇을 인간처럼 인식하고 대하는 '의인화' 현상의 원인과 결과를 체계적으로 분석했습니다. 연구 결과, 챗봇의 인간과 유사한 페르소나나 정서적 지원 기능이 아동의 의인화를 유발하며, 이는 사회적 유대감 형성 등의 긍정적 효과와 더불어 도덕적 혼란 등의 부작용을 초래할 수 있음을 밝혀냈습니다. 이러한 발견은 아동의 발달 단계와 웰빙을 고려한 안전하고 지속 가능한 어린이용 AI 챗봇 설계에 필수적인 가이드라인을 제공합니다.

번역된 본문

컴퓨터 과학 > 인간-컴퓨터 상호작용 arXiv:2607.18250 (cs) [2026년 5월 9일 제출] 제목: 아동과 LLM 챗봇의 상호작용에서 나타나는 의인화: 원인과 결과에 대한 체계적 문헌 고찰 저자: Hansinie Madushika Jayathilake, Renkai Ma

초록: 다양한 분야의 연구자들이 여러 관점과 방법론을 통해 아동의 대형 언어 모델(LLM) 기반 챗봇 사용을 조사해 왔습니다. 그러나 이전 연구들은 비인간 객체인 LLM 챗봇에 아동이 인간의 특성을 부여하려는 경향인 '의인화'와 관련하여 여전히 파편화되어 있습니다. 본 체계적 문헌 고찰은 2022년부터 2025년 사이에 발표된 35편의 실증 연구를 분석하여 아동의 LLM 챗봇 상호작용에서 의인화를 유발하는 원인과 그로 인한 결과를 파악했습니다.

연구 결과, 인간과 유사한 페르소나(성격) 구축, 적응형 스캐폴딩(학습 지원), 지원적인 동반자 관계, 비인간적인 물리적 디자인이 아동의 의인화 상호작용을 이끄는 것으로 나타났습니다. 또한, ▲상반된 사회적 및 도덕적 반응을 보이는 것, ▲챗봇에 대한 이중적(딜레마적) 의식, ▲다양한 형태의 사회적 유대감 형성, ▲사회적 경계선 탐색, ▲대화 단절 시 인간의 서사를 부여하는 등 5가지 의인화 결과가 도출되었습니다. 긍정적인 이점과 위험 요소를 모두 포함하는 이러한 연구 결과는 아동의 웰빙에 초점을 맞추고 아동의 발달 요구를 충족하는 지속 가능한 상호작용을 촉진하는 향후 LLM 챗봇의 디자인 및 개발에 유용한 기초 자료가 될 것입니다.

코멘트: ACM IDC '26 채택 주제: 인간-컴퓨터 상호작용 (cs.HC) 인용: arXiv:2607.18250 [cs.HC] 제출 이력: [v1] 2026년 5월 9일 (263 KB)

원문 보기

원문 보기 (영어)

--> Computer Science > Human-Computer Interaction arXiv:2607.18250 (cs) [Submitted on 9 May 2026] Title: Anthropomorphism in Children's Interactions with LLM Chatbots: A Systematic Review of Drivers and Outcomes Authors: Hansinie Madushika Jayathilake , Renkai Ma View a PDF of the paper titled Anthropomorphism in Children's Interactions with LLM Chatbots: A Systematic Review of Drivers and Outcomes, by Hansinie Madushika Jayathilake and 1 other authors View PDF HTML (experimental) Abstract: Researchers across domains have investigated children's use of LLM-based chatbots through various perspectives and methodologies. However, prior research remains fragmented regarding anthropomorphism, the tendency for children to assign human characteristics to those large language Model (LLM) chatbots as non-human objects. By analyzing 35 empirical studies published between 2022 and 2025, this systematic literature review identifies the drivers of anthropomorphism in children's LLM chatbot interactions and the subsequent outcomes of these interactions. We found that human-like persona construction, adaptive scaffolding, supportive companionship, and non-human embodied design drive children's anthropomorphic interactions. Additionally, five anthropomorphic outcomes emerged, including children exhibiting paradoxical social and moral responses, dual consciousness about the chatbots, forming varying social ties, exploring social boundaries, and attributing human narratives to conversation breakdowns. The findings, including both benefits and risks, can inform the future design and development of LLM chatbots focused on children's well-being and promoting sustainable interactions that meet children's developmental needs. Comments: Accepted by ACM IDC '26 Subjects: Human-Computer Interaction (cs.HC) Cite as: arXiv:2607.18250 [cs.HC] (or arXiv:2607.18250v1 [cs.HC] for this version) https://doi.org/10.48550/arXiv.2607.18250 Focus to learn more arXiv-issued DOI via DataCite Submission history From: Renkai Ma [ view email ] [v1] Sat, 9 May 2026 04:38:40 UTC (263 KB) Full-text links: Access Paper: View a PDF of the paper titled Anthropomorphism in Children's Interactions with LLM Chatbots: A Systematic Review of Drivers and Outcomes, by Hansinie Madushika Jayathilake and 1 other authors View PDF HTML (experimental) TeX Source view license Current browse context: cs.HC < prev | next > new | recent | 2026-07 Change to browse by: cs References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) scite.ai Toggle scite Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle Gotit.pub ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle TXYZ.AI ( What is TXYZ.AI? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs . Which authors of this paper are endorsers? | Disable MathJax ( What is MathJax? )

인간-컴퓨터 상호작용 LLM 의인화 아동 안전 챗봇