인공지능 (AI)의 전 세계적인 사용은 이야기를 포함하여 문화적으로 현지화된 콘텐츠를 생성하는 능력을 평가하는 것에 대한 관심을 높였습니다. 이야기에서의 문화적 현지화 (Cultural localization)는 종종 템플릿 기반 현지화 (templated localization) — 즉, 일반적인 서사 내에서 문화적 표식 (예: 이름, 장소)을 사용하는 방식 — 또는 총체적 현지화 (holistic localization) — 문화적 표식 외에도 플롯, 가치, 주제가 변화하는 방식 — 를 통해 발생합니다. 우리는 콘텐츠가 템플릿 기반 현지화를 통해 생성된 정도를 측정하는 방법을 제안합니다. 구체적으로, 우리는 국가 간에 이야기를 구분 짓는 어휘 토큰 (lexical tokens)을 식별하고, 이를 제거한 후 남은 서사의 유사성을 측정합니다. 193개 국적에 대한 125개 주제를 대상으로 5개의 모델이 생성한 이야기에서, 우리의 방법은 어휘의 아주 작은 부분(9-17%)만이 국가 간의 차이를 설명한다는 점과, 이를 제거한 후 남은 서사들이 반복적인 다어구 시퀀스 (multi-word sequences)를 포함하고 있어 공유된 문화적 중립적 (culturally-agnostic) 서사 템플릿의 존재를 시사한다는 점을 탐지할 수 있습니다. 마지막으로, 우리는 문화적 표식의 정형성 (stereotypicality)과 모욕성 (offensiveness)을 특성화하였으며, 주로 글로벌 사우스 (Global South)에 위치한 19개국의 표식들이 평균적으로 모욕적이라는 것을 발견했습니다.