작성 과정에서 거대 언어 모델 (Large Language Models, LLMs)의 사용이 증가함에 따라 과학적 의사소통 (Scientific Communication)의 스타일이 변화했을까요? 우리는 직접 구축한 두 가지 데이터 리소스를 활용하여 자연어 처리 (Natural Language Processing, NLP) 분야에서 이 질문을 다룹니다. 이 리소스는 ACL Anthology (2020-2024)에서 추출한 37,000편 이상의 논문으로 구성된 자연주의적 코퍼스 (Naturalistic Corpus)와, 인간이 작성한 3,000개의 구절 및 이에 대해 LLM이 생성한 개선안으로 구성된 합성 데이터셋 (Synthetic Dataset)입니다. 먼저 우리는 일련의 통시적 어휘 분석 (Diachronic Lexical Analyses)을 실시하였으며, 단어 빈도와 사용 맥락 모두 시간이 지남에 따라 크게 변화했음을 보여줍니다. 이는 어떤 경우에는 의미론적 전문화 (Semantic Specialization)를, 다른 경우에는 일반화 (Generalization)를 나타냅니다. 관점을 넓혀, 우리는 더 복잡한 다양한 문체적 특징 (Stylistic Features)들을 모델링하였고, LLM이 수정한 텍스트가 특정 통사적 구조 (Syntactic Constructions)를 더 빈번하게 포함하며, 더 복잡하고 긴 단어들을 사용하고, 어휘 다양성 (Lexical Diversity)은 더 낮다는 것을 발견했습니다. 마지막으로, 우리는 20명의 도메인 전문가 (Domain Experts)를 대상으로 한 예비 주석 연구 (Pilot Annotation Study)를 통해 이러한 글쓰기 관행의 변화를 주관적인 독서 경험과 연결합니다. 전문가들은 전반적으로 LLM이 개선한 텍스트를 더 이해하기 쉽고 흥미롭다고 평가했지만, 동시에 LLM에 대해 부정적인 질적 태도를 보이기도 했습니다. 이는 AI 지원 글쓰기 (AI-assisted Writing)가 독서 경험에 미치는 영향이 매우 주관적임을 강조합니다.