유머는 인간의 사회적 관계에서 중심적인 역할을 하며, 계산된 유머(computational humor)의 최근 발전은 인간-로봇 상호작용(HRI)에 유머를 통합할 새로운 기회를 창출하고 있습니다. 대규모 언어 모델(LLMs)이 다양한 형태의 유머를 생성할 수 있지만, 유머 스타일, 개그 내용, 그리고 언어 선호도가 그룹 환경에서 로봇이 전달하는 유머에 대한 인식을 어떻게 형성하는지는 아직 불분명합니다. 본 탐색적 연구에서는 참가자들이 대학 강의실에서 로봇이 전달하는 AI 생성 개그를 평가하는 혼합 요인 설계(mixed factorial design)를 사용했습니다. 우리는 유머 유형(친화적(Affiliative), 자기 강화형(Self-Enhancing), 공격적(Aggressive), 자기 파괴형(Self-Defeating))과 개그 내용(개인 관련 대 정치)이 인지된 재미와 적절성, 그리고 선호 언어에 미치는 영향을 조사했습니다. 그 결과, 유머 유형은 재미에 유의미한 영향을 미쳐 공격적 유머와 친화적 유머가 더 높은 평가를 받았으며, 개그 내용은 주로 적절성에 영향을 주어 정치적인 것보다 개인 관련 개그가 더 선호되었습니다. 언어 선호도는 개그 내용과 참가자들이 자체 보고한 유창성 및 유머 습관 모두에 의해 형성되었습니다.