소셜 미디어에서의 선전 (Propaganda) 탐지는 노이즈가 많고 짧은 텍스트, 그리고 낮은 주석 일치도 (annotation agreements)로 인해 매우 어렵습니다. 본 연구에서는 의도에 초점을 맞춘 새로운 선전 기법 분류 체계 (taxonomy)를 도입하고, 이를 일치도가 더 높은 기존의 확립된 스키마 (schema)와 비교합니다. 세 가지 차원(모델 포트폴리오, 스키마 효과, 프롬프팅 전략)을 따라, 네 가지 언어 모델 (GPT-4.1-nano, Phi-4 14B, Qwen2.5-14B, Qwen3-14B)의 도움을 받아 분류 작업으로서 해당 분류 체계들을 평가합니다. 연구 결과, 미세 조정 (fine-tuning)은 필수적임을 보여줍니다. 미세 조정은 취약한 제로샷 (zero-shot) 베이스라인을 경쟁력 있는 시스템으로 변환하며, 베이스 모델 (base models)을 사용할 때는 숨겨져 있던 방법론적 차이를 드러냅니다. 스키마 전반에 걸쳐 Qwen 모델들이 가장 강력한 종합 성능을 달encing하며, Phi-4 14B는 GPT-4.1-nano보다 일관되게 우수한 성능을 보입니다. 세밀한 기법들을 먼저 예측한 후 이를 집계하는 우리의 계층적 프롬프팅 (hierarchical prompting, HiPP) 방식은, 미세 조정 이후와 더 모호하고 일치도가 낮은 분류 체계에서 특히 유익하며, 더 단순한 스키마에서도 경쟁력을 유지합니다. 새로운 의도 기반 레이블로 주석이 달린 HQP 데이터셋은 선전의 전략적 목표에 대한 더 풍부한 관점을 제공하며, 강건한 실세계 탐지에 관한 향후 연구를 위한 도전적인 벤치마크 (benchmark)를 제공합니다.