User Self-Disclosure and Communication Depth Across Input Modality Types in GPT-Based Large Language Models: Text vs. Voice
Hyun-Young Bae, Min-Jae Kimm · Journal of Digital Contents Society · 2025
본 연구는 대규모 언어모델(GPT) 기반 입력 모달리티(텍스트 및 음성)가 사용자 자기개방과 소통 깊이에 미치는 영향을 분석하고자, 설명적 순차 혼합연구 설계를 적용하였다. 1단계에서 20명의 참여자가 GPT-4와 텍스트 및 음성 입력을 모두 경험한 후 설문에 응답하였고, 2단계에서는 반응 특성이 뚜렷한 일부 참여자를 대상으로 심층 인터뷰와 대화 로그 분석을 수행하였다. 정량 분석에서는 입력 모달리티의 주효과는 유의하지 않았지만, 연령과 사전 선호도와의 상호작용은 유의하거나 유의 경향성을 보였다. 질적 분석에서는 감정 표현, 즉시성, 표현 통제, 몰입감 측면에서 모달리티 간 뚜렷한 차이가 나타났다. 고연령층은 음성 입력에서 더 높은 몰입을, 저연령층은 텍스트 입력에서 더 깊은 자기개방과 소통을 경험하였다. 본 연구는 사용자 특성을 반영한 GPT 인터페이스 설계 방향을 제시하며, HCI 및 감성 컴퓨팅에 시사점을 제공한다.