뉴스 회피는 전 세계적으로 시급한 우려가 되었으며, 전 세계 인구의 거의 40%가 뉴스를 적극적으로 회피하고 있다. 이에 대한 대응으로 업계는 ‘무엇을 보여줄지’에 초점을 둔 추천과 큐레이션을 통해 개인화 서비스를 제공해 왔다. 이제 대규모 언어 모델(Large Language Models, LLMs)의 등장은 뉴스 기사 제시 방식의 개인화를 가능하게 하지만, 독자들이 이러한 적응이 어떤 방식으로 이루어지길 원하는지는 아직 충분히 탐구되지 않았다. 우리는 10명의 참가자를 대상으로 형성적 연구를 수행하였으며, 반구조화 인터뷰와 대화형 LLM 프롬프팅 과제를 결합하여 독자들이 일반적으로 회피하는 뉴스 기사와의 상호작용을 위해 LLM을 어떻게 사용하는지 탐색하였다. 연구 결과, 독자들이 원하는 적응은 세 가지 차원(구조적, 맥락적, 상호작용적)으로 드러났으며, 각 차원에는 고유한 긴장 관계가 함께 나타났다. 즉, 맥락적 깊이와의 균형 속에서의 훑어보기 용이성(scannability) 대, 맥락적 심도(contextual depth), 개인적 관련성(personal relevance) 대 저널리즘의 무결성(journalistic integrity), 지식의 공동 구성(knowledge co-construction) 대 신뢰성에 대한 우려(credibility concerns)이다. 이러한 통찰을 바탕으로 우리는 독자들이 이러한 긴장 관계를 탐색할 수 있도록 돕는 설계 시사점을 제안하며, 독자 중심의 AI 매개 뉴스 경험을 위한 향후 설계에 정보를 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.