통역사 훈련에서 자동화된 품질 평가(AQA)에서 비자연스러운 일시정지를 탐지하는 것은 핵심적인 구성 요소이다. 일시정지 패턴은 통역사의 인지 부하와 유창성 수준을 직접적으로 반영하기 때문이다. 전통적인 일시정지 탐지 방법은 (예: 1.0초)와 같은 정적 시간 임계값에 의존하는데, 이는 발화 속도 변동이 큰 구간별 특성과 개인별 발화 양식을 충분히 반영하지 못하는 경우가 많다. 본 연구는 고립 임계값 포레스트(Isolation Forest, iForest)를 이용한 비지도 이상탐지와 슬라이딩 윈도 기법을 통합한 문맥 적응형 일시정지 탐지 프레임워크를 제안한다. 교육적 타당성을 높이기 위해, 문장 경계를 전문 통역 전문가가 주석한 문장 경계 구획 모델을 사용하여 설정함으로써 문장 내부(intra-sentential) 일시정지에 초점을 맞추었다. 제안한 모델은 전문 통역 전문가가 주석한 정답 라벨(ground-truth labels)과의 비교를 통해 평가되었다. 연구 결과, 슬라이딩 윈도 기반의 문맥 이상탐지 모델은 특히 재현율과 Cohen’s kappa 측면에서 기존의 정적 기준 모델보다 유의미하게 우수함을 보여주었다. 또한 가중 F3-score와 ‘Recognition-over-Recall’ 원칙을 적용함으로써, 본 모델이 새로 주석을 생성하는 데서 부담을 전환하여 보다 효율적인 수정적 가지치기(corrective pruning)로 업무를 수행하게 함으로써 교수자의 총 운영 부담을 실질적으로 감소시킨다는 점을 확인하였다. 이러한 결과는 음성에 적응하는 모델링이 자동 통역 평가 및 피드백을 위한 보다 신뢰할 수 있고 노동 절감적인 프레임워크를 제공함을 시사한다. 구체적으로 본 연구는 세 가지 주요 기여를 한다: (1) 이상탐지를 활용한 문맥 적응형 일시정지 탐지 프레임워크의 제안, (2) 발화 속도에 민감한 분석을 위한 슬라이딩 윈도 기반 국소 문맥 모델링의 통합, (3) 통역사 훈련에서 교수자 부담을 줄이기 위한 ‘Recognition-over-Recall’ 원칙에 기반한 평가 전략의 도입.

본 연구는 컴퓨터과학 비전공 초보 학습자를 대상으로, 서로 다른 프로그래밍 패러다임이 학습 경험 및 인지적 어려움과 어떻게 연관되는지 살펴본다. 특정 수업 맥락 안에 배치된 사례연구(case-study) 접근법을 사용하여, 학부 학생 설문 자료와 Stack Overflow의 대규모 공개 질의응답 데이터를 통합함으로써 패러다임 관련 난이도 양상을 탐색한다. 네 가지 수업 맥락—C, Java, Python, Prolog—을 명령형, 객체지향, 함수형 스타일, 논리 기반 패러다임의 교육적 구현 사례로서 텍스트 클러스터링, 워드 임베딩(word embedding) 모델, 상호작용 기반 복잡도 지표를 활용하여 고찰하였다. 분석 결과, 패러다임의 맥락에 따라 구별되는 학습 어려움의 양상이 확인되었는데, 여기에는 C 기반 수업에서의 저수준 메모리 관리와 관련된 어려움, 객체지향 맥락에서의 추상화 및 설계 추론, Prolog 기반 수업에서의 추론 중심 추론, 함수형 스타일 프로그래밍 과제에서의 재귀(recursion) 관련 어려움이 포함된다. 설문 응답은 공개 Q&A 데이터에서 관찰된 양상과 전반적으로 일관된 경향을 보이며, 학습자 중심 교육 분석을 위한 보완적 자료원으로 대규모 커뮤니티 생성 콘텐츠의 활용을 뒷받침한다. 이러한 یافته를 바탕으로 본 연구는 비교 가능한 교육 환경 내에서 비전공 학습자를 대상으로 한 프로그래밍 교육에 대해 패러다임을 고려한 수업 시사점을 논의한다. 본 결과는 차별화된 교수 접근법에 대한 경험적 근거를 제공함과 동시에, 교육과정 중심의 교수 및 적응형 학습 시스템에 관한 향후 연구에 관련된 증거 기반 통찰을 제공한다.