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