AI_LectureNote: 한-영 의학 강의의 영문 표기 렌더링 및 의미론적 드리프트(Semantic Drift)에 관한 사후 ASR

원문 발행 2026. 07. 19. 22:02원문 언어 영어AI 한국어 번역arXiv cs.CL (NLP) 원문 보기

요약

한-영 의학 강의를 위한 사후 ASR 워크플로우인 AI_LectureNote의 성능을 평가한 연구입니다. Whisper와 GPT-4o를 활용해 의학 용어의 영문 표기 렌더링 성능은 향상되었으나, 의미론적 드리프트와 극성 오류가 발생함을 확인했습니다.

핵심 포인트

의학 용어의 영문 표기 렌더링 비율이 사후 처리 후 크게 상승함
영문 표기 향상이 반드시 의미론적 충실도를 보장하지는 않음
의미론적 드리프트 및 극성 오류(polarity failures) 발생 확인
표면적 정확도 외에 용어 일관성 및 의학적 의미 보존 평가의 필요성 제시

AI_LectureNote는 한-영(Korean-English) 의학 강의를 위해 가독성에 중점을 둔 역사적 사후 ASR (Automatic Speech Recognition, 자동 음성 인식) 워크플로우입니다. 이 시스템은 음성-텍스트(speech-to-text) 출력물을 학습용 전사본(transcripts)으로 재작성하며, 한국어 음차 표기 대신 라틴 문자(Latin-script) 의학 용어를 복원합니다. 본 연구에서는 5가지 조건에 걸쳐 저자가 직접 녹음한 4개의 강의를 대상으로 이 워크플로우를 회고적으로 평가합니다. 이 파일럿 연구에서 사후 처리(post-processing)를 적용했을 때, whisper-1 경로에서는 거시적 영문 표기 렌더링(English-script rendering) 비율이 0.39에서 0.71로 상승했으며, 3분 단위로 분할된 gpt-4o-transcribe 출력물에 적용했을 때는 0.26에서 0.65로 상승했습니다. 그러나 영문 표기 렌더링이 반드시 의미론적 충실도(semantic faithfulness)를 보장하는 것은 아니었습니다. 두 가지 사후 처리 조건 모두에서 282개의 참조 문장 중 각각 34개와 36개에서 의미론적 드리프트(semantic drift)가 나타났으며, 101개의 극성 힌트(polarity-cue) 행 중 11개와 13개에서 극성 오류(polarity failures)가 발생했습니다. 기술적 입력값 비교를 통한 기술적 분석 결과, 서로 다른 후보 실패 패턴이 시사되었습니다. 극성 오류 세트는 일반적인 의미론적 드리프트 세트(Jaccard 0.23; 합집합 57개 중 13개 공유)보다 프런트엔드 간에 더 강하게 중첩되었습니다(Jaccard 0.60; 합집합 15개 중 9개 공유). 단일 주석가(single-annotator)가 수행한 이 파일럿 연구는 모집단 비율보다는 구체적인 실패 모드(failure modes)를 기록하며, 표면적 정확도, 용어 표기 렌더링, 청크(chunk) 수준의 표기 일관성, 그리고 의학적 의미 보존을 별도로 평가해야 함을 뒷받침합니다.

AI 자동 생성 콘텐츠

원문 바로가기

AI_LectureNote: 한-영 의학 강의의 영문 표기 렌더링 및 의미론적 드리프트(Semantic Drift)에 관한 사후 ASR

요약

핵심 포인트

댓글