Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 교차 언어 질의응답 프레임워크를 통해 음성 번역 시스템에 대한 사용자의 멘탈 모델을 연구합니다. 사용자가 번역 오류를 어떻게 예측하고 시스템의 한계를 어떻게 인식하는지 분석하며, 음성 전사 제공이 멘탈 모델 구축에 미치는 영향을 다룹니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기수백만 명의 사람들이 매일 기계 번역 (MT) 도구를 사용하지만, 시스템이 무엇을 할 수 있고 무엇을 할 수 없는지에 대한 사용자들의 인식에 대해서는 알려진 바가 거의 없습니다. 본 논문은 교차 언어 질의응답 (cross-lingual question answering)에 기반한 새로운 프레임워크를 통해 음성 번역 시스템에 대한 사용자의 멘탈 모델 (mental models)을 연구합니다. 이 프레임워크에서 사용자들은 외국어로 제시된 정보에 기반하여 질문에 답하기 위해 MT 출력을 수락하거나 전문적인 재번역을 요청합니다. 다양한 번역 품질에 따른 사용자 행동과 정확도 추세를 분석함으로써, 우리는 사용자들이 시스템이 어디에서 틀릴 가능성이 높은지 어느 정도까지 예측할 수 있는지, 그리고 이러한 멘탈 모델이 어떻게 진화하는지를 조사합니다. 사용자들은 연습을 통해, 특히 출발어 (source language)에 대한 지식이 어느 정도 있을 때 더 강력한 멘탈 모델을 구축하며, 주로 표면적인 오류 단서 (surface-level error cues)에 의존합니다. 또한, 음성 전사 (speech transcriptions)를 제공하는 것은 사용자가 더 나은 멘탈 모델을 구축하는 데 도움이 될 수 있습니다. 우리의 연구 결과는 MT 멘탈 모델을 연구하고 인간-AI 협업에 대한 이해를 증진하기 위한 다운스트림 태스크 (downstream task)로서 교차 언어 질의응답의 가능성을 보여줍니다.