earticle

영어

Using Multi-layered Automatic Evaluation Metrics (AEMs) like AEM-L2, AEM-S1, and AEM-M1, this study develops a model to evaluate translation quality across form, syntax, and semantics. Its implementation offers valuable feedback for learners and professionals. It also suggests integrating Speech-to-Text and Text-to-Speech technologies to assess interpretation accuracy and naturalness. Future research will focus on more diverse, pragmatic evaluation metrics.

한국어

본고는 다중 자동평가지표(Multi-layered AEMs)를 활용한 번역 자동평 가 모델의 구축과 응용에 대한 실제 개발 과정을 담고 있다. 인공지능 모델 을 활용한 자동평가지표는 기계번역 시스템의 성능을 신속하고 객관적 으로 평가할 수 있는 도구로, 인간 평가보다 효율적이며 일관된 결과를 제공한다. 형태, 통사, 의미의 다양한 측면을 평가할 수 있는 지표들을 통 합하여 포괄적이고 신뢰성 있는 번역 평가 모델을 개발하였다. 이를 위해 ‘AEM-L2’, ‘AEM-S1’, ‘AEM-M1’ 지표를 활용하여 번역 품질을 다각적 으로 평가하고 개선할 수 있는 모델을 설계하였다. 또한, 번역 자동평가 모델 프로그램 개발 사례를 통해 실제 구현 가능성을 탐구하였으며, 번역 학습자와 전문가에게 유용한 피드백을 제공하였다. 더 나아가 통역 평가 에서도 STT(Speech to Text)와 TTS(Text to Speech) 기술을 도입하여 통역 의 정확성과 자연스러움을 평가하는 방법을 제안하였다. 이러한 모델은 번역 품질을 향상시키는 데 중요한 도구로 작용할 수 있으며, 자동평가와 인간 평가의 통합을 통해 더욱 정밀한 평가를 가능하게 한다. 향후 연구에 서는 기존 지표의 보완뿐 아니라 새로운 지표의 도입을 통해 평가의 포괄 성을 확대할 필요가 있다. 앞으로는 더 다양한 자동평가지표를 통합하고, 화용적 측면을 평가할 수 있는 지표 개발이 필요하다. 연구의 한계로는 구체적인 자동평가지표의 이름을 공개하지 않은 점과 화용적 평가 지표 의 부재가 있다. 본 연구는 번역 시스템 성능 향상과 번역 교육의 질을 높이 는 데 기여할 수 있을 것이다.