구술사 AI 탐색 논문 고1 학습용 단어집·표현 해석 리스트 문서 원본 보기

=구술사 AI 탐색 논문 고1 학습용 단어집·표현 해석 리스트=
''이 문서는 고등학교 1학년 학습자를 위한 영어 읽기 보조 자료입니다. 단어 뜻·한국어 풀이는 제공 PDF 원문을 바탕으로 쉽게 풀어 썼으며 공식 번역이 아닙니다. 근거 위치는 PDF 쪽수와 절·문단 기준입니다. ‘원문 인용’은 제공 PDF 원문에서 확인한 표현입니다. ‘일반화 학습 문장틀’은 원문 직인용이 아닙니다.''
'''논문''' : Bulín, Martin et al. (2025), ''Exploring Oral History Archives Using State-of-the-Art Artificial Intelligence Methods'' · Acta Informatica Pragensia 14(2), 207–214 · 제공 PDF 원문
'''Word 다운로드''' : [[File:Bulin_Oral_History_AI_2025_고1학습용_단어집_표현해석리스트.docx|학습자료 Word(.docx) 다운로드]]
== 핵심 개념 ==
* 방대한 구술사 증언은 지식의 보고이지만, 길고 비정형적인 말소리라 원하는 부분을 찾기 어렵다(p.207, Abstract; p.208, Introduction, para. 3).
* AQ 모델은 전사문의 여러 문장을 문맥으로 받아 관련된 질문과 답을 생성한다(p.209, Research methods, para. 2; Asking questions model, para. 2).
* SC 모델은 질문이 뒤따르는 문맥과 의미 있게 이어지는지 판단해 적절한 질문만 남긴다(p.209, Research methods, para. 2; p.210, Semantic continuity model).
* 시스템은 원래 인터뷰를 요약·수정·재해석하지 않고, 원래 목소리와 답변을 제시하는 방식으로 기록의 진정성을 지키려 한다(p.212, Discussion, para. 2).
== 핵심 단어집 (20개) ==
'''전체 단어 낭독'''
[[File:bulin-2025_all_terms.mp3|300px]]
{| class="wikitable" style="width:100%;"
! 원문 단어·표현 !! 품사 !! 쉬운 뜻 !! 논문 속 뜻 !! PDF 쪽수·절 / 재생
|-
| '''oral history archive''' || n. phr. || 구술사 기록 보관소 || 말로 전해진 경험의 녹음·전사 자료를 모아 보존하는 곳이다. || p.207, Abstract; p.208, Introduction, para. 1<br>[[File:bulin-2025_term_01.mp3|300px]]
|-
| '''testimony''' || n. || 증언 || 이 논문에서는 인터뷰이가 말한 역사적 경험의 기록을 뜻한다. || p.207, Abstract; p.208, Introduction, para. 3<br>[[File:bulin-2025_term_02.mp3|300px]]
|-
| '''preservation''' || n. || 보존 || 역사 기록을 잃지 않고 유지하는 일이다. || p.207, Abstract; p.212, Discussion, para. 2<br>[[File:bulin-2025_term_03.mp3|300px]]
|-
| '''accessibility''' || n. || 접근 가능성 || 연구자와 일반인이 기록을 더 쉽게 이용할 수 있는 정도다. || p.207, Abstract; p.213, Conclusion<br>[[File:bulin-2025_term_04.mp3|300px]]
|-
| '''authenticity''' || n. || 진정성, 원래다움 || 증언의 본래 의미와 목소리를 바꾸지 않는 성질이다. || p.207, Abstract; p.212, Discussion, para. 2<br>[[File:bulin-2025_term_05.mp3|300px]]
|-
| '''integrity''' || n. || 완전성, 온전함 || 역사 기록의 내용이 훼손·왜곡되지 않은 상태다. || p.207, Abstract; p.212, Discussion, para. 2<br>[[File:bulin-2025_term_06.mp3|300px]]
|-
| '''transformer-based''' || adj. || 트랜스포머 기반의 || 문맥 관계를 다루는 트랜스포머 구조를 바탕으로 한 AI 모델이라는 뜻이다. || p.207, Abstract; p.208, Introduction, para. 3<br>[[File:bulin-2025_term_07.mp3|300px]]
|-
| '''automatic speech recognition (ASR)''' || n. phr. || 자동 음성 인식 || 녹음된 말소리를 글 텍스트로 바꾸는 기술이다. || p.208, Introduction, para. 2; p.212, Discussion, para. 2<br>[[File:bulin-2025_term_08.mp3|300px]]
|-
| '''information retrieval (IR)''' || n. phr. || 정보 검색 || 텍스트화한 자료에서 필요한 내용이나 위치를 찾는 기술이다. || p.208, Introduction, para. 2; Literature review, para. 2<br>[[File:bulin-2025_term_09.mp3|300px]]
|-
| '''transcript''' || n. || 전사문 || 인터뷰의 말소리를 글로 옮긴 기록이다. || p.207, Methods; p.209, Research methods, para. 1<br>[[File:bulin-2025_term_10.mp3|300px]]
|-
| '''contextually relevant''' || adj. phr. || 문맥에 알맞은 || 앞뒤 내용과 잘 맞고 현재 이야기와 관련 있는 상태다. || p.207, Abstract; p.208, Introduction, para. 3<br>[[File:bulin-2025_term_11.mp3|300px]]
|-
| '''fine-tuning''' || n. || 미세 조정 학습 || 미리 학습된 모델을 특정 과제에 맞게 추가로 학습시키는 일이다. || p.209, Asking questions model, paras. 1–2<br>[[File:bulin-2025_term_12.mp3|300px]]
|-
| '''candidate question''' || n. phr. || 후보 질문 || 모델이 먼저 만든 질문 중에서 나중에 골라질 수 있는 질문이다. || p.209, Research methods, para. 2; p.212, Results, para. 2<br>[[File:bulin-2025_term_13.mp3|300px]]
|-
| '''semantic continuity''' || n. phr. || 의미적 연속성 || 한 문장 조각이 다음 조각으로 자연스럽게 이어지는 정도다. || p.207, Methods; p.210, Semantic continuity model, para. 1<br>[[File:bulin-2025_term_14.mp3|300px]]
|-
| '''semantic coherence''' || n. phr. || 의미적 일관성 || 질문과 문맥의 의미가 서로 잘 맞는 성질이다. || p.207, Abstract; p.209, Research methods, para. 2<br>[[File:bulin-2025_term_15.mp3|300px]]
|-
| '''contrastive loss''' || n. phr. || 대조 손실 || 맞는 쌍은 더 가깝게, 맞지 않는 쌍은 더 멀게 학습시키는 손실 함수다. || p.207, Methods; p.210, Semantic continuity model, para. 3<br>[[File:bulin-2025_term_16.mp3|300px]]
|-
| '''threshold''' || n. || 기준값, 임계값 || 결과를 남길지 제외할지 정하는 점수 기준이다. || p.212, Results, para. 2<br>[[File:bulin-2025_term_17.mp3|300px]]
|-
| '''filtering mechanism''' || n. phr. || 필터링 장치 || 조건에 맞지 않는 질문-문맥 쌍을 제외하는 방법이다. || p.212, Results, para. 2<br>[[File:bulin-2025_term_18.mp3|300px]]
|-
| '''retrieval-augmented generation (RAG)''' || n. phr. || 검색 증강 생성 || 검색으로 찾은 정보와 생성 모델을 함께 쓰는 방식이다. || p.212, Discussion, para. 1<br>[[File:bulin-2025_term_19.mp3|300px]]
|-
| '''vector database''' || n. phr. || 벡터 데이터베이스 || 의미가 비슷한 내용끼리 찾기 쉽도록 수치 벡터를 저장하는 데이터베이스다. || p.212, Discussion, para. 1<br>[[File:bulin-2025_term_20.mp3|300px]]
|}
== 원문 기반 표현·문장 해석 (15개) ==
'''전체 표현 낭독'''
[[File:bulin-2025_all_phrases.mp3|300px]]
{| class="wikitable" style="width:100%;"
! 영어 표현·문장 !! 자연스러운 해석 !! 문맥 설명 !! PDF 쪽수·절 / 재생
|-
| '''enhance navigation and engagement with large-scale oral history testimonies'''<br><small>원문 인용</small> || 대규모 구술사 증언을 찾아보고 참여하는 경험을 향상하다 || AI 모델을 이용해 긴 증언 속에서 이용자가 길을 찾기 쉽게 한다는 연구 목표다. || p.207, Abstract<br>[[File:bulin-2025_phrase_01.mp3|300px]]
|-
| '''improve accessibility while preserving the authenticity and integrity of historical records'''<br><small>원문 인용</small> || 역사 기록의 진정성과 완전성을 지키면서 접근 가능성을 높이다 || 편리함을 높이되 원래 기록을 바꾸지 않겠다는 핵심 원칙이다. || p.207, Abstract<br>[[File:bulin-2025_phrase_02.mp3|300px]]
|-
| '''shift the listening process from a passive activity to an interactive one'''<br><small>원문 인용</small> || 듣는 과정을 수동적 활동에서 상호작용하는 활동으로 바꾸다 || 자동 질문을 통해 이용자가 기록을 더 능동적으로 탐색하게 한다. || p.208, Introduction, para. 3<br>[[File:bulin-2025_phrase_03.mp3|300px]]
|-
| '''support comprehension without changing the original intent of the testimony'''<br><small>원문 인용</small> || 증언의 본래 의도를 바꾸지 않으면서 이해를 돕다 || 질문이 원문을 요약·재해석하지 않고 이해를 보조해야 한다는 뜻이다. || p.208, Introduction, para. 3<br>[[File:bulin-2025_phrase_04.mp3|300px]]
|-
| '''a sentence-level sliding window'''<br><small>원문 인용</small> || 문장 단위의 슬라이딩 윈도 || 인식된 단어 흐름에서 여러 문장을 묶어 문맥 입력으로 삼는 방법이다. || p.209, Research methods, para. 2<br>[[File:bulin-2025_phrase_05.mp3|300px]]
|-
| '''generate a candidate question related to the given passage'''<br><small>원문 인용</small> || 주어진 글 부분과 관련된 후보 질문을 만들다 || T5 기반 AQ 모델이 문맥 창마다 수행하는 작업이다. || p.209, Research methods, para. 2<br>[[File:bulin-2025_phrase_06.mp3|300px]]
|-
| '''only questions which meaningfully precede the context are shown to the user'''<br><small>원문 인용</small> || 문맥 앞에 의미 있게 이어지는 질문만 이용자에게 보여 준다 || SC 모델이 관련성 없는 질문을 걸러 내는 기준을 설명한다. || p.209, Research methods, para. 2<br>[[File:bulin-2025_phrase_07.mp3|300px]]
|-
| '''the inverse task of question answering'''<br><small>원문 인용</small> || 질문 응답의 반대 과제 || 문맥에서 답을 찾는 대신, 문맥으로부터 질문을 만드는 과제다. || p.209, Asking questions model, para. 1<br>[[File:bulin-2025_phrase_08.mp3|300px]]
|-
| '''questions with answers that were directly inferred from the input context'''<br><small>원문 인용</small> || 입력 문맥에서 직접 추론된 답을 가진 질문들 || 질문과 답을 함께 학습 목표에 넣어 질문의 구체성을 높였다. || p.209, Asking questions model, para. 2<br>[[File:bulin-2025_phrase_09.mp3|300px]]
|-
| '''distinguish valid continuations from unrelated text segments'''<br><small>원문 인용</small> || 타당한 이어짐과 관련 없는 텍스트 조각을 구별하다 || SC 모델이 문장 조각의 자연스러운 연결을 판별하는 기능이다. || p.210, Semantic continuity model, para. 2<br>[[File:bulin-2025_phrase_10.mp3|300px]]
|-
| '''retained only high-confidence, contextually relevant questions'''<br><small>원문 인용</small> || 높은 신뢰도의 문맥 관련 질문만 남겼다 || 95% 미만 점수의 질문-문맥 쌍을 제외한 결과다. || p.212, Results, para. 2<br>[[File:bulin-2025_phrase_11.mp3|300px]]
|-
| '''balances between enriching user navigation and maintaining the authenticity of the testimonies'''<br><small>원문 인용</small> || 이용자 탐색을 풍부하게 하는 일과 증언의 진정성을 유지하는 일 사이의 균형을 이룬다 || 질문을 너무 많이 넣지 않고, 원래 증언을 지키려는 설계다. || p.212, Results, para. 2<br>[[File:bulin-2025_phrase_12.mp3|300px]]
|-
| '''does not summarize, modify or reinterpret the original content'''<br><small>원문 인용</small> || 원래 내용을 요약하거나 수정하거나 재해석하지 않는다 || 연구진이 밝힌 기록 보존 원칙이다. || p.212, Discussion, para. 2<br>[[File:bulin-2025_phrase_13.mp3|300px]]
|-
| '''A relevant question can help a reader locate a passage.'''<br><small>일반화 학습 문장틀 — 원문 직인용 아님</small> || 관련된 질문은 독자가 글의 한 부분을 찾도록 도울 수 있다. || 관련성 표현을 연습하는 일반화 학습 문장틀이다. || 학습용 일반화<br>[[File:bulin-2025_phrase_14.mp3|300px]]
|-
| '''The system filters out questions below its confidence threshold.'''<br><small>일반화 학습 문장틀 — 원문 직인용 아님</small> || 그 시스템은 신뢰도 기준값보다 낮은 질문을 걸러 낸다. || filter out과 threshold를 연습하는 일반화 학습 문장틀이다. || 학습용 일반화<br>[[File:bulin-2025_phrase_15.mp3|300px]]
|}
== 읽기 확인: 짧은 원문 문장 ==
'''“Crucially, the meaning of the testimony remains intact, as each question is directly linked to and answered by excerpts from the original interview.”''' (p.209, Research methods, para. 1)
: “중요하게도, 각 질문은 원래 인터뷰의 발췌문에 직접 연결되고 그 발췌문이 답하므로, 증언의 의미는 온전하게 남는다.” as는 여기서 ‘~이므로’의 이유를 나타낸다.
'''“This strict filtering ensured that only semantically relevant questions were included, eliminating misleading or vague outputs.”''' (p.212, Results, para. 2)
: “이 엄격한 필터링은 의미상 관련 있는 질문만 포함되도록 했고, 오해를 부르거나 모호한 결과는 제외했다.” only ... were included는 ‘오직 ~만 포함되었다’라는 제한을 나타낸다.
== 스스로 확인하기 ==
# 논문이 긴 구술사 증언의 탐색을 돕기 위해 제시한 두 모델(AQ와 SC)의 역할을 각각 써 보세요.
# 왜 AQ 모델의 후보 질문을 SC 모델로 한 번 더 걸러 내나요?
# 결과에서 95% 확률 기준값을 적용한 뒤 후보 질문 수가 어떻게 달라졌는지 원문에 근거해 설명해 보세요.
# 연구진이 말하는 ‘진정성’ 보존 원칙은 원래 인터뷰에 어떤 일을 하지 않는다는 뜻인가요?
# ''contextually relevant''와 ''semantic continuity''가 각각 무엇을 가리키는지 비교해 보세요.
== 원문 출처 및 고지 ==
* '''원문 전문''': 제공 파일 <code>source-fulltext/Bulin_Oral_History_AI_2025.pdf</code> (8쪽, 직접 확인) · [https://doi.org/10.18267/j.aip.268 공개 원문 출처(DOI)]
* '''위키 원문 안내''': [[가정연합 지역교회 구술사 AI아카이브 참고원문 - Bulín 외 AI 구술아카이브 탐색]]
* 이 페이지의 단어 뜻·한국어 풀이는 원문 논지를 학습용으로 설명한 것이며 공식 번역이 아니다. 일반화 학습 문장틀은 원문 직인용이 아님을 별도 표시했다.
[[분류:AI 아카이브]][[분류:구술사]][[분류:영어 학습]]