디지털 문제은행에서 OCR 노이즈가 BERT 기반 문제 유형 분류 성능에 미치는 영향

초록

최근 교육 현장에서 디지털 기반의 문제은행 시스템 활용이 확대되고 있으나, 시험지 이미지의 디지털화 과정에서 발생하는 OCR(Optical Character Recognition) 오류가 성능 저하의 주요 원인으로 지적된다. 본 연구는 중학교 영어 기출 문항을 대상으로, OCR 노이즈가 BERT 기반 문제 유형 분류 성능에 미치는 영향을 분석하였다. 대화, 독해, 문법, 어휘 네 유형의 500문항을 Noise1, Noise2, Noise3의 세 단계 노이즈 조건에서 평가한 결과, 노이즈 강도가 높을수록 정확도와 Macro-F1 점수가 전반적으로 하락했으며 특히 Noise3에서 저하가 두드러졌다. 정밀도(Precision)·재현율(Recall) 분석에서는 어휘 유형이 가장 취약했으며, 대화 유형은 상대적으로 안정적이었다. 혼동행렬 분석에서는 노이즈 증가에 따라 어휘→대화, 독해→대화 등 의미적으로 인접한 유형 간 오분류가 빈번해졌다. 이에 본 연구는 현장 적용을 위해 전처리(CER 모니터링·정규화·부분 삭제 보정), 사후 교정(post-OCR), 데이터 증강(노이즈 인식), 특성 추출(문장 경계·레이아웃 보강) 전략을 개략적으로 제시한다.

키워드