[논문]전문번역사들의 기계번역 수용에 관한 연구

천종성

doi:10.15207/jkcs.2020.11.6.281

전문번역사들의 기계번역 수용에 관한 연구
Study on Translators' Acceptance of Machine Translation 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.6, 2020년, pp.281 - 288

천종성 (한양대학교 대학원 신문방송학과)

초록
AI-Helper

본 연구는 구글 번역과 파파고와 같은 신경망 기계번역(NMT)에 대한 수용성을 탐구한다. 기계번역의 도입으로 훈련받은 번역사들이 위협을 느끼리라는 것과 기계와의 협력을 모색해야 한다는 논의가 상충하고 있는 시점에서, 오랫동안 기술수용을 예측해 온 TAM을 적용하여 전문번역사들의 기계번역 수용에 관한 의사결정 과정을 살펴보았다. 결론적으로 번역사들이 기계번역에 대해 위협을 느낄 것이라는 기존의 규범적 논의와 달리 본 연구의 경험적 결과는 번역사들이 자신의 업무의 효율을 높여주는 유용한 도구로 인식하고 있음이 밝혀졌다. 특히 같이 작업하는 동료들의 조언과 사회적 분위기가 우호적일 경우 이러한 경향은 더욱 강해졌다.

Abstract ▼ AI-Helper

This study delves into acceptance on neural network machine translation (NMT) such as Google Translate and Papago that uses technical acceptance model. In conclusion, it turned out that perceived usefulness impacts translators' attitude towards NMT. In other words, if translators determine that NMT is related to their work and the quality of the deliverables is guaranteed, they were more positive towards it. Unlike the existing normative approach that translators feel threatened by NMT, empirical results tell us translators perceive NMT as a business tool and such perception was largely influenced by advices of their colleagues and friends and expectations for use.

주제어

표/그림 (7)

그림 Fig. 1. Technical Acceptance Model (Davis, 1989)
그림 Fig. 2. Research Model
표 Table 1. Confirmatory Factor Analysis
표 Table 2. Discriminant Validity
표 Table 3. Fit indices for the model [22-24]
그림 Fig. 3. Machine Translation Acceptance Model
표 Table 4. Statistics of Path analysis

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 일반적으로 행위와 행위의도의 관계를 따로 측정하지는 않는다. 또한 의도와 태도의 관계 역시 상당한 상관관계가 입증되거나, 의도가 태도를 대체하기도 해서[12] 본 연구에서는 신념체계가 수용 의도(AI)에 미치는 영향 관계를 중심으로 살펴본다.
위의 가설에 따라 번역사의 기계번역 수용 의도는 기계 번역을 경험한 이후의 신념체계가 결정하는데, 이 신념체계는 외생적 변인들의 영향을 받는다. 본 연구는 이 외생적 변인을 개인적 차원, 번역사 집단적 차원, 사회적 영향 차원으로 구분하여 신념체계를 통해 수용에 미치는 영향을 파악한다.
특히 주관적 신념체계의 선행변인이 되는 다양한 요인을 간과한 경향이 있다는 논의에 따라 개인의 특성, 기술의 특성, 상황적 요인들이 적용되었다[10]. 본 연구에서는 확장된 TAM의 논의에 기반하여 인지된 유용성과 용이성의 신념체계에 영향을 미치는 요인을 고려하여 번역사의 기계번역 수용을 탐구한다.
전문 번역사가 기계번역을 수용한다는 것은 기계번역의 위상과 역할에 대한 사회적 평가의 지표가 될 수 있는 중요한 문제이기 때문이다. 이를 위해 본 연구에서는 정보기술시스템(IT)의 수용을 오랫동안 예측해온 기술수용 모델(TAMl)을 통해 번역사들의 기계번역에 대한 수용과 정을 이해하고자 한다.
기계번역의 등장으로 번역사들은 기존 번역 개념의 변화 대한 두려움으로 회피하거나[4], 기계번역을 도구적으로 활용할 것인가[16]의 상반된 논의가 있었다. 이에 본 연구는 번역사들의 기계번역의 수용의도를 실증 적으로 분석하여 다음과 같은 결과를 확인하였다.

가설 설정

가설 5. 번역사 개인의 혁신성은 인지된 용이성에 정적인 영향을 미칠 것이다.
가설 4. 번역사 개인의 혁신성은 인지된 유용성에 정적인 영향을 미칠 것이다.
가설 8. 번역사의 사회적 동조 인식은 인지된 용이성에 정적인 영향을 미칠 것이다.
가설 7. 번역사의 사회적 동조 인식은 인지된 유용성에 정적인 영향을 미칠 것이다.
가설 3. 번역사의 인지된 용이성은 인지된 유용성에 정적인 영향을 미칠 것이다.
가설 6. 번역사의 주관적 규범은 인지된 유용성에 정적인 영향을 미칠 것이다.

제안 방법

가설을 검증하기에 앞서 구조모델의 적합도를 파악하였다. 연구에서는 CMIN/DF와 함께 절대적합지수로 RMSEA, SRMR을 통해 적합성을 판단한다.
IT의 채택에 있어, 기술적 성능과 같은 시스템의 특성이 아니라, 기술을 이용하는 사람들이 기술에 반응하여 어떠한 의사결정 과정을 거치는지를 파악하는 모델이다. 기계번역의 수용에서도 지금까지 연구들은 인공 신경망이라는 기술적 결과인 품질에 초점이 맞춰져 왔으나, 이 연구에서는 기계번역 수용에서 번역사들이 경험하고 느끼게 되는 주관적 신념체계의 중요성을 확인하기 위해서 기술수용모델을 적용한다. Fig.
본 연구의 측정 문항은 기존 연구에서 사용된 내용을 기계번역 수용에 맞추어 구성하였다. 모든 변인은 최소 3개 항목 이상의 5점 리커트 척도로 구성하였다.
본 연구에서 제시한 모형과 가설을 검정하기 위하여 현업에 종사하는 전문번역사들을 대상으로 설문조사를 진행하였다. 설문 항목은 이론적 배경에 기반하여 기존 연구들에서 추출하였으며, 설문에 앞서 연구자와 번역학 연구자1인, 수용론 연구자 1인이 토론을 통해서 측정 항목에 대한 정제작업을 거쳤다. 기계번역에 대한 이해를 분명히 하기 위해서 설문의 시작 부분에서 가장 많이 사용하는 번역 어플리케이션을 제시토록 해서 설문의 취지에 착오가 없도록 했다.
가설을 검증하기에 앞서 구조모델의 적합도를 파악하였다. 연구에서는 CMIN/DF와 함께 절대적합지수로 RMSEA, SRMR을 통해 적합성을 판단한다. 또한 제안모델과 대안모델의 적합도를 비교하는 증분적합지수는 NNFI/TLI와 IFI, CFI를 활용한다.
이 연구에서 적용한 구성개념과 측정모델에 대한 확인적 요인분석을 시행하였다. 모수 추정은 최대우도법(ML)을 적용하였으며, 상세한 내용은 Table 1과 같다.

대상 데이터

전문번역사라는 한정된 모집단이므로 소규모 전문가 집단에 대한 편의 표집으로 진행하였다. 2020년 3월26일부터 3월30일까지 5일에 거쳐 온라인 설문(google survey)을 통해 수집하였으며, 설문에 응한 번역사는 전부 149명이다.
본 연구에서 제시한 모형과 가설을 검정하기 위하여 현업에 종사하는 전문번역사들을 대상으로 설문조사를 진행하였다. 설문 항목은 이론적 배경에 기반하여 기존 연구들에서 추출하였으며, 설문에 앞서 연구자와 번역학 연구자1인, 수용론 연구자 1인이 토론을 통해서 측정 항목에 대한 정제작업을 거쳤다.
Anderson & Gerbing(1998)이 제시한 측정모델(CFA)의 집중타당도와 판별타당도를 검정한 이후 연구가설이 적용된 구조모델을 검정하는 2단계 접근법을 따른다[20]. 분석을 위해서 SPSS 25와 AMOS 25를 사용하였다.
이 연구에 참여한 번역사는 총 149명으로 이 가운데 번역 어플리케이션을 사용하지 않는다고 응답한 7명을 제외한 142명의 응답을 분석하였다. 응답자의 성별은 여성이 126명(88.

이론/모형

Anderson & Gerbing(1998)이 제시한 측정모델(CFA)의 집중타당도와 판별타당도를 검정한 이후 연구가설이 적용된 구조모델을 검정하는 2단계 접근법을 따른다[20].
기술수용모델의 인지된 유용성과 인지된 용이성, 태도를 포함한 변인에 대한 조작적 정의는 이론적 배경에 적시한 바와 같으며, 측정 문항은 Davis(1989)의 연구[8] 와 확장된 TAM 연구[12], Venkatesh와 동료들의 연구[18]를 참조하였다. 자세한 설문 문항은 부록으로 첨부한다.
연구에서는 CMIN/DF와 함께 절대적합지수로 RMSEA, SRMR을 통해 적합성을 판단한다. 또한 제안모델과 대안모델의 적합도를 비교하는 증분적합지수는 NNFI/TLI와 IFI, CFI를 활용한다. 각 적합지수에서 모델이 적합하다고 판단하는 기준과 본 연구에서 측정한 값을 아래 Table 3과 같다.
또한, 제시된 측정모델에 대한 집중타당도는 Fornell & Larcker(1981)이 제시한 평균분산추출(AVE≧.5), 개념신뢰도(CR≧.7), 표준화계수(≧.5)의 세 가지 기준을 사용하여 평가하였다[21].
이 연구에서 적용한 구성개념과 측정모델에 대한 확인적 요인분석을 시행하였다. 모수 추정은 최대우도법(ML)을 적용하였으며, 상세한 내용은 Table 1과 같다.
본 연구의 연구모형과 가설검정에는 구조방정식모델 (SEM)을 적용한다. Anderson & Gerbing(1998)이 제시한 측정모델(CFA)의 집중타당도와 판별타당도를 검정한 이후 연구가설이 적용된 구조모델을 검정하는 2단계 접근법을 따른다[20].

성능/효과

7,8은 인지된 유용성과 인지된 용이성에 영향을 미치는 확장된 변인에 관한 것이다. 개인이 가지는 특성인 혁신성은 유용성에는 영향력이 없었으나 인지된 용이성에는 큰 영향을 미치는 것으로 나타나, 가설4는 기각되고 가설5는 지지 되었다. 주관적 규범이 인지된 유용성에 영향을 미칠 것이라는 가설6은 선행연구들과 비슷한 결과로 강력한 지지를 확인할 수 있었다.
결론적으로 번역사들이 기계번역을 두려움을 포함한 상충적 관계로 인식하기보다는 유용한 도구로 인식하고 있으며, 기존 연구에서 제기한 인간과 기계의 협업을 통한 생산성 극대화의 방향으로 발전해야 한다는 주장[16] 을 강화하는 결과를 확인해 주었다.
둘째, 컴퓨터의 작동이나 운영에 익숙하면 더 잘 수용할 것이라는 선행연구의 기대처럼[3], 기계에 익숙하고 도전적인 사람일 경우, 기계번역을 쉽고 편하다고 여기며 수용할 수 있다. 다만, 유용성의 영향이 절대적이어서 번역사들은 유용성만 확인되면, 용이성이 성립하지 않는다고 하더라도 수용하게 될 것으로 예측할 수 있다.

후속연구

특히 기술을 잘 다룰 것에 대한 개인의 자기효능감과 다양성을 추구하는 경향을 포괄하는 개념으로[14], 개인의 기술에 대한 특성을 보다 폭넓게 설명할 수 있다. 뉴미디어나 기술의 급발전으로 다소 위험하게 느껴도 긍정적 반응을 보이며 새로운 방법을 채택하고자 하는 변화 의지가 나타나는 경향이라고 할 수 있어서 번역사들의 기계번역을 수용하는 정서를 반영할 수 있는 확장 변인으로 적용할만하다.
둘째, 컴퓨터의 작동이나 운영에 익숙하면 더 잘 수용할 것이라는 선행연구의 기대처럼[3], 기계에 익숙하고 도전적인 사람일 경우, 기계번역을 쉽고 편하다고 여기며 수용할 수 있다. 다만, 유용성의 영향이 절대적이어서 번역사들은 유용성만 확인되면, 용이성이 성립하지 않는다고 하더라도 수용하게 될 것으로 예측할 수 있다.
또한, 본 연구에서 기계번역의 도구적 인식(유용성)의 강력한 영향력을 확인하였지만, 실제로 번역사들이 기계 번역에 어느 정도 위협감을 느끼는지는 측정하지 못하였다. 따라서 향후 기계번역에 대한 번역사의 인식 연구는 기계번역에 대한 위험 인식과 도구적 인식을 비교하는 것을 고려해 볼만 한다.
특히 영어권의 표본이 상대적으로 적어서 전체 모집단을 반영할 것인지 문제가 있다. 향후 연구에 서는 언어권의 모집단 비율을 충분히 고려해야 할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기계번역이란?	기계번역은 한 자연어를 다른 자연언어로 번역하는 변환을 컴퓨터를 이용해서 모두 자동적으로 하는 것이라 정의할 수 있다[5]. 기계번역 연구는 2차 세계대전과 냉전을 거치며 적극 투자되고 연구되었으나 생각만큼 효용성이 높지 않아 관심 밖으로 사라졌다가, 최근 빅 데이터 관련 기술이 발전하면서 다시 주목을 받게 되었다[1].
	기술수용모델은 무엇에서 출발하나?	기술수용모델은 기술제품을 채택하는 사람들이 어떠한 과정을 거쳐서 수용을 결정하는지에 대한 관심에서 출발한다. IT의 채택에 있어, 기술적 성능과 같은 시스템의 특성이 아니라, 기술을 이용하는 사람들이 기술에 반응하여 어떠한 의사결정 과정을 거치는지를 파악하는 모델이다.
	기계번역의 3단계의 진화과정은?	연구들[6,7]에 따르면, 기계번역은 그 발전양상에 따라 크게 3단계의 진화과정을 거쳐 왔다. 1단계는 1980 년대까지 주로 적용되었던 규칙기반 기계번역(Rule-based machine translation, RBMT)의 시기였고, 2단계는 1990년대부터 발전이 시작된 코퍼스 기반 기계번역 (Corpus-based machine translation, CMT), 3단계는 딥러닝(Deep Learning) 기술에 기반한 인공신경망 기계번역(Neural Network Machine Translation, NMT)으로 구글 번역, 파파고 등의 번역 어플리케이션이 최신 기계번역의 경향이라 할 수 있다.

참고문헌 (25)

T. G. Kim. (2017. 7. 19). AI translation, seven years later, exceeds the average level. Yonhap news. [Online]. www.yna.co.kr
M. S. Choi. (2019). Trends in Machine Translation Research within the Translation Studies Community in Korea. Journal of Linguistic Studies, 24(1), 275-297.

상세보기
J. S. Shin. (2017). Revisiting Translation Competence in a Technological Paradigm. Interpreting and Translation Studies, 21(4), 51-71.
S. I. Lee. (2018). A Reflection on both the Essence and the Translating Agent of Machine Translation. Interpreting and Translation Studies, 22(4), 183-209.
H. K. Park. (2018). Teaching machine translation in master"s degree translation courses - A case study of post-editing activity in the Korean-Japanese language pair. The Journal of Translation Studies, 19(3), 163-193.

상세보기
S. J. Lim & M. S. Han. (2014). A Case Study on Google Translate: The Correlation between Translation Quality and Units of Translation in Machine Translation. The Journal of Translation Studies, 15(1), 177-209.
A. L. Chang. (2017). Analysis of the Current Development of Machine Translation and Interpretation in Korea: Focusing on Korean-Chinese Language Pairs. The Journal of Translation Studies, 18(2), 171-206.

상세보기
Davis, Fred D, Bagozzi, Richard P. & Warshaw, Paul R. (1989). User acceptance of computer technology: a comparison of two theoretical models. Management science, 35(8), 982-1003.

상세보기
E. S. Park & H. J. Woo. (2013). A Study on Factors Affecting the Intention to Use Personal Cloud Service : Focused on the Convergence Model of TAM and PMT. Journal of Cybercommunication Academic Society, 30(2), 111-150.

상세보기
M. D. Choi, P. K. Seo, M. I. Choi & H. J. Paek. (2014). Factors Associated with Health-Specific TV Viewing Intention : Application of the Technology Acceptance Model. Korean Journal of Journalism & Communication Studies, 58(6), 362-389.
J. K. Lee et al. (2014). Media and Audience. communication books: seoul.
Venkatesh, & Davis, Fred D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management science, 46(2), 186-204.

상세보기
Rogers, E. M. (2010). Diffusion of innovations: Simon and Schuster.
S. H. Sohn, Y. J. Choi & H. S. Hwang. (2011). Understanding Acceptance of Smartphone among Early Adopters Using Extended Technology Acceptance Model. Korean Journal of Journalism & Communication Studies, 55(2), 227-251.
Ajzen, I. & Fishbein, M. (1973). Attitudinal and normative variables as predictors of specific behavior. Journal of personality and Social Psychology, 27(1), 41-57

상세보기
S. M. Kim. (2018). Coexistence of humans and machines in the era of artificial intelligence. Interpretation and Translation, 20(2), 1-32.

상세보기
H. S. Park & Smith, Sandi W. (2007). Distinctiveness and influence of subjective norms, personal descriptive and injunctive norms, and societal descriptive and injunctive norms on behavioral intent: A case of two behaviors critical to organ donation. Human Communication Research, 33(2), 194-218.
Venkatesh, V., Morris, M. G., Davis, G. B. & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. [Article]. MIS Quarterly: Management Information Systems, 27(3), 425-478.

상세보기
B. S. Kim. (2019). A study on the intention to AI(Artificial Intelligence) speakers usage focusing on extended technology acceptance model. Hanyang University.
Anderson, James C. & Gerbing, David W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological bulletin, 103(3), 411.

상세보기
Fornell, C. & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18, 39-50.

상세보기
Martinez, hyphen, Lopez Francisco, J., Gazquez, hyphen, Abad Juan, C. & Sousa Carlos, M. P. (2013). Structural equation modelling in marketing and business research : Critical issues and practical recommendations. European Journal of Marketing, 47(1/2), 115-152.

상세보기
Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological bulletin, 107(2), 238.

상세보기
Bagozzi, R. P. & Yi, Y. (1988). On the evaluation of structural equation models. Journal of Academy of Marking Science, 16, 74-94.

상세보기
Lin, C. P. & Bhattacherjee, A. (2008). Elucidating individual intention to use interactive information technologies: The role of network externalities. International Journal of Electronic Commerce, 13(1), 85-108.

상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증