Impact of OCR Noise on BERT-Based Question Type Classification in Digital Test Banks
Ji-Hyun Seo, Jin-Ho Park · Journal of Digital Contents Society · 2025
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.