몰입형 웹 언어 학습 환경: 다중 모드 상호작용 및 오류 교정
기존 웹 기반 언어 학습 도구는 단일 상호작용 방식, 지연된 오류 교정 피드백, 불충분한 주의 감지 등의 한계를 지닌다. 본 연구는 이러한 문제 해결을 위해 음성, 제스처, 시선 추적을 통합한 다중 모드 몰입형 웹 가상 환경 최적화 방안을 설계하고 검증했다. 핵심 방법론으로, 고변동 상호작용 시나리오(음성 단절, 제스처 가림, 주의 분산 등)에서 기존 고정 임계값 방식의 오류 교정 실패 문제를 해결하는 ‘주의 가중치+동적 임계값’ 이중 메커니즘 적응형 융합 알고리즘을 제안한다. 또한, 지각-결정-피드백-조정의 4단계 폐쇄 루프 제어 메커니즘을 구축하여 엔드-사이드 경량 배포를 실현했다. WebXR, MediaPipe 등 네이티브 기술 기반의 교차-엔드 호환 아키텍처를 구축했다. 세 가지 데이터셋과 열 가지 대표 작업 조건에서 수행된 비교 실험 결과, 제안된 방식은 기존 웹 플랫폼 대비 협업 오류 교정 정확도를 93.2%(41% 향상)로 높였으며, 응답 시간은 0.15초(62% 단축)로 압축되었다. 엔드-사이드 자원 점유율은 16.8%로 감소했고, 분당 학습 효율은 4.8배 증가했다. 이 연구는 몰입도, 오류 교정 정확도, 엔드-투-엔드 적응성 간의 효과적인 균형을 확인했으며, 몰입형 웹 언어 교육의 대규모 적용을 위한 기술적 토대를 제공한다.