Evidence-Linked Labeling (ELL) v1.0: 대화형 정성 데이터의 검증 가능한 정량화 파이프라인

💡 본 게시물은 한국어 및 영어 버전 백서를 모두 포함하고 있습니다. (This record contains both Korean and English versions of the white paper.)

대화형 설문(Conversational Survey)은 응답자의 한마디를 AI가 이어받아 다시 파고드는 구조를 통해, 객관식 설문이 결코 잡아내지 못하는 감정선·의사결정 트리거, 서비스 전환의 서사적 맥락을 포착합니다. 그러나 수집된 방대한 비정형 텍스트를 실무 의사결정에 활용하려 할 때, 연구자 및 제품 팀은 항상 집계와 환각(Hallucination)의 한계에 부딪힙니다.

본 보고서는 주식회사 Dean Works가 설계·구현한 증거 연결형 라벨링(Evidence-Linked Labeling, 이하 ELL) 방법론을 제안합니다.

ELL은

(1) 폐쇄형 어휘(Closed Vocabulary) 기반의 제약적 디코딩,

(2) 서술과 수치 계산의 아키텍처적 분리,

(3) 2단계 자기검증과 자카드(Jaccard) 일치도 기반 신뢰도 공개,

(4) 원문 역추적(Drill-down) 인터페이스를 결합하여, 대화형 정성 데이터를 검증 가능한 정량 지표로 전환하는 재현 가능한 분석 프레임워크입니다.