면접을 보고 난후 사용자에게 피드백을 줄려면 다양한 방향에서 피드백을
해줄수있어야한다. 그러기 위해서 기준을 선정하는게 중요하다.
애매해서는 안되며 일관성있고 납득이 가능한 내용이여야한다.
"피드백을 주는것이 다른 면접 서비스와의 차별점을 만들수있을것이다."
라는 생각이 있었기 때문에 포기할 수 없었다.
- 이런 형태로 만들 계획을 했다. 이 시점까지는 디자인은 크게 중요하지않았다.
- 겉 보다는 내용이 중요하다.
기준 설정
일관성
- 앞 뒤 알맞게 이야기 하는지
- 자소서 내용과 부합하는지
- 이야기 흐름이 앞뒤로 자연스럽고, 자기소개서나 경력사항과 모순되지 않는지
논리성
- 말이 논리적으로 이어지며, 문제 해결이나 행동의 이유가 분명한지 (STAR 방식에 부합).
- STAR에 맞는지
- 이유와 근거가 명확하며, 구조적 흐름이 매끄러운가
대처 능력
- 예상치 못한 질문이나 상황에 당황하지 않고 침착하게 대응하는지.
- 질문 의도를 파악하고 본인의 경험에 적절히 연결지었는가
구체성
- 경험이나 활동에 대해 구체적이고 진정성 있게 설명하는지, 꾸준함이 느껴지는지.
면접 태도
- 눈 마주침, 표정, 목소리 톤, 말할 때의 태도(예의), 경청 태도 등.
객관성
- 자신의 경험이나 문제를 과장하지 않고, 객관적으로 판단하며 표현하는지.
적극성
- 질문에 대한 대답뿐 아니라 추가적으로 자신의 의지를 표현하거나 질문을 유도하는지.
성장 가능성
- 현재 부족한 점을 인지하고 개선 의지가 있는지, 배움에 대한 태도.
자신감
- 말하는 태도와 내용에서 자신감을 보이는지 (허세 X).
자세
- 말투, 앉은 자세, 손짓, 시선 등 전반적인 비언어적 태도.
위 내용 처럼 다양한게 구성해봤다, 여기서 구현이 가능한것과
할 수 없는것을 나누어 조금더 세부적으로 내용을 구별해야한다.회의를 통한 결론
1. 일관성
- 자소서에 기재된 가치, 경험, 강점 등이 면접 답변에서도 자연스럽게 드러나는가?
- 자소서의 내용과 충돌되거나 모순되는 표현은 없는가?
- 면접 답변 전반에서 앞뒤 흐름이 일관되며, 하나의 핵심 주제를 중심으로 일관성 있게 답변했는가?
2. 논리성
- 답변이 STAR 구조(Situation → Task → Action → Result)에 근접한 흐름으로 답변하는가?
- 각 문장 간 연결이 자연스럽고, 논리적 비약이나 흐름의 단절이 없는가?
- 답변의 핵심 메시지가 명확하며, 반복 없이 효과적으로 전달되었는가?
- 면접관 입장에서 답변의 논리를 이해하기 쉽고 설득력 있게 느껴지는가?
3. 대처 능력
- 꼬리 질문에 대한 응답에 대해서만 평가를 진행
- 평가요소
- 이해도 : 의도를 파악 후 정확히 답변 하는지 ?
- 논리력 : 응답 내 논리 연결어/근거 비율
- 유연성 : 기존 답변을 그대로 다시 말하는지? 아닌지 ?
- 자신감 : 당황하지 않는지? 회피적이지는 않는지 ?
판단 방법
- 이해도
| 분석 방법 | 기준 |
|---|---|
| ✅ 텍스트 유사도 분석 | 꼬리 질문의 주요 키워드와 응답 간 cosine similarity |
| ✅ 질문 의도 기반 분류 모델 (LLM 활용) | “이 질문은 ~를 묻는 것이다” → “응답은 ~에 대한 설명이다” 일치 여부 |
| ✅ 체크리스트 예시 (수작업 시) | ✔ 질문의 주제에 정확히 답했는가? ✔ 질문의 핵심 키워드를 이해했는가? |
- 논리력
| 분석 방법 | 기준 |
|---|---|
| ✅ 논리 연결어 빈도 분석 | 적절한 접속사 사용 수 / 전체 문장 수 |
| ✅ Discourse Structure 분석 | ex. Argument Mining 또는 GPT 기반 구조화 |
| ✅ 체크리스트 예시 | ✔ 이유와 설명이 포함되었는가? ✔ 단순 주장만 있는가, 근거도 포함했는가? |
- 유연성
| 분석 방법 | 기준 |
|---|---|
| ✅ 중복률 분석 | 이전 응답과의 문장 유사도 (Jaccard 또는 BLEU 점수 등) |
| ✅ GPT 활용 paraphrase 검출 | 동일 문장의 반복 여부 판단 |
| ✅ 체크리스트 예시 | ✔ 기존 말 그대로 반복하지 않았는가? ✔ 질문 방향에 맞춰 새로운 내용이 있었는가? |
- 자신감
| 분석 방법 | 기준 |
|---|---|
| ✅ 회피 표현 필터링 | “정확하진 않지만”, “대충”, “어쩌다보니” 등 회피 키워드 존재 여부 |
| ✅ 문장 마무리의 명확성 | "~하였습니다." 등 명확한 종결문장 여부 |
| ✅ 음성 기반일 경우 (선택적) | 말속도, 망설임 시간 분석 (중간 pause 시간 등) |
| ✅ 체크리스트 예시 | ✔ 회피하거나 우물쭈물하지 않았는가? ✔ 주도적으로 설명했는가? |
4. 구체성
- 평가요소
- 사례 구체성 : 실제 경험이 명시되고 상황이 뚜렷한가
- 정량 정보 포함 : 수치/지표/비율 등 객관적 수단 포함
- 고유명사/도구 : 기술명, 기관명, 도구 등을 정확히 언급
- 추상 표현 비율 : “열심히”, “좋은 경험”, “많이 느꼈다” 등만 반복될 경우 감점
판단 방법
- 사례 구체성
| 분석 기준 | 적용 방식 |
|---|---|
| ✅ STAR 구조 여부 | S-T-A-R (상황-과업-행동-결과) 서술 여부 감지 (LLM 또는 rule 기반) |
| ✅ 경험 표현 필터링 | “~때 경험”, “~프로젝트에서” 등 구체적 경험 표현 존재 |
| ✅ 체크리스트 예시 | ✔ 단순 “노력했다”로 끝나지 않고, 언제/어디서/무엇을/어떻게가 있는가? |
- 정량 정보 포함
| 분석 기준 | 적용 방식 |
|---|---|
| ✅ 숫자 탐지 (NER, regex) | %, 일수, 금액, 인원 등 수치 표현 자동 탐지 |
| ✅ 상대 지표 표현 여부 | “늘었다”, “향상됐다” + 수치 = 가산 |
| ✅ 체크리스트 예시 | ✔ “동안”, “% 향상”, “~명과 협업” 등 구체 지표 제시했는가? |
- 고유명사/도구
| 분석 기준 | 적용 방식 |
|---|---|
| ✅ 기술명 사전 기반 탐지 | “Python”, “Kubernetes”, “Django”, “S3” 등과 같은 도구명 리스트 기반 탐지 |
| ✅ 기관/기업명 감지 | “N사”, “OO대학교”, “스타트업”, “학회” 등 명시 여부 |
| ✅ 체크리스트 예시 | ✔ 추상적 “회사에서” → 명확한 “OO기업 인턴 경험” |
- 추상 표현 비율
| 분석 기준 | 적용 방식 |
|---|---|
| ✅ 불용어 리스트 매칭 | “좋은”, “많은”, “노력”, “느꼈다”, “배웠다” 반복률 계산 |
| ✅ 정량적/행동적 설명 없이 끝나는 문장 | “~했다”로만 끝나며 근거가 없는 문장 수 탐지 |
5. 말하기 방식
예시 흐름: Django에서 음성 분석 처리하기
- 사용자가 음성 파일 업로드
- Django 뷰에서
librosa또는openSMILE등으로 오디오 피처 분석 - 분석 결과를 JSON으로 생성
- Claude 3 Haiku 또는 템플릿으로 자연어 피드백 생성
- 사용자에게 결과 리턴
[S3 저장된 사용자 녹음 파일 (interview.wav)]
↓
[📥 Django 백엔드에서 S3 파일 다운로드 (boto3)]
↓
[🔍 분석]
- pitch / jitter (librosa, parselmouth)
- 말속도 (librosa, speechpy)
- 침묵 시간 (librosa, webrtcvad)
- 감정 상태 (openSMILE or HuggingFace)
→ 분석된 수치들을 딕셔너리로 저장
↓
[🧠 Claude 3 Haiku에게 분석 결과 전달 (프롬프트에 삽입)]
↓
[📝 자연어 기반 피드백 생성 → 사용자에게 리턴]
Django 백엔드에서 가능한 음성 분석 기능
| 분석 항목 | 가능 여부 | 사용 라이브러리 |
|---|---|---|
| 🎙 음성의 떨림 (Jitter) | ✅ 가능 | librosa, parselmouth |
| 📉 목소리 높낮이 변화 (Pitch) | ✅ 가능 | librosa, praat-parselmouth |
| 🕒 말 속도 (Speech rate) | ✅ 가능 | librosa, speechpy |
| 🔊 감정 상태 (Emotion) | ✅ 가능 | Hugging Face 모델, openSMILE |
| ⏸️ 망설임/침묵 시간 (Pause length) | ✅ 가능 | librosa, webrtcvad |
6. 면접 태도
| 항목 | 분석 요소 | 측정 방법 | 피드백 예시 |
|---|---|---|---|
| 📏 상체 자세 정렬 | 어깨, 목, 허리의 수직 정렬 | 어깨 기울기 + 머리 위치 중심 분석 | "상체가 한쪽으로 기울어져 있어 긴장되거나 불편해 보일 수 있습니다." |
| 🎥 화면 내 얼굴 위치 | 얼굴이 정중앙에 위치하는가 | 얼굴 중심 좌표 기반 bounding box 계산 | "화면 하단에 치우쳐 있어 시청자에게 불편하게 느껴질 수 있어요." |
| 🧍 몸의 흔들림 빈도 | 상체/머리의 이동량 | 프레임 간 이동 거리 계산 | "몸의 움직임이 다소 많은 편으로 산만하거나 긴장된 인상을 줄 수 있습니다." |
| 👐 손의 위치와 움직임 | 손이 얼굴 근처에서 얼마나 움직이는가 | keypoint 추적 + 빈도 계산 | "손을 거의 사용하지 않아 표현이 딱딱하게 느껴질 수 있어요. 자연스러운 제스처가 좋습니다." |
| 😊 표정의 자연스러움 | 미소 빈도, 무표정 시간 | 입꼬리 위치 + 감정 추론 모델 | "표정 변화가 적어 무뚝뚝한 인상을 줄 수 있어요. 약간의 미소가 긍정적인 인상을 줍니다." |
| 🤨 고개 각도(시선 일치) | 고개 좌우 회전 정도 | 고개 회전 각도 분석 (yaw/pitch/roll) | "고개를 자주 돌려 산만하거나 무례하게 보일 수 있어요. 카메라를 바라보는 것이 좋습니다." |
| 🧘 긴장/불안 신호 | 눈 깜빡임, 손 만지작, 입술 깨물기 | 미세 표정 + 손 동작 인식 | "손을 계속 만지는 습관은 긴장감이 드러날 수 있어요. 손은 자연스럽게 고정해두는 것이 좋아요." |
클라우드 꿈나무🌳