본 논문은 대화 텍스트를 기반으로 사용자 행동을 예측하는 데 있어 지도 학습 기반 머신러닝 모델의 성능 저하 문제를 해결하기 위해, 주석자의 피로도 및 작업 속도 등의 메타 정보를 통합한 Metadata-Sensitive Weighted-Encoding Ensemble Model (MSWEEM)을 제안한다. MSWEEM은 기존 앙상블 모델보다 보유 데이터셋에서 14%, 다른 데이터셋에서 12% 향상된 성능을 보였다. 주석자의 행동 신호(속도, 피로도 등)를 통합하는 것이 모델 성능 향상에 유의미한 영향을 미치며, 석사 학위 이상의 자격을 가진 주석자는 더욱 일관되고 빠른 주석을 제공하는 것으로 나타났다. 이는 주석 품질에 대한 불확실성이 증가하는 상황에서 주석자 패턴에 대한 이해가 모델 정확도 향상에 중요함을 시사한다.
