TransLoop

외국어 학습에서 잘 알려진 "double translation" 기법(원문 → 외국어 → 모국어 역번역으로 의미 손실을 자기 점검)을 한 도구로 묶음. 2025년에 처음 시작했다가 멈췄고, 다시 풀스택 구조를 잡아 재시동 중.

• Backend - FastAPI + SQLAlchemy 2.0 async + Pydantic v2 + OpenAI, alembic 마이그레이션
• Frontend - Vite + React 19 + Tailwind v4 + shadcn + TanStack Query, access/refresh 토큰 인증
• 배포 - 백엔드 Render + Neon Postgres, 프런트 Cloudflare Pages

• "정답 비교"가 아니라 "자기 번역과 원문의 차이"를 학습 신호로 - 정오답 채점보다 의미 손실을 본인이 보게 만드는 게 학습 깊이를 만든다
• 토큰은 localStorage + 401 시 1회 자동 갱신 후 /login 리디렉션 - 학습 도중 끊김을 최소화

• access/refresh 토큰 흐름 - 401 시 1회 자동 갱신이 무한 루프 없이 정확히 한 번만 돌고 실패 시 /login으로 안전히 떨어지는가
• 며칠 뒤 역번역이라는 시간차 학습 루프에서 원문·1차 번역·역번역 상태가 어긋나지 않고 이어지는가
• OpenAI 채점 응답이 비정형이거나 실패해도 학습 진행이 막히지 않고 degrade하는가
• 의미 손실 비교가 학습 신호의 전부이므로, AI가 짚는 "어디서 의미가 빠졌는지"가 실제 손실과 어긋나지 않는가(신호 정확도)
• 번역·역번역 두 점수(82·85)가 같은 입력에 재현 가능하고 임의로 흔들리지 않아 학습자가 점수 변화를 신뢰할 수 있는가
• 2025년에 멈췄다 2026년 풀스택으로 재시동하는 과정에서 기존 학습 데이터(프로젝트·텍스트·기록)가 유실 없이 이어지는가