• 한국콘텐츠학회논문지
• /
• 제16권6호
• /
• pp.283-292
• /
• 2016

본 연구는 한국의 많은 영문법 학습 교재에 수록되어 있는 5형식 문형 분류에 대한 설명의 타당성을 검토하기 위해 실시되었다. 외국어 학습자를 위해 교재에 수록되어 있는 문법을 '학습 문법'으로 명명하고, 교재 집필자가 학습 문법을 설정하고 교재를 구성하기 위해 기준으로 삼아야 하는 문법을 '참조 문법'으로 규정한 후, 이 두 문법에서의 문형 설명을 비교하여 국내 영문법 학습 교재에서 나타나는 설명의 단순화 및 오류를 검토하였다. 5문형 체계는 일본식 문법이라는 인식이 있으나, 이 분류 방식은 C. T. Onions에 의해 1929년 처음 소개된 이론으로서, 오히려 영어학적 이론 문법이 영문법 학습 교재에 반영된 예로 볼 수 있었다. 특히 '필수적 부사구'와 '유표적 구문' 등에 관해 참조 문법의 내용이 반영된 새로운 설명의 시도들도 영문법 학습 교재 내에서 확인되었다. 정확성과 타당성에 기초한 학습 문법을 마련하기 위해 교재 집필자와 교사들이 해외의 권위있는 참조 문법서 및 이론 문법의 연구 성과를 좀 더 적극적으로 활용한다면 영문법 학습 교재에서 발견되는 문법 설명의 오류를 피하고 고급 학습자를 대상으로도 더욱 정확한 문법 체계를 교수할 수 있을 것이다.

• 인지과학
• /
• 제14권1호
• /
• pp.1-9
• /
• 2003

본 연구에서는 EPAM(Elementary Perceiver and Memorizer) Ⅳ를 사용하여 인공 문법이 사용된 암묵적 학습에서의 인간 수행을 모사하였다. 암묵 학습(implicit learning) 과제에서 참가자들은 인공 문법(rtificial grammar)을 사용해 만들어진 '문법적' 문자열과 무선적으로 만들어진 '비문법적' 문자열을 학습하였는데, 이 때 비문법적 문자열보다 문법적 문자열의 학습이 더 우수하였다. 또한 참가자들은 이전에 본 적이 없었던 새로운 문자열에 대해서도 그 문법성을 판단할 수 있었다. 단순 기억 시스템인 EPAM Ⅳ에 항목 내 군집화(within-item chunking) 기능을 추가하여 암묵 학습 과제에서의 인간수행을 모사한 결과, EPAM Ⅳ 또한 무선적인 문자열보다 문법적인 문자열을 보다 잘 학습하였고, 비문법적 문자열과 문법적 문자열을 구별할 수 있었다. 이러한 결과는 인공 문법을 사용한 암묵 학습 과제에서의 수행이 규칙 추상화보다는 군집화(chunking)에 근거한 재인 기억을 바탕으로 이루어짐을 시사한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.507-510
• /
• 2001

본 논문에서는 코퍼스를 이용한 확률 의존문법 자동 생성 기술을 다룬다. 특히 의존 문법 생성을 위해 확률 재추정 알고리즘을 의존문법생성에 맞도록 변형하여 학습하였으며 정확한 문법 생성 및 회귀데이터(Data Sparseness)문제 해결을 위해서 구성요소의 대표 지배소들 간의 의존관계 만을 학습했던 기존 연구와는 달리 구성요소 내부의 의존관계까지 학습하는 방법을 제안한다. KAIST 의 트리 부착 코퍼스 31,086 문장에서 추출한 25,000 문장의 Tagged Corpus 을 가지고 한국어 확률 의존 문법 학습을 시도 하였다. 그 결과 초기문법을 10.97% 에서 23.73% 까지 줄인 2,349 개의 정확한 문법을 얻을 수 있었다. 문법의 정확성을 실험 하기 위해 350 개의 실험문장을 Parsing 한 결과 69.61%의 파싱 정확도를 보였다. 이로서 구성요소 내부의 의존관계 학습으로 얻어진 의존문법이 더 정확했으며, 회귀데이터 문제 또한 극복할 수 있음을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.513-515
• /
• 2003

본 논문에서는 코퍼스를 이용한 확률 의존문법 자동 생성 기술을 다룬다. 의존문법 생성을 위해 구성성분의 기능어들 간의 의존관계를 학습했던 기존 연구와는 달리. 한국어 구성성분은 내용어와 기능어의 결함 형태로 구성되고 임의 구성성룬 기능어와 임의 구성성분 내용어간의 의존관계가 의미가 있다는 사실을 반영한 의존문법 학습방법을 제안한다. KAIST의 트리 부착 코퍼스 31,086문장에서 추출한 30,600문장의 Tagged Corpus을 가지고 학습한 결과 초기문법을 64%까지 줄인 1.101 개의 의존문법을 획득했고. 실험문장 486문장을 Parsing한 결과 73.81%의 Parsing 정확도를 보였다.

• 정보처리학회논문지B
• /
• 제9B권6호
• /
• pp.791-798
• /
• 2002

본 논문에서는 코퍼스를 이용한 확률 의존문법 자동 생성 기술을 다룬다. 한국어의 부분 자유 어순성질과 문장의 필수적 성분의 생략과 같은 특성으로 인하여 한국어 구문분석에 관한 연구들에서는 주로 의존문법을 선호하고 있다. 본 논문에서는 기존의 어절단위학습방법에서는 학습할 수 없었던 어절 내의 의존관계를 학습할 수 있는 형태소 단위의 학습 방법을 제안한다. KAIST의 트리 부착 코퍼스 약 3만 문장에서 추출한 25,000문장의Tagged Corpus을 가지고 한국어 확률 의존문법 학습을 시도하였다. 그 결과 초기문법 2,349개의 정확한 문법을 얻을 수 있었으며, 문법의 정확성을 실험하기 위해 350개의 실험문장을 parsing한 결과 69.77%의 파싱 정확도를 보였다. 이로서 한국어 어절 특성을 고려한 형태소 단위 학습으로 얻어진 의존문법이 어절 단위 학습으로 얻어진 문법보다 더 정확하다는 사실을 알 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.507-511
• /
• 2022

문법 교정 모델은 입력된 텍스트에 존재하는 문법 오류를 탐지하여 이를 문법적으로 옳게 고치는 작업을 수행하며, 학습자에게 더 나은 학습 경험을 제공하기 위해 높은 정확도와 재현율을 필요로 한다. 이를 위해 최근 연구에서는 문단 단위 사전 학습을 완료한 모델을 맞춤법 교정 데이터셋으로 미세 조정하여 사용한다. 하지만 본 연구에서는 기존 사전 학습 방법이 문법 교정에 적합하지 않다고 판단하여 문단 단위 데이터셋을 문장 단위로 나눈 뒤 각 문장에 G2P 노이즈와 편집거리 기반 노이즈를 추가한 데이터셋을 제작하였다. 그리고 문단 단위 사전 학습한 모델에 해당 데이터셋으로 문장 단위 디노이징 사전 학습을 추가했고, 그 결과 성능이 향상되었다. 노이즈 없이 문장 단위로 분할된 데이터셋을 사용하여 디노이징 사전 학습한 모델을 통해 문장 단위 분할의 효과를 검증하고자 했고, 디노이징 사전 학습하지 않은 기존 모델보다 성능이 향상되는 것을 확인하였다. 또한 둘 중 하나의 노이즈만을 사용하여 디노이징 사전 학습한 두 모델의 성능이 큰 차이를 보이지 않는 것을 통해 인공적인 무작위 편집거리 노이즈만을 사용한 모델이 언어학적 지식이 필요한 G2P 노이즈만을 사용한 모델에 필적하는 성능을 보일 수 있다는 것을 확인할 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2010년도 제22회 한글 및 한국어 정보처리 학술대회
• /
• pp.127-129
• /
• 2010

본 논문에서는 다양한 코퍼스를 통해 언어를 학습하는 과정을 모델링하여 무감독학습(Unsupervised learning)으로 문법적 패턴을 습득하는 방법론을 소개한다. 제안 방법에서는 적은 수의 특성 조합으로 잠재적 패턴의 부분만을 표현한 후 표현된 규칙을 조합하여 유의미한 문법적 패턴을 탐색한다. 본 논문에서 제안한 방법은 베이지만 추론(Bayesian Inference)과 MCMC (Markov Chain Mote Carlo) 샘플링에 기반하여 특성 조합을 유의미한 문법적 패턴으로 정제하는 방법으로, 랜덤하이퍼그래프(Random Hypergraph) 모델을 이용하여 많은 수의 하이퍼에지를 생성한 후 생성된 하이퍼에지의 가중치를 조정하여 유의미한 문법적 패턴을 탈색하는 방법론이다. 우리는 본 논문에서 유아용 비디오의 스크립트를 이용하여 다양한 유아용 비디오 스크립트에서 문법적 패턴을 습득하는 방법론을 소개한다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2018년도 하계학술대회
• /
• pp.49-52
• /
• 2018

SW 교육에 있어서 입문자의 흥미를 유발하고자 블록 기반인 스크래치와 엔트리가 도입되었고 많은 교육 기관에서는 이후 ARDUINO, C, JAVA, PYTHON 등을 선택 교육하고 있다. 이 과정에서 코딩보다는 사고력을 강조하며 정보 교과 내에서 문법 공부하는 것을 기피하는 풍토를 보인다. 이러한 점은 2015 개정 교육과정 지침에서 특정 언어의 기능습득에 치우치지 않고 학습자의 수준에 맞추어 적절한 도구를 선택하도록 하여 사실상 교수자의 재량에 두고 있는 점에서도 파악할 수 있다. 코딩의 문법학습을 피하는 경향은 코딩교육 도입 초기의 취지와는 다르게 공교육 내에서의 코딩교육의 활성화에 부정적 요소로 작용할 여지가 크다고 우려된다. 따라서 현재 출판된 정보 교과서에서 다루는 프로그래밍 언어의 종류를 조사하고 코딩 문법학습을 최소화를 할 수 있으며 블록코딩에서 텍스트 코딩으로 전환 시 학습자의 부담을 감소할 수단으로 PROCESSING를 통한 과정을 제안하는 바이다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2011년도 제23회 한글 및 한국어 정보처리 학술대회
• /
• pp.136-139
• /
• 2011

외국어 교육의 필요성이 강조되고 그에 대한 요구가 늘어남에 따라 언어 교육의 기회를 늘리고 비용을 줄이기 위해 컴퓨터 기반의 다양한 기술들의 요구 역시 증가하고 개발되고 있다. 언어 능력 개발의 중요한 요소로서 문법 교육에 대한 컴퓨터 지원 기술 연구가 활발히 진행되고 있다. 본 연구에서는 문법 오류 시뮬레이션을 통해 문법 오류 패턴 데이터베이스를 구축하고 이들 패턴과 사용자 입력의 패턴 매칭으로 생성된 자질 벡터로 기계 학습을 하여 문법성 확인을 했다. 문법성 확인 결과에 따라 오류 종류에 따른 상대 빈도를 고려하여 오류 종류를 분류했다. 또 말하기와 쓰기 작업의 서로 다른 특성을 반영하기 위해 말하기 작업과 쓰기 작업에 대한 두 개의 다른 말뭉치가 학습에 이용 되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권3호
• /
• pp.205-213
• /
• 2010

본 논문에서는 단어간 관계 패턴을 학습한 후 이에 기반하여 자연 언어 문장을 생성하는 방법을 소개한다. 기존의 문장 생성 방법론에서는 내재된 문법 규칙의 존재를 가정하거나 템플릿을 사용하고 있으나, 본 논문에서 소개하는 방법론에서는 태깅 등의 부가 정보 없이 단어의 동시 등장 빈도만을 활용하여 단어간 관계 패턴을 학습한다. 단어간 관계 패턴은 하이퍼네트워크 방법론에 기반하여 학습되었다. 학습이 진행됨에 따라 하이퍼네트워크의 복잡도가 높아지며, 학습 모델에 축적되는 언어 관계 패턴의 수가 증가한다. 학습된 모텔의 유효성은 학습 패턴에 기반한 자연 언어 문장 생성을 통해 확인하였다. 실험 결과 학습이 진행됨에 따라 문법적으로 성립하는 문장의 비율이 향상하였다. 파서를 이용하여 생성된 문장을 구성하는 문법 규칙을 분석한 후 문법 규칙의 분포를 학습에 사용한 코퍼스의 문법 규칙 분포와 비교한 결과 학습에 사용된 코퍼스의 문법적 특성을 학습할 수 있는 잠재력을 갖고 있음을 확인하였다.