• 한국산학기술학회논문지
• /
• 제17권10호
• /
• pp.109-118
• /
• 2016

본 연구는 요리활동을 통한 언어중재가 언어발달지연을 보이는 유아의 언어능력 향상에 대해 알아보고 현장에서의 효율적인 교수학습 및 환경구성을 마련하는데 연구의 목적을 두고 있다. 연구대상은 서울시에 위치한 E아동발달센터에 재원 중인 만3세 유아 3명(남아 2명, 여아 1명)을 대상으로 각 연령 별 발달을 고려한 주제를 각각 선정하여 요리활동을 통한 언어중재를 실행하였다. 언어중재는 1주에 1회 50분씩 총 25회에 거쳐 실시하였고, 어휘는 요리동사 및 명사가 골고루 분포되도록 하였다. 자료 분석은 그림 어휘력검사(PPVT-R), 취학 전 아동의 수용언어(RLA) 및 표현언어(ELA) 발달 검사(PRES)를 사전 사후 검사를 실시하였고, 결과를 요약하면 다음과 같다. 요리활동을 통한 언어중재를 언어발달지연을 보이는 유아에게 실시한 결과 어휘력, 수용언어, 표현언어, 통합언어 모두 정상언어발달수준에 도달하였음을 알 수 있었다. 이러한 결과는 요리활동을 통한 언어중재가 언어발달지연을 보이는 만3세 유아들에게 긍정적인 영향을 주는 활동임을 시사하고 있다. 따라서 요리활동은 유아의 능동적인 참여와 흥미를 유발 시킬 수 있으며, 다양한 경험을 통해 언어능력을 신장 시킬 수 있다고 본다.

• 한국시조학회지:시조학논총
• /
• 제24집
• /
• pp.47-85
• /
• 2006

시조 <삼동에 베옷 입고>는 30여 종의 가집에 수록되어 있고 10여 종이 넘는 문집류 문헌에 시조 원문 한역시, 작가, 창작 배경 둥에 관한 기록이 들어있다. 오랫동안 조식의 작품으로 알려져 온 이 시조의 작가가 김응정이라는 주장이 제기었으나 일부 학술논저와 대부분의 교양도서 및 학습참고서류에서는 조식의 작품으로 다루고 있다. 특히 작가 시비가 논의되고 있다는 이유로 교과서에서 삭제되었다. 가집류의 대다수에 이 시조의 작가가 조식으로 표기되어 있고 일부에 양응정으로 나오지만 이를 객관적 자료로 삼기는 어렵다. 문집류 문헌에는 길재(吉再) 김인후(金鱗厚), 이몽규(李夢奎), 김응정(金應鼎), 김령(金玲) 등이 작가로 나오는데, 저마다 해당 인물의 생애와 창작 배경 등을 제시하며 서로 다른 주장을 내세우고 있어서 혼란스럽다. 가집류의 경우는 원작자 김응정이 양응정으로 잘못 기록되고. 행적과 명성이 (삼동에 베옷 입고)의 내용과 배경에 가까운 조식으로 바뀌어 전승된 것이라 할 수 있다. 문집류 문헌의 경우는 대상 인물의 생애와 행적, 일화와 명성, 시문 창작, 시대 배경과 역사적 사건 등이 (삼동에 베옷 입고)의 내용 및 배경과 쉽게 결부될 수 있었기 때문에 그 행적이나 일화가 전승되면서 이 시조의 작가로 알려지게 되었을 가능성이 크다. 특히 이 시조의 작가로 내세워진 인물의 가문의 후손, 향리 후배, 학파나 정파의 후진 등이 선조나 선배의 절의를 드러내기 위해 집안이나 향리, 학파 등에 전승되던 (삼동에 베옷 입고) 창작설을 특정 기록으로 정리하였다고 할 수 있다. 결국 관련된 문헌자료를 광범위하게 검토한 결과 이 시조는 김응정이 명종의 승하시에 지었다는 사실을 구체적 자료를 통해 확인할 수 있었다. 아울러 (삼동에 베옷 입고)의 원문 표기 창작 배경 어휘 풀이 등에 대해 종합적으로 살펴보았다. 시조 (삼동에 베옷 입고)와 관련된 다양한 문헌자료의 전승은 해당 시조 뿐 아니라 시조문학의 수용과 전승양상을 보여주는 자료로서의 중요한 의미를 갖는다고 할 수 있다

• 교육녹색환경연구
• /
• 제19권4호
• /
• pp.40-49
• /
• 2020

교육의 기본적인 형태는 지식의 전달, 즉 음성 전달을 통해 교수가 교육수요자에게 지식을 전달하는 방식이므로 쾌적한 학습 환경 조성에 있어 음환경은 필수적인 고려 요소이다. 실내 음환경은 재실자의 정신적 스트레스와 매우 밀접한 연관성을 가지고 있으므로 적절한 음환경의 조성 여부에 따라 교육의 질적 수준 또한 크게 변화할 것이다. 따라서 본 연구에서는 선행연구에서 제시한 물리적 음향성능 자료를 바탕으로 가청화 기법을 활용한 청감실험을 실시하였으며 이를 통해 강의전용 공간의 물리적 음향성능 개선에 따른 주관적 음향성능의 만족도 변화를 분석하였다. 연구는 강의전용 공간에서 주로 사용되는 음원 6개를 선정하여 8개의 어휘로 평가를 진행하였다. 연구 결과, 음향성능의 개선에 따라 주관적 음향성능도 개선되었으며 소공연장을 강의전용 공간으로 리모델링한 후 "음악"에 대한 주관적 반응보다 "음성"에 대한 주관적 반응이 긍정적으로 나타나 음성 전달에 보다 적합한 공간으로 개선되었음을 확인하였다. 따라서 본 연구를 통해 교육시설의 음환경 개선 시 물리적 음향성능 뿐만 아니라 청감실험을 통한 주관적 음향성능 검증의 필요성을 강조하고자 하였다.

• 스마트미디어저널
• /
• 제11권5호
• /
• pp.17-25
• /
• 2022

기존의 한국어 품사 태깅 방식은 복합어를 단위 형태소들로 분해하여 품사를 부착하므로 형태소 태그가 세분화되어 있어서 태거의 활용 목적에 따라 불필요하게 복잡하고 다양한 어절 유형들이 생성되는 단점이 있다. 딥러닝 언어처리에서는 키워드 추출 목적으로 품사 태거를 사용할 때 복합조사, 복합어미 등 문법 형태소들을 단위 형태소로 분할하지 않는 토큰화 방식이 효율적이다. 본 연구에서는 어절을 형태소 단위로 토큰화할 때 어휘형태소 부분과 문법형태소 부분 두 가지 유형의 토큰으로만 분할하는 Head-Tail 토큰화 기법을 사용하여 품사 태깅 문제를 단순화함으로써 어절이 과도하게 분해되는 문제점을 보완하였다. Head-Tail 토큰화된 데이터에 대해 통계적 기법과 딥러닝 모델로 품사 태깅을 시도하여 각 모델의 품사 태깅 정확도를 실험하였다. 통계 기반 품사 태거인 TnT 태거와 딥러닝 기반 품사 태거인 Bi-LSTM 태거를 사용하여 Head-Tail 토큰화된 데이터셋에 대한 품사 태깅을 수행하였다. TnT 태거와 Bi-LSTM 태거를 Head-Tail 토큰화된 데이터셋에 대해 학습하여 품사 태깅 정확도를 측정하였다. 그 결과로, TnT 태거는 97.00%인데 비해 Bi-LSTM 태거는 99.52%의 높은 정확도로 품사 태깅을 수행할 수 있음을 확인하였다.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권2호
• /
• pp.133-143
• /
• 2019

사극 희곡을 집필하는 데 있어서 시대 언어를 복원하는 것이 극작가의 책임이라는 주장이 있었지만 이에 대한 본격적인 연구는 이루어지지 않고 있었다. 극작가와 국어학자의 협업 연구가 없었기 때문이다. 지금까지 많은 극작가들은 언어를 발굴하고 복원하는 것이 오롯이 국어학자들의 책임이라고 여겼다. 그러나 연극이나 영화와 같이 대중과 쉽게 만날 수 있는 매체야말로 창작에 있어서 큰 책임을 가져야 할 것이다. 언어라는 것은 시대에 따라 변한다. 따라서 희곡과 시나리오에서 시대언어를 복원하는 것은 현대의 관객과의 소통의 어려움을 초래할 수 있다. 그러나 언어가 시대에 따라 변한다는 것은 당대의 사회상과 유행을 담아낸다는 것을 뜻한다. 따라서 사극에서의 언어 복원은 장면과 배경을 더욱 사실적으로 묘사할 수 있다는 것을 의미한다. 언어의 복원은 창작 환경 개선을 위해서만 필요한 것은 아니다. 이러한 노력은 이미 학습되어진 관객의 시대 언어 이해 능력에 부합하는 작가의 책임으로 이해되어야 한다. 사극을 집필하는 극작가는 배경이 되는 시대의 문법을 익히는 것에 그치지 않고 소실된 발음과 변용된 어휘를 발굴하여 다채로운 대사를 구사할 수 있도록 해야 할 것이다.

• 응용통계연구
• /
• 제36권1호
• /
• pp.33-48
• /
• 2023

본 연구에서는 발화자가 동물이나 채소와 같은 일련의 단어를 무작위로 일 분 동안 말하는 한국어 음성 데이터에 대한 자동 음성 인식(ASR) 문제를 고려하였다. 발화자의 대부분은 60세 이상의 노인이며 치매 환자를 포함하고 있다. 우리의 목표는 이러한 데이터에 대한 딥러닝 기반 자동 음성 인식 모델을 비교하고 성능이 좋은 모델을 찾는 것이다. 자동 음성 인식은 컴퓨터가 사람이 말하는 말을 자동으로 인식하여 음성을 텍스트로 변환할 수 있는 기술이다. 최근 들어 자동 음성 인식 분야에서 성능이 좋은 딥러닝 모델들이 많이 개발되어 왔다. 이러한 딥러닝 모델을 학습시키기 위한 데이터는 대부분 대화나 문장 형식으로 이루어져 있다. 게다가, 발화자들 대부분은 어휘를 정확하게 발음할 수 있어야 한다. 반면에, 우리 데이터의 발화자 대부분은 60세 이상의 노인으로 발음이 부정확한 경우가 많다. 또한, 우리 데이터는 발화자가 1분 동안 문장이 아닌 일련의 단어를 무작위로 말하는 한국어 음성 데이터이다. 따라서 이러한 일반적인 훈련 데이터를 기반으로 한 사전 훈련 모델은 본 논문에서 고려하는 우리 데이터에 적합하지 않을 수 있으므로, 우리는 우리의 데이터를 사용하여 딥러닝 기반 자동 음성 인식 모델을 처음부터 훈련한다. 또한 데이터 크기가 작기 때문에 일부 데이터 증강 방법도 적용한다.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권8호
• /
• pp.131-142
• /
• 2019

본 논문은 문화콘텐츠의 영향을 받아 생긴 신조 중국어를 고찰하여 분석한 것이다. 한국 문화 산업이 크게 발달하면서 세계 곳곳에 한류 열풍을 일으켰다. 이를 통해 많은 한국어 단어, 신조 중국어, 그리고 문화에 대한 새로운 의식과 개념이 중국으로 들어오기 시작했다. 그중에서 한류 콘텐츠로 인해 중국 인터넷에서 나타난 신조어가 적지 않다. 신조 중국어는 한류 팬과 한국어 학습자가 많아지면서 폭넓게 사용하는 추세를 보인다. 한류 콘텐츠 영향의 중국 신조 중국어는 중국 신조 중국어의 중요한 부분이라고 여긴다. 이를 정확하게 인식하고 이해하기 위하여 먼저 중국 신조 중국어 구성방식의 6가지 분류, 즉 비유적 의미, 대치, 외래어 차용, 축약, 합성, 파생을 지적하였다. 이러한 구성방식은 한류 콘텐츠 영향의 중국 인터넷 단어에도 그대로 작용하여 3가지 한류 신조 중국어, 즉 한자로 표시하는 신조어, 알파벳으로 표시하는 신조어, 의미 확장, 그리고 새로운 의미의 획득을 통한 신조어로 분석하여 제시하였다. 그리고 그 생성 원인과 전망을 분석하였다. 그리고 각 분류에 따라 구체적인 뉴스 제목이나 노래 등을 실례로 들어 한류 콘텐츠 영향의 중국 신조 중국어의 현상을 확인하였다. 이러한 신조 중국어가 중국 어휘를 풍부하게 만들고, 소통을 순조롭게 하는 데 도움을 줄 것으로 기대한다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.