• 디지털융복합연구
• /
• 제19권9호
• /
• pp.1-8
• /
• 2021

이 연구의 목적은 영어쓰기 교과목에서 자동쓰기평가(AWE) 프로그램의 사용자 만족도가 영어쓰기 자기효능감을 매개로 학습자의 학습성취감에 미치는 영향을 알아보기 위한 것이다. AWE는 쓰기 결과물에 대해 인공지능 기술에 의해 자동으로 피드백을 제공하는 프로그램이다. 영어쓰기 교과목을 수강하는 대학생을 대상으로 각 주제별로 작문을 하고 AWE 프로그램을 사용하여 피드백을 받은 후 그것을 참고하여 최종 수정본을 제출하도록 하였다. 설문지를 통해 수집된 데이터(n=99)를 SPSS, Smart PLS-SEM으로 분석하였다. 연구결과, 첫째, AWE의 사용 편의성과 유용성은 재사용 의지에 긍정적 영향을 미치는 것으로 나타났다. 둘째, AWE 사용 만족도는 영어쓰기 자기효능감에 긍정적 영향을 미치는 것으로 나타났다. 셋째, 영어쓰기 자기효능감은 언어적, 정서적 측면에서 학업 성취감에 긍정적 영향을 미치는 것으로 나타났다. 4차 산업 및 인공지능 기술 발달에 따라 영어교육에 AWE와 같은 새로운 학습재료 도입을 권장한다.

• 정보과학회 논문지
• /
• 제42권9호
• /
• pp.1124-1132
• /
• 2015

일반적으로, 교사 학습 알고리즘이 적절히 학습되기 위해서는 레이블의 편향이 없는 충분한 양의 학습데이터가 필요하다. 그러나 영작문 자동채점 시스템 개발을 위한 충분하고 편향되지 않은 학습데이터를 수집하는 것은 어려운 일이다. 또한 영어 작문 평가의 경우, 전체적인 답안 수준에 대한 다면적인 평가가 이루어진다. 적고 편향되기 쉬운 학습데이터와 이를 이용한 여러 평가영역에 대한 학습모델을 생성해야하기 때문에, 이를 위한 적절한 기계학습 알고리즘을 결정하기 어렵다. 본 논문에서는 이러한 문제를 앙상블학습을 통해 완화할 수 있음을 실험에 통해 보이고자 한다. 실제 중, 고등학교 학생들을 대상으로 시행된 단문형 영작문 채점 결과를 학습데이터 개수와 편향성을 조절하여 실험하였다. 학습데이터의 개수 변화와 편향성 변화의 실험 결과, 에이다부스트 알고리즘을 적용한 결과를 투표로 결합한 앙상블 기법이 다른 알고리즘들 보다 전반적으로 더 나은 성능을 나타냄을 실험을 통해 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• pp.787-790
• /
• 2015

본 연구에서는 글의 구성요소를 추측하는 가장 높은 성능을 나타내는 알고리즘을 제시한다. 실험 방법은 글의 각 문장에 대한 자질을 추출, 자질 선택, 그리고 데이터에 대해 여러 기계학습 알고리즘을 학습시킨 후 성능을 비교하여 진행하였다. 또한 이 중 가장 높은 성능을 보이는 CRF를 기존에 연구되어 있는 성능과도 비교하였다. 마지막으로 CRF가 구성요소를 추측하는 데 있어서 가장 높은 성능을 보이는 이유에 대해 분석하였다. 국내의 유명 어학원 및 토플 웹사이트를 통해 1969개의 토플 에세이를 수집했으며 2명의 전문 평가자를 통해 각 문장을 8개의 분류로 나누었다. 이를 CRF를 적용한 결과 87.2%의 F score가 나왔으며 기존 연구결과, 그리고 다른 알고리즘보다 높은 성능을 보였다.