earticle

영어

This study aims to contribute to improving the objectivity and reliability of Korean speaking assessment by removing obstacles to the introduction of automatic scoring through literature research and identifying the causes and patterns of pronunciation errors. Currently, speech recognition technology has reached the stage where AI can learn through deep learning to recognize human speech more accurately and understand speech on a sentence-by-sentence basis. However, it is still limited to counting the number of discourse linker types, pronouns, and conjunctions, and is not yet able to measure content appropriateness or consistency. In addition, it has been found that American learners of Korean make errors mainly in consonants due to their phonological system, which is different from English, and their pronunciation of foreign words is negatively affected by following spelling. Therefore, this study presents an automatic scoring evaluation model that can reflect the fluency of American learners by learning non-segmental and fluency qualities extracted from a speech corpus dataset through deep learning.

한국어

본 연구는 문헌연구를 통해 자동채점 도입의 방해 요인을 제거하고, 발음 오류의 원인과 양상을 파악함으로 써 한국어 말하기 평가의 객관성과 신뢰도 향상에 기여하고자 하였다. 현재 음성인식기술은 딥러닝을 통해 AI 가 학습하여 사람의 음성을 더욱 정확하게 인식하고 문장 단위로 음성을 이해하는 것이 가능한 수준에 이른 상태이다. 그럼에도 담화 연결어 유형 수, 대명사 수, 접속사 수를 세는 수준에 그치고 있고, 내용 적합도나 일 관성에 대한 측정은 아직 제대로 이루어지지 못하고 있다. 또한, 미국인 한국어 학습자는 영어와 다른 음운 체 계로 인해 자음에서 주로 오류가 발생하고, 철자를 따름으로 인해 외국어의 발음 학습에 부정적인 영향을 받는 것으로 조사되었다. 이에 따라 본 연구에서는 음성 코퍼스 데이터 셋에서 추출한 비분절, 유창성 자질을 딥러 닝을 통해 학습하도록 하여 미국인 학습자의 유창성까지 반영하여 채점할 수 있는 자동채점 평가모델을 제시 하였다.