earticle

영어

As generative AI is increasingly integrated into education, the need to develop learners' ability to critically evaluate and self-directly revise AI-based texts is growing. Accordingly, this present study aims to establish a learner-driven revision model based on digital critical thinking. To this end, oral presentation scripts written by Korean university EFL learners were analyzed to examine the frequency, functional distribution, and lexical concentration of discourse connectives. A learner corpus (KULC) was constructed based on presentation scripts (totaling 21,203 tokens) written by 84 nursing and health science students on major-related topics in 2021, before the widespread adoption of AI-based writing tools. Discourse connectives were classified into additive, adversative, causal, and sequential connectives according to the classification system of Larsen-Freeman and Celce-Murcia (2015) and extracted using AntConc. The analysis results showed that discourse connectives in the additive and sequential categories were most frequently used, particularly high-frequency expressions such as "and," "also," "first," and "second." Conversely, adversative and causal connectives were used less frequently, and lexical diversity was limited due to a reliance on specific expressions such as "but" and "therefore." Based on these results, this study proposed a rubric to promote balanced use of discourse connectives across functional categories. Ultimately, this rubric will help learners evaluate and refine their AI-assisted presentation scripts independently. This self-directed process will strengthen both discourse cohesion and rhetorical clarity, leading to a much more effective presentation delivery.

한국어

교육 환경에서 생성형 AI의 도입이 확대됨에 따라, AI 보조 텍스트를 비판적으로 평가하고 수정할 수 있는 역량 함양 필요성이 대두되고 있다. 따라서 본 연구는 디지털 비판적 사고 기반으로 AI 활용 결과물을 주도적으로 평가하고 수정할 수 있도록 수정 모델의 기준선을 마련하고자 한다. 이에, 한국 대학 간호·보건 계열 EFL 학습자 가 전공 관련 주제로 작성한 영어 구두 발표 원고를 바탕으로 담화 연결어의 빈도, 기능적 분포, 어휘 집중도를 분석하였다. 수집된 자료는 AI가 교육환경에 도입되기 전인 2021년에 작성된 발표 원고(총 21,203 토큰)를 바탕으로 학습자 코퍼스(KULC)를 구축하였다. Larsen-Freeman과 Celce-Murcia(2015)의 분류 체계에 따라 담화연결어는 첨가, 대조, 인과, 순서로 분류하였고, AntConc를 활용하여 분석하였다. 그 결과 첨가 및 순서 범주의 담화 연결어가 빈번하게 사용되었고, 특히“and”, “also”, “first”, “second”와 같은 고빈도 표현에 사용이 집중되었다. 반면, 대조 및 인과 연결어는 상대적으로 사용 빈도가 낮았으며, “but”,“therefore”와 같은 특정 표현에만 의존하여 어휘적 다양성 역시 제한적이었다. 따라서 본고는 기능 범주 간 담화 연결어의 균형적인 사용을 위한 기준을 제시하기 위해 루브릭을 제안하였다. 이것은 AI 보조 구두 발표 원고를 자가 진단하고 수정하는 과정을 지원하여 효과적인 발표 전달을 위한 담화 응집성과 수사적 명료성 향상에 도움이 될 것으로 기대한다.