문법 자질을 활용한 한국어 학습자의 쓰기 숙달도 자동 평가 연구

• 영문명: Automatic Assessment of Korean Learner’s Writing Proficiency Based on Grammatical Features.
• 발행기관: 이중언어학회
• 저자명: 안현수(Hyunsoo Ahn)
• 간행물 정보: 『이중언어학』제100호, 211~240쪽, 전체 30쪽
• 주제분류: 인문학 > 언어학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

본 연구는 한국어 학습자의 쓰기 숙달도를 자동으로 평가하기 위해 문법 및 표층 자질을 분석하고 그 타당성을 검증하였다. 이를 위하여 국립국어원의 ‘한국어 학습자 말뭉치’를 연구 대상으로 삼아 초급, 중급, 고급 수준의 쓰기 데이터 총 14,992편을 활용하였다. 자질은 통사적 복잡도, 문법 난이도, 글의 길이, 형태소 사용 분포의 네 가지 자질군으로 구분하여 추출하였다. 피어슨 상관관계 분석과 머신러닝 모델(Random Forest, XGBoost)을 통해 자질의 중요도를 평가한 결과, 문장당 관형형전성어미 수, 3급 문법 토큰 수, 문장 길이 지표, 종결어미 비율 등이 쓰기 숙달도 평가의 주요 지표로 나타났다. 특히 형태소 사용 분포 관련 자질을 추가한 경우 모든 숙달도 수준에서 모델의 분류 성능이 크게 향상되는 것으로 확인되었다. 본 연구의 결과는 한국어 쓰기 숙달도 평가에서 문법 사용 양상의 중요성을 실증적으로 검증하였다는 점에서 의의가 있다. 향후 연구에서는 문법 오류 분석을 함께 고려하거나 중급 학습자의 언어적 특성을 보다 잘 반영할 수 있는 자질 개발이 필요할 것으로 보인다.

영문 초록

This study investigates the automatic assessment of Korean learners’ writing proficiency by extracting and validating grammatical and surface-level features. Using 14,992 essays from the Korean Learners’ Corpus, 101 features were extracted across four categories: syntactic complexity, grammar difficulty, text length, and morpheme usage. Pearson correlation analysis and machine learning models (Random Forest and XGBoost) were employed to identify the most predictive features. Findings indicated that noun modifier endings per sentence, frequency of Level 3 grammar tokens, average sentence length, and ratios of sentence-final ending emerged as critical indicators of writing proficiency. In addition, integrating morpheme-related features significantly improved classification accuracy across all proficiency levels. The results highlight the importance of grammatical usage patterns in assessing Korean writing proficiency. Future research should include grammatical error analysis and develop additional features that better capture the linguistic characteristics of intermediate-level learners.

목차

1. 서론

2. 이론적 배경

3. 연구 방법 및 결과

4. 결론

참고문헌

키워드

한국어교육 쓰기 자동평가 문법 자질 머신 러닝 Korean Language Education Writing Automated Assessment Grammatical Feature Machine Learning