ChatGPT를 활용한 독일어 초급 학습자의 작문 연습에 관한 연구
Untersuchung zur Verwendung von ChatGPT für Schreibübungen von Deutsch-Anfängern
0
조회
0
다운로드
29
인용
0
참고문헌
키워드
초록
본 논문은 독일어 초급 학습자의 작문 연습에 ChatGPT를 활용하는 방안을 제안하고, ChatGPT의 독일어 교정 및 작문 텍스트의 언어학적 특징 분석을 바탕으로 학습 도구로써의 ChatGPT의 효과를 살펴보았다. 생성형 인공지능 모델인 ChatGPT는 사용자의 질의에 대해 응답을 출력해주는 대화형 인터페이스로 구현되었으며, 사용자와의 자유 대화뿐만 아니라 번역, 정보 검색, 코드 작성, 소설이나 시 작성 등이 가능하여 최근 다양한 분야에서 활용되고 있다. 본 논문은 학습자의 작문 텍스트를 검토하는 교정 도구와 예시 텍스트를 만드는 학습자료 생성 도구로 ChatGPT를 활용할 수 있음을 제안하였고, 그 효과를 검증하기 위해 독일어 초급 학습자가 작성한 텍스트의 평가 항목으로 문법, 어휘, 구조 측면의 언어학적 지표를 제시하였다. 독일어 초급 학습자 15명이 작성한 총 30개의 독일어 텍스트를 바탕으로 실험을 진행하였다. 실험 1에서 학습자가 작성한 텍스트와 이를 ChatGPT가 교정한 텍스트를 비교해 본 결과, 독일어 작문 평가를 위해 제안한 7개의 평가 항목 중 총 6개의 항목에서 긍정적인 학습 효과가 나타날 수 있음을 확인하였다. 실험 2에서 ChatGPT가 작성한 텍스트와 이를 학습자가 후편집한 텍스트를 비교해 본 결과, 총 6개의 항목에서 긍정적인 학습 효과가 발생할 수 있음을 알 수 있었다.
Abstract
In der vorliegenden Untersuchung wurden zwei Methoden zur Verwendung von ChatGPT für die Schreibpraxis von Anfängern vorgeschlagen: ein Lernmittel zum Korrigieren des Schreibens von Deutsch-Anfängern und ein Lernmittel zum Generieren von Beispieltexten als Referenz. Um die Wirkung der Schreibübungen mit ChatGPT zu evaluieren, wurden außerdem sprachliche Merkmale in Bezug auf Grammatik, Wortschatz und Struktur als Bewertungspunkte für Texte von Deutsch- Anfängern diskutiert. Zwei Experimente wurden mit insgesamt 30 deutschen Texten durchgeführt, die von 15 Deutsch-Anfängern geschrieben wurden. In Experiment 1 wurden der vom Lernenden geschriebene Text und der von ChatGPT korrigierte Text verglichen. Als Ergebnis wurde bestätigt, dass positive Lerneffekte bei 6 der 7 vorgeschlagenen Bewertungspunkte für die Bewertung des deutschen Schreibens auftraten. In Experiment 2 wurden der von ChatGPT geschriebene Text und der vom Lernenden nachbearbeitete(‘Post-editing’) Text verglichen. Es zeigte sich, dass ChatGPT als Lernmittel zum Generieren von Beispieltexten bei 6 Bewertungspunkten zu positiven Lerneffekten führte.
참고문헌 (26)
- 강한나, "Effects of Oral Interaction with AR-based AI Chatbots on ESL Learners’ Speaking Competence, Interaction Management, Communication Strategies, and Affective Aspects", 박사, 영어교육학과, pp.2022
- 공태수, "기계번역 활용 한국어 작문 교육의 효과 -MTPE 작문 교수법 개발과 적용-", 한국어교육, 32(2), pp.1~30 (2021), 국제한국어교육학회[DOI]
- 김미승, "플립러닝과 자동번역기를 활용한 수업시간 외 독일어 자기주도학습 활동 관리 방안", 독일어문학, 30(4), pp.189~212 (2022), 한국독일어문학회[DOI]
- 김성숙, "내·외국인 학생 간의 작문 수정 결과 비교", 국어국문학, (153), pp.377~416 (2009), 국어국문학회[DOI]
- 김혜경, "AI 기반 영작문 학습도구에 대한 대학생 학습자 인식: Google Translate, Naver Papago, 그리고 Grammarly를 중심으로", 현대영어교육, 22(4), pp.90~100 (2021), 현대영어교육학회[DOI]
- 박명호, "AI 챗봇을 활용한 고등학생들의 영어 글쓰기 상호작용 분석", 학습자중심교과교육연구, 21(9), pp.1~13 (2021), 학습자중심교과교육학회
- 방민희, "대학 교양영어 수준별 수업 읽기 쓰기 활동에 대한 학습자 인식과 선호도 연구", 교양교육연구, 14(5), pp.201~221 (2020), 한국교양교육학회[DOI]
- 윤여범, "인공지능 챗봇을 활용한 초등영어 말하기 지도의 전망: Dialogflow를 중심으로", 한국초등교육, 32, pp.15~28 (2021), 초등교육연구원[DOI]
- 이윤재, "영어자동번역기 활용이 고등학생 영어 글쓰기에 미치는 영향", 영어교과교육, 19(2), pp.159~180 (2020), 한국영어교과교육학회[DOI]
- Alexandr, "Fine-tuning gpt-3 for russian text summarization", Data Science and Intelligent Systems: Proceedings of 5th Computational Methods in Systems and Software 2021, 2, pp.748~757 (2021), Springer International Publishing
- Bhaskar, "Zero-Shot Opinion Summarization with GPT-3", arXiv preprint arXiv:2211.15914, ~ (2022)
- Brown, "Language models are few-shot learners", Proceedings of the 34th Conference on Neural Information Processing Systems (NeurIPS), pp.1877~1901 (2020)
- Council of Europe, "The common European framework of reference for languages: learning, teaching, assessment" (2001), Cambridge University Press
- Devlin, "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding", Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pp.4171~4186 (2019)
- Gaillat, "Predicting CEFR levels in learners of English: the use of microsystem criterial features in a machine learning approach", ReCALL, 34(2), pp.130~146 (2022)
- Han, "Unsupervised neural machine translation with generative language models only", arXiv preprint arXiv:2110.05448, ~ (2021)
- Hancke, "Exploring CEFR classification for German based on rich linguistic modeling", Proceedings of Learner Corpus Research Conference(LCR) (2013)
- Jacobs, "Testing ESL Composition : A practical approach" (1981), Newbury House
- Ji, "Survey of hallucination in natural language generation", ACM Computing Surveys, 55(12), pp.1~38 (2023)
- 김남희, "Das Lesen, Interpretieren und Schreiben von Texten in Zeiten der maschinellen Übersetzung - Plädoyer für eine Stärkung des Übersetzens im Curriculum der koreanischen Germanistik", 독일언어문학, (87), pp.1~26 (2020), 한국독일언어문학회[DOI]
- Ouyang, "Training language models to follow instructions with human feedback", Advances in Neural Information Processing Systems, 35, pp.27730~27744 (2022)
- Tsai, "Using Google translate in EFL drafts : A preliminary investigation", Computer Assisted Language Learning, 32, pp.510~526 (2019)
- Vajjala, "Automatic CEFR level prediction for Estonian learner text", Proceedings of the third workshop on NLP for computer-assisted language learning, pp.113~127 (2014)
- Volodina, "Classification of Swedish learner essays by CEFR levels", CALL communities and culture–short papers from EUROCALL, pp.456~461 (2016)
- Yang, "An empirical study of gpt-3 for few-shot knowledge-based vqa", Proceedings of the AAAI Conference on Artificial Intelligence, 36(3), pp.3081~3089 (2022)
- Zesch, "Task-independent features for automated essay grading", Proceedings of the tenth workshop on innovative use of NLP for building educational applications, pp.224~232 (2015)