DistilKoBERT를 활용한 특수교육 일지의 딥러닝 기반 분류
Deep Learning-Based Classification of Special Education Logs Using DistilKoBERT
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 특수교육 대상 학생의 학습 특성을 반영하여 장애 유형을 자동으로 분류하는DistilKoBERT 모델을 구축하였다. 데이터셋은 특수교육 지원 일지에서 추출한 3,425개 문장으로구성되었으며, 5가지 장애 유형(지적 장애, 정서 행동 장애, 의사소통 장애, 자폐 스펙트럼 장애, 지체 장애)으로 분류된다. 본 연구에서는 텍스트 마이닝과 자연어 처리 기법을 적용하여 데이터전처리를 수행하였다. 또한, DistilKoBERT 모델의 성능을 TF-IDF + SVM, XGBoost와 비교 분석하였다. 성능 평가 결과, DistilKoBERT 모델이 가장 높은 정확도(Accuracy 0.89)와 F1 점수(0.87)를 기록하였다. 이를 통해 제안된 자동 분류 시스템이 기존 방법보다 뛰어난 성능을 보임을 검증하였다. 본 연구는 특수교육 분야에서 자동화된 진단 시스템의 가능성을 제시한다. 향후 연구에서는데이터 확장 및 모델 최적화를 통해 시스템의 실용성을 더욱 향상시키고자 한다.
Abstract
This study proposes a DistilKoBERT-based model that automatically classifies disability types by reflecting the learning characteristics of special education students. The dataset consists of 3,425 sentences extracted from special education support logs and is categorized into five disability types: Intellectual Disability, Emotional and Behavioral Disorders, Communication Disorders, Autism Spectrum Disorder, and Physical Disability. Text mining and natural language processing techniques were applied for data preprocessing. Additionally, the performance of the DistilKoBERT model was compared with TF-IDF + SVM and XGBoost. The evaluation results demonstrated that the DistilKoBERT model achieved the highest accuracy (0.89) and F1-score (0.87). This confirms that the proposed automatic classification system outperforms existing methods. This study highlights the potential of automated diagnostic systems in the field of special education. Future research aims to enhance the system’s practicality by expanding the dataset and optimizing the model.