본문 바로가기
KERD
논문KCI 등재

자연어처리의 교육적 활용 연구동향 분석

A Research Review on Natural Language Processing in Education

진성희
한국교육정보미디어학회 (Korea Association for Educational Information and Media)|2022.06|교육정보미디어연구 (Journal of Korean Association for Educational Information and Media)|제28권 제2호|pp. 215-243

0

조회

0

다운로드

7

인용

0

참고문헌

키워드

자연어처리인공지능연구동향체계적 문헌고찰텍스트 마이닝systematic literature reviewtext miningartificial intelligencenatural language processingliterature review
주제분류교육학

초록

인공지능 기술이 발전하면서 교육의 다양한 맥락에서 인공지능 기술을 적용하려는 시도들이 이루어지고 있다. 이 연구에서는 대표적인 인공지능 기술인 자연어처리를 교육에 활용한 연구동향을 분석함으로써 자연어처리 기술의 교육적 활용주체, 활용목적, 교육적 효과 등에 대해 탐색하고자 하였다. 연구동향을 탐색하기 위한 방법으로는 텍스트 마이닝 기법과 체계적 문헌고찰 방법을 적용하였다. 텍스트 마이닝 기법을 적용하기 위한 문헌은 지난 10년간(2012년∼2021년) KCI 등재(후보)지에 게재된 논문에서 키워드 중 자연어처리를 포함한 유사 핵심어를 포함하면서 초록에 “교육”이라는 단어를 포함한 논문 중 한국어를 대상으로 자연어처리 기술을 교육적으로 활용한 논문 44편을 분석 대상으로 하였다. 텍스트 마이닝 기법에 의한 토픽모델링 결과, 자연어처리의 교육적 활용 연구주제는 4개로 분류되었고 지능형 교수학습지원, 자연어처리 기술의 교육적 활용 탐색, 한국어 학습지원, 서술형 평가 자동화 순으로 수행 논문의 비율이 높게 나타났다. 시기별 주제 트렌드와 관련하여 1기(2012년∼2015년)와 2기(2016년∼2018년)에는 지능형 교수학습지원과 서술형 평가 자동화 연구가 이루어졌고 3기(2019년∼2021년)에 자연어처리 기술의 교육적 활용 탐색과 한국어 학습지원 연구가 새로운 주제로 등장하였다. 텍스트 마이닝 기법 분석 대상의 논문 중 토픽모델링에서 토픽할당 확률이 높으면서 분석기준에 대해 구체적으로 보고한 논문 25편을 대상으로 체계적 문헌고찰을 수행하였다. 분석내용은 자연어처리 기술의 활용주체, 활용목적, 교육적 효과를 중심으로 첫 번째 저자 소속, 학문분야, 학교급, 연구방법이었다. 분석결과 자연어처리 기술의 활용주체는 학습자(80%), 교수자(28%), 기관(20%) 순으로 나타났고, 활용목적은 지능형 학습지원(44%), 교수적 대화(20%), 한국어 학습지원(16%), 서술형 평가 자동화(16%), 학습성공 및 실패 예측(4%)으로 나타났다. 시기적으로 초기에는 IT공학자에 의해 자연어처리 기술을 교육적으로 활용하기 위한 기술이나 시스템을 개발하는 연구가 수행되었고 최근에는 (교과)교육학자들에 의해 관련 도구를 개발하고 실제 수업에 적용함으로써 그 효과를 분석하는 연구들이 수행되었다. 대부분의 연구는 개발연구방법(68%)으로 수행되었고 그 효과는 효과성(28%), 사용성(24%), 만족도(16%), 효율성(4%), 기능성(24%)측면에서 분석되었다. 연구결과에 기반하여 시사점과 추후연구에 대해 제안하였다.

Abstract

The purpose of this study is to explore the users, purposes, and educational effects of natural language processing (NLP) by analyzing research trends using NLP, a representative AI technology, in education. Text mining techniques and systematic literature review methods were applied to explore research trends. The literature to apply the text mining technique was 44 papers published in KCI journals over the past 10 years (2012-2021), containing similar keywords to “natural language processing,” including the word “education” in the abstract. As a result of topic modeling using text mining techniques, four research topics were classified on the educational use of NLP, followed by intelligent teaching & learning support, exploring the educational use of NLP, Korean language learning support, and descriptive-type evaluation automation. As for the topic trend by period, intelligent teaching & learning support and descriptive-type evaluation automation research were conducted in the 1st (2012-2015) and 2nd (2016-2018) periods, and exploring the educational use of NLP and Korean language learning support emerged as a new topic in the 3rd (2019-2021). Among the papers subject to text mining technique analysis, a systematic literature review was conducted on 25 papers that specifically reported on the analysis criteria with a high probability of topic allocation in topic modeling. The analysis contents were the first author's affiliation, academic field, school level, and research method, focusing on the subject of use, purpose of use, and educational effect of NLP. As a result of the analysis, learners (80%), instructors (28%), and institutions (20%) were the subjects of NLP, and the purpose of use was intelligent learning support (44%), instructional communication (20%), Korean language learning support (16%), descriptive-type evaluation automation (16%), and learning success and failure prediction (4%). In the early period, research was conducted by IT engineers to develop technologies or systems for educational use of NLP, and recently, many studies were conducted by (subject-matter) educators to analyze the effects of developing tools and applying them to actual classes. Accordingly, there were many studies conducted with the development research method (68%), and the educational effects were analyzed in terms of effectiveness (28%), usability (24%), satisfaction (16%), efficiency (4%), and functionality (24%). Based on the research results, implications and future studies were proposed.

참고문헌 (65)

  1. 권대석, "빅데이터 혁명: 클라우드와 슈퍼컴퓨팅이 이끄는 미래" (2012), 북이십일
  2. 김경록, "교수-학습지원시스템에서 학습자 질의응답 자동분류를 위한 토픽 모델링", 디지털콘텐츠학회논문지, 18(2), pp.339~346 (2017), 한국디지털콘텐츠학회[DOI]
  3. 김동인, "인공지능 스피커를 활용한 상호작용이 지적장애 학생의 의사소통의도와 화용론적 특성에 미치는 영향", 한국청각언어장애교육연구, 11(3), pp.91~113 (2020), 한국청각언어장애교육학회[DOI]
  4. 김민웅, "한국 다문화 교육에서의 챗봇 활용 가능성 탐구 - 챗봇용 다문화 교육 프로그램 개발 및 효과 분석 -", 문화교류와 다문화교육, 10(2), pp.23~42 (2021), 한국국제문화교류학회
  5. 김혜란, "초등과학 실시간 쌍방향수업을 위한 인공지능 융합교육프로그램의 개발과 적용 - ‘식물의 생활’ 단원을 중심으로 -", 초등과학교육, 40(4), pp.433~442 (2021), 한국초등과학교육학회
  6. 도재우, "수업 개선을 위해 문화역사적 활동이론을 활용한 연구에 대한 체계적 문헌고찰", 열린교육연구, 29(3), pp.99~127 (2021), 한국열린교육학회[DOI]
  7. 민윤정, "기술수용모형을 적용한 학습용 챗봇 사용의도와 영향요인 간 구조적 관계 분석", 교육정보미디어연구, 26(4), pp.799~825 (2020), 한국교육정보미디어학회[DOI]
  8. 박세진, "순환신경망을 적용한 초등학교 5학년 과학 서술형 평가 자동채점시스템 개발 및 활용 방안 모색", 교육평가연구, 33(2), pp.297~321 (2020), 한국교육평가학회
  9. 박준서, "Gagné 수업이론에 기반한 AI스피커 교육콘텐츠 분석 및 발전방향 연구 : Amazon Alexa Skills를 중심으로", 한국지식정보기술학회 논문지, 14(4), pp.345~358 (2019), 한국지식정보기술학회[DOI]
  10. 백영경, "한국어 화용 교육 보조 도구로서의 챗봇 개발 연구 -거절 화행을 중심으로-", 이중언어학, (84), pp.115~141 (2021), 이중언어학회[DOI]
  11. 백영민, "R를 이용한 텍스트 마이닝" (2020), 한울아카데미
  12. 서지혜, "시나리오를 기반으로 한 초급 한국어 말하기 연습용 챗봇 설계 방안 연구", 문화와융합, 43(9), pp.53~76 (2021), 한국문화융합학회
  13. 윤희진, "텍스트마이닝을 활용한 다문화 멘토링 관련 연구 동향 분석", 문화교류와 다문화교육, 9(1), pp.27~50 (2020), 한국국제문화교류학회
  14. 이경건, "인공지능 기반 자동평가의 현재와 미래: 서술형 문항에 관한 문헌 고찰과 그 너머", 교육공학연구, 36(2), pp.353~382 (2020), 한국교육공학회[DOI]
  15. 이상하, "국가수준 학업성취도 평가 서답형 문항에 대한 자동채점의 실용성 분석", 교육과정평가연구, 18(1), pp.185~208 (2015), 한국교육과정평가원
  16. 이정원, "온라인 평가 전략 상담 챗봇 개발 및 사용성 평가", 열린교육연구, 29(3), pp.31~53 (2021), 한국열린교육학회[DOI]
  17. 이준형, "인공지능 기반의 ITS에 관한 초중등교사의 인식 조사", 에듀테인먼트연구, 3(2), pp.25~36 (2021), 한국에듀테인먼트학회[DOI]
  18. 이지선, "텍스트 마이닝 기법을 활용한 중학교 가정과 교육과정 분석", 한국가정과교육학회지, 30(3), pp.111~127 (2018), 한국가정과교육학회[DOI]
  19. 이지희, "자연어 처리(NLP)를 통한 해외건설 계약서의 리스크 자동추출 모델 개발", 박사, pp.2018
  20. 장지연, "스마트 스피커의 교육적 활용에 관한 연구", 한국융합학회논문지, 10(11), pp.33~39 (2019), 한국융합학회[DOI]
  21. 장진아, "인공지능 챗봇 관련 국내 연구 동향 및 챗봇 활용 현황 분석: 과학 교육에서의 활용을 위한 시사점을 중심으로", 학습자중심교과교육연구, 21(13), pp.729~743 (2021), 학습자중심교과교육학회
  22. 정현숙, "이러닝 환경의 학습효과 향상을 위한 통합 학습 온톨로지 설계", 한국정보기술학회논문지, 10(8), pp.105~116 (2012), 한국정보기술학회[DOI]
  23. 정현숙, "온톨로지 기술 융합을 통합 교수학습 시맨틱 모델 설계", 한국융합학회논문지, 6(3), pp.127~134 (2015), 한국융합학회[DOI]
  24. 정현지, "과학기술데이터를 위한 자연어처리 기술 동향", 한국정보처리학회 학술대회논문집, pp.666~669 (2021)
  25. 정효정, "컴퓨터 기반 협력학습을 위한 퍼실리테이팅 챗봇 개발 및 사용성 평가", 디지털콘텐츠학회논문지, 22(7), pp.1049~1057 (2021), 한국디지털콘텐츠학회[DOI]
  26. 진하은, "대화형 챗봇 캐릭터 기반 AI 초등 글쓰기 학습 앱 서비스 제안", 디지털콘텐츠학회논문지, 22(4), pp.587~596 (2021), 한국디지털콘텐츠학회[DOI]
  27. 천민아, "기계학습 분류기의 예측확률과 만장일치를 이용한 한국어 서답형 문항 자동채점 시스템", 정보처리학회 논문지, 5(11), pp.527~534 (2016), 한국정보처리학회[DOI]
  28. 최서원, "SW 교육 보조 도구로서의 AI 챗봇 활용", 한국정보통신학회논문지, 23(12), pp.1693~1699 (2019), 한국정보통신학회[DOI]
  29. 최숙영, "교육에서의 인공지능: 인공지능 활용 교육에 관한 문헌 고찰", 컴퓨터교육학회 논문지, 24(3), pp.11~21 (2021), 한국컴퓨터교육학회[DOI]
  30. 하만석, "정형 데이터와 비정형 데이터를 동시에 고려하는 기계학습 기반의 직업훈련 중도탈락 예측 모형", 한국콘텐츠학회 논문지, 19(1), pp.1~15 (2019), 한국콘텐츠학회[DOI]
  31. 한국소프트웨어기술인협회 빅데이터전략연구소, "빅데이터 개론 : analyse data" (2018), 광문각
  32. 한국정보통신기술협회, "IT 용어사전" (2018)
  33. 한지원, "ITS를 위한 개인화 학습코스 추천 모델 개발", 한국융합학회논문지, 9(10), pp.21~28 (2018), 한국융합학회[DOI]
  34. 황홍섭, "빅데이터 기반 사회과 교수·학습 모형의 현장 수업 적용 사례 연구", 사회과교육, 60(1), pp.111~132 (2021), 한국사회과교육연구학회
  35. 황홍섭, "초등 사회과 마이크로러닝을 위한 챗봇의 개발", 사회과교육, 60(3), pp.81~104 (2021), 한국사회과교육연구학회
  36. "우리 모두의 백과사전, “자연어처리”"[URL]
  37. Adamson, D., "Towards an agile approach to adapting dynamic collaboration support to student needs", International Journal of Artificial Intelligence in Education, 24(1), pp.92~124 (2014)
  38. Alhawiti, K. M., "Natural language processing and its use in education. Computer Science Department, Faculty of Computers and Information technology", International Journal of Advanced Computer Science and Applications, 5(12), pp.72~76 (2014)
  39. Almarzooq, Z., "Virtual learning during the COVID-19 pandemic : A disruptive technology in graduate medical education", Journal of the American College of Cardiology, 75(20), pp.1~11 (2020)
  40. Amigud, A., "Using learning analytics for preserving academic integrity", International Review of Research in Open and Distance Learning, 18(5), pp.192~210 (2017)
  41. "Educ-AI-tion rebooted? Exploring the future of artificial intelligence in schools and colleges" (2019)[URL]
  42. Burstein, J., "Opportunities for natural language processing research in education", International Conference on Intelligent Text Processing and Computational Linguistics (2009), Springer
  43. Bywater, J. P., "The Teacher Responding Tool : Scaffolding the teacher practice of responding to student ideas in mathematics classrooms", Computers & Education, 139, pp.16~30 (2019)
  44. Gnanasekaran, D., "An Automatic Question Generation System Using Rule-Based Approach in Bloom’s Taxonomy", Recent Advances in Computer Science and Communications, 14(5), pp.1477~1487 (2021)
  45. Goel, A. K., "Learning Engineering for Online Education" (2018), Routledge
  46. Hellas, A., "Predicting academic performance: A systematic literature review", Proceedings Companion of the 23rd Annual ACM Conference on Innovation and Technology in Computer Science Education (ITiCSE 2018 Companion) (2018), ACM
  47. Higgins, J. P., "Cochrane handbook for systematic reviews of interventions: Cochrane book series", pp.51~79 (2008)
  48. Hofmann, T., "Probabilistic Latent Semantic Analysis", Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence (UAI’99), pp.289~296 (1999)
  49. Kang, M., "Factors of learner–instructor interaction which predict perceived learning outcomes in online learning environment", Journal of Computer Assisted Learning, 29(3), pp.292~301 (2013)
  50. Kaplan, A., "Siri, Siri, in my hand : Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence", Business Horizons, 62(1), pp.15~ (2019)
  51. Kochmar, E., "Automated Data-Driven Generation of Personalized Pedagogical Interventions in Intelligent Tutoring Systems", International Journal of Artificial Intelligence in Education, pp.1~27 (2021)
  52. Leedy, P. D., "Practical research: Planning and design" (2005), Merrill
  53. Litman, D., "Natural language processing for enhancing teaching and learning", Thirtieth AAAI conference on artificial intelligence (2016)
  54. Nielsen, J., "Usability inspection methods", Conference companion on Human factors in computing systems, pp.413~414 (1994)
  55. Panichella, A., "How to effectively use topic models for software engineering tasks? an approach based on genetic algorithms", 35th International conference on software engineering (ICSE), pp.522~531 (2013), IEEE
  56. Popenici, S. A., "Exploring the impact of artificial intelligence on teaching and learning in higher educa-tion", Research and Practice in Technology Enhanced Learning, 12(1), pp.22~ (2017)
  57. Quixal, M., "How can writing tasks be characterized in a way serving pedagogical goals and automatic analysis needs", Calico Journal, 33(1), pp.19~48 (2016)
  58. Rada, R., "Efficiency and effectiveness in computer-supported peer-peer learning", Computers & Education, 30(3), pp.137~146 (1998)
  59. "Top 3 benefits and uses of NLP in education" (2021)[URL]
  60. Steyvers, M., "Probabilistic topic models. Handbook of Latent Semantic Analysis" (2007), Erlbaum
  61. Sultana, S., "Predicting performance of electrical engineering students using cognitive and non-cognitive features for identification of potential dropouts", International Journal of Electrical Engineering Education, 54(2), pp.105~118 (2017)
  62. Voorhees, E. M., "The TREC question answering track", Natural Language Engineering, 7(4), pp.361~378 (2001)
  63. Wenger, E., "Artificial Intelligence and Tutoring Systems" (1987), Morgan Kaufmann
  64. Zawacki-Richter, O., "Systematic review of research on artificial intelligence applications in higher education–where are the educators?", International Journal of Educational Technology in Higher Education, 16(1), pp.1~27 (2019)
  65. Zhu, W., ""Engineering economics jeopardy!"Mobile app for university students", Engineering Economist, 60(4), pp.291~306 (2015)

이 간행물의 다른 논문 (10건)

2010년~2021년 국내 메타버스와 가상세계를 활용한 교육 연구 동향 분석: LDA 기반 토픽 모델링과 시계열 회귀분석을 적용하여홍진표, 임종현, 박정민, 안미리pp. 187-214행위자네트워크이론에 기반한 지식생태학의 개념적 확장임상훈, 설동준, 김정이, 유영만pp. 245-271메이커교육의 학습 환경 탐색: 2014년부터 2019년까지의 체계적인 문헌 검토강인애, 오스왈도 카스트로 로메로pp. 273-291장애학생의 일반교육과정 접근을 위한 AAC 활용에 관한 국내외 문헌분석정소영, 박은혜, 이영선, 김주성pp. 293-318초등학생을 위한 데이터 과학 교육 프로그램 개발 및 적용임은선, 송유경, 이종찬, 이웅기, 임철일, 이홍규pp. 319-345
원문 보기