Word2Vec을 활용한 문법 탐구의 핵심 어휘 탐색 연구
Study of Core Vocabulary of Grammar Inquiry using Word2Vec
0
조회
0
다운로드
9
인용
0
참고문헌
키워드
초록
본 연구는 그간 이루어져 온 문법 탐구 논의들을 바탕으로 문법 탐구의 개념 및 속성을 탐색하고자 하였다. 이를 위하여 국내 학술지에 실린 논문 중 키워드가 ‘탐구’인 것들을 추출하고, 이 중 ‘문법 교육’과 직접적으로 관련이 있는 것들을 선별하여 총 77개의 논문을 연구 대상으로 삼았다. 이후 이들을 모두 전사하여 말뭉치를 구축하고, 파이선 패키지 KoNLPy의 Mecab 분석기를 이용하여 형태소 분석을 실시하였으며, 텍스트의 의미 구성에 영향을 미치지 않는 불필요한 단어들을 불용어로 선정하여 제외하는 등 말뭉치를 정제하는 작업을 거쳤다. 이렇게 정제된 말뭉치에 대하여 Word2Vec 분석을 실시하였는데, 이는 Word2Vec이 분포 가설에 입각하기 때문에 단어 간 관계를 잘 보여 줄 수 있다고 판단하였기 때문이다. Word2Vec을 통해 구축된 워드벡터에서 ‘탐구’와 코사인 유사도가 높은 단어 상위 132개를 추출하고 그중 문법 탐구와 보다 관련이 깊은 단어들을 포착하기 위하여 군집화를 실시하였다. 총 6개의 군집 중 문법 탐구와 가장 관련이 깊다고 추정되는 하나의 군집을 최종적으로 선정하여 질적 해석을 시도하였다. 그 결과, ‘사고’, ‘발산’, ‘고차’, ‘고차원’은 문법 탐구와 관련되는 사고들을 보여 주는 단어로서, ‘분석력’, ‘비판력’, ‘관찰력’, ‘(문제) 해결력’은 문법 탐구 능력과 관련되는 단어로서 범주화되었다. 또한, ‘기쁨’, ‘성취감’, ‘즐거움’은 문법 탐구의 정의적 측면에서의 긍정적 효과를, ‘안내’, ‘해결’, ‘순환’은 문법 탐구의 과정적 속성을, ‘경험’, ‘과제’는 문법 탐구를 바라보는 관점의 차이를 보여 주었다. 이러한 단어들은 문법 탐구와 주요하게 관련되는 단어들로서, 앞으로 문법 탐구 논의에서 관심 있게 다루어져야 하는 대상으로 볼 수 있다.
Abstract
This study aimed to explore the concepts and attributes of grammar inquiry based on existing research. Accordingly, articles with the keyword “inquiry” were extracted from domestic journals, and overall, 77 papers directly related to “grammar education” were selected as research subjects. All these papers were transcribed to build a corpus and morphemic analysis was conducted using Mecab in the Python package KoNLPy. The corpus was further refined by excluding “unnecessary words” that did not affect composition of the meaning of the text. Word2Vec analysis was conducted on the refined corpus, since it is based on the distribution hypothesis which can demonstrate the relationship between words well. The top 132 words with high cosine similarity to “inquiry” were extracted from the word vector constructed through Word2Vec, and clustering was conducted to capture words more relevant to grammar inquiry. Subsequently, from a total of six clusters, one cluster presumed to be the most relevant to grammar inquiry was finally selected and a qualitative interpretation of the selected cluster was organized. Words such as thinking, divergence, high dimensional, etc. are primarily related to grammar inquiry, and should be noted in future grammar inquiry discussions.
참고문헌 (38)
- 강형석, "한국어 단어 임베딩을 위한 Word2vec 모델의 최적화", 디지털콘텐츠학회논문지, 20(4), pp.825~833 (2019), 한국디지털콘텐츠학회[DOI]
- 구본관, "원리 중심의 문법 교육에 대한 연구", 국어교육연구, (27), pp.261~297 (2011), 국어교육연구소[DOI]
- 권순재, "K-Means Clustering 알고리즘과 헤도닉 모형을 활용한 서울시 연립․다세대 군집분류 방법에 관한 연구", 지능정보연구, 23(3), pp.95~118 (2017), 한국지능정보시스템학회
- 길호현, "텍스트마이닝을 위한 한국어 불용어 목록 연구", 우리말글, 78, pp.1~25 (2018), 우리말글학회[DOI]
- 김광해, "문법과 탐구학습", 선청어문, 20, pp.81~101 (1992)
- 김광해, "언어 지식 영역의 교수 학습 방법", 국어교육연구, 2, pp.209~254 (1995)
- 김광해, "국어지식 교육론" (1997), 서울대학교 출판부
- 김은성, "학습자들은 왜 문법학습을 꺼리는가?", 국어교육연구, (40), pp.35~72 (2007), 국어교육학회(since1969)[DOI]
- 김은성, "문법 탐구 과제의 새로운 설계를 위한 기초 연구 ― 국제 언어학 올림피아드(ILO)의 문항 분석을 중심으로", 국어교육, (143), pp.45~82 (2013), 한국어교육학회
- 김은성, "고등학교 문법 교과서의 쟁점 반영 양상 연구", 문법 교육, 32, pp.1~32 (2018), 한국문법교육학회[DOI]
- 김효진, "중학교 3학년 국어 지식 영역의 교수 · 학습 방법 연구:협동 학습과 탐구 학습의 혼합 모형을 중심으로", 교과교육학연구, 8(3), pp.309~329 (2004)
- 남가영, "문법 탐구 경험의 교육 내용 연구", 박사, 국어교육, pp.2008
- 남가영, "文法 探究 過程에 대한 語彙計量的 接近 －高等學校 文法 敎科書의 漢字 學術語彙를 中心으로－", 어문연구(語文硏究), 37(3), pp.359~380 (2009), 한국어문교육연구회[DOI]
- 문영은, "문법 탐구 과제의 해결 경험에 대한 학습자 반응 사례 연구", 문법 교육, 21, pp.27~65 (2014), 한국문법교육학회
- 스가이 요시노리, "한국어 자동 형태소 분석 사전의 개발", 한국사전학회 제26차 전국학술대회 발표논문집, pp.57~67 (2015)
- 심영택, "문법 지식의 교수학적 변환 연구- 문법 교육의 학습 환경을 중심으로", 국어교육학연구, (21), pp.355~390 (2004), 국어교육학회
- 안주영, "텍스트 마이닝을 이용한 감정 유발 요인 ‘Emotion Trigger’에 관한 연구", 지능정보연구, 21(2), pp.69~92 (2015), 한국지능정보시스템학회
- 이관규, "학교 문법 교육에 있어서 탐구 학습의 효율성과 한계점에 대한 실증적 연구", 국어교육, 106, pp.31~63 (2001)
- 이기창, "한국어 임베딩: 자연어 처리 모델의 성능을 높이는 핵심 비결 Word2Vec에서 ELMo. BERT까지" (2020), 에이콘출판
- 이다빈, "대용량 텍스트 자원을 활용한 한국어 형태소 임베딩의 모델별 성능 비교 분석", 정보과학회논문지, 46(5), pp.413~418 (2019), 한국정보과학회[DOI]
- 이선형, "'분노'의 사회적 의미 생성 메커니즘: word2vec을 활용한 언론의 강력 범죄 보도 분석", 새물리, 68(6), pp.655~663 (2018), 한국물리학회
- 이신원, "K-Means 클러스터링에서 초기 중심 선정 방법 비교", 인터넷정보학회논문지, 13(6), pp.1~8 (2012), 한국인터넷정보학회[DOI]
- 이재연, "‘생활’과 ‘태도’ 기계가 읽은 『개벽』과 『조선문단』의 작품 비평어와 비평가", 개념과 소통, (18), pp.5~52 (2016), 한림과학원[DOI]
- 정유남, "딥러닝을 이용한 노동신문의 이념적 어휘 연구", 한국어학, 88, pp.213~245 (2020), 한국어학회[DOI]
- 조정우, "K-평균 군집화를 이용한 분류분석", 석사, 통계학, pp.2006
- 주세형, "문법 교육론과 국어학적 지식의 지평 확장" (2006), 역락
- 주세형, "학교 문법 다시 쓰기(2) - 숙련자의 탐구 방법을 중심으로 -", 국어교육, (126), pp.283~320 (2008), 한국어교육학회
- 최신인, "문법 탐구 과제 설계를 위한 국제 언어학 올림피아드 문항 분석", 국어교육, (145), pp.27~60 (2014), 한국어교육학회
- 최은정, "문법 탐구 능력 평가 방안 연구", 국어교육, (148), pp.175~210 (2015), 한국어교육학회
- 최은정, "PBG(Problem Behavior Graph)를 이용한 문법 탐구 과제 해결 과정 분석", 국어교육학연구, 49(2), pp.549~581 (2014), 국어교육학회[DOI]
- 최재웅, "숫자로 표상된 의미: 딥러닝 시대의 의미론", 언어와 정보 사회, 34, pp.305~337 (2018), 언어정보연구소[DOI]
- 한남기, "Word2vec 학습 자질을 사용한 새로운 한글 개체명 인식 모델 제안", 석사, pp.2016
- 허지욱, "Word2Vec를 이용한 한국어 단어 군집화 기법", 한국인터넷방송통신학회 논문지, 18(5), pp.25~30 (2018), 한국인터넷방송통신학회[DOI]
- Michaud, P., "Clustering techniques", Future Generation Computer Systems, 13, pp.135~147 (1997)
- Mikolov, T., "Efficient estimation of word representations in vector space", ~ (2013)
- Mikolov, T., "Distributed representations of words and phrases and their compositionality", Advances in Neural Information Processing Systems, 26, pp.3111~3119 (2013)
- Rousseeuw, P. J., "Silhouettes : A graphical aid to the interpretation and validation of cluster analysis", Journal of Computational and Applied Mathematics, 20, pp.53~65 (1987)
- Saito, K, "밑바닥부터 시작하는 딥러닝 2: 파이썬으로 직접 구현하며 배우는 순환 신경망과 자연어 처리" (2019), 한빛미디어