아동 음성 분석을 통한 SELSI 기준 표현 언어 발달 단계 분류 모델
SELSI-Based Classification of Expressive Language Development Stages Using Children’s Voices
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 관련 분야의 연구에 따르면 영유아기의 언어 지연은 학습 장애나 사회성 문제로 이어질 수 있어, 조기 진단과 개입의 중요성이 커지고 있다. 본 연구는 국내 표준 언어 발달 검사도구인 SELSI(Sequenced Language Scale for Infants)를 기반으로 아동의 실제 음성 데이터를 수집하여 표현 언어 능력의 발달 단계를 구분하는 인공지능 모델을 제 안한다. 본 연구는 YouTube 및 SNS에서 수집한 아동의 음성을 Mel-Spectrogram으로 변환 후, Swin-Transformer 기반으 로 학습하여 분류 성능을 향상시켰다. 실험 결과, 최종적으로 test 정확도 68.42%를 달성하였다. 본 논문에서 제안한 5 단계 분류 체계는 실제 발화 기반의 세분화된 언어 발달 평가 가능성을 제시하여 향후 AI Agent를 통한 자동 진단 시 스템 개발로 확장하고자 한다.
Abstract
Recent research has demonstrated that language delay in early childhood can lead to learning disabilities and social challenge, highlighting the importance of early diagnosis and intervention. This study proposes a classification model for expressive language development stages by collecting actual speech data from children, based on the SELSI (Sequenced Language Scale for Infants), a standarized Korean language development assessment tool. The research involved converting children's speech, collected from YouTube and social media, into Mel-Spectrograms, and then training a Swin Transformer-based model to improve classification performance. Experimental results achieved a final test accuracy of 68.42%. The proposed 5-stage classification system suggests the possibility of a more detailed language development assessment based on actual vocalizations and provides a foundation for future AI-driven automatic diagnostic systems.