중국어 학습자 코퍼스 오류 유형 분석과 자동 피드백 모델 연구 — ChatGPT와 Claude를 중심으로
A Study on Error Type Analysis and Automatic Feedback Modeling in Chinese Learner Corpora: Focusing on ChatGPT and Claude
3
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 중국어 학습자 코퍼스의 오류 주석을 교육적 피드백 체계로 전환하기 위한 이론적·기술적 틀을 제시하는 데 목적을 두었다. 이를 위해 HSK 동적 작문 코퍼스의 다층 주석 체계를 참조하여 학습자 산출물의 오류를 어휘 및 문법 영역으로 재구조화하고, 자동 주석–교정–설명의 일체형 피드백 모델을 구축하였다. 방법론적으로는 대규모 언어모델의 일반화 능력을 수용하되, 검색 증강 생성(RAG), 맥락 내 학습(ICL), 연쇄적 사고 유도(CoT)의 삼중 구조를 통해 ‘근거화–적응–설명’의 추론 흐름을 명시화하였다. 연구 결과, 본 모델은 오류 주석의 다양한 교육적 활용 가능성을 제시하였다. 본 연구가 제안한 프레임워크는 코퍼스 언어학의 분석 가능성과 중국어 교육의 실용적 효율성을 통합하는 시도로서, 자동 오류 주석의 교육적 전환 가능성을 실증적으로 보여준다.
Abstract
This study aims to propose a theoretical and technological framework for transforming error annotation in Chinese learner corpora into an educational feedback system. Drawing on the multi-layered annotation principles of the HSK Dynamic Composition Corpus, the study restructures learner errors into lexical and grammatical domains and develops an integrated model encompassing automatic annotation, correction, and explanation. Methodologically, the framework incorporates the generalization capacity of large language models while explicitly organizing the reasoning flow of “grounding–adaptation–explanation” through a triple mechanism of Retrieval-Augmented Generation (RAG), In-Context Learning (ICL), and Chain-of-Thought (CoT). The proposed model demonstrates broad pedagogical appstic analysis and classroom feedback practice. As a result, this framework substantiates the pedagogical potential of AI-assisted automatic error annotation, bridging the analylicability of error annotation, enabling a dynamic connection between corpus-based linguitical rigor of corpus linguistics with the practical efficiency of Chinese language education.