메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
신동광 (광주교육대학교)
저널정보
한국교원대학교 교육연구원 교원교육 교원교육 제38권 제6호
발행연도
2022.11
수록면
73 - 91 (19page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
연구목적 본 연구는 채점자질(rating features)을 적용하는 자동채점 모델과 채점자질을 사용하지 않는 자동채점 모델 간의 성능을 비교하는 데 목적이 있다. 연구방법 연구에 활용된 데이터는 kaggle 사이트에서 다운로드 받은 영어 원어민 10학년 수준의 학습자들이 작성한 300개의 에세이 답안이며 이를 7:3의 비율로 학습 용 데이터와 검증용 데이터로 구분하였다. 답안은 사전에 인간 채점자들이 이미 6개 채점영역별로 0~6점의 척도에 기반한 채점기준표를 활용하여 분석적 채점을 수행한 데이터였다. 데이터 분류 결과, 에세이 답안이 극히 희소한 점수대는 인공지능 학습이사실상 불가능하여 제외하고 3~5점대 답안만 실험에 활용하였다. 먼저 채점자질을 활용할 수 있는 랜덤포레스트(RF) 모델을 활용하여 Coh-Metrix 분석에서 추출한 106개 언어자질값을 기계학습시켜 자동채점 결과를 산출하였다. 그 다음, 채점자질을 사용하지 않는 딥러닝 계열의 3개 모델인 순환신경망(RNN), 장단기기억(LSTM), 게이트순환유닛(GRU)에 기반한 자동채점 결과를 산출하였다. 이를 바탕으로 4개 자동채점모델 및 인간 채점의 결과에 대해 정확도(accuracy)를 기준으로 일치 정도를 비교하였다. 끝으로 랜덤포레스트 모델의 경우 어떠한 채점자질이 채점 결과에 영향을 미치는 주요 요인인지를 추가 분석하였다. 연구결과 딥러닝 계열인 RNN의 경우는 인간 채점 결과와의 일치도가 채점영역별로 .39~.69(평균=.58)로 나타났고 LSTM은 .59~.72(평균=.64), GRU는 .59~.72(평균=.64)로 나타났다. 반면 채점자질을 기계학습한 RF의 정확도 결과는 .60~.76(평균=.69)로 인간 채점 결과와 가장 높은 일치도를 보였다. RF 모델의경우 ‘단어수,’ ‘문장수,’ ‘어휘밀도’ 등이 전체 채점영역에서 공통적으로 주요한 자질로 나타났으며 각채점영역의 특성이 반영된 주요 채점자질들도 다수 확인되었다. 결론 대규모의 데이터 확보가 어려운 상황에서는 RF 모델이 상대적으로 높은 자동채점 성능을 보였으며 자동채점 결과의 활용 면에서도 채점자질의 분석값에 기반한 교수⋅학습적 피드백 제공이 가능한 RF 방식이 타 채점 보델과 비교하여 상대적으로 더 유용할 것으로 판단된다.
#자동채점 #채점자질 #기계학습 #딥러닝 #랜덤포레스트 #automated scoring #scoring feature #machine learning #deep learning #random forest

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0