비즈니스 한국어 요청 이메일 쓰기 교육을 위한 AI 챗봇형 화용 피드백 앱 설계 연구

다국어 초록 (Multilingual Abstract)

This study proposes the design of an AI chatbot-based pragmatic feedback application to support the teaching of business Korean request-email writing to intermediate and advanced learners of Korean as a Foreign Language （KFL）. In business emails, a request is a speech act that can impose a burden on the recipient, since it asks the recipient to carry out a particular action. Writing such an email appropriately therefore requires not only grammatical accuracy but also the adjustment of discourse structure, request strategies, mitigation, supportive moves, and honorifics and style in light of the recipient relationship, the degree of imposition, and the formality of the email genre. In KFL settings, however, learners have limited opportunities to receive individualized, repeated pragmatic feedback on their own drafts. Accordingly, this study explores the design of an AI chatbot-based feedback tool that helps learners examine and revise their own drafts against pragmatic criteria. This study is a design-oriented study that proposes feedback categories, a response structure, a learning flow, and a prototype, rather than an empirical study that verifies the app's instructional effectiveness.
To this end, the study first reviewed prior research on business Korean email-writing instruction and public-email discourse, on request speech acts and the CCSARP framework, on the politeness and pragmatic appropriateness of request emails, and on generative AI-based writing feedback and chatbot-supported learning. It then analyzed how request emails are presented in fifty request-related materials （forty-eight full emails and thirty-seven core materials） drawn from four business Korean and email-writing textbooks. The analysis found that, although the textbooks present the structure and expressions of request emails to some extent, they largely embed pragmatic elements within completed model examples, offering little support for learners to check individually whether their own drafts are appropriate to a given request situation. On the basis of this theoretical discussion and textbook analysis, the study derived five pragmatic feedback categories: discourse structure; request strategy and directness; internal mitigation; external supportive moves; and honorifics and style, including over-politeness.
The proposed application is organized into a six-stage learning flow: setting the request situation, reviewing a pragmatic writing guide, composing a first draft, receiving AI-based pragmatic feedback, revising the draft, and conducting a final check. In the situation-setting stage, the learner specifies the recipient relationship, the degree of imposition, the purpose of the request, and the reply deadline, and the AI pragmatic feedback for each category is delivered in the structure of a statement of the problem, an explanation of its reason, an example of an alternative expression, and a reflective question. The design follows three principles—pragmatic-appropriateness-based feedback, process-oriented writing support, and teacher-complementary AI use—and adopts response-restriction principles, such as restrictions on composing the email on the learner's behalf, on categorical evaluation, and on inducing over-politeness, so that the AI neither writes the email for the learner nor judges errors on the basis of the learner's background alone. The design was implemented as a web-based prototype using HTML, CSS, and JavaScript. It was implemented in a version connected to a generative AI API to produce feedback, while a rule-based demonstration reproducing the same review structure was provided for the expert review.
The educational appropriateness and usability of the design were examined through a preliminary review by four experts in Korean discourse and pragmatics, Korean writing education, and educational technology. An analysis of the Likert-scale and open-ended responses showed that the feedback categories, the process-oriented response structure, and the staged learning flow were generally evaluated positively, while the conciseness of the recommended expressions, the learner-friendly conversion of academic terms, the adjustment of on-screen information load, and the verification of response stability after actual AI integration were identified as points for improvement. The study revised the design to reflect these findings.
This study is significant in that it links the theoretical discussion of request speech acts, textbook analysis, pragmatic feedback categories, and the design of an AI chatbot-based learning tool into a single design rationale. In particular, it positions AI feedback not as a replacement for teacher feedback but as a teacher-complementary tool that supports the learner's first-stage self-checking and revision. This study is limited, however, in that it did not include the analysis of actual learner output, verification of live generative AI integration, or usability and effectiveness testing with learners. Future research should therefore conduct usability testing with KFL learners, examine the response stability and accuracy of the API-connected version, and extend the design principles of this study to other business email speech acts such as apology, refusal, and suggestion.

국문 초록 (Abstract)

본 연구는 KFL（외국어로서의 한국어） 중·고급 학습자의 비즈니스 한국어 요청 이메일 쓰기 교육을 지원하기 위한 AI 챗봇형 화용 피드백 앱의 설계 방안을 제안하는 데 목적이 있다. 비즈니스 이메일에서 요청은 수신자에게 특정 행위의 수행을 요구한다는 점에서 부담을 줄 수 있는 화행이며, 요청 이메일을 적절히 작성하기 위해서는 문법적 정확성뿐 아니라 수신자와의 관계, 요청 부담도, 이메일 장르의 공식성을 고려하여 담화 구조, 요청 전략, 완화 표현, 보조화행, 경어법·문체를 조정해야 한다. 그러나 KFL 학습 환경에서는 학습자가 자신의 초안에 대해 개별적이고 반복적인 화용 피드백을 받기 어렵다. 이에 본 연구는 학습자가 자신의 초안을 화용적 기준에 따라 점검하고 수정하도록 돕는 AI 챗봇형 피드백 도구의 설계 방안을 모색하였다. 본 연구는 앱의 교육 효과를 검증하는 실험 연구가 아니라, 피드백 범주와 응답 구조, 학습 흐름, 프로토타입 구성을 제안하는 설계 연구이다.
이를 위해 먼저 비즈니스 한국어 이메일 쓰기 교육과 공적 이메일 담화 연구, 요청 화행과 CCSARP 분석틀, 요청 이메일의 공손성과 화용적 적절성, 생성형 AI 기반 쓰기 피드백과 챗봇형 학습 지원에 관한 선행 연구를 검토하였다. 이어서 비즈니스 한국어 및 이메일 쓰기 교재 네 종에서 추출한 요청 관련 자료 50편（이메일 전문 48편, 중심 자료 37편）을 대상으로 요청 이메일의 제시 양상을 분석하였다. 분석 결과, 교재는 요청 이메일의 구조와 표현을 일정 부분 제시하였으나 화용 요소를 주로 완성된 예시 안에 내재시켜, 학습자가 자신의 초안이 요청 상황에 적절한지를 개별적으로 점검하도록 지원하는 데에는 한계가 있었다. 이러한 이론적 논의와 교재 분석을 바탕으로 본 연구는 요청 이메일 담화 구조, 요청 전략과 직접성 조절, 내부 완화 표현, 외부 보조화행, 경어법·문체의 다섯 가지 화용 피드백 범주를 도출하였다.
본 연구에서 설계한 앱은 상황 설정, 화용 가이드, 초안 작성, AI 화용 피드백, 수정본 작성, 최종 점검의 여섯 단계 학습 흐름으로 구성된다. 상황 설정 단계에서 학습자는 수신자 관계, 요청 부담도, 요청 목적, 회신 기한을 입력하며, AI 화용 피드백은 각 범주에 대해 ‘문제점–이유 설명–대체 표현 예시–성찰 질문’의 구조로 제공된다. 앱의 설계는 화용적 적절성 기반 피드백, 과정 중심 쓰기 지원, 교사 보완형 AI 활용의 세 원리를 따르며, AI가 학습자의 이메일을 대신 작성하거나 학습자의 배경만으로 오류를 단정하지 않도록 대리 작성 제한, 단정적 평가 제한, 과공손 유도 제한 등 응답 제한 원칙을 설정하였다. 이 설계안은 HTML·CSS·JavaScript 기반의 웹 프로토타입으로 구현하였으며, 생성형 AI API와 연동하여 피드백을 생성하는 버전으로 구현하되 전문가 검토에는 동일한 점검 구조를 규칙 기반으로 재현한 데모 버전을 제공하였다.
설계안의 교육적 적절성과 사용 가능성은 한국어 담화·화용, 한국어 쓰기 교육, 교육공학·에듀테크 분야의 전문가 4인을 대상으로 한 예비 검토를 통해 점검하였다. 5점 척도 응답과 서술형 응답을 분석한 결과, 피드백 범주와 과정 중심 응답 구조, 단계형 학습 흐름은 대체로 긍정적으로 평가되었으며, 권장 표현의 간결성, 학술 용어의 학습자 친화적 전환, 화면 정보량 조정, 실제 AI 연동 이후의 응답 안정성 검토가 보완 과제로 확인되었다.
본 연구는 이러한 검토 결과를 반영하여 설계안을 보완하였다.본 연구는 요청 화행에 대한 이론적 논의와 교재 분석, 화용 피드백 범주, AI 챗봇형 학습 도구의 설계를 하나의 설계 논리로 연결하였다는 점에서 의의가 있다. 특히 AI 피드백을 교사 피드백의 대체물이 아니라 학습자의 1차 자기 점검과 수정 활동을 지원하는 교사 보완형 도구로 설정하였다. 다만 본 연구는 실제 학습자 산출문 분석과 생성형 AI 연동 검증, 학습자 대상 사용성 검토 및 교육 효과 검증을 포함하지 못하였다. 따라서 후속 연구에서는 KFL 학습자를 대상으로 한 사용성 검토와 API 연동 버전의 응답 안정성·정확성 점검을 수행하고, 본 연구의 설계 원리를 사과·거절·제안 등 다른 비즈니스 이메일 화행으로 확장할 필요가 있다.

목차 (Table of Contents)

• 1. 서론 1
• 1.1. 연구 목적 및 필요성 1
• 1.2. 선행 연구 검토 4
• 1.2.1. 비즈니스 한국어 이메일 쓰기 교육 연구 4
• 1.2.2. KFL 학습자의 요청 이메일 수행과 화용적 어려움 7
• 1.2.3. 생성형 AI 기반 한국어 쓰기 피드백 연구 10
• 1.3. 논문의 구성 14
• 2. 이론적 배경 16
• 2.1. 요청 화행과 CCSARP 분석틀 16
• 2.2. 요청 이메일의 공손성과 화용적 적절성 19
• 2.3. 생성형 AI 기반 쓰기 피드백과 챗봇형 학습 지원 22
• 3. 비즈니스 한국어 요청 이메일 분석과 앱 설계 요구 도출 25
• 3.1. 분석 대상 및 기준 25
• 3.2. 실제 요청 이메일 분석 연구와 본 연구의 분석 준거 28
• 3.3. 교재의 요청 이메일 제시 양상 31
• 3.3.1. 요청 이메일의 담화 구조 제시 양상 31
• 3.3.2. 요청 전략과 완화 표현 제시 양상 36
• 3.3.3. 보조화행과 경어법·문체 제시 양상 37
• 3.3.4. 화용 설명 및 수정 활동 제시 양상 38
• 3.4. 교재 분석 결과에 따른 앱 설계 요구 41
• 4. AI 챗봇형 화용 피드백 앱 설계 및 전문가 예비 검토 43
• 4.1. 앱 설계의 기본 방향 43
• 4.2. 학습 흐름 및 시나리오 구성 45
• 4.3. AI 챗봇형 화용 피드백 범주와 응답 구조 48
• 4.3.1. 요청 이메일 담화 구조 피드백 50
• 4.3.2. 요청 전략과 직접성 조절 피드백 51
• 4.3.3. 내부 완화 표현 피드백 53
• 4.3.4. 외부 보조화행 피드백 54
• 4.3.5. 경어법·문체 피드백 55
• 4.4. 프로토타입 화면 및 작동 예시 56
• 4.4.1. 프로토타입 개요 및 화면 구성 57
• 4.4.2. 피드백 점검 구조 60
• 4.4.3. 대표 작동 예시: 업무 자료 요청 61
• 4.4.4. 추가 적용 예시: 회의 일정 조율과 견적 요청 64
• 4.4.5. 구현 환경 및 연구 범위 67
• 4.5. 전문가 예비 검토 결과 및 설계 보완 69
• 4.5.1. 전문가 검토 참여자 및 분석 문항 구성 69
• 4.5.2. 5점 척도 응답 결과 71
• 4.5.3. 서술형 응답 분석 73
• 4.5.4. 검토 결과의 반영 및 설계 보완 방향 75
• 5. 결론 78
• 5.1. 연구 요약 78
• 5.2. 연구의 의의 80
• 5.3. 연구의 한계 및 제언 82
• 참고 문헌 87
• 부록 91
• ABSTRACT 112