교육 분야의 AI 기술적용

권가진 한국프랑스어문교육학회 2021 한국프랑스어문교육학회 학술대회자료집 Vol.2021 No.-

터치 기록 분석을 통한 학습 과정의 이해

권가진,김부근 한국융합과학회 2022 한국융합과학회 국제학술대회자료집 Vol.2022 No.0

SATS: Structure-Aware Touch-Based Scrolling

김도형,권가진,이기혁 한국전자통신연구원 2016 ETRI Journal Vol.38 No.6

Non-linear document navigation refers to the process of repeatedly reading a document at different levels to provide an overview, including selective reading to search for useful information within a document under time constraints. Currently, this function is not supported well by small-screen tablets. In this study, we propose the concept of structure-aware touch-based scrolling (SATS), which allows structural document navigation using region-dependent touch gestures for non-sequential navigation within tablets or tablet-sized e-book readers. In SATS, the screen is divided into four vertical sections representing the different structural levels of a document, where dragging into the different sections allows navigating from the macro to micro levels. The implementation of a prototype is presented, as well as details of a comparative evaluation using typical nonsequential navigation tasks performed under time constraints. The results showed that SATS obtained better performance, higher user satisfaction, and a lower usability workload compared with a conventional structural overview interface.

한국어 자동화 팩트체크 기술과 활용: 데이터세트 작성과 기계학습 모델 구축

오종환,김종석,권가진,홍화정,김건희,이준환 시청자미디어재단 2021 팩트체크 동향리포트 'FACT(팩트)' Vol.- No.1

CTC를 적용한 CRNN 기반 한국어 음소인식 모델 연구

홍윤석,기경서,권가진 한국정보처리학회 2019 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.8 No.3

For Korean phoneme recognition, Hidden Markov-Gaussian Mixture model(HMM-GMM) or hybrid models which combine artificial neural network with HMM have been mainly used. However, current approach has limitations in that such models require force-aligned corpus training data that is manually annotated by experts. Recently, researchers used neural network based phoneme recognition model which combines recurrent neural network(RNN)-based structure with connectionist temporal classification(CTC) algorithm to overcome the problem of obtaining manually annotated training data. Yet, in terms of implementation, these RNN-based models have another difficulty in that the amount of data gets larger as the structure gets more sophisticated. This problem of large data size is particularly problematic in the Korean language, which lacks refined corpora. In this study, we introduce CTC algorithm that does not require force-alignment to create a Korean phoneme recognition model. Specifically, the phoneme recognition model is based on convolutional neural network(CNN) which requires relatively small amount of data and can be trained faster when compared to RNN based models. We present the results from two different experiments and a resulting best performing phoneme recognition model which distinguishes 49 Korean phonemes. The best performing phoneme recognition model combines CNN with 3hop Bidirectional LSTM with the final Phoneme Error Rate(PER) at 3.26. The PER is a considerable improvement compared to existing Korean phoneme recognition models that report PER ranging from 10 to 12. 지금까지의 한국어 음소 인식에는 은닉 마르코프-가우시안 믹스쳐 모델(HMM-GMM)이나 인공신경망-HMM을 결합한 하이브리드 시스템이 주로 사용되어 왔다. 하지만 이 방법은 성능 개선 여지가 적으며, 전문가에 의해 제작된 강제정렬(force-alignment) 코퍼스 없이는 학습이 불가능하다는 단점이 있다. 이 모델의 문제로 인해 타 언어를 대상으로 한 음소 인식 연구에서는 이 단점을 보완하기 위해 순환 신경망(RNN) 계열 구조와 Connectionist Temporal Classification(CTC) 알고리즘을 결합한 신경망 기반 음소 인식 모델이 연구된 바 있다. 그러나 RNN 계열 모델을 학습시키기 위해 많은 음성 말뭉치가 필요하고 구조가 복잡해질 경우 학습이 까다로워, 정제된 말뭉치가 부족하고 기반 연구가 비교적 부족한 한국어의 경우 사용에 제약이 있었다. 이에 본 연구는 강제정렬이 불필요한 CTC 알고리즘을 도입하되, RNN에 비해 더 학습 속도가 빠르고 더 적은 말뭉치로도 학습이 가능한 합성곱 신경망(CNN)을 기반으로 한국어 음소 인식 모델을 구축하여 보고자 시도하였다. 총 2가지의 비교 실험을 통해 본 연구에서는 한국어에 존재하는 49가지의 음소를 판별하는 음소 인식기 모델을 제작하였으며, 실험 결과 최종적으로 선정된 음소 인식 모델은 CNN과 3층의 Bidirectional LSTM을 결합한 구조로, 이 모델의 최종 PER(Phoneme Error Rate)은 3.26으로 나타났다. 이는 한국어 음소 인식 분야에서 보고된 기존 선행 연구들의 PER인 10~12와 비교하면 상당한 성능 향상이라고 할 수 있다.

KoEPT 기반 한국어 수학 문장제 문제 데이터 분류 난도 분석

임상규,기경서,김부근,권가진 한국정보처리학회 2022 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.11 No.8

In this paper, we propose KoEPT, a Transformer-based generative model for automatic math word problems solving. A math wordproblem written in human language which describes everyday situations in a mathematical form. Math word problem solving requiresan artificial intelligence model to understand the implied logic within the problem. Therefore, it is being studied variously across theworld to improve the language understanding ability of artificial intelligence. In the case of the Korean language, studies so far havemainly attempted to solve problems by classifying them into templates, but there is a limitation in that these techniques are difficultto apply to datasets with high classification difficulty. To solve this problem, this paper used the KoEPT model which uses ‘expression’tokens and pointer networks. To measure the performance of this model, the classification difficulty scores of IL, CC, and ALG514, whichare existing Korean mathematical sentence problem datasets, were measured, and then the performance of KoEPT was evaluated using5-fold cross-validation. For the Korean datasets used for evaluation, KoEPT obtained the state-of-the-art(SOTA) performance with 99.1%in CC, which is comparable to the existing SOTA performance, and 89.3% and 80.5% in IL and ALG514, respectively. In addition, asa result of evaluation, KoEPT showed a relatively improved performance for datasets with high classification difficulty. Through an ablationstudy, we uncovered that the use of the ‘expression’ tokens and pointer networks contributed to KoEPT’s state of being less affectedby classification difficulty while obtaining good performance. 이 논문에서는 자연어로 구성된 수학 문장제 문제 자동 풀이하기 위한 Transformer 기반의 생성 모델인 KoEPT를 제안한다. 수학 문장제 문제는일상 상황을 수학적 형식으로 표현한 자연어 문제이다. 문장제 문제 풀이 기술은 함축된 논리를 인공지능이 파악해야 한다는 요구사항을 지녀최근 인공지능의 언어 이해 능력을 증진하기 위해 국내외에서 다양하게 연구되고 있다. 한국어의 경우 문제를 유형으로 분류하여 풀이하는 기법들이주로 시도되었으나, 이러한 기법은 다양한 수식을 포괄하여 분류 난도가 높은 데이터셋에 적용하기 어렵다는 한계가 있다. 본 논문은 이에 대해‘식’ 토큰과 포인터 네트워크를 사용하는 KoEPT 모델을 사용했다. 이 모델의 성능을 측정하기 위해 현존하는 한국어 수학 문장제 문제 데이터셋인IL, CC, ALG514의 분류 난도를 측정한 후 5겹 교차 검증 기법을 사용하여 KoEPT의 성능을 평가하였다. 평가에 사용된 한국어 데이터셋들에대하여, KoEPT는 CC에서는 기존 최고 성능과 대등한 99.1%, IL과 ALG514에서 각각 89.3%, 80.5%로 새로운 최고 성능을 얻었다. 뿐만 아니라평가 결과 KoEPT는 분류 난도가 높은 데이터셋에 대해 상대적으로 개선된 성능을 보였다. KoEPT가 분류 난도의 영향을 덜 받으며 좋은 성능을얻게 된 이유를 ‘식’ 토큰과 포인터 네트워크 때문이라는 것을 ablation study를 통해서 밝혔다.

가정 환경이 청소년의 인터넷 중독 및 스마트폰 중독에 미치는 영향

최진한(Jinhan Choi),권가진(Gahgene Gweon),김인혜(Inhye Kim),서봉원(Bongwon Suh) 한국HCI학회 2017 한국HCI학회 학술대회 Vol.2017 No.2

청소년의 인터넷 중독과 스마트폰 중독은 우리사회의 심각한 문제이다. 특히 청소년의 인터넷 중독과 스마트폰 중독은 성인에 비해 약 2.3 배 높은 비율로 나타나고 있어 중독의 원인과 영향을 파악하는 것은 중요한 과제라고 할 수 있다. 본 논문에서는 중학교 1 학년 학생 768 명을 대상으로 인터넷과 스마트폰 이용과 관련한 설문 조사 결과를 다변량회귀분석으로 분석하여 청소년의 가정 환경의 요인이 인터넷 중독과 스마트폰 중독에 각각 미치는 영향에 대해 알아보았다. 또한 가정 환경의 요인이 인터넷만 중독인 사용자군과 스마트폰만 중독인 사용자군에 어떻게 차별적으로 적용되는지 확인하였다. 다변량회귀분석 결과 부모의 지나친 간섭, 부모의 권위적인 양육태도, 형제자매간 스마트폰 사용에 대한 관여가 인터넷 중독과 스마트폰 중독에서 모두 양적 상관관계를 나타내었고, 좋은 형제자매간의 관계는 인터넷 중독과 스마트폰 중독에서 공통적으로 부적 상관관계를 나타내었다. 한편, 부모의 권위적인 양육태도는 스마트폰 중독에서만 양적 상관관계를 나타내었다. 일원분산분석과 사후검정 결과, 인터넷만 중독인 사용자군과 스마트폰만 중독인 사용자군의 유의미한 차이가 나타나는 요인은 부모님과의 대화시간으로 확인되었다.

시맨틱 프레임을 이용한 한국어 패러프레이즈 자동 평가 방법

박한철 ( Hancheol Park ),권가진 ( Gahgene Gweon ),최호진 ( Ho-jin Choi ) 한국정보처리학회 2014 한국정보처리학회 학술대회논문집 Vol.21 No.1

본 연구는 지능형 QA시스템과 관련한 연구에서, 자동 패러프레이즈 생성 시스템을 평가하는 새로운 방법을 제시한다. 기존의 패러프레이즈 생성 시스템의 자동 평가 방법은 참조할 수 있는 패러프레이즈 정보의 양이 크게 제한되어 있었으며, 원 문장의 콘텍스트(context)와 이에 의존하는 통사적 구조(syntactic structure) 및 의미적 구조의 유사성을 고려하지 않고, 단순 구/단어 수준의 의미 유사성을 기반으로 생성된 패러프레이즈를 평가하였다. 이러한 문제를 해결하기 위해 본 연구는 시맨틱 프레임(semantic frame)을 이용한 패러프레이즈 문장 평가 방법을 제시한다. 본 연구에서 제시하는 방법론은 문장의 콘텍스트를 표현하는 프레임과 이러한 프레임이 발생시키는 통사적, 의미적 구조의 유사성을 바탕으로 원 문장과 패러프레이즈 문장의 ‘의미 유사성’, ‘어휘 형태 비 유사성’을 평가하는 방식이다.

유아용 교육게임에서 이탈행동에 대한 문제 유형 및 학습자 특성의 설명력 비교 연구

공예은 ( Yeaeun Gong ),권가진 ( Gahgene Gweon ) 한국교육공학회 2022 교육공학연구 Vol.38 No.2

온라인 학습에서 문제 유형과 학습자 특성은 모두 학습자의 이탈행동에 영향을 주는 것으로 알려져 있다. 기존 연구에서는 문제 유형과 학습자 특성 중 무엇이 학습자의 이탈행동에 상대적으로 더 중요한지를 연구하여 두 변수 중 어디에 집중하여 이탈행동에 대응할 것인지를 탐구하였다. 그러나 이러한 연구들은 중학생 이상의 연령을 대상으로 Intelligent Tutoring System(이하, ITS) 상에서 이루어져왔으며, 유아용 교육게임에서는 탐구되지 않았다. 이에 본 연구에서는 유아용 교육게임에서 문제 유형과 학습자 특성 중 어떤 변수가 세 가지 이탈행동인 게이밍, 풀이 외 행동, 중도포기를 보다 잘 설명할 수 있는지 탐구하였다. 게이밍이란, 깊게 고민하는 대신 시스템의 특성을 이용해서 문제를 푸는 행동이다. 풀이 외 행동은 학습활동과는 무관한 행동이며, 중도포기는 문제풀이를 완료하기 전 풀이를 중단하는 행동이다. 본 연구의 목적을 달성하기 위해, 유아용 교육게임 어플리케이션인 KitkitSchool을 플레이한 409명의 15,066개의 로그 데이터를 활용하여 다음 두 가지 절차를 수행하였다. 첫째, 게이밍, 풀이 외 행동, 중도포기 별로 이탈행동의 발생 여부를 레이블링하고, 문제 유형-학습자 별 이탈행동비율, 문제 유형 별 이탈행동비율, 학습자 별 이탈행동비율을 도출하였다. 둘째, 문제 유형 별 이탈행동비율과 학습자 별 이탈행동비율이 문제 유형-학습자 별 이탈행동비율에 가지는 설명력을 비교하기 위해 네 가지 분석인 선형회귀분석, 자기상관분석, 히스토그램, 베이지안 네트워크 분석을 수행하였다. 그 결과, 네 가지 분석 모두에서 문제 유형이 학습자 특성에 비해 세 가지 이탈행동을 보다 잘 설명하는 것으로 나타났다. 이러한 연구 결과를 토대로, 유아용 교육게임에서 세 가지 이탈행동을 이해하기 위해 문제 유형을 중심으로 탐구할 것을 제안하였다 Both problem type and student characteristics are known to affect online learner disengagement. Therefore, examining which factor, problem type or student characteristic, has a relatively higher impact on learner’s disengagement is important in terms of helping researchers understand which of the two variables they should focus more to prevent disengagement effectively. Previous studies have compared problem type and student characteristics in school-aged children using the Intelligent Tutoring Systems(ITS); however, there have been few studies examining pre-school educational games. Therefore, this study examined the problem type or student characteristics variables in the context of educational games that could better explain the three types of disengagement: gaming, off-task, and quit. Gaming is a behavior when learners attempt to solve problems by exploiting the system ’s properties rather than thinking deeply. Off-task refers to when students disengage in learning tasks, and quitting is a behavior where students give up during problem-solving activity. To identify the variable that better explains the three types of disengagement, four analyses were conducted: linear regression, self-correlation analysis, histogram, and Bayesian network. The analyses were performed using 15,066 of logged data from 409 learners who played KitkitSchool, a preschool educational game application. As a result, in all four analyses, it was found that the problem type better explained the three disengagements compared to the learner characteristics. Therefore, it is necessary to further explore problem types to more fully understand the three disengagement types in educational games.

모사학습의 문장형 수학 문제 자동 풀이 적용 가능성 탐구

김부근(Bugeun Kim),권가진(Gahgenen Gweon) 한국정보과학회 2021 한국정보과학회 학술발표논문집 Vol.2021 No.6