RISS 학술연구정보서비스

검색

인기 검색어

    다국어 입력

    http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

    변환된 중국어를 복사하여 사용하시면 됩니다.

    예시)
    • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
    • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
    닫기
    KCI등재

    초등 글쓰기 교육을 위한 유사 문장 자동 선별

    한글로보기

    https://www.riss.kr/link?id=A102123604

    • 0

      상세조회
    • 0

      다운로드
    서지정보 열기
    • 내보내기
    • 내책장담기
    • 공유하기
    • 오류접수

    부가정보

    국문 초록 (Abstract) kakao i 다국어 번역

    자신이 쓴 문장과 유사한 문장을 살펴보는 것은 초등 글쓰기 교육을 위한 효과적인 방법 중 하나이지만, 매번 글을 쓸 때마다 교사의 지도가 필요하기 때문에 현실적으로 활용하기 쉽지 않다. 본 논문에서는 이 한계를 극복 하기 위해 컴퓨터가 자동으로 자신이 쓴 문장과 유사한 문장을 실시간으로 선별해 주는 방법을 제안한다. 이 방 법은 단어의 구성 성분을 쪼개는 단계, 쪼갠 단어를 입력으로 활용하여 인코더-디코더 모델을 학습하는 단계, 모델을 통해 얻어낸 추상화된 문장을 활용해 검색하는 단계로 구성된다. 실험 결과, 작은 규모의 데이터에 대해 75%의 정확도를 보임으로써 실용화 가능성이 높은 것으로 나타났다. 이 방법을 통해 학생들은 자신의 어색한 문장을 교정하거나 새로운 표현을 익히고 싶은 경우 다른 사람이 작성한 좋은 예문을 쉽게 참조할 수 있어 자신 의 글쓰기 능력을 향상시키는 데에 큰 도움이 될 것으로 기대된다.
    번역하기

    자신이 쓴 문장과 유사한 문장을 살펴보는 것은 초등 글쓰기 교육을 위한 효과적인 방법 중 하나이지만, 매번 글을 쓸 때마다 교사의 지도가 필요하기 때문에 현실적으로 활용하기 쉽지 않...

    자신이 쓴 문장과 유사한 문장을 살펴보는 것은 초등 글쓰기 교육을 위한 효과적인 방법 중 하나이지만, 매번 글을 쓸 때마다 교사의 지도가 필요하기 때문에 현실적으로 활용하기 쉽지 않다. 본 논문에서는 이 한계를 극복 하기 위해 컴퓨터가 자동으로 자신이 쓴 문장과 유사한 문장을 실시간으로 선별해 주는 방법을 제안한다. 이 방 법은 단어의 구성 성분을 쪼개는 단계, 쪼갠 단어를 입력으로 활용하여 인코더-디코더 모델을 학습하는 단계, 모델을 통해 얻어낸 추상화된 문장을 활용해 검색하는 단계로 구성된다. 실험 결과, 작은 규모의 데이터에 대해 75%의 정확도를 보임으로써 실용화 가능성이 높은 것으로 나타났다. 이 방법을 통해 학생들은 자신의 어색한 문장을 교정하거나 새로운 표현을 익히고 싶은 경우 다른 사람이 작성한 좋은 예문을 쉽게 참조할 수 있어 자신 의 글쓰기 능력을 향상시키는 데에 큰 도움이 될 것으로 기대된다.

    더보기

    다국어 초록 (Multilingual Abstract) kakao i 다국어 번역

    When elementary students write their own sentences, it is often educationally beneficial to compare them with other people’s similar sentences. However, it is impractical for use in most classrooms, because it is burdensome for teachers to look up all of the sentences written by students. To cope with this problem, we propose a novel approach for automatic selection of similar sentences based on a three-step process: 1) extracting the subword units from the word-level sentences, 2) training the model with the encoder-decoder architecture, and 3) using the approximate k-nearest neighbor search algorithm to find the similar sentences. Experimental results show that the proposed approach achieves the accuracy of 75% for our test data.
    번역하기

    When elementary students write their own sentences, it is often educationally beneficial to compare them with other people’s similar sentences. However, it is impractical for use in most classrooms, because it is burdensome for teachers to look up ...

    When elementary students write their own sentences, it is often educationally beneficial to compare them with other people’s similar sentences. However, it is impractical for use in most classrooms, because it is burdensome for teachers to look up all of the sentences written by students. To cope with this problem, we propose a novel approach for automatic selection of similar sentences based on a three-step process: 1) extracting the subword units from the word-level sentences, 2) training the model with the encoder-decoder architecture, and 3) using the approximate k-nearest neighbor search algorithm to find the similar sentences. Experimental results show that the proposed approach achieves the accuracy of 75% for our test data.

    더보기

    목차 (Table of Contents)

    • 요약
    • ABSTRACT
    • 1. 서론
    • 2. 이론적 배경
    • 3. 유사 문장의 자동 선별 방법
    • 요약
    • ABSTRACT
    • 1. 서론
    • 2. 이론적 배경
    • 3. 유사 문장의 자동 선별 방법
    • 3.1. 데이터 전처리
    • 3.2. 인코더-디코더 학습
    • 3.3. 근사 k-인접 이웃 탐색
    • 4. 실험 결과
    • 4.1. 실험 환경 구축
    • 4.2. 정확도 측정 및 분석
    • 5. 결론 및 향후 연구
    • 참고문헌
    더보기

    참고문헌 (Reference)

    1 이창근, "초등학교 문장 쓰기 지도 내용" 한국문법교육학회 12 : 321-341, 2010

    2 김성연, "온라인 게시판 활용 글쓰기가 초등학생들의 영어 쓰기 및 태도에 미치는 영향" 한국초등영어교육학회 18 (18): 131-150, 2012

    3 손정우, "과학글쓰기를 통한 과학영재학생들의 과학적 사고력과창의적 문제해결력 연구" 한국과학영재교육학회 1 (1): 21-32, 2009

    4 Salton, G, "Term-Weighting Approachs in Automatic Text Retrieval" 24 (24): 513-523, 1988

    5 Park, Y., "Scalable k-Nearest Neighbor Graph Construction Based on Greedy Filtering" 227-228, 2013

    6 Park, Y., "Query-Specific Signature Seletion for Efficient k-Nearest Neighbour Approximation" 2016

    7 Sennrich, R., "Neural Machine Translation of Rare Words with Subword Units" 2016

    8 Bahdanau, D., "Neural Machine Translation By Jointly Learning to Align and Translate" 1-15, 2015

    9 Manning, C., "Introduction to Information Retrieval" Cambridge University Press 2008

    10 Thornbury, S., "How to Teach Grammar" Longman 2000

    1 이창근, "초등학교 문장 쓰기 지도 내용" 한국문법교육학회 12 : 321-341, 2010

    2 김성연, "온라인 게시판 활용 글쓰기가 초등학생들의 영어 쓰기 및 태도에 미치는 영향" 한국초등영어교육학회 18 (18): 131-150, 2012

    3 손정우, "과학글쓰기를 통한 과학영재학생들의 과학적 사고력과창의적 문제해결력 연구" 한국과학영재교육학회 1 (1): 21-32, 2009

    4 Salton, G, "Term-Weighting Approachs in Automatic Text Retrieval" 24 (24): 513-523, 1988

    5 Park, Y., "Scalable k-Nearest Neighbor Graph Construction Based on Greedy Filtering" 227-228, 2013

    6 Park, Y., "Query-Specific Signature Seletion for Efficient k-Nearest Neighbour Approximation" 2016

    7 Sennrich, R., "Neural Machine Translation of Rare Words with Subword Units" 2016

    8 Bahdanau, D., "Neural Machine Translation By Jointly Learning to Align and Translate" 1-15, 2015

    9 Manning, C., "Introduction to Information Retrieval" Cambridge University Press 2008

    10 Thornbury, S., "How to Teach Grammar" Longman 2000

    11 Park, Y., "Greedy Filtering: A Scalable Algorithm for K-Nearest Neighbor Graph Construction" 8421 : 327-341, 2014

    12 Papineni, K., "BLEU: a method for Automatic Evaluation of Machine Translation" 311-318, 2002

    13 Pham, T., "A Study on Teaching and Learning Korean Grammars Method based on Paraphrasing Activities" Seoul National University 2012

    14 Park, Y., "A Novel Algorithm for Scalable k-Nearest Neighbour Graph Construction" 42 (42): 274-288, 2016

    15 Park, Y., "A Fast k-Nearest Neighbor Search Using Query-Specific Signature Selection" 1883-1886, 2015

    더보기

    분석정보

    View

    상세정보조회

    0

    Usage

    원문다운로드

    0

    대출신청

    0

    복사신청

    0

    EDDS신청

    0

    동일 주제 내 활용도 TOP

    더보기

    주제

    연도별 연구동향

    연도별 활용동향

    연관논문

    연구자 네트워크맵

    공동연구자 (7)

    유사연구자 (20) 활용도상위20명

    인용정보 인용지수 설명보기

    학술지 이력

    학술지 이력
    연월일 이력구분 이력상세 등재구분
    2022 평가 재인증평가 신청대상 (재인증)
    2019-01-01 등재 등재학술지 유지 (계속평가) KCI등재
    2016-01-01 등재 등재학술지 유지 (계속평가) KCI등재
    2012-01-01 등재 등재학술지 유지 (등재유지) KCI등재
    2009-01-01 등재 등재학술지 선정 (등재후보2차) KCI등재
    2008-01-01 등재 등재후보 1차 PASS (등재후보1차) KCI등재후보
    2007-01-01 등재 등재후보학술지 유지 (등재후보1차) KCI등재후보
    2006-01-01 등재 등재후보 1차 FAIL (등재후보1차) KCI등재후보
    2005-01-01 등재 등재후보학술지 유지 (등재후보1차) KCI등재후보
    2004-01-01 등재 등재후보학술지 유지 (등재후보1차) KCI등재후보
    2002-01-01 등재 등재후보학술지 선정 (신규평가) KCI등재후보
    더보기

    학술지 인용정보

    학술지 인용정보
    기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
    2016 1.5 1.5 1.45
    KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
    1.41 1.25 1.991 0.38
    더보기

    이 자료와 함께 이용한 RISS 자료

    나만을 위한 추천자료

    해외이동버튼