American Korean Learners with Pronunciation Errors Automated Scoring Model for Korean Speaking Assessments

본 연구는 문헌연구를 통해 자동채점 도입의 방해 요인을 제거하고, 발음 오류의 원인과 양상을 파악함으로 써 한국어 말하기 평가의 객관성과 신뢰도 향상에 기여하고자 하였다. 현재 음성인식기술은 딥러닝을 통해 AI 가 학습하여 사람의 음성을 더욱 정확하게 인식하고 문장 단위로 음성을 이해하는 것이 가능한 수준에 이른 상태이다. 그럼에도 담화 연결어 유형 수, 대명사 수, 접속사 수를 세는 수준에 그치고 있고, 내용 적합도나 일 관성에 대한 측정은 아직 제대로 이루어지지 못하고 있다. 또한, 미국인 한국어 학습자는 영어와 다른 음운 체 계로 인해 자음에서 주로 오류가 발생하고, 철자를 따름으로 인해 외국어의 발음 학습에 부정적인 영향을 받는 것으로 조사되었다. 이에 따라 본 연구에서는 음성 코퍼스 데이터 셋에서 추출한 비분절, 유창성 자질을 딥러 닝을 통해 학습하도록 하여 미국인 학습자의 유창성까지 반영하여 채점할 수 있는 자동채점 평가모델을 제시 하였다.