DOI QR코드

DOI QR Code

Analysis of the Usability of Machine Translators as an English Learning Tool -Through backtranslation of the as phrase

영어학습 도구로서 기계번역기의 가용성 분석 - as구문 역번역을 통하여

  • Park, Kwonho ;
  • Kim, Jeong-ryeol
  • 박권호 (한국교원대학교 영어교육과) ;
  • 김정렬 (한국교원대학교 초등교육과)
  • Received : 2020.12.21
  • Accepted : 2021.01.26

Abstract

Machine translators first appeared in the 1950s and made a leap in translation accuracy by applying the neural translation system in the 2010s. However, it is still having difficulty in translating complex sentences, which made it inconvenient to use machine translators as an English learning tool. Therefore, this study analyzed the usability of a machine translator as an English learning tool through a backtranslation experiment of as phrases. As analysis tools, Google Translator, Naver Papago, and Microsoft Translator, were used since they are representative machine translators using a neural translation system. As a result of the study, findings are: The usability was significantly different according to each as usage when using a machine translator. Accordingly, as usages in sentences were classified into high, ordinary, and low usability. Unlike previous studies, this study has a research contribution in analyzing the machine translator as a direct learning tool and quantifying the usability of the conjunction as.

기계번역기는 1950년대 처음 등장하였고 2010년대 신경망번역시스템을 적용하면서 번역정확성에 비약적인 발전을 하였다. 하지만 아직도 복잡한 문장의 번역에는 어려움을 겪고 있으며 이것은 영어학습 도구로서 기계번역기를 이용하는데 불편함을 주었다. 따라서 본 연구는 고등학교 1학년 수준의 문장들 중 다양한 뜻과 품사를 가지고 있는 as가 포함된 문장들을 분석대상으로 기계번역기를 이용한 역번역실험을 통해서 영어학습 도구로서 기계번역기의 가용성을 분석했다. 분석도구로는 신경망번역시스템을 이용한 대표적인 기계번역기인 구글 번역기, 네이버 파파고, 마이크로소프트 번역기를 이용하였다. 연구결과 기계번역기 사용시 각 as용법에 따라서 가용성이 유의하게 다른 것을 확인하였고 그에 따라 각 문장에 쓰인 as용법을 기계번역기를 사용하여 학습할 시 가용성이 높은 용법, 보통인 용법, 낮은 용법으로 분류하였다. 선행연구와는 다르게 직접 학습도구로서 기계번역기를 분석했고 접속사 as의 용법의 가용성을 수치화 시킨 데 있어서 본 연구는 연구적 공헌점을 가진다.

References

  1. 이창인, "기계번역의 역사와 현안 문제점," 언어연구, 제11권, pp.137-146, 1995.
  2. 서보현, 김순영, "기계번역 결과물의 오류유형 고찰," 번역학연구, 2018봄 제19권, 제1호, pp.99-117, 2018.
  3. 김혜경, 윤소영, "역번역을 통한 기계번역의 한계와 발전 가능성 제고: 채식주의자를 중심으로," 동화와번역, 제37집, pp.13-37, 2019.
  4. 안미영, "한국어와 영어의 언어적 차이에 따른 기계번역의 문제점과 그에 대한 포스트 에디팅 방향 제안," 영어영문학, 제25권, 제1호, pp.103-130, 2020.
  5. 경기도 교육청(2018년 11월, 2019년 6월), 부산광역시 교육청(2019년 6월), 서울특별시 교육청(2020년 3월), 인천광역시 교육청(2020년 9월).
  6. 심우철, 세상의 모든 구문 끝내기, 리딩영어사, pp.178-182, 2013.
  7. Elad Plotink, "Free Machine Translation Engines, the best so far", https://www.textunited.com/blog/best-free-machine-translation-engines/, TextUnited, 2020.
  8. 최민주, 김정렬, "수능 영어 문항 유형간 응집력과 어 휘정보 분석," 한국콘텐츠학회논문지, Vol.17, No.12, pp.378-385, 2017.
  9. 황이수, 이제영, "수학능력시험 영어 읽기 지문의 응집성과 문항 난이도 간의 상관관계 분석," 한국콘텐츠학회논문지, Vol.20, No.5, pp.344-350, 2020.
  10. 강동호, "2020년 EBS 연계교재와 대학수학능력시험 의 듣기 및 읽기 어휘 분석," 한국콘텐츠학회논문지, Vol.20, No.10, pp.679-687, 2020.