• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.670-672
• /
• 2022

이러닝 시스템을 유용하게 활용하려면 학습자의 감정을 인식하여 학습자에게 적절한 피드백을 주는 것이 무엇보다 중요하다. 이러닝 시스템의 학습효율을 높이기 위해서는 학습자의 감정을 인식하여 그에 적절한 피드백을 제공하는 것이 중요하다. 본 논문에서는 학습자에 대한 적절한 피드백을 제공하기 위해서 상황인식 컴퓨팅 기술을 바탕으로 학습자의 감정표현단어를 상황정보로 사용하여 감정을 인식할 수 있는 상황인식 미들웨어로서 EF-CAM을 제안한다. EF-CAM은 감정표현단어의 범주화기술을 기반으로 온톨로지를 구축하여 학습자의 감정을 인식한다. 이러닝 학습자의 감정을 인식하기 위해서 학습자의 감정표현 단어를 상황정보로 사용하고, 학습자의 감정에 영향을 미칠 수 있는 환경정보(온도, 습도, 날씨 등)를 추가하여 인식한다. 학습자의 감정을 표현하기 위해서 OWL 언어를 사용하여 온톨로지를 구축하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.391-394
• /
• 2011

사용자의 감정을 자동으로 인식하는 연구는 사용자 중심의 서비스를 제공할 때 중요한 요소이다. 인간은 하나의 감정을 다양하게 분류하여 인식한다. 그러나 기계학습을 통해 감정을 인식하려고 할 때 감정을 단일값으로 취급하는 방법만으로는 좋은 성능을 기대하기 어렵다. 따라서 본 논문에서는 비감독 학습과 감독학습을 결합한 감정인식 모델을 제시하였다. 제안된 모델의 핵심은 비감독 학습을 이용하여 인간처럼 한 개의 감정을 다양한 하부 감정으로 분류하고, 이렇게 분류된 감정을 감독학습을 통해 성능을 향상 시키는 것이다.

• Communications of Mathematical Education
• /
• v.33 no.3
• /
• pp.181-205
• /
• 2019

This study analyzed how university students' motivations for learning mathematics and emotions for learning mathematics occur and how they relate to each other by introducing the factor called needs in the particular context of mathematics learning, mathematics class centered on peer discussions. We conceptualized the key concepts of the study, motivation for learning mathematics and emotion for learning mathematics. Based on them, we drew specific ways to observe motivation and emotion for learning mathematics and conduct the research. As a result, motivations for learning mathematics occurred to satisfy some needs. Also, positive emotions for learning mathematics occurred when some needs were satisfied, whereas negative emotion for learning mathematics occurred when some needs were not satisfied. Furthermore, when the needs leading to motivations for leaning mathematics were satisfied, positive emotions for learning mathematics occurred. The unfulfilled needs leading to negative emotions for learning mathematics make motivations for learning mathematics occur to satisfy those needs.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.379-383
• /
• 2021

감정 분석은 텍스트 데이터에서 인간이 느끼는 감정을 다양한 감정 유형으로 분류하는 것이다. 그러나 많은 연구에서 감정 분석은 긍정과 부정, 또는 중립의 극성을 분류하는 감성 분석의 개념과 혼용되고 있다. 본 연구에서는 텍스트에서 느껴지는 감정들을 다양한 감정 유형으로 분류한 감정 말뭉치를 구축하였는데, 감정 말뭉치를 구축하기 위해 심리학 모델을 기반으로 분류한 감정 어휘 사전을 사용하였다. 9가지 감정 유형으로 분류된 한국어 감정 어휘 사전을 바탕으로 한국어 영화 리뷰 말뭉치에 9가지 감정 유형의 감정을 태깅하여 감정 분석 말뭉치를 구축하고, KcBert에 학습시켰다. 긍정과 부정으로 분류된 데이터로 사전 학습된 KcBert에 9개의 유형으로 분류된 데이터를 학습시켜 기존 모델과 성능 비교를 한 결과, KcBert는 다중 분류 모델에서도 우수한 성능을 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.29-33
• /
• 2004

본 논문에서는 인간과 엔터테인먼트 로봇의 상호작용을 위해, 동기(motivation)와 계층화된 감정(hierarchical emotion)에 기반한 행동결정 모델을 설계하였다. 감정모델은 계층화되고 학습 가능하도록 하여, 인간의 행동결정과 유사하게 동작하도록 하였다. 감정모델을 통해 로봇의 행동에 대한 인간의 반응이 학습되는데, 그 결과가 행동결정에 영향을 주어 로봇의 행동에 반영되도록 하였다. 감정모델과 함께 동기가 행동결정에 영향을 주는데, 초기에는 외부에서 주어지는 동기가 주로 행동을 결정하고, 감정모델이 학습될수록 점차 감정의 영향이 증가하여 동기와 계층화된 감정을 함께 고려하여 행동을 결정하도록 하였다. 그럼으로써, 인간과의 상호작용을 통해 정보를 축적하고 인간의 반응에 적응해나갈 수 있게 하였다

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.238-244
• /
• 2022

감정 분석은 텍스트에 표현된 인간의 감정을 인식하여 다양한 감정 유형으로 분류하는 것이다. 섬세한 인간의 감정을 보다 정확히 분류하기 위해서는 감정 유형의 분류가 무엇보다 중요하다. 본 연구에서는 사전 학습 언어 모델을 활용하여 우리말샘의 감정 어휘와 용례를 바탕으로 기쁨, 슬픔, 공포, 분노, 혐오, 놀람, 흥미, 지루함, 통증의 감정 유형으로 분류된 감정 말뭉치를 구축하였다. 감정 말뭉치를 구축한 후 성능 평가를 위해 대표적인 트랜스포머 기반 사전 학습 모델 중 RoBERTa, MultiDistilBert, MultiBert, KcBert, KcELECTRA. KoELECTRA를 활용하여 보다 넓은 범위에서 객관적으로 모델 간의 성능을 평가하고 각 감정 유형별 정확도를 바탕으로 감정 유형의 특성을 알아보았다. 그 결과 각 모델의 학습 구조가 다중 분류 말뭉치에 어떤 영향을 주는지 구체적으로 파악할 수 있었으며, ELECTRA가 상대적으로 우수한 성능을 보여주고 있음을 확인하였다. 또한 감정 유형별 성능을 비교를 통해 다양한 감정 유형 중 기쁨, 슬픔, 공포에 대한 성능이 우수하다는 것을 알 수 있었다.

• Journal of IKEEE
• /
• v.24 no.4
• /
• pp.998-1003
• /
• 2020

In this paper, an emotion training method using emotional adaptation is proposed to improve the performance of the existing emotion recognition system. For emotion adaptation, an emotion speech model was created from a speech model without emotion using a small number of training emotion voices and emotion adaptation methods. This method showed superior performance even when using a smaller number of emotional voices than the existing method. Since it is not easy to obtain enough emotional voices for training, it is very practical to use a small number of emotional voices in real situations. In the experimental results using a Korean database containing four emotions, the proposed method using emotional adaptation showed better performance than the existing method.

• Journal of Industrial Convergence
• /
• v.20 no.11
• /
• pp.41-47
• /
• 2022

This study explored the academic emotions of university freshmen depending on the type of online class(pre-recorded lecture vs. real time online class) that they took during the COVID-19 lockdown. 170 freshmen participated in the survey based on the 'Academic Emotion Questionnaire(AEQ)', and the statistical results are as follows; Firstly, research showed that the participants felt higher positive emotions for pre-recorded lecture than for real time online class, and higher negative emotions for real time online class than for pre-recorded lecture(p < .01). Secondly, participants felt different emotions depending on English level(p < .01). Thirdly, participants felt different emotions depending on their majors(p < .01). Students majoring in science & engineering felt higher positive emotions than those in humanities & social studies in pre-recorded lecture class. Fourthly, participants felt different emotions depending on gender(p < .01). Female students felt higher negative emotions than male students. Finally, the pedagogical implications and suggestions were discussed.

• Journal of the Korea Convergence Society
• /
• v.12 no.4
• /
• pp.369-375
• /
• 2021

The study explores the kinds of emotions freshmen in South Korea universities experience. Specifically, the study examines their emotional experiences on level-differentiated classes, team-teaching by native speakers and Korean professors, and communicative activities. 327 freshmen participated in the survey based on 'Academic Emotions Questionnaire (AEQ)' and the statistical results are as follows: Firstly, research showed that the participants in advanced classes feel higher negative emotions such as 'worries' and 'boredom' than those of beginner and intermediated classes (P < .05). Secondly, participants feel higher level of 'fun', 'satisfaction' and lower level for 'boredom' in the native speaker classes than those of Korean professors (P < .001). Thirdly, participants feel games are the most 'fun' and 'satisfying', while presentations are viewed as the most 'worrying' and 'boring' among the communicative activities (P < .001). Finally, the pedagogical implications and suggestions are discussed.

• Annual Conference on Human and Language Technology
• /
• 2012.10a
• /
• pp.123-125
• /
• 2012

본 논문은 기계 학습을 이용한 감정 분류에 필요한 학습 말뭉치를 효율적으로 확장하는 방법에 대하여 기술한다. 학습 말뭉치는 일반적으로 그에 알맞은 레이블을 정해야 하는데, 그 양이 어마어마하기 때문에 이 과정을 일일이 사람이 할 수는 없다. 그에 대한 해결책으로써 이미 많은 준지도학습 방법이 연구되었고, 그것을 트윗이라는 짧은 문서를 감정 분류하는 것에 적용해도 감정 문서 분류기의 성능이 좋다는 결과를 확인하였다.