• 말소리와 음성과학
• /
• 제15권4호
• /
• pp.71-80
• /
• 2023

본 연구는 말더듬 화자들의 음성 데이터를 기반으로 하여, 인공지능 기술을 활용한 말더듬 자동 식별 방법을 개발하는 것을 주목적으로 진행되었다. 특히, 한국어를 모국어로 하는 말더듬 화자들을 대상으로 CNN(convolutional neural network) 알고리즘을 활용한 식별기 모델을 개발하고자 하였다. 이를 위해 말더듬 성인 9명과 정상화자 9명을 대상으로 음성 데이터를 수집하고, Google Cloud STT(Speech-To-Text)를 활용하여 어절 단위로 자동 분할한 후 유창, 막힘, 연장, 반복 등의 라벨을 부여하였다. 또한 MFCCs(mel frequency cepstral coefficients)를 추출하여 CNN 알고리즘을 기반한 말더듬 자동 식별기 모델을 수립하고자 하였다. 연장의 경우 수집결과가 5건으로 나타나 식별기 모델에서 제외하였다. 검증 결과, 정확도는 0.96으로 나타났고, 분류성능인 F1-score는 '유창'은 1.00, '막힘'은 0.67, '반복'은 0.74로 나타났다. CNN 알고리즘을 기반한 말더듬 자동분류 식별기의 효과를 확인하였으나, 막힘 및 반복유형에서는 성능이 미흡한 것으로 나타났다. 향후 말더듬의 유형별 충분한 데이터 수집을 통해 추가적인 성능 검증이 필요함을 확인하였다. 향후 말더듬 화자의 발화 빅데이터 확보를 통해 보다 신뢰성 있는 말더듬 자동 식별 기술의 개발과 함께 이를 통한 좀 더 고도화된 평가 및 중재 관련 서비스가 창출되기를 기대해 본다.

• 공학교육연구
• /
• 제10권3호
• /
• pp.64-78
• /
• 2007

영어 논문의 작성 능력은 오늘날 공학도들에게 필수적으로 요구되는 자질이다. 주요 해외 저널에 얼마나 많은 논문이 게재되었느냐가 학문적 성과를 평가하는 주된 척도라는 점과 주요 해외 저널들이 보다 많은 독자들을 대상으로 하기 위하여 영어로 쓰여진다는 점 때문에 영어 논문 작성 능력에 대한 필요성은 한국을 포함한 영어가 모국어가 아닌 모든 국가들에서 강조되고 있는 실정이다. 그러나, 불행히도 한국에 있는 이공계 대학들은 석/박사 연구원들의 영어 논문 작성 능력 향상을 위한 정규적인 교육 과정을 제공하고 있지 못하다. 이러한 상황을 더욱 악화시키는 것은 구체적인 기술 논문 작성 방법론에 대한 문헌이 부족하다는 점이다. 원어민(Native Speaker)을 위한 기술 논문 작성 방법론에 대한 문헌이나 EFL 학습자들을 위한 일반적인 영어 작문법에 대한 문헌은 많이 있지만, EFL 학습자들을 위한 기술 논문 작성법에 대한 지침서나 문헌은 찾기 힘들다. 따라서, 본 보고서의 목적은 두 가지로 나누어 볼 수 있다. 첫째, 영문 기술 논문 작성에 대한 교육 방법론이 생소한 한국에서 이공계 연구원을 대상으로 강의를 하고 있는 EFL 강사들에게 제기될 수 있는 일반적인 논제들을 제시한다. 이 논제들은 적절한 강의 접근법(Teaching Approach), 최적의 학생 배치(Class Arrangement), 그리고 컴퓨터 학습 도구의 활용뿐 아니라 대조 수사학(Contrastive Rhetoric)의 중요성에 대한 내용을 포함한다. 둘째, 실제적인 강의 제안서도 제시한다. 본 강의 제안서는 기술 논문 작성법 강의 수강생들의 작문 샘플에 대한 분석 결과와 기술 논문 작성법에 대한 자가 진단 설문 응답 분석 결과를 근거로 작성하였고, 한국인 EFL 학습자가 기술 논문 교육 과정을 통하여 문법(Grammar), 과정(Process), 장르 기술(Genre Skills) 등을 골고루 개발할 수 있도록 하였다. 본 보고서는 EFL 기술 논문 과정의 개발에 대한 여러 일반적인 논점들을 공유함으로써 기술논문 교육방법론 연구가 부족한 한국의 공학 교육계에 하나의 사례를 제시하였다.