KR20170139916A - 한글 철자 검사지 생성 및 검사 결과 해석 시스템 - Google Patents

한글 철자 검사지 생성 및 검사 결과 해석 시스템 Download PDF

Info

Publication number
KR20170139916A
KR20170139916A KR1020160072509A KR20160072509A KR20170139916A KR 20170139916 A KR20170139916 A KR 20170139916A KR 1020160072509 A KR1020160072509 A KR 1020160072509A KR 20160072509 A KR20160072509 A KR 20160072509A KR 20170139916 A KR20170139916 A KR 20170139916A
Authority
KR
South Korea
Prior art keywords
spelling
test
unit
items
result
Prior art date
Application number
KR1020160072509A
Other languages
English (en)
Other versions
KR101812763B1 (ko
Inventor
양민화
이애진
Original Assignee
주식회사 아이디엘
국민대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 아이디엘, 국민대학교산학협력단 filed Critical 주식회사 아이디엘
Priority to KR1020160072509A priority Critical patent/KR101812763B1/ko
Publication of KR20170139916A publication Critical patent/KR20170139916A/ko
Application granted granted Critical
Publication of KR101812763B1 publication Critical patent/KR101812763B1/ko

Links

Images

Classifications

    • G06F17/273
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/232Orthographic correction, e.g. spell checking or vowelisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs
    • G06F16/24578Query processing with adaptation to user needs using ranking
    • G06F17/21
    • G06F17/2755
    • G06F17/3053
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/10Text processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/268Morphological analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06KGRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 발명은 한글 철자 검사지 생성 및 검사 결과 해석 시스템에 관한 것으로서, 난이도가 일정한 철자 검사지를 생성하여 검사의 신뢰성을 향상시킬 수 있고, 검사자가 목표를 설정하면 설정된 목표에 맞게 문항들을 문항DB로부터 추출하여 검사지를 자동적으로 생성할 수 있도록 하고, 검사자가 설정한 학생의 목표수준에 적합한 문항들을 문항DB로부터 추출하여 최적의 검사지를 생성할 수 있도록 하며, 나아가 피검사자가 작성한 철자 검사지를 그대로 스캔하여 문자로 인식하고, 자동으로 채점하여 신뢰성이 높은 채점결과 도출이 용이하고, 채점결과를 분석하여 피검사자의 오류분석과 예측발달수준에 대한 정보를 제공함으로써 교수자료나 자기주도 학습 자료로 활용될 수 있도록 하며, 피검사자의 검사결과가 누적되도록 하여 상위 30% 학생과의 상대적인 비교를 통해 피검사자의 현재 수준과 진전도를 용이하게 파악하도록 하며, 레파지토리 시스템을 통해 검사결과가 지속적으로 누적, 업데이트 되면서 검사결과 해석의 신뢰성과 타당성을 확보할 수 있도록 하기 위한 한글 철자 검사지 생성 및 검사 결과 해석 시스템에 관한 것이다.

Description

한글 철자 검사지 생성 및 검사 결과 해석 시스템 {SYSTEM FOR GENERATING EXAMINATION OF KOREAN SPELLING AND ANALYZING TEST RESULT THEREOF}
본 발명은 한글 철자 검사지 생성 및 검사 결과 해석 시스템에 관한 것으로서, 특히 난이도가 일정한 철자 검사지를 생성하여 검사의 신뢰성을 향상시킬 수 있고, 검사자가 목표를 설정하면 설정된 목표에 맞게 문항들을 문항 데이터베이스로부터 추출하여 검사지를 자동적으로 생성할 수 있도록 하고, 검사자가 설정한 학생의 목표수준에 적합한 문항들을 문항 데이터베이스로부터 추출하여 최적의 검사지를 생성할 수 있도록 하며, 나아가 피검사자가 작성한 철자 검사지를 그대로 스캔하여 문자로 인식하고, 자동으로 채점하여 신뢰성이 높은 채점결과 도출이 용이하고, 채점결과를 분석하여 피검사자의 오류분석과 예측발달수준에 대한 정보를 제공함으로써 교수자료나 자기주도 학습 자료로 활용될 수 있도록 하며, 피검사자의 검사결과가 누적되도록 하여 상위 30% 학생과의 상대적인 비교를 통해 피검사자의 현재 수준과 진전도를 용이하게 파악하도록 하며, 레파지토리 시스템을 통해 검사결과가 지속적으로 누적, 업데이트 되면서 검사결과 해석의 신뢰성과 타당성을 확보할 수 있도록 하기 위한 한글 철자 검사지 생성 및 검사 결과 해석 시스템에 관한 것이다.
철자 능력(한글 철자 능력)을 측정할 수 있는 표준화된 검사 도구로서 한국형 철자발달검사(양민화, 나종민, 2014)와 그리고 KOLRA(한국어읽기검사, 배소영, 김미배, 윤효진, 장승민)가 있다.
전자에 해당하는 한국형 철자발달검사는 초등학교 1-3학년까지 표준화되어 있으며, 음운형과 형태소형의 두 가지 유형이 있으며, 각 유형당 가형, 나형의 두 가지 검사지가 제공된다. 이 검사는 검사자가 단어와 예시문장을 들려주면, 피검자가 종이에 받아 적는 방법으로 기존의 받아쓰기 방법과 유사한데, 그 검사결과는 검사자가 육안으로 확인하고 직접 채점하여 점수를 계산하고, 표준점수와 비교하여 결과를 산출하도록 구성되어 있어서 사용하기 불편하고 평가 결과에서 객관성을 확보하기 어려운 문제점이 있다. 또한, 점수의 계산과정이 전체단어와 목표음소별로 구성되어 있어서 쉽지 않았으며 검사지가 음운형(가형, 나형)과 형태소형(가형, 나형)의 4개의 유형만으로 구성되어 있어 학습의 진전도를 검사하기에 부족하였다.
그리고 후자에 해당하는 KOLRA 검사는 초등학교 1-6학년까지 표준화되어 있으며, 쓰기 평가 영역의 하위영역 중에 받아쓰기 검사가 있다. 이 검사는 단어와 문장쓰기로 구성되어 있으며, 검사결과는 검사자가 직접 채점하여 점수를 계산하고, 컴퓨터에 원점수를 입력하면 표준점수를 산출해주는 방식이다. 그러나 이 검사 역시 한 개의 유형으로 구성되어 있어, 학습의 진전도를 검사하기가 어렵고 검사결과가 받아쓰기 전체 점수를 기준하여 표준점수를 제공해주기 때문에 피검사자의 철자능력 수준을 세부적으로 분석하는데 어려움이 있다는 한계점을 가진다.
앞서 설명된 두 가지 검사 모두 피검사자의 연령별 철자수준 테스트만을 제시할 수 있을 뿐이며, 세부적인 철자능력(예, 초성에 어려움이 있는지, 음운변동에 어려움이 있는지 등)과 발달수준에 따른 철자능력의 평가가 어렵다는 문제점을 가지며, 또한 진전도 검사를 실시할 만큼의 다양한 검사지가 제공되지 않기 때문에 평가결과를 중재와 연계하기 위한 정보를 제공하기가 어렵다는 문제점을 가지고 있다. 또한, 검사자가 직접 피검사자의 검사결과를 해석하기 위해서는 국어학적 지식과 철자발달에 대한 지식이 요구되기 때문에 전문가가 아닌 경우 검사해석에 어려움이 크고 일관성과 객관성이 부족하다는 문제점을 가진다.
한편, 일반적인 시험문항 추출에 의한 시험지 자동 생성 시스템과 관련한 종래 기술로서 제안된 대한민국 공개특허공보 특2001-0079233호(2001.08.22. 공개)에서는 학습자에게 숫자가 포함된 다수의 항으로 이루어진 수학문제가 제공되는 학습문제 생성시스템으로서, 각 항의 숫자에 대한 분포와 각 항의 숫자들간의 관계가 설정된 문제생성규칙이 구성되고, 상기 학습자의 학습능력을 분석하여 난이도가 자동으로 설정되고, 상기 설정된 난이도와 학습자의 학습내용에 따라 상기 문제생성규칙을 검색하게 되며, 검색된 문제생성규칙을 이용하여 난수를 발생하여 실시간으로 문제가 생성되어 학습자에게 제공될 수 있도록 구성된 문항 생성 시스템을 제안하고 있는데, 이와 같은 공개 기술에서는 난이도가 자동으로 설정된 상태의 문항을 포함한 문제지를 실시간으로 생성함에 그치고 있으며, 각각의 검사에서 얻은 점수결과가 같은 의미를 가지게 되어 검사의 신뢰성을 확보할 수 있도록 하는 수단을 제공하지는 못하고 있으며, 나아가 검사결과가 지속적으로 누적, 업데이트되도록 하여 피검자의 현재수준과 향상도(진전도)를 파악하기 용이하도록 하는 구성을 제시하지도 않으며, 나아가 문제은행에 추가될 추가 예비문항의 검증을 위한 구성을 제시하지 못하고 있는 한계점을 가지고 있다.
또 다른 관련 종래 기술로서 인터넷상에서 서로 다른 선택지 배열을 갖는 시험문제를 출제하고 채점하는 방법이 대한민국 공개특허공보 제10-2010-0111819호(2010.10.18. 공개)에 의해 개시되어 있는데, 이 기술에서는 응시자가 인터넷상의 시험문제 출제 및 채점시스템에 접속하여 학습을 위한 시험문제를 요청하는 단계; 시험문제 출제 및 채점시스템이 응시자의 요청에 따라 서로 다른 선택지 배열을 갖는 시험문제로 이루어진 다수의 개별 시험지를 생성하는 단계; 시험문제 출제 및 채점시스템이 다수의 개별 시험지 중 랜덤하게 호출된 개별 시험지와 함께 답안지를 시험문제를 요청한 응시자의 단말기로 전송하는 단계; 단말기를 통해 개별 시험지와 답안지를 제공받은 응시자가 해당 개별 시험지에 대한 답안을 작성하고, 이를 시험문제 출제 및 채점시스템에 전송하는 단계; 및 시험문제 출제 및 채점시스템이 응시자의 답안지를 채점하는 단계를 포함하는 구성을 제시하고 있으나, 이 기술 또한 난이도를 달리하는 문제지를 다양하게 구성하면서도 각각의 검사에서 얻은 점수결과가 같은 의미를 가지게 되어 검사의 신뢰성을 확보할 수 있도록 하는 수단을 별도로 제공하지는 못하고 있으며, 또한 검사결과가 지속적으로 누적, 업데이트되도록 하여 피검자의 현재수준과 향상도(철자 능력 진전도)를 파악하기 용이하도록 하는 구성을 제시하지도 않고 있으며, 나아가 문제은행에 추가될 추가 예비문항의 검증을 위한 구성을 제시하지 못하고 있다는 한계점을 가지고 있다.
대한민국 공개특허공보 특2001-0079233호 대한민국 공개특허공보 제10-2010-0111819호
본 발명은 상기 종래기술들이 가진 한계점과 문제점을 해결하기 위해 제안된 것으로서, 다양한 문항을 가진 철자검사용 문항DB에 저장된 다수의 철자검사용 선택문항으로부터 일부 선택문항을 자동적으로 추출하여 새로운 철자 검사지를 생성하되 피검사자의 철자능력 수준을 세부적으로 분석할 수 있으며 난이도가 일정한 철자 검사지를 생성할 수 있도록 하는 수단을 제공하여 생성된 각각의 철자 검사지를 통한 철자 검사의 객관성과 신뢰성을 확보할 수 있도록 하고, 검사자가 설정한 피검사자(학생)의 목표수준(예, 검사자가 임의 선택할 수 있는 수준으로서 예컨대 상위 30% 수준 또는 상위 10% 수준 등)에 적합한 선택문항을 추출하여 수준별 철자 검사지를 생성할 수 있도록 하는 수단을 제공함으로써 교수현장에서 학생의 철자수준과 향상도(진전도)를 측정할 수 있도록 하며, 그리고 검사결과 해석의 신뢰성과 타당성을 확대하며 개인별 결과가 누적되어 예컨대 상위 30% 또는 상위 10% 수준과 같이 검사자에 의해 선택적으로 설정된 상위 레벨 피검사자들의 검사 결과와의 상대적인 비교를 통해 피검사자의 현재수준과 향상도(진전도)를 용이하게 파악할 수 있도록 하는 수단을 구비한 한글 철자 검사지 생성 및 검사 결과 해석 시스템을 제공하는데 그 목적이 있다.
또한, 본 발명의 다른 목적은 피검사자가 답안을 작성한 철자 검사지를 검사자가 육안 식별을 통하여 직접 채점하는 검사자 주관 평가 방식에서 발생하는 검사자의 실수나 개인적 판단 오류에 따라 신뢰성 결핍의 문제점을 해결하기 위한 자동 채점 수단을 추가적으로 구비하고, 나아가 그 채점결과를 분석하여 피검사자의 오류분석과 예측발달수준에 대한 정보를 제공할 수 있도록 함으로써 교수자료나 자기주도 학습 자료로 활용될 수 있도록 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템은,
피검사자의 고유정보(이름, 학년, 성별, 생년월일, 지역)와 검사자가 선택하는 검사 목표를 입력받는 입력부와;
피검사자의 고유정보와 검사 관련 데이터가 저장되는 피검사자 자료DB와;
철자검사용 선택문항과 철자검사용 예비문항을 저장하고 있는 철자검사용 문항DB와;
상기 철자검사용 문항DB에 저장된 철자검사용 선택문항들로부터 상기 입력부에 의해 입력되는 피검사자의 고유정보와 검사자가 선택한 검사 목표에 맞는 선택문항(예컨대, 25-30개의 문항)과, 상기 철자검사용 문항DB에 저장된 철자검사용 예비문항들로부터 추가예비문항을 추출하는 문항추출부와;
철자검사용 문항DB에서 추출된 선택문항을 이용하여 통계모형과 알고리즘을 적용하여 단일차원에서 전체검사의 문항 세트를 생성하여 철자 검사지를 생성하되, 상기 문항 세트에는 피검사자의 점수로 채점되는 평가문항 이외에 상이한 철자 검사지 사이의 점수의 횟수나 시기에는 영향을 주지 않고 점수결과가 같은 의미를 가질 수 있도록 비교용의 기본문항이 포함되고, 생성된 철자 검사지에는 예비문항으로 추가될 새로운 추가예비문항이 포함되도록 하고, 생성된 철자 검사지를 피검사자의 고유정보와 연결하여 검사 관련 데이터로서 피검사자 자료DB에 파일 형태로 저장하는 철자 검사지 생성 저장부와;
철자 검사지 생성 저장부에서 생성된 철자 검사지를 출력하는 철자 검사지 출력부와;
철자 검사지 출력부에서 출력된 철자 검사지에 피검사자에 의한 답안 작성이 완료되면 이를 이미지 파일 형태로 스캔 또는 촬영하여 저장하는 철자 검사지 이미징부와;
철자 검사지 이미징부에 저장된 이미지 파일로부터 문자를 추출하고 추출된 문자를 상기 검사지 생성 저장부에 의해 생성되어 피검사자 자료DB에 저장된 철자 검사지 파일과 비교 채점하되, 선택문항 중의 평가문항 및 공통문항과 그리고 추가예비문항을 분리하여 문항별로 비교하여 채점하는 철자 검사지 채점부와; 그리고
철자 검사지 채점부의 채점결과(점수, 현재 수준, 진전도)를 분석하고, 피검사자의 세부적인 철자 능력을 파악할 수 있도록, 설정된 검사 목표에 따라서 음소 유형 또는 음운 변동 유형별로 발생한 오류를 오류 패턴별 분석 기준에 따라서 패턴화하여 분석하여 산출되는 오류분석 결과 정보와, 파닉스상 예측발달수준에 대한 분석 결과 정보를 상기 피검사자의 고유정보와 매핑시켜 피검사자 자료DB에 축적 저장하고 표시부에 표시하도록 제어하는 결과분석부를 포함하여 이루어진다.
여기에서, 설정되는 검사 목표가 검사자가 임의 선택 가능한 상위 난이도 레벨, 예컨대 상위 30% 수준 또는 상위 10% 수준을 포함하는 상위 난이도 레벨로써 평가 수준 목표로 설정되는 경우에, 상기 결과분석부는 피검사자의 채점 결과 점수와 검사자에 의해 선택된 상위 난이도 레벨 학생(상위 30% 또는 상위 10% 학생)의 누적 결과 점수(레파지토리 시스템에 누적된 결과)와의 상대적인 비교를 통해 피검사자의 현재 수준과 진전도를 파악하는 단계를 수행하도록 설정되는 것이 바람직하다.
한편으로, 상기 문항추출부와, 상기 철자 검사지 생성 저장부와, 그리고 상기 철자 검사지 채점부는 검사지 제어부로서 통합 구성될 수 있으며, 그리고 상기 결과분석부에는 상기 채점결과 분석부, 오류결과 분석부, 및 발달수준 분석부 뿐만 아니라 추가적으로 검사지에 포함된 추가예비문항에 대한 분리된 채점 결과로부터 선택문항으로서의 적합도를 판정하는 예비문항 분석부를 포함하여 구성되는 것이 바람직하다.
여기에서, 예비문항들은 문제은행 형태로 철자검사용 문항DB에 저장되고, 철자 검사지를 생성할 때 선택문항과 달리 피검사자 철자 능력 평가용으로 채점되지 않고 분리되어 채점되는 예비문항 중 일부 문항으로 새롭게 추가되는 추가예비문항이 다수의 철자 검사지에 포함되어서 검증 절차를 거치면서 난이도 및 변별도 측면에서 선택문항(즉, 평가문항)으로 이용되기에 적합하다는 판정이 나오는 경우에, 추가예비문항은 철자검사용 문항DB에 철자검사용 선택문항으로 변경 저장되게 된다.
본 발명에서, 상기 피검사자의 고유정보는 이름, 학년, 성별, 생년월일, 지역의 세부정보를 포함한다.
본 발명에서, 상기 결과분석부에서 이루어지는 피검사자의 철자 능력의 세부적 파악은 예컨대 음소 단위로 분석하여 이루어질 수 있는데, 철자 검사지 문항의 낱말에 대하여 상기 피검사자의 철자 쓰기 오류 항목과 정상 항목을 구분하며 각 음소의 위치별(초성, 중성, 종성, 1음절, 2음절 등)로 90% 이상의 정확도를 보이는지에 대한 정보를 제공하고, 오류 항목의 경우에 음소가 초성, 중성, 종성 중 어느 유형에 해당하는지 그 유형을 파악하고 그리고 잘못 대체 기록된 음소를 파악하며, 그리고 상기 음소 유형별로 발생한 오류를 패턴화하여 분석하는 과정에서 오류 항목의 음소 유형별로 발생한 오류를 오류 패턴별 분석 기준에 따라서 패턴화하여 분석하게 됨으로써, 상기 오류분석 결과는 상기 피검사자의 철자 받아쓰기 중에서 나타난 음소 유형별 발생 오류의 빈도 분석 정보(예컨대 종성 'ㅁ'의 오류 발생 빈도)와 음소 유형마다 나타난 대체 음소 유형의 빈도 분석(예컨대 종성 'ㅁ'을 'ㄴ'이 대체하는 오류 발생 빈도), 조음방법(예컨대 종성 ‘ㄱ’을 같은 폐쇄음인 ‘ㅂ’으로 대체), 조음점(예컨대 종성 ‘ㄱ’을 같은 조음점을 가진 ‘ㅇ’으로 대체) 비교 정보를 포함하게 된다. 여기에서, 오류분석 결과는 피검사자의 철자 받아쓰기 오류 패턴을 한눈에 파악할 수 있는 표 또는 그래프와 같이 식별력이 높은 수단을 통하여 제공되는 것이 더욱 바람직하다.
또한, 본 발명에서, 분석된 피검사자의 철자 오류 패턴이 파닉스 발달상으로 어떤 수준에 있는지를 분석하여 그 분석정보를 추가적으로 제공할 수 있으며, 또한 피검사자의 오류 패턴 상태에서 피검사자의 철자 능력의 향상을 위하여 파닉스 발달 단계에 따라서 어떤 유형의 어떤 음소로부터 학습하여야 하는지 철자 능력의 향상을 위한 학습 단계 지표를 제공하며, 이러한 오류분석 조건(조음방법, 조음점, 발달 수준 등)은 검사자가 옵션으로 선택할 수 있도록 하는 것이 바람직하다.
아울러, 본 발명에서, 레파지토리 시스템을 통하여 각 피검사자들의 누적된 검사결과로부터 연령대별 오류 패턴 데이터베이스를 구축하여, 피검사자의 오류 패턴을 피검사자가 속한 연령대의 평균적 오류 패턴과 비교 분석하여 오류 패턴에 대한 정성 분석 결과(예컨대, 연령대의 평균적 오류 패턴과 비교할 때, 다양한 음소들에서 작은 빈도로 오류가 나타나는 오류 패턴 또는 특정 음소에서 높은 빈도로 나타나는 오류 패턴으로 구분 가능; 오류 패턴의 질적 분석)도 제공하는 것이 바람직하다.
앞서 언급한 바와 같이, 상기 시스템에는 피검사자의 오류 패턴 상태에서 피검사자의 철자 능력의 향상을 위하여 파닉스 발달 단계에 따라서 어떤 유형의 어떤 음소로부터 학습하여야 하는지 철자 능력의 향상을 위한 학습단계 지표를 철자검사 오류분석 결과와 함께 제공하도록 오류 패턴별 학습단계지표 연계자료 데이터베이스를 추가적으로 포함하는 것이 바람직하며, 나아가 피검사자의 오류 패턴을 피검사자가 속한 연령대의 평균적 오류 패턴과 비교 분석하여 오류 패턴에 대한 정성 분석 결과도 제공할 수 있도록 레파지토리 시스템을 통하여 누적된 다수의 피검사자들의 검사결과로부터 구축된 연령대별 오류 패턴 데이터베이스를 추가적으로 포함하는 것이 바람직하다.
상술한 바와 같은 본 발명에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템은 다음과 같은 효과를 갖는다.
본 발명에 의하면 다양한 문항을 가진 철자검사용 문항DB에 저장된 다수의 철자검사용 선택문항으로부터 일부 선택문항을 자동적으로 추출하여 새로운 철자 검사지를 생성하면서, 이러한 검사지를 통하여 피검사자의 철자능력 수준을 세부적으로 분석할 수 있도록 하면서, 나아가 난이도가 일정한 철자 검사지를 생성할 수 있도록 하는 효과를 제공한다.
또한, 선택문항 중에서 각 학년별 교과내용을 잘 반영하고 중간 정도의 난이도, 변별도를 지닌 문항은 다수의 철자 검사지에서 공통적으로 사용되는 공통문항으로 사용되게 되고, 이 문항에 대한 답안의 채점 결과는 피검사자의 최종 점수에 반영되지 않도록 함으로써, 서로 다른 검사지에서 파생된 점수의 의미를 동일화시켜 점수해석에 동질성을 확보할 수 있도록 하여서 생성된 각각의 철자 검사지를 통한 철자 검사의 객관성과 신뢰성을 확보할 수 있도록 하는 효과를 제공하며, 아울러 검사자가 설정한 피검사자(학생)의 목표수준(예, 상위 30% 수준 또는 상위 10% 수준 등)에 적합한 선택문항을 추출하여 수준별 철자 검사지를 생성할 수 있도록 함으로써 교수현장에서 학생의 철자수준과 향상도(진전도)를 측정할 수 있도록 하며, 그리고 검사결과 해석의 신뢰성과 타당성을 확대하며 개인별 결과가 누적되어 검사자가 임의 선택하여 설정한 상위 난이도 레벨, 예컨대 상위 30% 수준 또는 상위 10% 수준과 같이 설정된 상위 레벨 피검사자들의 검사 결과와의 상대적인 비교를 통해 피검사자의 현재수준과 향상도(진전도)를 용이하게 파악할 수 있도록 하는 효과를 제공한다.
그리고, 본 발명에 따르면 검사결과는 검사자의 육안에 의존한 불확실한 채점 과정을 탈피하여 평가 결과에서 보다 높은 수준의 객관성을 확보할 수 있도록 한다.
또한, 본 발명의 일 실시예에 따르면 예비문항 분석부를 추가적으로 포함하기에, 새롭게 추가되는 추가예비문항이 다수의 철자 검사지에 포함되어서 검증 절차를 거치면서 난이도 및 변별도 측면에서 선택문항(즉, 평가문항)으로 이용되기에 적합한지 여부를 판정할 수 있게 됨으로써 철자검사용 문항DB에 철자검사용 선택문항을 지속적으로 추가 확보할 수 있도록 하는 효과를 제공하게 된다.
또한, 설정된 검사 목표에 따라서 음소 유형 또는 음운 변동 유형별로 발생한 오류를 오류 패턴별 분석 기준에 따라서 패턴화하여 분석할 수 있도록 함으로써 피검사자의 세부적인 철자 능력을 파악할 수 있도록 하며, 그리고 분석된 피검사자의 철자 오류 패턴이 파닉스 발달상으로 어떤 수준에 있는지를 알 수 있도록 함으로써 피검사자의 철자 능력의 향상을 위하여 파닉스 발달 단계에 따라서 어떤 유형의 어떤 음소로부터 학습하여야 하는지 철자 능력의 향상을 위한 학습 단계 지표를 제공받을 수 있게 된다.
나아가, 피검사자와 검사자 모두는 피검사자의 오류 패턴을 피검사자가 속한 연령대의 평균적 오류 패턴과 비교 분석하여 생성된 오류 패턴에 대한 정성 분석 결과도 제공받을 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템의 전체 구성도.
도 2는 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템의 주요 구성으로서 검사지 제어부에 대한 세부 구성도.
도 3은 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템의 결과분석부를 위한 추가적인 구성으로서 예비문항분석부를 포함한 실시예의 세부 구성도.
도 4a는 본 발명의 일 실시예에 따라 한글 철자 검사지를 생성하는 과정을 도시한 흐름도.
도 4b는 본 발명의 일 실시예에 따라 철자 검사지를 채점하고 그 결과를 분석하는 과정을 도시한 흐름도.
도 5는 본 발명의 일 실시예에 따라 한글 철자 검사지를 생성하는 과정에서 문항 생성시에 이용되는 반복 알고리즘을 설명한 도면.
이하에서, 첨부된 도면들을 참조하여 본 발명을 설명한다. 본 발명을 설명함에 있어서, 공지된 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
도 1은 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템의 전체 구성도이고, 도 2는 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템의 주요 구성으로서 검사지 제어부에 대한 세부 구성도이다.
도 1 및 도 2에 도시된 바와 같이 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템은,
피검사자의 고유정보(이름, 학년, 성별, 생년월일, 지역)와 검사자가 선택하는 검사 목표를 입력받는 입력부(110)와;
피검사자의 고유정보(이름, 학년, 성별, 생년월일, 지역)와 검사 관련 데이터가 저장되는 피검사자 자료DB(120)와;
철자검사용 선택문항과 철자검사용 예비문항을 저장하고 있는 철자검사용 문항DB(130)와;
상기 철자검사용 문항DB(130)에 저장된 철자검사용 선택문항들로부터 상기 입력부에 의해 입력되는 피검사자의 고유정보와 검사자가 선택한 검사 목표에 맞는 선택문항(예컨대, 25-30개의 문항)과, 상기 철자검사용 문항DB(130)에 저장된 철자검사용 예비문항들로부터 추가예비문항을 추출하는 문항추출부(141)와;
철자검사용 문항DB(130)에서 추출된 선택문항을 이용하여 통계모형과 알고리즘을 적용하여 단일차원에서 전체검사의 문항 세트를 생성하여 철자 검사지를 생성하되, 상기 문항 세트에는 피검사자의 점수로 채점되는 평가문항 이외에 상이한 철자 검사지 사이의 점수의 횟수나 시기에는 영향을 주지 않고 점수결과가 같은 의미를 가질 수 있도록 비교용의 기본문항이 포함되고, 생성된 철자 검사지에는 예비문항으로 추가될 새로운 추가예비문항이 포함되도록 하고, 생성된 철자 검사지를 피검사자의 고유정보와 연결하여 검사 관련 데이터로서 피검사자 자료DB(120)에 파일 형태로 저장하는 철자 검사지 생성 저장부(142)와;
철자 검사지 생성 저장부(142)에서 생성된 철자 검사지를 출력하는 철자 검사지 출력부(150)와;
철자 검사지 출력부(150)에서 출력된 철자 검사지에 피검사자에 의한 답안 작성이 완료되면 이를 이미지 파일 형태로 스캔 또는 촬영하여 저장하는 철자 검사지 이미징부(160)와;
철자 검사지 이미징부(160)에 저장된 이미지 파일로부터 문자를 추출하고 추출된 문자를 상기 검사지 생성 저장부(142)에 의해 생성되어 피검사자 자료DB(120)에 저장된 철자 검사지 파일과 비교 채점하되, 선택문항 중의 평가문항 및 공통문항과 그리고 추가예비문항을 분리하여 문항별로 비교하여 채점하는 철자 검사지 채점부(143)와; 그리고
철자 검사지 채점부(143)의 채점결과(점수, 현재 수준, 진전도)를 분석하고, 피검사자의 세부적인 철자 능력을 파악할 수 있도록, 설정된 검사 목표에 따라서 음소 유형 또는 음운 변동 유형별로 발생한 오류를 오류 패턴별 분석 기준에 따라서 패턴화하여 분석하여 산출되는 오류분석 결과 정보와, 파닉스상 예측발달수준에 대한 분석 결과 정보를 상기 피검사자의 고유정보와 매핑시켜 피검사자 자료DB(120)에 축적 저장하고 표시부(180)에 표시하도록 제어하는 결과분석부(170)를 포함하여 이루어진다.
여기에서, 설정되는 검사 목표가 검사자에 의해 임의 선택 가능한 상위 30% 수준 또는 상위 10% 수준을 포함하는 상위 난이도 레벨로써 평가 수준 목표로 설정되는 경우에, 상기 결과분석부(170)의 채점결과 분석부(171)는 피검사자의 채점 결과 점수와 검사자에 의해 선택된 상위 난이도 레벨 학생(상위 30% 또는 상위 10% 학생)의 누적 결과 점수와의 상대적인 비교를 통해 피검사자의 현재 수준과 진전도를 파악하는 단계를 수행하도록 설정되는 것이 바람직하다.
한편으로, 도 1 및 도 2에 도시된 바와 같이, 상기 문항추출부(141)와, 상기 철자 검사지 생성 저장부(142)와, 그리고 상기 철자 검사지 채점부(143)는 검사지 제어부(140)로서 통합 구성될 수 있으며, 그리고 도 3에 도시된 바와 같이 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템의 결과분석부(170)를 위한 추가적인 구성으로서 예비문항 분석부(174)를 구비할 수 있는데, 그리하여 상기 결과분석부(170)는 상기 채점결과 분석부(171), 오류결과 분석부(172), 및 발달수준 분석부(173) 뿐만 아니라 추가적으로 검사지에 포함된 추가예비문항에 대한 분리된 채점 결과로부터 선택문항으로서의 적합도를 판정하는 예비문항 분석부(174)를 포함하여 이루어지게 된다.
여기에서, 예비문항들은 문제은행 형태로 철자검사용 문항DB(120)에 저장되고, 철자 검사지를 생성할 때 선택문항과 달리 피검사자 철자 능력 평가용으로 채점되지 않고 분리되어 채점되는 예비문항 중 일부 문항으로 새롭게 추가되는 추가예비문항이 다수의 철자 검사지에 포함되어서 검증 절차를 거치면서 난이도 및 변별도 측면에서 선택문항(즉, 평가문항)으로 이용되기에 적합하다는 판정이 나오는 경우에, 추가예비문항은 철자검사용 문항DB에 철자검사용 선택문항으로 변경 저장되게 된다.
본 발명에서, 상기 피검사자의 고유정보는 이름, 학년, 성별, 생년월일, 지역의 세부정보를 포함한다.
본 발명에서, 상기 결과분석부(170)에서 이루어지는 피검사자의 철자 능력의 세부적 파악은 오류결과 분석부(172)를 통하여 예컨대 음소 단위로 분석하여 이루어질 수 있는데, 철자 검사지 문항의 낱말에 대하여 상기 피검사자의 철자 쓰기 오류 항목과 정상 항목을 구분하며 각 음소의 위치별(초성, 중성, 종성, 1음절, 2음절 등)로 90% 이상의 정확도를 보이는지에 대한 정보를 제공하고, 오류 항목의 경우에 음소가 초성, 중성, 종성 중 어느 유형에 해당하는지 그 유형을 파악하고 그리고 잘못 대체 기록된 음소를 파악하며, 그리고 상기 음소 유형별로 발생한 오류를 패턴화하여 분석하는 과정에서 오류 항목의 음소 유형별로 발생한 오류를 오류 패턴별 분석 기준에 따라서 패턴화하여 분석하게 됨으로써, 상기 오류분석 결과는 상기 피검사자의 철자 받아쓰기 중에서 나타난 음소 유형별 발생 오류의 빈도 분석 정보(예컨대 종성 'ㅁ'의 오류 발생 빈도)와 음소 유형마다 나타난 대체 음소 유형의 빈도 분석(예컨대 종성 'ㅁ'을 'ㄴ'이 대체하는 오류 발생 빈도), 조음방법(예컨대 종성 ‘ㄱ’을 같은 폐쇄음인 ‘ㅂ’으로 대체), 조음점(예컨대 종성 ‘ㄱ’을 같은 조음점을 가진 ‘ㅇ’으로 대체) 비교 정보를 포함하게 된다. 여기에서, 오류분석 결과는 피검사자의 철자 받아쓰기 오류 패턴을 한눈에 파악할 수 있는 표 또는 그래프와 같이 식별력이 높은 수단을 통하여 제공되는 것이 더욱 바람직하다.
또한, 도 3에 도시된 본 발명의 바람직한 일 실시예를 통하여 구현되는 결과분석부(170)의 발달수준 분석부(173)는, 분석된 피검사자의 철자 오류 패턴이 파닉스 발달상으로 어떤 수준에 있는지를 분석하여 그 분석정보를 추가적으로 제공할 수 있으며, 또한 피검사자의 오류 패턴 상태에서 피검사자의 철자 능력의 향상을 위하여 파닉스 발달 단계에 따라서 어떤 유형의 어떤 음소로부터 학습하여야 하는지 철자 능력의 향상을 위한 학습 단계 지표를 제공하며, 이러한 오류분석 조건(조음방법, 조음점, 발달 수준 등)은 검사자가 옵션으로 선택할 수 있도록 구성된다.
아울러, 본 발명에서, 각 피검사자들의 누적된 검사결과로부터 연령대별 오류 패턴 데이터베이스를 구축하여, 피검사자의 오류 패턴을 피검사자가 속한 연령대의 평균적 오류 패턴과 비교 분석하여 오류 패턴에 대한 정성 분석 결과(예컨대, 연령대의 평균적 오류 패턴과 비교할 때, 다양한 음소들에서 낮은 빈도로 오류가 나타나는 오류 패턴 또는 특정 음소에서 높은 빈도로 나타나는 오류 패턴으로 구분 가능; 오류 패턴의 질적 분석)도 제공하는 것이 바람직하다.
앞서 언급한 바와 같이, 상기 시스템에는 피검사자의 오류 패턴 상태에서 피검사자의 철자 능력의 향상을 위하여 파닉스 발달 단계에 따라서 어떤 유형의 어떤 음소로부터 학습하여야 하는지 철자 능력의 향상을 위한 학습단계 지표를 철자검사 오류분석 결과와 함께 제공하도록 오류 패턴별 학습단계지표 연계자료 데이터베이스(도시 생략)를 추가적으로 포함하는 것이 바람직하며, 나아가 피검사자의 오류 패턴을 피검사자가 속한 연령대의 평균적 오류 패턴과 비교 분석하여 오류 패턴에 대한 정성 분석 결과도 제공할 수 있도록 다수의 피검사자들의 누적된 검사결과로부터 구축된 연령대별 오류 패턴 데이터베이스(도시 생략)를 추가적으로 포함하는 것이 바람직하다.
이하에서는, 첨부 도면 도 4a의 흐름도를 참조하여 본 발명의 일 실시예에 따라 한글 철자 검사지를 생성하는 과정을 설명하기로 한다.
먼저, 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템의 주요 구성부의 기능은 예컨대 한글 철자 검사지 생성 프로그램과 같은 컴퓨터 프로그램을 통하여 구현될 수 있는데, 검사자가 이와 같은 한글 철자 검사지 생성 프로그램을 실행(S101)하게 되면, 검사자는 입력부(110)를 통하여 피검사자의 고유 정보와 검사 목표를 입력(S102, S103)하게 되는데, 검사 목표로는 초성, 모음, 종성, 음운변동 등의 평가 대상 목표가 설정될 수 있으며, 피검사자의 철자 능력의 목표 기준으로서 검사자에 의해 임의 선택 가능한 상위 30% 수준 또는 상위 10% 수준을 포함하는 상위 난이도 레벨과 같은 평가 수준 목표가 설정될 수 있다. 다음으로, 검사지 제어부(140)의 문항 추출부(141)가 철자검사용 문항DB(130)로부터 선택문항과 추가예비문항을 추출(S104)하게 되는데, 철자검사용 문항DB(130)는 한글코퍼스(세종말뭉치 등; https://ithub.korean.go.kr/user/noticeView.do)의 단어들을 활용하여 문제은행으로 구성될 수 있는데, 세종말뭉치에서 각 학년별 교과와 연계된 단어들을 추출하여 난이도, 변별도별로 구분하여 추출문항의 10배수를 문제은행에 저장하여 예비문항으로 저장 관리하며, 문항 추출부(141)는 이들 예비문항 중에서 선택문항을 철자 검사자를 구성하는 문항으로 선택하게 된다. 한편, 선택문항 중에서 각 학년별 교과내용을 잘 반영하고 중간 정도의 난이도, 변별도를 지닌 문항은 다수의 철자 검사지에서 공통적으로 사용되는 공통문항으로 사용되게 되며, 이 문항에 대한 답안의 채점 결과는 피검사자의 최종 점수에 반영되지 않으며, 서로 다른 검사지에서 파생된 점수의 의미를 동일화시켜 점수해석에 동질성을 확보하기 위해서 사용된다.
본 발명에 따르면, 철자 검사지 생성 저장부(142)에서는 문항 추출부(141)에서 추출되는 선택문항을 이용하여 철자 검사지를 생성하고 저장하는 과정을 수행하게 되는데, 먼저 철자 검사지를 생성하는 과정은 통계모형과 알고리즘을 적용하여 단일차원에서 전체검사의 문항을 생성하는 과정으로 진행되는데, 데이터풀의 축척도 또는 검사 목적에 따라 다음의 모수 또는 비모수 모형 중 하나를 선택하여 문항을 생성하게 된다.
1. 모수·비모수 모형:
① 비모수모형: 비모수모형은 다음의 두 가지 경우에 사용한다. 첫째, 초기에는 피검사자들의 숫자가 적어 피검사자들의 능력과 문항의 난이도, 변별도들이 어떠한 분포를 이룬다는 통계적 모형을 쓰기에 적합하지 않은 경우가 많아 비모수모형을 사용하여 문항을 생성한다. 초기에는 데이터풀(철자검사용 문항DB(130)에 선택문항으로 저장된 데이터풀)의 분포가 정규분포 아니기 때문에 비모수모형을 쓰는 것이 적합하다. 둘째, 목표수준(예, 연령별 철자수준 상위 30%)을 설정하고 피검사자가 도달하였는지 여부를 확인하고자 할 때 비모수모형을 사용하게 된다. 목표수준을 설정할 경우, 연령별 또는 학년별 철자수준 상위 30%를 설정했다면, 학년 또는 연령수준에서 높은 난이도의 문항들이 비모수모형을 통해 추출될 것이다.
② 모수모형: 데이터풀에 충분한 검사사례수가 축적되면, 피검사자들과 문항의 난이도, 변별도들이 특정 분포 즉 정규분포를 이루게 될 때 문항을 생성하는 모형이다.
2. EM알고리즘 및 MMLE사용
① EM알고리즘:
EM 알고리즘은 어떤 정보가 확정되어 있지 않은 경우 가장 그럴듯한 모델을 추정할 때 사용하는 효과적인 반복 알고리즘이다. 즉, 어떤 모델의 변수를 모르는 경우에 이를 추정하는 방법으로, 초기에 랜덤하게 혹은 어떤 다른 방법으로 모델 변수를 설정한 상태에서, 관측데이터(X)가 이 모델(lambda_0)로부터 생성되었을 확률을 계산한다.
P(X | lambda_0 )
이제 모델 내부의 변수를 아주 조금 수정한 새로운 모델을 lamda_1 으로 정한 뒤, 다시 관측데이터의 posterior 확률을 구하고 P(X | lambda_1 ) 어떤 것이 더 큰지 결정한다. 이런 과정을 반복하여 새로운 모델 lambda에 대한 P( X | lambda ) 가 기존 모델보다 부적합한 경우(likelihood가 더 작은 경우)에 멈추게 된다. E 단계와 M 단계를 거치게 된다.(도 5 참조)
- E 단계(E Step): 피검사자의 능력수준 고정되었다 가정하고 문항의 난이도와 변별도 추정한 뒤, 반대로 문항의 난이도와 변별도를 추정하여 적절한 것을 찾는다. 난이도와 변별도와 피검사자 수준에 대한 정보가 없는 상황이기 때문에 양쪽 추정을 하게 된다.
- M 단계(M Step): 이 단계에서는 문항의 난이도, 변별도와 피검사자의 수준을 가장 잘 대표할 가능성을 찾아 연결하는 단계이다.
3. 문항 난이도와 변별도 고려한 이분·다분문항 모형 사용하여 문항 생성목적에 맞는 문항을 구성하기 위해, 이분문항 또는 다분문항 중 하나의 모형을 선택하여 문항을 구성한다.
① 이분문항: 한 개의 문항에서 보고자하는 유형(예, 기본초성, 기본모음, 기본 종성 등)이나 단어의 맞고 틀림을 0점과 1점으로 채점하는 문항이다. 1모수 모형과 2모수 모형, 3모수 모형이 있다. 검사 목적에 따라 모형을 결정하게 된다.
- 1모수 모형: 피검사자의 철자수준을 파악할 때
- 2모수 모형: 문항의 난이도추정, 피검사자의 철자능력 도달 수준을 구분하고자 할 때
- 3모수 모형: 난이도, 변별도, 추측도를 추정하여 피검사자들이 추측을 해서 맞춘 것인지 확인하고자 할 때
② 다분문항: 다분문항은 일반화부분점수모형(Generalized partial credit model)을 사용하여 각 문항 당 1개의 변별도와 2개의 난이도를 추정한다. 즉, 각 부분점수에 해당하는 난이도를 각각 산출할 수 있으며, 0점 이상을 받을 난이도, 1점 이상을 받을 난이도로 해석할 수 있다. 각 문항의 점수를 계산할 때, 단어점수 + 유형별 점수 계산을 위해 일반화부분점수모형을 사용하여 피검사자의 능력치 파악할 수 있다.
이상에서 설명된 바와 같이 철자 검사지를 생성하는 과정이 수행되면서 생성이 완료된 철자 검사지는 파일 형태로 피검사자 자료DB(120)에 피검사자의 고유정보와 연계된 검사 관련 데이터로 저장(S105)된다.
그리고는, 철자 검사지 출력부(150)를 통하여 완성된 철자 검사지가 출력(S106)되게 된다.
다음으로, 출력된 철자 검사지에 대한 피검사자의 답안 작성, 즉 철자 검사가 완료되게 되면 완성된 철자 검사지를 채점하고 결과를 분석하는 과정이 진행되게 되는데, 이 구체적인 과정은 첨부 도면 도4b의 흐름도를 참조하여 설명하기로 한다.
먼저, 본 발명의 일 실시예에 따른 한글 철자 검사지 생성 및 검사 결과 해석 시스템의 주요 구성부의 기능 중에서 철자 검사지의 채점 과정과 검사 결과 해석 역시 예컨대 한글 철자 검사지 검사 결과 해석 프로그램과 같은 컴퓨터 프로그램을 통하여 구현될 수 있는데, 검사자가 이와 같은 한글 철자 검사지 검사 결과 해석 프로그램을 실행(S201)하면서, 카메라 또는 스캐너와 같은 장치를 이용하여 철자 검사지 이미징부(160)가 작성 완료된 철자 검사지를 이미지 파일 형태로 스캔 또는 촬영하여 저장(S202)하게 되고, 철자 검사지 채점부(143)가 저장된 이미지 파일로부터 문자를 추출하고 추출된 문자를 피검사자자료DB(120)에 저장된 철자 검사지 파일과 비교하여 채점(S203)을 수행하게 된다. 이와 같은 채점 과정에서 문항 세트에 포함된 평가문항 이외에 상이한 철자 검사지 사이의 점수의 횟수나 시기에는 영향을 주지 않고 점수결과가 같은 의미를 가질 수 있도록 비교용으로 사용되는 기본문항의 경우에 그 점수가 최종 점수에 직접 산입되지 않으나 피검사자의 최종 점수를 상대적으로 객관화하는 지표로 활용되게 되고, 그리고 철자 검사지에 추가된 새로운 추가예비문항은 이러한 추가예비문항이 평가문항이 될 만한 선택문항으로서의 적합도를 가진 것이지 평가되는 용도로 이용되게 된다.
그리고, 이와 같이 채점된 검사 결과는 결과분석부(170)를 통하여 해석되게 되는데, 결과분석부(170)의 채점결과 분석부(171)는 피검사자의 채점결과(점수, 현재 수준, 진전도)를 분석하고, 오류결과 분석부(172)는 오류분석 결과를 도출하고, 그리고 발달수준 분석부(173)는 파닉스상 예측발달수준 분석 결과를 도출하여 표시부(180)에 표시(S204a)하게 된다.
이와 더불어서 도 3에 도시된 실시예와 같이 결과분석부(170)에 예비문항 분석부(174)가 추가적으로 구성되는 실시예에 따르면, 예비문항 분석부(174)가 추가적으로 검사지에 포함된 추가예비문항에 대한 분리된 채점 결과로부터 선택문항으로서의 적합도를 판정(S204b1)하게 되고, 결과적으로 적합한 문항으로 판정되는 경우에 철자검사용 문항DB(130)에 철자검사용 선택문항으로 변경 저장(S204b2)하게 된다.
한편, 철자 능력 평가의 구체적인 분석 과정에서 수행되는 오류 분석은 미리 설정된 분석프로그램에 의해 각각의 문항에 포함된 낱말별로 분석이 실행된다. 본 실시예의 분석프로그램에서는 먼저 문항의 낱말을 음소단위로 세분화하고 그 세분화된 각 음소단위별로 쓰기의 정확성(오류 발생 여부)을 판단한다. 음소는 언어의 음성체계에서 단어의 의미를 구별짓는 최소의 소리 단위를 의미한다. 예컨대, 한국어의 경우에 '달'과 '딸'에서 첫소리(초성)인 자음 'ㄷ'과 'ㄸ'은 두 낱말의 의미를 구별시켜 주는 변별적 기능을 갖는 음소이다. 또한', '달'과 '돌'의 경우 역시 중성인 모음 'ㅏ'와 'ㅗ'는 두 낱말의 의미를 구별시켜 주는 음소이다. 한편으로, '축구하는 덕수'에서 '축'과 '덕'의 경우에 종성인 자음 'ㄱ'이 동일한 음소인데 인접한 다른 음소와의 관계에서 발음의 정확성이 다르게 나타날 수 있으며, 본 발명에서의 오류 패턴 분석의 경우에 단어를 구별하는 음소 단위를 정확하게 인식하고 받아쓰기 하였는지 여부만을 평가하는 것이 아니라, 초성, 중성, 종성과 같은 음소 유형별로 발생한 오류 빈도 및 잘못 발음된 대체 음소 유형을 오류 패턴별 분석 기준에 따라서 패턴화하여 분석하여 그 오류 패턴에 대한 분석 결과를 도출하게 된다. 한편, 이와 같은 음소 유형별 오류 빈도나 대체 음소 분석 이외에, 인접 음소와의 관계에서 잘못 인식되는 음소 유형 및 그 대체 음소 유형을 파악하는 분석 결과를 도출하기 위한 오류 패턴별 분석 기준을 포함할 수 있으며, 기타 다른 종류의 다양한 오류 패턴별 분석 기준이 이용 가능하다.
이때, 본 발명에 따른 추가적인 실시예로서 철자 받아쓰기의 정확성 및 오류 패턴 분석에서 더욱 나아가 다음과 같은 추가적인 분석 결과가 생성되도록 분석이 진행될 수 있다. 예컨대, 철자 검사의 오류분석을 통하여 산출된 오류 패턴이 파닉스 발달상으로 어떤 수준에 있는지를 분석하여 그 분석정보를 제공하며, 또한 피검사자와 같은 오류 패턴 상태에서 피검사자의 철자 능력의 향상을 위하여 파닉스 발달 단계에 따라서 어떤 음소로부터 학습하여야 하는지 철자 능력의 향상을 위한 학습 단계 지표를 제공하며, 각 피검사자들의 누적된 검사결과로부터 구축된 연령대별 오류 패턴 데이터베이스를 이용하여 피검사자의 오류 패턴을 피검사자가 속한 연령대의 평균적 오류 패턴과 비교 분석하여 오류 패턴에 대한 정성 분석(예컨대, 연령대의 평균적 오류 패턴과 비교할 때, 다양한 음소들에서 작은 빈도로 오류가 나타나는 오류 패턴 또는 특정 음소에서 높은 빈도로 나타나는 오류 패턴으로 구분 가능; 오류 패턴의 질적 분석)도 제공할 수 있다.
이상에서 설명한 본 발명은 바람직한 실시예들을 통하여 상세하게 설명되었지만 본 발명은 이러한 실시예들의 내용에 한정되는 것이 아님을 밝혀둔다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 비록 실시예에 제시되지 않았지만 첨부된 청구항의 기재 범위 내에서 다양한 본 발명에 대한 부분 개조나 개량이 가능하며, 이들 모두 본 발명의 기술적 범위에 속함은 너무나 자명하다 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
110: 입력부
120: 피검사자 자료DB
130: 철자검사용 문항DB
140: 검사지 제어부
150: 철자 검사지 출력부
160: 철자 검사지 이미징부
170: 결과분석부
171: 채점결과 분석부
172: 오류결과 분석부
173: 발달수준 분석부
174: 예비문항 분석부
180: 표시부

Claims (9)

  1. 피검사자의 고유정보와 검사자가 선택하는 검사 목표를 입력받는 입력부(110)와;
    피검사자의 고유정보와 검사 관련 데이터가 저장되는 피검사자 자료DB(120)와;
    철자검사용 선택문항과 철자검사용 예비문항을 저장하고 있는 철자검사용 문항DB(130)와;
    상기 철자검사용 문항DB(130)에 저장된 철자검사용 선택문항들로부터 상기 입력부에 의해 입력되는 피검사자의 고유정보와 검사자가 선택한 검사 목표에 맞는 선택문항과, 상기 철자검사용 문항DB(130)에 저장된 철자검사용 예비문항들로부터 추가예비문항을 추출하는 문항추출부(141)와;
    철자검사용 문항DB(130)에서 추출된 선택문항을 이용하여 통계모형과 알고리즘을 적용하여 단일차원에서 전체검사의 문항 세트를 생성하여 철자 검사지를 생성하되, 상기 문항 세트에는 피검사자의 점수로 채점되는 평가문항 이외에 상이한 철자 검사지 사이의 점수의 횟수나 시기에는 영향을 주지 않고 점수결과가 같은 의미를 가질 수 있도록 비교용의 기본문항이 포함되고, 생성된 철자 검사지에는 예비문항으로 추가될 새로운 추가예비문항이 포함되도록 하고, 생성된 철자 검사지를 피검사자의 고유정보와 연결하여 검사 관련 데이터로서 피검사자 자료DB(120)에 파일 형태로 저장하는 철자 검사지 생성 저장부(142)와;
    철자 검사지 생성 저장부(142)에서 생성된 철자 검사지를 출력하는 철자 검사지 출력부(150)와;
    철자 검사지 출력부(150)에서 출력된 철자 검사지에 피검사자에 의한 답안 작성이 완료되면 이를 이미지 파일 형태로 스캔 또는 촬영하여 저장하는 철자 검사지 이미징부(160)와;
    철자 검사지 이미징부(160)에 저장된 이미지 파일로부터 문자를 추출하고 추출된 문자를 상기 검사지 생성 저장부(142)에 의해 생성되어 피검사자 자료DB(120)에 저장된 철자 검사지 파일과 비교 채점하되, 선택문항 중의 평가문항 및 공통문항과 그리고 추가예비문항을 분리하여 문항별로 비교하여 채점하는 철자 검사지 채점부(143)와; 그리고
    철자 검사지 채점부(143)의 채점결과를 분석하고, 피검사자의 세부적인 철자 능력을 파악할 수 있도록, 설정된 검사 목표에 따라서 음소 유형 또는 음운 변동 유형별로 발생한 오류를 오류 패턴별 분석 기준에 따라서 패턴화하여 분석하여 산출되는 오류분석 결과 정보와, 파닉스상 예측발달수준에 대한 분석 결과 정보를 상기 피검사자의 고유정보와 매핑시켜 피검사자 자료DB(120)에 축적 저장하고 표시부(180)에 표시하도록 제어하는 결과분석부(170)를 포함하여 이루어지는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
  2. 제1항에 있어서, 상기 검사 목표가 초성, 모음, 종성, 음운변동을 포함하는 평가 대상 목표로 설정되는 것을 특징으로 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
  3. 제1항에 있어서, 상기 검사 목표가 상위 30% 수준 또는 상위 10% 수준을 포함하는 상위 난이도 레벨로써 평가 수준 목표로 설정되고, 그리고
    상기 결과분석부(170)는 피검사자의 채점 결과 점수와 상위 30% 또는 상위 10% 학생의 누적 결과 점수와의 상대적인 비교를 통해 피검사자의 현재 수준과 진전도를 파악하는 단계를 수행하도록 설정되는 것을 특징으로 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
  4. 제1항 내지 제3항 중 어느 하나의 항에 있어서, 상기 결과분석부(170)는 상기 채점결과 분석부(171), 오류결과 분석부(172), 및 발달수준 분석부(173)와, 그리고 추가적으로 검사지에 포함된 추가예비문항에 대한 분리된 채점 결과로부터 선택문항으로서의 적합도를 판정하는 예비문항 분석부(174)를 포함하여 이루어지는 것을 특징으로 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
  5. 제4항에 있어서, 예비문항들은 문제은행 형태로 상기 철자검사용 문항DB(120)에 저장되고, 철자 검사지를 생성할 때 선택문항과 달리 피검사자 철자 능력 평가용으로 채점되지 않고 분리되어 채점되는 예비문항 중 일부 문항으로 새롭게 추가되는 추가예비문항이 다수의 철자 검사지에 포함되어서 검증 절차를 거치면서 난이도 및 변별도 측면에서 선택문항으로 이용되기에 적합하다는 판정이 나오는 경우에, 추가예비문항은 철자검사용 문항DB(130)에 철자검사용 선택문항으로 변경 저장되는 것을 특징으로 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
  6. 제4항에 있어서, 상기 결과분석부(170)에서 이루어지는 피검사자의 철자 능력의 세부적 파악은 상기 오류결과 분석부(172)를 통하여 음소 단위로 분석되고, 상기 상기 오류결과 분석부(172)는 철자 검사지 문항의 낱말에 대하여 상기 피검사자의 철자 쓰기 오류 항목과 정상 항목을 구분하며 오류 항목의 경우에 음소가 초성, 중성, 종성 중 어느 유형에 해당하는지 그 유형을 파악하고 그리고 잘못 대체 기록된 음소를 파악하며, 그리고 상기 음소 유형별로 발생한 오류를 패턴화하여 분석하는 과정에서 오류 항목의 음소 유형별로 발생한 오류를 오류 패턴별 분석 기준에 따라서 패턴화하여 분석하도록 형성되는 것을 특징으로 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
  7. 제6항에 있어서, 상기 결과분석부(170)의 상기 발달수준 분석부(173)는, 분석된 피검사자의 철자 오류 패턴이 파닉스 발달상으로 어떤 수준에 있는지를 분석하여 그 분석정보를 추가적으로 제공할 수 있으며, 그리고 피검사자의 오류 패턴 상태에서 피검사자의 철자 능력의 향상을 위하여 파닉스 발달 단계에 따라서 어떤 유형의 어떤 음소로부터 학습하여야 하는지 철자 능력의 향상을 위한 학습 단계 지표를 제공하도록 형성되는 것을 특징으로 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
  8. 제5항에 있어서, 피검사자의 오류 패턴을 피검사자가 속한 연령대의 평균적 오류 패턴과 비교 분석하여 오류 패턴에 대한 정성 분석 결과도 제공할 수 있도록 레파지토리 시스템을 통하여 누적된 다수의 피검사자들의 검사결과로부터 구축된 연령대별 오류 패턴 데이터베이스를 추가적으로 포함하는 것을 특징으로 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
  9. 제6항에 있어서, 피검사자의 오류 패턴 상태에서 피검사자의 철자 능력의 향상을 위하여 파닉스 발달 단계에 따라서 어떤 유형의 어떤 음소로부터 학습하여야 하는지 철자 능력의 향상을 위한 학습단계 지표를 철자검사 오류분석 결과와 함께 제공하도록 오류 패턴별 학습단계지표 연계자료 데이터베이스를 추가적으로 포함하는 것을 특징으로 하는 한글 철자 검사지 생성 및 검사 결과 해석 시스템.
KR1020160072509A 2016-06-10 2016-06-10 한글 철자 검사지 생성 및 검사 결과 해석 시스템 KR101812763B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160072509A KR101812763B1 (ko) 2016-06-10 2016-06-10 한글 철자 검사지 생성 및 검사 결과 해석 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160072509A KR101812763B1 (ko) 2016-06-10 2016-06-10 한글 철자 검사지 생성 및 검사 결과 해석 시스템

Publications (2)

Publication Number Publication Date
KR20170139916A true KR20170139916A (ko) 2017-12-20
KR101812763B1 KR101812763B1 (ko) 2018-01-30

Family

ID=60931602

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160072509A KR101812763B1 (ko) 2016-06-10 2016-06-10 한글 철자 검사지 생성 및 검사 결과 해석 시스템

Country Status (1)

Country Link
KR (1) KR101812763B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109637238A (zh) * 2018-11-05 2019-04-16 广东共升教育科技有限公司 一种练习题的生成方法、装置、设备和存储介质
WO2019164981A1 (en) * 2018-02-20 2019-08-29 Pearson Education, Inc. Systems and methods for automated evaluation model customization
CN110400117A (zh) * 2018-04-24 2019-11-01 中国移动通信集团有限公司 一种错题的提醒方法、电子设备及存储介质
CN112800717A (zh) * 2020-12-31 2021-05-14 浙江旅游职业学院 一种韩文打字速度考核系统
US11449762B2 (en) 2018-02-20 2022-09-20 Pearson Education, Inc. Real time development of auto scoring essay models for custom created prompts

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100395998B1 (en) * 2002-09-03 2003-09-02 Daolsoft Inc Method for automatically typesetting customized learning material of each level

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019164981A1 (en) * 2018-02-20 2019-08-29 Pearson Education, Inc. Systems and methods for automated evaluation model customization
US11443140B2 (en) 2018-02-20 2022-09-13 Pearson Education, Inc. Systems and methods for automated machine learning model training for a custom authored prompt
US11449762B2 (en) 2018-02-20 2022-09-20 Pearson Education, Inc. Real time development of auto scoring essay models for custom created prompts
US11475245B2 (en) 2018-02-20 2022-10-18 Pearson Education, Inc. Systems and methods for automated evaluation model customization
US11741849B2 (en) 2018-02-20 2023-08-29 Pearson Education, Inc. Systems and methods for interface-based machine learning model output customization
US11817014B2 (en) 2018-02-20 2023-11-14 Pearson Education, Inc. Systems and methods for interface-based automated custom authored prompt evaluation
US11875706B2 (en) 2018-02-20 2024-01-16 Pearson Education, Inc. Systems and methods for automated machine learning model training quality control
CN110400117A (zh) * 2018-04-24 2019-11-01 中国移动通信集团有限公司 一种错题的提醒方法、电子设备及存储介质
CN109637238A (zh) * 2018-11-05 2019-04-16 广东共升教育科技有限公司 一种练习题的生成方法、装置、设备和存储介质
CN112800717A (zh) * 2020-12-31 2021-05-14 浙江旅游职业学院 一种韩文打字速度考核系统
CN112800717B (zh) * 2020-12-31 2023-08-25 浙江旅游职业学院 一种韩文打字速度考核系统

Also Published As

Publication number Publication date
KR101812763B1 (ko) 2018-01-30

Similar Documents

Publication Publication Date Title
KR101812763B1 (ko) 한글 철자 검사지 생성 및 검사 결과 해석 시스템
KR102004180B1 (ko) 시험지 인식을 통한 유사 문제 추출 장치 및 그 방법
Hunter et al. The use of holistic versus analytic scoring for large-scale assessment of writing
Llosa Validating a standards-based classroom assessment of English proficiency: A multitrait-multimethod approach
Han Using rating scales to assess interpretation: Practices, problems and prospects
KR101812755B1 (ko) 한글 철자 검사지의 검사 결과 해석 시스템
Nagle Developing and validating a methodology for crowdsourcing L2 speech ratings in Amazon Mechanical Turk
Riazi et al. An investigation of the relations between test-takers' first language and the discourse of written performance on the IELTS Academic Writing Test, task 2
Mohammadkhah et al. Teachers' Conceptions of Language Assessment: Affective and Theoretical Knowledge Dimensions of Language Assessment Literacy Model.
KR20170036404A (ko) 읽기검사 오류분석 방법 및 이를 적용한 읽기검사 오류분석 단말 및 시스템
KR101810100B1 (ko) 읽기 능력 향상을 위한 파닉스 학습 관리 방법 및 이를 위한 파닉스 학습 관리 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
KR20180088097A (ko) 음소이미지를 활용한 온라인 학습관리 시스템
Moore et al. Systematic review measuring the efficacy of study abroad in undergraduate language learners on linguistic proficiency gains
JP6416425B1 (ja) 問題分析システム、方法、およびプログラム
Luchoomun et al. A knowledge based system for automated assessment of short structured questions
Santos et al. Identifying important factors in essay grading using machine learning
KR101812750B1 (ko) 한글 철자 검사지 생성 시스템
Korol TRANSLATION ASSESSSMENT: IS THERE ANYTHING TO BE TESTED OBJECTIVELY?
Banerjee et al. Choosing test formats and task types
Dewi et al. Developing assessment instrument of data, technology, and human literacy in physics learning
Rüdian et al. Automatic Feedback for Open Writing Tasks: Is this text appropriate for this lecture?
Alzahrani et al. AutoScor: an automated system for essay questions scoring
Pesiwarissa et al. An analysis of EFL teacher-made tests
Kermad et al. Using Statistical Transformation Methods to Explore Speech Perception Scale Lengths.
Polat Defining severe graders through many faceted Rasch measurement

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant