KR20220017366A - 챗봇 기반 외국어 학습 시스템 및 방법 - Google Patents

챗봇 기반 외국어 학습 시스템 및 방법 Download PDF

Info

Publication number
KR20220017366A
KR20220017366A KR1020210101670A KR20210101670A KR20220017366A KR 20220017366 A KR20220017366 A KR 20220017366A KR 1020210101670 A KR1020210101670 A KR 1020210101670A KR 20210101670 A KR20210101670 A KR 20210101670A KR 20220017366 A KR20220017366 A KR 20220017366A
Authority
KR
South Korea
Prior art keywords
expression
learner
intention
chatbot
information storage
Prior art date
Application number
KR1020210101670A
Other languages
English (en)
Inventor
봉래 박
Original Assignee
봉래 박
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 봉래 박 filed Critical 봉래 박
Publication of KR20220017366A publication Critical patent/KR20220017366A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3337—Translation of the query language, e.g. Chinese to English
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/50—Business processes related to the communications industry
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/06—Foreign languages
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Landscapes

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

Abstract

챗봇으로 외국 현지에서 일상 반복되는 작은 대화 상황들을 시뮬레이션하여 현지에서처럼 효과적으로 외국어를 습득할 수 있게 하는 챗봇 기반 외국어 학습 시스템이 개시된다. 본 발명의 다양한 실시예에 따르면, 대화 에피소드별로 챗봇과 학습자가 주고받을 전달의사들의 대화흐름정보와 각 전달의사별로 1개 이상의 모범표현들을 저장한 대화정보저장부; 상기 대화정보저장부로부터 특정 대화 에피소드를 선정하는 에피소드선정부; 상기 선정된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 챗봇이 전달해야 할 전달의사에 대응되는 모범표현들 중 하나를 검출하여 출력하는 봇멘트출력부; 상기 선택된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 학습자가 전달해야 할 전달의사를 검출하여 텍스트나 음성 등으로 표시하는 전달의사표시부; 상기 표시된 전달의사에 대응되는 학습자멘트를 학습자표현으로 수신하는 학습자표현수신부; 및 상기 수신된 학습자표현을 상기 표시된 전달의사에 대응되는 상기 대화정보저장부내 모범표현들과 대조하여 평가하는 표현평가부;를 포함한다.

Description

챗봇 기반 외국어 학습 시스템 및 방법{System Of Foreign Language Training Based On Chatbot And Method Thereof}
본 발명의 다양한 실시예는 챗봇에 기반을 둔 외국어 학습 시스템 및 방법에 관한 것이다.
일반적으로 챗봇(chatbot)이라고 하면 인공지능이 상대방 사람이 하는 말을 이해하고 그에 걸맞은 대답을 생성하여 제시하는 것을 떠올린다. 물론 그런 챗봇도 있다. 하지만, 아직까지 일반적인 기능성 챗봇들은 제시할 멘트들을 미리 준비해두고 상대방 사람 멘트에 따라 선택하여 제시한다. 외국어 학습에 쓰이는 챗봇도 비슷하다.
대부분의 챗봇 기반 외국어 학습 솔루션들은 특정 대화 상황을 전재하고 미리 모범적인 외국어 표현을 알려준 후 이를 이용해 챗봇과 대화하도록 유도한다. 그리고 이런 식으로라도 열심히 학습하면 비슷한 상황에서 그 표현을 떠올려 사용할 수 있다고 주장한다. 하지만, 이러한 단순 방식으로 학습한 표현은 실전에서 거의 떠오르지 않는다.
반면, 외국 현지에 어학연수를 가 생활하며 언어를 습득하면 무수히 반복되는 시행착오 속에 같은 뜻의 다양한 표현들이 몸에 배게 된다. 말이 되든 되지 않든 학습자 스스로 말해보고 상대방 원어민으로부터 직간접 피드백을 받는 과정에서 표현들이 각인된다. 특히 동일한 뜻을 갖는 다양한 표현들이 자연스럽게 습득된다. 그러면 향후 필요한 때 즉각적으로 떠오른다.
이에, 비록 챗봇과의 대화이지만 실제 외국에서 언어를 습득할 때와 같이 학습자 스스로 생각하여 말하고 챗봇이 실제처럼 직간접 피드백을 제공하는 외국어 학습 시스템 및 방법의 개발이 필요한 실정이다.
본 발명은 챗봇으로 외국 현지에서 일상 반복되는 작은 대화 상황들을 시뮬레이션하여 현지에서처럼 효과적으로 외국어를 습득할 수 있게 하는 챗봇 기반 외국어 학습 시스템의 구현을 목적으로 한다.
상기 기술적 과제를 달성하기 위한 본 발명의 일 실시예에 따른, 챗봇 기반 외국어 학습 시스템은, 대화 에피소드별로 챗봇과 학습자가 주고받을 전달의사들의 대화흐름정보와 각 전달의사별로 1개 이상의 모범표현들을 저장한 대화정보저장부; 상기 대화정보저장부로부터 특정 대화 에피소드를 선정하는 에피소드선정부; 상기 선정된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 챗봇이 전달해야 할 전달의사에 대응되는 모범표현들 중 하나를 검출하여 출력하는 봇멘트출력부; 상기 선택된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 학습자가 전달해야 할 전달의사를 검출하여 텍스트나 음성 등으로 표시하는 전달의사표시부; 상기 표시된 전달의사에 대응되는 학습자멘트를 학습자표현으로 수신하는 학습자표현수신부; 및 상기 수신된 학습자표현을 상기 표시된 전달의사에 대응되는 상기 대화정보저장부내 모범표현들과 대조하여 평가하는 표현평가부;를 포함한다.
상기 대화정보저장부내 모범표현들은 학습자가 학습해야 할 목표언어의 표현들이고, 전달의사는 모국어와 같이 학습자가 알고 있는 언어로 표현된다.
상기 표현평가부는 상기 표시된 전달의사에 대응되는 상기 대화정보저장부내 모범표현들 중 상기 수신된 학습자표현과 가장 유사한 모범표현을 검출하고 그 유사도를 평가한다.
상기 표현평가부는 평가한 유사도에 따라 상기 학습자표현에 의해 해당 전달의사가 전달되었는지 결정한다.
한편, 상기 표현평가부는 상기 전달의사가 전달되었는지 여부를 상기 유사도에 비례하여 확률적으로 결정할 수도 있다.
상기 표현평가부가 상기 전달의사가 전달되지 않은 것으로 결정하는 경우 상기 전달의사에 대응되는 대화정보저장부내 모범표현들 중 하나를 선택하고 선택된 모범표현에 대응되는 되묻기표현을 생성하여 출력하는 되묻기출력부;를 추가로 포함한다.
바람직하게는, 상기 되묻기출력부는 상기 표시된 전달의사에 대응되는 모범표현들 중 상기 학습자표현에 가장 가까운 모범표현을 선택하고 선택된 모범표현에 대응되는 되묻기표현을 생성하여 출력한다.
상기 되묻기출력부는 대상 모범표현을 의문문으로 전환하거나 앞에 'You mean' 또는 'You say' 등을 부착하여 되묻기표현을 생성한다.
한편, 상기 되묻기표현은 상기 대화정보저장부내 각 모범표현별로 미리 저장되어 있고, 상기 되묻기출력부는 상기 대화정보저장부에서 검출하여 출력할 수도 있다.
상기 학습자표현수신부는 상기 출력된 되묻기표현에 호응하여 학습자가 제시한 확인표현도 추가로 수신하고, 상기 표현평가부는 상기 학습자표현수신부에서 수신한 확인표현도 추가로 평가하여 상기 되묻기표현이 학습자가 전달하고자 하는 전달의사가 맞는지 확인함으로써 원래 학습자의 전달의사가 챗봇에게 전달되었는지를 결정한다.
상기 표현평가부는 상기 선정된 에피소드내 각 전달의사별 학습자표현에 대해 상기 유사도를 기준으로 점수를 산정하고, 합산 및 평균하여 상기 에피소드에 대한 최종 점수를 산출한다.
상기 학습자표현수신부는 상기 대화정보저장부내 모범표현들과 다른 언어의 학습자표현을 수신하고, 상기 표현평가부는 상기 다른 언어의 학습자표현에 의미적으로 가장 가까운 모범표현을 상기 대화정보저장부로부터 검출한다.
상기 표현평가부는 서로 다른 언어 표현간 의미 유사성을 평가할 때 미리 다국어에 대해 학습해둔 BERT 모델을 이용하거나 한쪽 언어 표현을 다른 쪽 언어로 번역한 후 유사성을 평가한다.
한편, 상기 대화정보저장부는 각 모범표현별로 학습완료유무정보를 추가로 저장하고, 상기 표현평가부는 상기 학습자표현과 문법적 및 의미적으로 대응되는 모범표현을 선정한 후 상기 학습자표현과 선정된 모범표현 사이 유사도에 따라 선정된 모범표현의 학습완료유무정보를 학습완료로 설정할 수 있다. 이 경우, 상기 에피소드선정부는 상기 대화정보저장부로부터 학습완료유무정보가 학습완료로 설정되지 않은 모범표현들이 많은 에피소드를 우선 선정할 수 있다.
다른 한편, 상기 대화정보저장부는 각 모범표현별로 학습완료횟수정보를 추가로 저장하고, 상기 표현평가부는 상기 학습자표현과 문법적 및 의미적으로 대응되는 모범표현을 선정한 후 상기 학습자표현과 선정된 모범표현 사이 유사도에 따라 선정된 모범표현의 학습완료 유무를 결정하고 학습완료시마다 해당 학습완료횟수정보를 가산할 수 있다. 이 경우, 상기 에피소드선정부는 상기 대화정보저장부로부터 학습완료횟수가 적은 모범표현들이 많은 에피소드를 우선 선정할 수 있다.
상기 되묻기출력부는 상기 표현평가부가 학습자표현에 호응하는 모범표현이 있음을 확인하더라도 일정 확률로 상기 전달의사에 대응되는 또 다른 모범표현으로 되묻기표현을 생성하여 출력함으로써 학습자가 새로운 모범표현도 인지할 수 있는 기회를 제공할 수도 있다.
상기 되묻기출력부는 또 다른 모범표현 선정시 해당 모범표현의 학습완료유무를 참조하여 학습완료가 아닌 모범표현을 우선 적용한다.
상기 되묻기출력부는 또 다른 모범표현 선정시 해당 모범표현의 학습완료횟수를 참조하여 학습완료횟수가 낮은 모범표현을 우선 적용한다.
전술한 바와 같은 목적을 달성하기 위한 본 발명의 챗봇 기반 외국어 학습 방법은, 에피소드선정부가 대화정보저장부로부터 특정 대화 에피소드를 선정하는 단계; 봇멘트출력부가 상기 선정된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 챗봇이 전달해야 할 전달의사에 대응되는 모범표현들 중 하나를 검출하여 출력하는 단계; 전달의사표시부가 상기 선택된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 학습자가 전달해야 할 전달의사를 검출하여 텍스트나 음성 등으로 표시하는 단계; 학습자표현수신부가 상기 표시된 전달의사에 대응되는 학습자멘트를 학습자표현으로 수신하는 단계; 표현평가부가 상기 수신된 학습자표현을 상기 표시된 전달의사에 대응되는 상기 대화정보저장부내 모범표현들과 대조하고 그 유사성을 평가하여 상기 전달의사의 전달여부를 결정하는 단계;를 포함한다.
바람직하게는, 되묻기출력부가 상기 표현평가부가 상기 전달의사가 전달되지 않은 것으로 결정하는 경우 상기 전달의사에 대응되는 대화정보저장부내 모범표현들 중 하나를 선택하고 선택된 모범표현에 대응되는 되묻기표현을 생성하여 출력하는 단계;를 추가로 포함한다.
본 발명에 따르면, 판에 박힌 암기 위주의 외국어 학습을 지양하고, 현지에서 접할 법한 상황들을 비슷하게 체험하며 목표 언어를 효과적으로 습득할 수 있게 된다. 특히 단어나 문법을 몰라도 일단 대화하면서 다양한 모범표현을 유도받는 과정에서 표현들이 각인되고 비슷한 상황에서는 스스로 응용하며 목표 언어를 구사할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 시스템의 구성을 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 방법을 설명하기 위한 흐름도
도 3은 기존 챗봇 기반 외국어 학습 방식을 설명하기 위한 자료 이미지
도 4는 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 방식의 차이점을 설명하기 위한 자료 이미지겸 대화정보저장부를 설명하기 위한 도면
도 5 ~ 도 6은 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 시스템의 대화정보저장부를 설명하기 위한 도면
도 7 ~ 도 16은 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 시스템에서 학습이 이뤄지는 과정에 대한 예시도
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 이하 첨부된 도면들을 참조하여 본 발명의 실시예를 설명한다.
본격적인 설명에 앞서, 본 명세서 전반에 걸쳐 두루 등장하는 ‘챗봇’에 대해 정의한다. 원래 챗봇은 사람과의 대화가 가능한 컴퓨터 프로그램이다. 하지만, 본 명세서에서는 보다 구체적으로 '챗봇'이 본 발명의 일 실시예에 따른 외국어 학습 시스템에 의해 구현되는 가상의 대화주체를 의미한다.
도 1은 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 시스템의 구성을 계략적으로 설명하는 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 시스템은, 대화정보저장부(100), 에피소드선정부(200), 봇멘트출력부(300), 전달의사표시부(400), 학습자표현수신부(500), 표현평가부(600) 및 되묻기출력부(700)를 포함한다.
대화정보저장부(100)는 대화 에피소드(120)별로 챗봇과 학습자가 주고받을 전달의사(130)들의 대화흐름정보와 각 전달의사별로 1개 이상의 모범표현(140)들을 저장한다. 상기 모범표현(140)들은 학습자가 학습해야 할 목표언어의 표현들이고, 전달의사(130)는 모국어와 같이 학습자가 알고 있는 언어로 표현된다.
에피소드(120)별 챗봇과 학습자가 주고받을 전달의사(130)들의 대화흐름정보란 대화 주체와 대화내용에 대한 정보로서 두 명의 대화 주체 A와 B 그리고 각 대화 주체가 서로 주고받을 전달의사들을 포함한다. 상기 두 명의 대화 주체는 챗봇과 학습자인데, 바람직하게는, 주고받을 전달의사가 서로 바뀔 수 있다. 즉, 대화 주체 A가 챗봇이고 B는 학습자일 수 있고, 반대로 대화 주체 A가 학습자이고 B가 챗봇일 수도 있다.
에피소드선정부(200)는 상기 대화정보저장부(100)로부터 특정 대화 에피소드(120)를 선정한다. 바람직하게, 에피소드들은 대화 장면(110)별로 분류되어 있다.
봇멘트출력부(300)는 상기 선정된 에피소드(120)내 대화흐름정보에 따라 상기 대화정보저장부(100)로부터 챗봇이 전달해야 할 전달의사(130)에 대응되는 모범표현(140)들 중 하나를 검출하여 텍스트나 음성 등으로 출력한다.
전달의사표시부(400)는 상기 선택된 에피소드(120)내 대화흐름정보에 따라 상기 대화정보저장부(100)로부터 학습자가 전달해야 할 전달의사(130)를 검출하여 텍스트나 음성 등으로 표시한다.
학습자표현수신부(500)는 상기 표시된 전달의사(130)에 대응되는 학습자멘트(150)를 학습자표현으로 수신한다.
표현평가부(600)는 상기 수신된 학습자표현(150)을 상기 표시된 전달의사(130)에 대응되는 상기 대화정보저장부(100)내 모범표현(140)들과 대조하고 그 유사성을 평가하여 상기 전달의사(130)의 전달여부를 결정한다. 상기 표시된 전달의사(1300)에 대응되는 상기 대화정보저장부(100)내 모범표현(140)들 중 상기 수신된 학습자표현(150)과 가장 유사한 모범표현(140)을 검출하고 그 유사도로 상기 학습자표현(150)을 평가한다. 상기 유사도에 따라 상기 학습자표현(150)에 의해 해당 전달의사(130)가 전달되었는지 결정한다. 즉, 학습자표현(150)이 전달의사(130)를 전달하는 데 문제가 없는지 평가한다.
한편, 표현평가부(600)는 상기 전달의사(150)가 전달되었는지 여부를 상기 유사도에 비례하여 확률적으로 결정할 수도 있다. 이 경우, 유사도가 낮더라도, 즉 학습자표현(150)과 가장 유사한 모번표현(140)간 유사도가 낮더라도, 표현평가부(600)는 전달의사(130)가 전달된 것으로 결정할 수도 있다. 이는 실제 세계에서도 흔히 있을 수 있는 현상으로 의사전달이 명확하지 않더라도 상대가 알아들을 때가 종종 있는 것과 같다.
다른 한편, 상기 각 모범표현(140)과 상기 학습자표현(150)간 유사도 평가는 인공지능 자연어처리의 다양한 모델들을 통해서 이뤄질 수 있다. 가장 간단하게는 구성 단어들간 일치 정도를 비교하는 방식부터 word2vec을 기반으로 하는 doc2vec이나 WMD(Word Mover's Distance)를 적용할 수도 있고, BERT(Bidirectional Encoder Representation from Transformers)나 GPT(Generative Pre-trained Transformer)를 이용할 수도 있다.
되묻기출력부(700)는 상기 표현평가부(600)가 상기 전달의사(130)가 전달되지 않은 것으로 결정하는 경우 상기 전달의사(130)에 대응되는 대화정보저장부(100)내 모범표현(140)들 중 하나를 선택하고 선택된 모범표현(140)에 대응되는 되묻기표현(160)을 생성하여 텍스트나 음성 등으로 출력한다. 바람직하게는, 상기 표시된 전달의사(130)에 대응되는 모범표현(140)들 중 상기 학습자표현(150)에 가장 가까운 모범표현(140)을 선택하고 선택된 모범표현(140)에 대응되는 되묻기표현(160)을 생성하여 출력한다.
한편, 상기 되묻기출력부(700)는 대상 모범표현(140)을 의문문으로 전환하거나 앞에 'You mean' 또는 'You say' 등을 부착하여 되묻기표현(160)을 생성한다. 예를 들어, 되묻기용으로 선택된 모범표현(140)이 'My stomach hurts.'인 경우, 되묻기표현(160)은 'Does your stomach hurt?' 또는 'You mean your stomack hurts?'가 될 수 있다.
또는, 상기 되묻기표현(160)은 상기 대화정보저장부(100)내 각 모범표현(140)별로 미리 저장되어 있고, 상기 되묻기출력부(700)는 상기 대화정보저장부(100)에서 검출하여 출력할 수도 있다.
한편, 상기 학습자표현수신부(500)는 상기 출력된 되묻기표현(160)에 호응하여 학습자가 제시한 확인표현(170)도 추가로 수신하고, 상기 표현평가부(600)는 상기 학습자표현수신부(500)에서 수신한 확인표현(170)도 추가로 평가하여, 상기 되묻기표현(160)이 학습자가 전달해야 할 전달의사(130)에 맞는지 확인한고 원래 학습자의 전달의사(130)가 챗봇에게 전달되었는지를 결정한다.
예를 들어, 되묻기표현(160)이 “You mean your stomach hurts?”일 때 학습자가 이에 호응하여 “Yes, my stomach hurts”라고 하면, 상기 학습자표현수신부(500)가 이를 상기 되묻기표현(160)에 대한 확인표현(170)으로 수신한다. 다음으로 표현평가부(600)가 상기 확인표현 “Yes, my stomach hurts”(170)가 상기 되묻기표현 “You mean your stomach hurts?”(160)에 호응하는지 자연어처리 구문분석 또는 BERT나 GPT와 같은 딥러닝 모델을 통해 평가한다. 평가결과 호응이면 되물은 내용이 맞다는 것이므로 전달의사(130)가 전달된 것으로 볼 수 있다.
상기 표현평가부(600)는 상기 선정된 에피소드(120)내 학습자가 전달해야 할 각 전달의사(130)별 학습자표현(150)에 대해 평가한 유사도를 기준으로 점수를 산정하고, 합산 및 평균하여 상기 에피소드(120)에 대한 최종 점수를 산출할 수도 있다.
상기 학습자표현수신부(500)는 상기 대화정보저장부(100)내 모범표현(140)들과 다른 언어의 학습자표현(150)을 수신하고, 상기 표현평가부(600)는 상기 다른 언어의 학습자표현(150)에 의미적으로 가장 가까운 모범표현(140)을 상기 대화정보저장부(100)로부터 확인할 수도 있다. 예를 들어, 전달의사(130)별 학습대상 모범표현(140)들은 영어지만, 학습자가 아무리 생각해도 상기 전달의사(130)에 대한 영어표현이 떠오르지 않아 학습자표현(150)을 한국어로 하더라도 대응되는 영어 모범표현(130)을 확인할 수도 있다. 물론, 이 경우 상기 학습자표현(150) 점수는 0점이다.
한편, 상기 표현평가부(600)는 서로 다른 언어 표현간 의미 유사성을 평가할 때 미리 다국어에 대해 학습해둔 BERT 모델을 이용할 수도 있고, 한쪽 언어 표현을 다른 쪽 언어로 번역한 후 유사성을 평가할 수도 있다.
상기 대화정보저장부(100)는 각 모범표현(140)별로 학습완료유무정보를 추가로 저장하고, 상기 표현평가부(600)는 상기 표시된 전달의사(130)에 대해 상기 학습자표현(150)과 문법적 및 의미적으로 대응되는 모범표현(140)을 선정한 후 상기 학습자표현(150)과 선정된 모범표현(140) 사이 유사도에 따라 선정된 모범표현(140)의 학습완료유무정보를 학습완료로 설정할 수 있다.
이 경우, 상기 에피소드선정부(200)는 상기 대화정보저장부(100)로부터 학습완료유무정보가 학습완료로 설정되지 않은 모범표현(150)들이 많은 에피소드(120)를 우선 선정할 수 있다. 이렇게 함으로써 동일한 전달의사(130)에 대해 존재할 수 있는 여러 외국어 모범표현(140)들을 학습자가 놓치지 않고 모두 학습할 수 있도록 유도한다.
또는, 상기 대화정보저장부(100)는 각 모범표현(140)별로 학습완료횟수정보를 추가로 저장하고, 상기 표현평가부(600)는 상기 학습자표현(150)과 문법적 및 의미적으로 대응되는 모범표현(140)을 선정한 후 상기 학습자표현(150)과 선정된 모범표현(140) 사이 유사도에 따라 선정된 모범표현(140)의 학습완료 유무를 결정하고 학습완료시마다 해당 학습완료횟수정보를 가산한다.
이 경우, 상기 에피소드선정부(200)는 상기 대화정보저장부(100)로부터 학습완료횟수가 적은 모범표현(140)들이 많은 에피소드를 우선 선정한다.
상기 되묻기출력부(700)는, 상기 표현평가부(600)가 전달의사(130)에 대해 학습자표현(150)과 가장 유사한 모범표현(140)이 있지만 전달의사(130)가 전달되지 않았다고 결정하여, 되묻기표현(160)을 생성해야 할 때, 일정 확률로, 상기 학습자표현(150)과 가장 유사한 모범표현(140)이 아닌 다른 모범표현(140)으로 되묻기표현(160)을 생성하여 출력할 수도 있다. 이렇게 함으로써 학습자가 다른 모범표현(140)도 좀 더 많이 인지할 수 있게 한다. 단, 이 경우 상기 학습자표현(150)은 가장 유사한 모범표현(140)과 문법적, 의미적으로 비교적 높은 유사도를 보여 굳이 되묻기가 필요없는 게 바람직하다.
예를 들어, 학습자표현(150)이 'I have some stomach pain.'이고 가장 유사한 모범표현(140)이 'I have a stomachache.'일 때, 상기 표현평가부(600)가 확률을 따르는 등의 이유로 해당 전달의사(130)가 전달되지 않은 것으로 결정하는 경우, 상기 되묻기출력부(700)는 보통 상기 모범표현(140) 'I have a stomachache.'으로 되묻기표현(160)을 생성하지만, 가끔 다른 모범표현(140), 예를 들어, 'My stomach hurts'로 되묻기표현(160)을 생성할 수도 있다.
한편, 상기 되묻기출력부(700)는 되묻기표현(160) 생성이 필요한 모범표현(140)으로 학습자표현(150)과 가장 유사한 모범표현(140)이 아닌 다른 모범표현(140) 선정시 해당 모범표현(140)들의 학습완료유무를 참조하여 학습완료가 아직 안 된 모범표현(140)을 우선 선정한다.
또는, 상기 되묻기출력부(700)는 되묻기표현(160) 생성이 필요한 모범표현(140)으로 학습자표현(150)과 가장 유사한 모범표현(140)이 아닌 다른 모범표현(140) 선정시 해당 모범표현(140)들의 학습완료횟수를 참조하여 학습완료횟수가 낮은 모범표현(140)을 우선 선정한다.
도 2는 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 방법을 설명하기 위한 흐름도이다.
도 2를 참조하면, 전술한 바와 같은 목적을 달성하기 위한 본 발명의 챗봇 기반 외국어 학습 방법은, 에피소드선정부(200)가 대화정보저장부(100)로부터 특정 대화 에피소드(120)를 선정하면(S110), 봇멘트출력부(300)가 상기 선정된 에피소드(120)내 대화흐름정보에 따라 상기 대화정보저장부(100)로부터 챗봇이 전달해야 할 전달의사(130)에 대응되는 모범표현(140)들 중 하나를 검출하여 텍스트나 음성 등으로 출력하거나(S120), 전달의사표시부(400)가 상기 선택된 에피소드(120)내 대화흐름정보에 따라 상기 대화정보저장부(100)로부터 학습자가 전달해야 할 전달의사(130)를 검출하여 텍스트나 음성 등으로 표시한다(S130). 이후 학습자표현수신부(500)가 상기 표시된 전달의사(130)에 대응되는 학습자멘트를 학습자표현(150)으로 수신하고(S140), 표현평가부(600)가 상기 수신된 학습자표현(150)을 상기 표시된 전달의사(130)에 대응되는 상기 대화정보저장부(100)내 모범표현(140)들과 대조하고 그 유사성을 평가하여 상기 전달의사(130)의 전달여부를 결정한다(S150). 결정결과 성공이면(S160) 해당 모범표현(140)은 학습완료된 것으로 처리하고(S170), 결정결과 의사전달 실패이면(S160) 상기 되묻기출력부(700)가 상기 전달의사(130)에 대응되는 대화정보저장부(100)내 모범표현(140)들 중 하나를 선택하고 선택된 모범표현(140)에 대응되는 되묻기표현(160)을 생성하여 출력한다(S180). 이후, 학습자표현수신부(500)가 학습자로부터, 출력한 되묻기표현(160)에 대한 호응여부를 수신하고, 표현평가부(600)가 평가한다(S190). 이때 호응하지 않은 것으로 평가되면 대화가 종료되거나 억지로 호응한 것으로 간주하거나 또는 되묻기출력부(700)가 재차 되묻기표현을 출력할 수 있다. 호응한 것으로 평가된 경우 또는 S170 단계 이후, 상기 대화흐름정보상 더 이상 출력할 봇멘트가 없는 경우(S200), 표현평가부(600)가 학습자가 전달해야 할 각 전달의사(130)별로 학습자표현(150)을 평가한 걸 종합하여 상기 에피소드(120)에 대한 학습자 최종점수를 산정하고(S210) 종료한다. 물론 상기 대화흐름정보상 아직 대화가 끝나지 않은 경우 상기 봇멘트출력부(300)가 상기 대화정보저장부(100)에서 다음으로 전달할 전달의사(130)에 대응되는 모범표현(140)들 중 하나를 검출하여 출력한다.
도 3은 기존 챗봇 기반 외국어 학습 방식을 설명하기 위한 자료 이미지이다.
도 3을 참조하면, 기존 챗봇 기반 외국어 학습 시스템은, 예를 들어 약국 장면에서 학습자가 말할 법한 외국어 모범표현 몇 개를 먼저 제시한다. 보다 구체적으로 예를 들면, “I have an upset stomach.”, “I hurt my shoulder.” 등을 제시한다. 학습자가 그중에 하나를 읽으면 챗봇이 학습자가 읽은 표현에 의미적으로 연결될 수 있는, 미리 준비된 표현으로 대꾸한다. 즉, 학습자가 어떤 표현을 선택했느냐에 따라서 챗봇의 응대 표현이 바뀐다. 이후 다시 학습자가 이어서 말할 법한 외국어 모범표현 몇 개를 제시하고 앞서처럼 학습자는 그 중 하나의 표현을 읽으면서 학습이 진행된다. 기본적으로 쉽고 어느 정도 흥미를 유발할 수도 있겠지만 학습 강화를 기대하기는 어렵다.
도 4는 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 방식의 차이점을 설명하기 위한 자료 이미지이다.
도 4를 참조하면, 본 발명의 챗봇 기반 외국어 학습 시스템은 예를 들어 약국 장면(110)에서 미리 외국어 모범표현(140)을 제시하지 않는다. 대신에 미리 준비된 에피소드(120) 시나리오에 따라 학습자가 표현해야 할 전달의사(130)만을 학습자의 모국어로 제시한다. 학습자는 외국어 능력이 되는 대로 직접 작문하여 전달의사(130)를 외국어로 표현해야 한다. 그러면 본 발명의 챗봇 기반 외국어 학습 시스템이 학습자 표현(150)을 인지하고 표현이 부족한 경우 되묻기 등을 통해 올바른 모범표현(140)들에 익숙해지도록 유도한다. 이러한 방식으로 실제 외국 현장에서처럼 학습자가 시행착오를 겪으면서 외국어를 습득할 수 있게 지원한다.
도 4 ~ 도 6은 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 시스템의 대화정보저장부를 설명하기 위한 도면이다.
대화정보저장부(100)에는 수많은 대화 에피소드(120)들이 다양한 장면(110)별로 설정되어 있는데, 상기 장면(110)들은 도 5와 같이 분류될 수 있다. 도 5는 외국어 어학연수시 접할 법한 대화 장면(110)들을 분류해 놓은 분류표다. 도 5를 참조하면, 대분류로 공항, 숙소, 사회생활, 여행 등이 있고, 대분류 중 공항의 중분류로는 출국, 입국, 환전 등이 있으며, 중분류 중 입국의 소분류에 해당하는 대화 장면(110)들로는 여행지, 여행목적, 방송응대, 세관신고 등등이 있다.
도 6은 ‘세관신고’ 장면(110)을 구성하는 에피소드들을 예시한다. 도 6을 참조하면, ‘세관신고’ 장면(110)은 세 개의 에피소드(120)들로 구성된다. 그리고 각 에피소드(120)는 두 명 이상의 대화주체가 주고받는 모국어 대화 문장들로 구성되는데, 상기 각 모국어 대화문장이 학습자가 학습시 외국어로 표현해야 할 전달의사(130)이다.
도 4는 ‘약국’ 장면(110)의 에피소드(120)들 중 ‘배가 아파요’ 에피소드(120)내 각 전달의사(130)별 외국어 모범표현(140)들을 예시하고 있다. 도 4에 따르면, 에피소드(120)내 각 전달의사(130)는 대화흐름에 따라 순차적으로 연결되어 있고 각 전달의사(130)는 1개 이상의 모범표현(140)들로 구성되어 있다. 즉, 모국어 문장으로 표현된 하나의 전달의사는 목표 외국어의 다양한 문장들, 즉 다양한 모범표현(140)들로 표현될 수 있다.
도 7 ~ 도 16은 본 발명의 일 실시예에 따른 챗봇 기반 외국어 학습 시스템에서 학습자가 학습을 수행하는 과정을 순차적으로 예시한다.
도 7에 따르면, 에피소드선정부(200)가 대화정보저장부(100)로부터 가능한 대화 장면(110)들을 검출하여 학습자에게 제시하고 학습자가 선택한 대화 장면 정보(110)를 수신한다. 예를 들어, ‘약국’ 장면(110)이 선택됐음을 수신한다.
도 8에 따르면, 에피소드선정부(200)가 대화정보저장부(100)로부터 상기 선택된 대화 장면을 구성하는 에피소드(120)들을 검출하여 학습자에게 제시하고 학습자가 선택한 에피소드(120) 정보를 수신한다. 예를 들어, ‘배가 아파요’ 에피소드(120)가 선택됐음을 수신한다.
도 9에 따르면, 에피소드선정부(200)가 대화정보저장부(100)로부터 상기 선택된 에피소드(120)에 대한 대화흐름정보를 참조하여 학습자에게 대화에 대한 인트로 멘트를 제공한다.
도 10에 따르면, 봇멘트출력부(300)가 상기 선정된 에피소드(120)내 대화흐름정보에 따라 상기 대화정보저장부(100)로부터 챗봇이 전달해야 할 전달의사(130)에 대응되는 모범표현(140)들 중 하나를 검출하여 출력한다. 예를 들어, 약국 약사로서 "What can I do for you?"라고 출력한다.
도 11에 따르면, 전달의사표시부(400)가 상기 선택된 에피소드(120)내 대화흐름정보에 따라 상기 대화정보저장부(100)로부터 학습자가 전달해야 할 전달의사(130)를 검출하여 학습자에게 표출한다. 예를 들어, 학습자가 전달해야 할 전달의사(130)로서 '배가 아파요'를 출력한다.
도 12에 따르면, 학습자표현수신부(500)가 상기 표시된 전달의사(130)에 대응되는 학습자멘트를 학습자표현(150)으로 수신한다. 이때 학습자는 음성으로 표현하고 학습자표현수신부(500)는 이를 음성인식하여 학습자표현의 텍스트 버전을 확보한다. 예를 들어, 비문이지만 학습자가 말한 "My belly ... pain."을 수신한다.
도 13에 따르면, 되묻기출력부(170)는 표현평가부(600)가 상기 전달의사(130)가 전달되지 않은 것으로 결정하는 경우 상기 전달의사(130)에 대응되는 대화정보저장부(100)내 모범표현(140)들 중 하나를 선택하고 선택된 모범표현(140)에 대응되는 되묻기표현(160)을 생성하여 출력한다. 예를 들어, "You mean your stomach hurts?"를 출력한다.
도 14에 따르면, 학습자표현수신부(500)가 상기 출력된 되묻기표현(160)에 호응하는 학습자의 확인표현(170)을 수신한다. 예를 들어, 학습자로부터 "Yes, my stomach hurts."를 수신한다.
도 15에 따르면, 봇멘트출력부(300)가 상기 에피소드(120)내 대화흐름정보에 따라 대화정보저장부(100)로부터 챗봇이 다음으로 전달해야 할 전달의사(130)에 대응되는 모범표현(140)들 중 하나를 검출하여 출력한다. 예를 들어, 약국 약사로서 "How does it hurt?"라고 출력한다.
도 16에 따르면, 표현평가부(600)가 상기 선정된 에피소드(110)내 각 전달의사별로 학습자로부터 수신한 학습자표현(150)에 대해 점수를 산정하고, 합산 및 평균하여 상기 에피소드에 대한 최종 점수를 산출하여 출력한다.
이상 본 발명에 따른 실시예를 살펴보았다. 본 발명은 상술한 실시예로만 한정되는 것이 아니라 본 발명의 기술적 요지를 벗어나지 않는 범위에서 수정 및 변형되어 실시될 수 있음은 물론이다. 또한, 본 발명의 시스템 및 방법이 반드시 외국어 학습에만 적용되어야 하는 것 역시 아니다. 즉 본 발명의 기술적 요지를 벗어나지 않는 범위에서 다양한 실시가 가능함은 물론이다.
100: 대화정보저장부
200: 에피소드선정부
300: 봇멘트출력부
400: 전달의사표시부
500: 학습자표현수신부
600: 표현평가부
700: 되묻기출력부

Claims (22)

  1. 대화 에피소드별로 챗봇과 학습자가 주고받을 전달의사들의 대화흐름정보와 각 전달의사별로 1개 이상의 모범표현들을 저장한 대화정보저장부;
    상기 대화정보저장부로부터 특정 대화 에피소드를 선정하는 에피소드선정부;
    상기 선정된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 챗봇이 전달해야 할 전달의사에 대응되는 모범표현들 중 하나를 검출하여 출력하는 봇멘트출력부;
    상기 선택된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 학습자가 전달해야 할 전달의사를 검출하여 텍스트나 음성 등으로 표시하는 전달의사표시부;
    상기 표시된 전달의사에 대응되는 학습자멘트를 학습자표현으로 수신하는 학습자표현수신부; 및
    상기 수신된 학습자표현을 상기 표시된 전달의사에 대응되는 상기 대화정보저장부내 모범표현들과 대조하여 평가하는 표현평가부;를 포함하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  2. 제1항에 있어서,
    상기 대화정보저장부내 모범표현들은 학습자가 학습해야 할 목표언어의 표현들이고, 전달의사는 모국어와 같이 학습자가 알고 있는 언어로 표현되는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  3. 제1항에 있어서,
    상기 표현평가부는 상기 표시된 전달의사에 대응되는 상기 대화정보저장부내 모범표현들 중 상기 수신된 학습자표현과 가장 유사한 모범표현을 검출하고 그 유사도로 상기 학습자표현을 평가하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  4. 제3항에 있어서,
    상기 표현평가부는 상기 학습자표현을 평가한 유사도에 따라 상기 학습자표현에 의해 상기 표시된 전달의사가 전달되었는지 결정하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  5. 제4항에 있어서,
    상기 표현평가부는 상기 전달의사가 전달되었는지 여부를 상기 학습자표현을 평가한 유사도에 비례하여 확률적으로 결정하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  6. 제4항에 있어서,
    상기 표현평가부가 상기 전달의사가 전달되지 않은 것으로 결정하는 경우 상기 전달의사에 대응되는 대화정보저장부내 모범표현들 중 하나를 선택하고 선택된 모범표현에 대응되는 되묻기표현을 생성하여 출력하는 되묻기출력부;를 추가로 포함하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  7. 제6항에 있어서,
    상기 되묻기출력부는 상기 표시된 전달의사에 대응되는 모범표현들 중 상기 학습자표현에 가장 가까운 모범표현을 선택하고 선택된 모범표현에 대응되는 되묻기표현을 생성하여 출력하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  8. 제6항에 있어서,
    상기 되묻기출력부는 대상 모범표현을 의문문으로 전환하거나 앞에 'You mean' 또는 'You say' 등을 부착하여 되묻기표현을 생성하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  9. 제6항에 있어서,
    상기 되묻기표현은 상기 대화정보저장부내 각 모범표현별로 미리 저장되어 있고, 상기 되묻기출력부는 상기 대화정보저장부에서 검출하여 출력하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  10. 제6항에 있어서,
    상기 학습자표현수신부는 상기 출력된 되묻기표현에 호응하여 학습자가 제시한 확인표현도 추가로 수신하고,
    상기 표현평가부는 상기 학습자표현수신부에서 수신한 확인표현도 추가로 평가하여 상기 되묻기표현이 학습자가 전달하고자 하는 전달의사가 맞는지 확인함으로써 학습자의 전달의사가 챗봇에게 전달되었는지를 결정하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  11. 제3항에 있어서,
    상기 표현평가부는 상기 선정된 에피소드내 각 전달의사별 학습자표현에 대해 평가한 유사도를 기준으로 점수를 산정하고, 합산 및 평균하여 상기 에피소드에 대한 최종 점수를 산출하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  12. 제3항에 있어서,
    상기 학습자표현수신부는 상기 대화정보저장부내 모범표현들과 다른 언어의 학습자표현을 수신하고,
    상기 표현평가부는 상기 다른 언어의 학습자표현에 의미적으로 가장 가까운 모범표현을 상기 대화정보저장부로부터 확인하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  13. 제12항에 있어서,
    상기 표현평가부는 서로 다른 언어 표현간 의미 유사성을 평가할 때 미리 다국어에 대해 학습해둔 BERT 모델을 이용하거나 한쪽 언어 표현을 다른 쪽 언어로 번역한 후 유사성을 평가하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  14. 제1항에 있어서,
    상기 대화정보저장부는 각 모범표현별로 학습완료유무정보를 추가로 저장하고,
    상기 표현평가부는 상기 학습자표현과 문법적 및 의미적으로 대응되는 모범표현을 선정한 후 상기 학습자표현과 선정된 모범표현 사이 유사도에 따라 선정된 모범표현의 학습완료유무정보를 학습완료로 설정하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  15. 제14항에 있어서,
    상기 에피소드선정부는 상기 대화정보저장부로부터 학습완료유무정보가 학습완료로 설정되지 않은 모범표현들이 많은 에피소드를 우선 선정하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  16. 제1항에 있어서,
    상기 대화정보저장부는 각 모범표현별로 학습완료횟수정보를 추가로 저장하고,
    상기 표현평가부는 상기 학습자표현과 문법적 및 의미적으로 대응되는 모범표현을 선정한 후 상기 학습자표현과 선정된 모범표현 사이 유사도에 따라 선정된 모범표현의 학습완료 유무를 결정하고 학습완료시마다 해당 학습완료횟수정보를 가산하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  17. 제16항에 있어서,
    상기 에피소드선정부는 상기 대화정보저장부로부터 학습완료횟수가 적은 모범표현들이 많은 에피소드를 우선 선정하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  18. 제6항에 있어서,
    상기 되묻기출력부는, 상기 표현평가부가 상기 전달의사에 대해 상기 학습자표현과 가장 유사한 모범표현이 있지만 상기 전달의사가 전달되지 않았다고 결정하여, 되묻기표현을 생성해야 할 때, 일정 확률로, 상기 학습자표현과 가장 유사한 모범표현이 아닌 다른 모범표현으로 되묻기표현을 생성하여 출력하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  19. 제14항 및 제18항에 있어서,
    상기 되묻기출력부는 되묻기표현 생성이 필요한 모범표현으로서 학습자표현과 가장 유사한 모범표현이 아닌 다른 모범표현을 선정할 시 모범표현들의 학습완료유무를 참조하여 학습완료가 아직 안 된 모범표현을 우선 선정하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  20. 제16항 및 제18항에 있어서,
    상기 되묻기출력부는 되묻기표현 생성이 필요한 모범표현으로서 학습자표현과 가장 유사한 모범표현이 아닌 다른 모범표현을 선정할 시 모범표현들의 학습완료횟수를 참조하여 학습완료횟수가 낮은 모범표현을 우선 선정하는 것을 특징으로 하는 챗봇 기반 외국어 학습 시스템
  21. 챗봇 기반 외국어 학습 방법에 있어서,
    에피소드선정부가 대화정보저장부로부터 특정 대화 에피소드를 선정하는 단계;
    봇멘트출력부가 상기 선정된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 챗봇이 전달해야 할 전달의사에 대응되는 모범표현들 중 하나를 검출하여 출력하는 단계;
    전달의사표시부가 상기 선택된 에피소드내 대화흐름정보에 따라 상기 대화정보저장부로부터 학습자가 전달해야 할 전달의사를 검출하여 텍스트나 음성 등으로 표시하는 단계;
    학습자표현수신부가 상기 표시된 전달의사에 대응되는 학습자멘트를 학습자표현으로 수신하는 단계;
    표현평가부가 상기 수신된 학습자표현을 상기 표시된 전달의사에 대응되는 상기 대화정보저장부내 모범표현들과 대조하고 그 유사성을 평가하여 상기 전달의사의 전달여부를 결정하는 단계;를 포함하는 것을 특징으로 하는 챗봇 기반 외국어 학습 방법
  22. 제21항에 있어서,
    되묻기출력부는 상기 표현평가부가 상기 전달의사가 학습자표현에 의해 전달되지 않은 것으로 결정하는 경우 상기 전달의사에 대응되는 대화정보저장부내 모범표현들 중 하나를 선택하고 선택된 모범표현에 대응되는 되묻기표현을 생성하여 출력하는 단계;를 추가로 포함하는 것을 특징으로 하는 챗봇 기반 외국어 학습 방법

KR1020210101670A 2020-08-04 2021-08-02 챗봇 기반 외국어 학습 시스템 및 방법 KR20220017366A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200097692 2020-08-04
KR20200097692 2020-08-04

Publications (1)

Publication Number Publication Date
KR20220017366A true KR20220017366A (ko) 2022-02-11

Family

ID=80266350

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210101670A KR20220017366A (ko) 2020-08-04 2021-08-02 챗봇 기반 외국어 학습 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20220017366A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023163265A1 (ko) * 2022-02-24 2023-08-31 미디어젠 주식회사 Ai 기반의 질의 응답 챗봇을 이용한 언어 학습 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023163265A1 (ko) * 2022-02-24 2023-08-31 미디어젠 주식회사 Ai 기반의 질의 응답 챗봇을 이용한 언어 학습 시스템

Similar Documents

Publication Publication Date Title
Randall A survey of robot-assisted language learning (RALL)
US11551804B2 (en) Assisting psychological cure in automated chatting
Wang Reading strategy use and comprehension performance of more successful and less successful readers: A think-aloud study.
Purver The theory and use of clarification requests in dialogue
Acosta et al. Achieving rapport with turn-by-turn, user-responsive emotional coloring
CN101501741A (zh) 互动式外语教学
Sayers et al. The Dawn of the Human-Machine Era: A forecast of new and emerging language technologies.
KR101438088B1 (ko) 음성인식 및 문자전환 기술을 이용한 통역 테스트와 쓰기 테스트의 2차 피드백을 통한 외국어 학습 서비스 제공 방법
JP2019061189A (ja) 教材オーサリングシステム
KR20220017366A (ko) 챗봇 기반 외국어 학습 시스템 및 방법
Crompton et al. AI and English language teaching: Affordances and challenges
Arifi et al. Potentials of Chatbots for Spell Check among Youngsters.
CN117522643A (zh) 一种口才训练方法、装置、设备及存储介质
Jeon et al. The effect of physical embodiment of an animal robot on affective prosody recognition
KR20210032872A (ko) 연속대화기반 언어발달장애 검사 시스템 및 그 방법
CN114241835B (zh) 一种学生口语质量评测方法和设备
CN111326030A (zh) 一种集读听写识字学习系统、装置及方法
US10311864B2 (en) Written word refinement system and method for truthful transformation of spoken and written communications
CN116127028A (zh) 一种基于引入对比学习的对话系统及前端实现方法
KR102606967B1 (ko) 가상 치료사의 발달장애 검사/치료 방법 및 시스템
US20220076588A1 (en) Apparatus and method for providing foreign language education using foreign language sentence evaluation of foreign language learner
Greco et al. She adapts to her student: An expert pragmatic speaker tailoring her referring expressions to the Layman listener
Lee et al. Design of a Foreign Language Conversation Learning System Using Machine Learning
Mubin ROILA: Robot interaction language
CN108897731A (zh) 英语口语学习方法以及系统