KR20220096044A - 토론 자동 평가 장치 및 그 방법 - Google Patents

토론 자동 평가 장치 및 그 방법 Download PDF

Info

Publication number
KR20220096044A
KR20220096044A KR1020200188164A KR20200188164A KR20220096044A KR 20220096044 A KR20220096044 A KR 20220096044A KR 1020200188164 A KR1020200188164 A KR 1020200188164A KR 20200188164 A KR20200188164 A KR 20200188164A KR 20220096044 A KR20220096044 A KR 20220096044A
Authority
KR
South Korea
Prior art keywords
discussion
evaluation
data
section
automatic
Prior art date
Application number
KR1020200188164A
Other languages
English (en)
Inventor
허경호
배수진
Original Assignee
경희대학교 산학협력단
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 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR1020200188164A priority Critical patent/KR20220096044A/ko
Publication of KR20220096044A publication Critical patent/KR20220096044A/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—Systems or methods specially adapted for 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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Abstract

본 발명은 토론 자동 평가 장치 및 그 방법에 관한 것으로서, 일실시예에 따른 토론 자동 평가 장치는 토론 데이터를 수신하는 데이터 수신부와, 수신한 토론 데이터를 기설정된 복수의 섹션으로 구분하는 데이터 구분부 및 복수의 섹션 각각에 대응되는 평가 항목에 기초하여 구분된 토론 데이터 각각에 대한 평가를 수행하는 토론 평가부를 포함한다.

Description

토론 자동 평가 장치 및 그 방법{APPARATUS AND METHOD FOR AUTOMATIC EVALUATION OF DEBATE}
본 발명은 토론 자동 평가 장치 및 그 방법에 관한 것으로, 보다 상세하게는 토론을 섹션별로 구분하여 자동으로 평가하는 기술적 사상에 관한 것이다.
개인마다 정보 단말을 소지하게 하고, 개인 별로 소지한 정보 단말을 이용한 교육이 행해지고 있다. 정보 단말을 이용한 교육의 하나의 방법으로서 토론(debate) 지원 시스템이라는 것이 있다.
토론 지원 시스템은 정보 단말을 이용하여 토론 참가자마다의 의견을 수집하고, 수집한 의견을 화면에 표시하면서 토론을 진행 시키는 구조를 제공하는 것이다.
상술한 토론의 방법으로는, 예컨대 토론 참가자의 일례인 학생을 복수의 그룹으로 나눠, 각 그룹에서 의논을 하게 하는 그룹 토론 방법이 있다. 또한, 상술한 토론 지원 시스템의 목적의 하나로서, 토론 능력의 파악이 있다. 예를 들면, 토론 지원 시스템에서는 의논에 의해서 참가자의 의견이 변화되거나, 전체의 의견이 통합되는 경향을 보거나 함으로써, 참가자 개인의 토론 능력을 파악하고자 하고 있다.
그러나, 상술한 방법에서는 그룹에서의 의논 결과가 수집되기 때문에, 그룹 단위로의 토론 능력의 파악은 가능 하더라도, 그룹 내의 각 개인의 능력에 대해서는 파악할 수 없어 각 개인의 능력을 적절하게 평가할 수 없었다.
한국공개특허 제10-2014-0119628호, "토론 지원 프로그램, 토론 지원 방법 및 정보 처리 장치"
본 발명은 토론자들의 토론 능력의 평가 과정을 자동화함으로써, 평가 속도를 향상시키고 토론 평가에 따라 발생되는 비용을 최소화할 수 있는 토론 자동 평가 장치 및 그 방법을 제공하고자 한다.
또한, 본 발명은 토론자들의 토론 능력에 대한 평가 결과를 개별적으로 피드백하여, 토론의 효율성과 토론자의 만족도를 높일 수 있는 토론 자동 평가 장치 및 그 방법을 제공하고자 한다.
또한, 본 발명은 토론자들의 토론 내용을 섹션별로 구분하고, 구분된 섹션별로 기설정된 평가 항목에 따라 토론 내용을 채점하여 점수화함으로써, 토론 능력 평가의 정확도 및 신뢰도를 높일 수 있는 토론 자동 평가 장치 및 그 방법을 제공하고자 한다.
본 발명의 일실시예에 따른 토론 자동 평가 장치는 토론 데이터를 수신하는 데이터 수신부와, 수신한 토론 데이터를 기설정된 복수의 섹션으로 구분하는 데이터 구분부 및 복수의 섹션 각각에 대응되는 평가 항목에 기초하여 구분된 토론 데이터 각각에 대한 평가를 수행하는 토론 평가부를 포함할 수 있다.
일측에 따르면, 토론 데이터는 적어도 하나의 긍정측 토론자와 적어도 하나의 부정측 토론자 사이에서 진행되는 토론에 따른 영상 데이터 또는 음성 데이터를 포함할 수 있다.
일측에 따르면, 데이터 구분부는 수신한 토론 데이터에 대한 형태소 분석을 수행하고, 형태소 분석이 수행된 데이터를 입론 섹션, 질의/답변 섹션, 반박 섹션 및 표현 섹션 중 적어도 하나의 섹션으로 구분할 수 있다.
일측에 따르면, 데이터 구분부는 기설정된 복수의 섹션 식별자를 이용하여 형태소 분석이 수행된 데이터를 적어도 하나의 섹션으로 구분할 수 있다.
일측에 따르면, 토론 평가부는 논의 배경의 제시 여부, 주요 용어 정의의 적절성, 개관 제시 여부, 주장의 간단명료성, 주장에 대한 근거 제시 여부 및 주장에 대한 마무리 발언의 적절성 중 적어도 하나의 평가 항목을 이용하여 입론 섹션으로 구분된 데이터를 평가하고, 질의의 효과성, 질의의 적절성 및 답변의 적절성 중 적어도 하나의 평가 항목을 이용하여 질의/답변 섹션으로 구분된 데이터를 평가할 수 있다.
일측에 따르면, 토론 평가부는 개관 제시의 적절성, 반박의 적절성, 반박의 근거 제시 여부 및 반박에 대한 마무리 발언의 적절성 중 적어도 하나의 평가 항목을 이용하여 반박 섹션으로 구분된 데이터를 평가하고, 토론 예절의 준수 여부, 음성적 요소의 적절성 및 시간 사용의 적절성 중 적어도 하나의 평가 항목을 이용하여 표현 섹션으로 구분된 데이터를 평가할 수 있다.
일측에 따르면, 토론 평가부는 구분된 토론 데이터 각각에 대한 평가를 수행하여 기설정된 평가 항목에 대응되는 채점 결과를 포함하는 평가 결과 데이터를 생성할 수 있다.
일측에 따르면, 토론 평가부는 구분된 토론 데이터 각각을 입력으로 수신하여 채점 결과를 출력하는 평가 알고리즘을 이용하여 평가 결과 데이터를 생성할 수 있다.
일측에 따르면, 토론 평가부는 생성된 평가 결과 데이터를 기설정된 심사 단말에 제공하고, 심사 단말로부터 제공된 평가 결과 데이터에 대응되는 피드백 데이터를 수신하며, 수신된 피드백 데이터와 생성된 평가 결과 데이터에 기초하여 보완된 평가 결과 데이터를 생성할 수 있다.
일측에 따르면, 토론 평가부는 수신된 피드백 데이터에 기초하여 평가 알고리즘에 대한 기계학습을 수행할 수 있다.
본 발명의 일실시예에 따른 토론 자동 평가 방법은 데이터 수신부에서 토론 데이터를 수신하는 단계와, 데이터 구분부에서 수신한 토론 데이터를 기설정된 복수의 섹션으로 구분하는 단계 및 토론 평가부에서 복수의 섹션 각각에 대응되는 평가 항목에 기초하여 구분된 토론 데이터 각각에 대한 평가를 수행하는 단계를 포함할 수 있다.
일실시예에 따르면, 본 발명은 토론자들의 토론 능력의 평가 과정을 자동화함으로써, 평가 속도를 향상시키고 토론 평가에 따라 발생되는 비용을 최소화할 수 있다.
일실시예에 따르면, 본 발명은 토론자들의 토론 능력에 대한 평가 결과를 개별적으로 피드백하여, 토론의 효율성과 토론자의 만족도를 높일 수 있다.
일실시예에 따르면, 본 발명은 토론자들의 토론 내용을 섹션별로 구분하고, 구분된 섹션별로 기설정된 평가 항목에 따라 토론 내용을 채점하여 점수화함으로써, 토론 능력 평가의 정확도 및 신뢰도를 높일 수 있다.
도 1은 일실시예에 따른 토론 자동 평가 시스템을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 토론 자동 평가 장치를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 토론 자동 평가 장치에서 토론 데이터를 각 섹션별로 구분하는 예시를 설명하기 위한 도면이다.
도 4a 내지 도 4b는 일실시예에 따른 토론 자동 평가 장치에서 평가 결과 데이터를 시각화하는 예시를 설명하기 위한 도면이다.
도 5는 일실시예에 따른 토론 자동 평가 방법을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 토론 자동 평가 방법을 보다 구체적으로 설명하기 위한 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들면 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들면 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 토론 자동 평가 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 일실시예에 따른 토론 자동 평가 시스템(100)은 적어도 하나의 긍정측 토론자를 포함하는 긍정팀(110)과 적어도 하나의 부정측 토론자를 포함하는 부정팀(120) 사이에 진행되는 토론에 따른 데이터를 이용하여 토론자들의 토론 능력을 자동 평가할 수 있다.
이를 위해, 토론 자동 평가 시스템(100)은 데이터 생성 단말(130), 토론 평가 서버(140) 및 심사 단말(150)을 포함할 수 있다.
일실시예에 따른 데이터 생성 단말(130)는 긍정팀(110)과 부정팀(120) 사이에서 진행되는 토론 내용을 녹화 또는 녹음하여 토론 데이터를 생성할 수 있다.
일측에 따르면, 데이터 생성 단말(130)은 토론 대상자들을 긍정팀(110)과 부정팀(120)으로 구분하고, 토론을 주제를 제공하며, 긍정팀(110)과 부정팀(120) 사이에서 진행되는 토론을 중재하는 사회자 단말일 수 있다.
일실시예에 따른 토론 평가 서버(140)는 토론 데이터를 복수의 섹션으로 구분하고, 구분된 토론 데이터 각각을 대응되는 섹션별로 자동 평가하며, 평가 결과를 심사 단말(150)에 제공할 수 있다.
일측에 따르면, 토론 평가 서버(140)는 각 섹션별로 기설정된 평가항목에 기초하여 구분된 토론 데이터 각각을 채점할 수 있으며, 채점을 통해 수치화된 평가 결과를 심사 단말(150)에 제공할 수 있다.
일실시예에 따른 심사 단말(150)은 평가 결과를 수신하고, 수신된 평가 결과에 대한 세부 수정을 진행할 수 있으며, 세부 수정된 평가 결과를 포함하는 피드백 데이터를 토론 평가 서버(140)에 제공할 수 있다.
예를 들면, 심사 단말(150)은 기설정된 전문 심사자가 구비하는 단말로, 전문 심사자가 평가 결과를 세부 수정할 수 있도록 하는 전용 프로그램 또는 앱(App)을 통해 평가 결과를 제공할 수 있다.
일측에 따르면, 심사 단말(150)은 수치화된 평가 결과를 수신하여 각 섹션별로 채점된 수치를 재조정할 수 있으며, 재조정된 수치가 반영된 피드백 데이터를 토론 평가 서버(140)에 제공할 수 있다.
한편, 토론 평가 서버(140)는 수신한 피드백 데이터에 기초하여 보완된 평가 결과 데이터를 생성하고, 보완된 평가 결과 데이터를 각 토론자, 즉 평가 대상자 각각에게 제공할 수 있다.
일실시예에 따른 토론 자동 평가 시스템은 이후 실시예 도 2 내지 도 5c를 통해 보다 구체적으로 설명하기로 한다.
도 2는 일실시예에 따른 토론 자동 평가 장치를 설명하기 위한 도면이다.
도 2를 참조하면, 일실시예에 따른 토론 자동 평가 장치(200)는 토론자들의 토론 능력의 평가 과정을 자동화함으로써, 평가 속도를 향상시키고 토론 평가에 따라 발생되는 비용을 최소화할 수 있다.
또한, 토론 자동 평가 장치(200)는 토론자들의 토론 능력에 대한 평가 결과를 개별적으로 피드백하여, 토론의 효율성과 토론자의 만족도를 높일 수 있다.
또한, 토론 자동 평가 장치(200)는 토론자들의 토론 내용을 섹션별로 구분하고, 구분된 섹션별로 기설정된 평가 항목에 따라 토론 내용을 채점하여 점수화함으로써, 토론 능력 평가의 정확도 및 신뢰도를 높일 수 있다.
이를 위해, 토론 자동 평가 장치(200)는 데이터 수신부(210), 데이터 구분부(220) 및 토론 평가부(230)를 포함할 수 있다.
예를 들면, 토론 자동 평가 장치(200)는 도 1을 통해 설명한 일실시예에 따른 토론 평가 서버일 수 있다.
구체적으로, 일실시예에 따른 데이터 수신부(210)는 토론 데이터를 수신할 수 있다.
예를 들면, 토론 데이터는 적어도 하나의 긍정측 토론자와 적어도 하나의 부정측 토론자 사이에서 진행되는 토론에 따른 영상 데이터 또는 음성 데이터를 포함할 수 있다.
일실시예에 따른 데이터 구분부(220)는 데이터 수신부(210)를 통해 수신한 토론 데이터를 기설정된 복수의 섹션으로 구분할 수 있다.
일측에 따르면, 데이터 구분부(220)는 수신한 토론 데이터에 대한 형태소 분석을 수행하고, 형태소 분석이 수행된 데이터를 입론 섹션, 질의/답변 섹션, 반박 섹션 및 표현 섹션 중 적어도 하나의 섹션으로 구분할 수 있다.
보다 구체적으로, 데이터 구분부(220)는 기설정된 복수의 섹션 식별자를 이용하여 형태소 분석이 수행된 데이터를 적어도 하나의 섹션으로 구분할 수 있다.
예를 들면, 복수의 섹션 식별자는 각 섹션별 시작 식별자 및 종료 식별자를 포함할 수 있다.
보다 구체적인 예를 들면, 복수의 섹션 식별자는 입론 시작 식별자, 입론 종료 식별자, 질의/답변 시작 식별자, 질의/답변 종료 식별자, 반박 시작 식별자, 반박 종료 식별자, 표현 식별자를 포함할 수 있다.
일실시예에 따른 토론 평가부(230)는 복수의 섹션 각각에 대응되는 평가 항목에 기초하여 구분된 토론 데이터 각각에 대한 평가를 수행할 수 있다.
일측에 따르면, 토론 평가부(230)는 논의 배경의 제시 여부, 주요 용어 정의의 적절성, 개관 제시 여부, 주장의 간단명료성, 주장에 대한 근거 제시 여부 및 주장에 대한 마무리 발언의 적절성 중 적어도 하나의 평가 항목을 이용하여 입론 섹션으로 구분된 데이터를 평가할 수 있다.
또한, 토론 평가부(230)는 질의의 효과성, 질의의 적절성 및 답변의 적절성 중 적어도 하나의 평가 항목을 이용하여 질의/답변 섹션으로 구분된 데이터를 평가할 수 있다.
예를 들면, 질의의 효과성은 질의 내용에 상대측 주장의 핵심 내용의 반영 여부를 포함할 수 있다.
또한, 토론 평가부(230)는 개관 제시의 적절성, 반박의 적절성, 반박의 근거 제시 여부 및 반박에 대한 마무리 발언의 적절성 중 적어도 하나의 평가 항목을 이용하여 반박 섹션으로 구분된 데이터를 평가할 수 있다.
예를 들면, 개관 제시의 적절성은 주장전개의 순서(일례로, 첫째, 둘째) 반영 여부를 포함할 수 있다.
또한, 토론 평가부(230)는 토론 예절의 준수 여부, 음성적 요소의 적절성 및 시간 사용의 적절성 중 적어도 하나의 평가 항목을 이용하여 표현 섹션으로 구분된 데이터를 평가할 수 있다.
예를 들면, 토론 예절의 준수 여부는 기설정된 속어, 비어 및 문어체의 사용여부를 포함하고, 음성적 요소의 적절성은 발음의 정확성 및 속도의 적절성 여부를 포함할 수 있다. 보다 구체적으로, 토론 평가부(230)는 기저장된 음성 판단 알고리즘을 이용하여 토론 데이터에서 음성적 요소의 적절성을 판단할 수 있다.
즉, 일실시예에 따른 토론 평가부(230)는 각 섹션별로 기설정된 서로 다른 평가항목에 기초하여 토론 능력을 보다 체계적으로 평가함으로써, 토론 능력 평가의 정확도 및 신뢰도를 높일 수 있다.
일측에 따르면, 토론 평가부(230)는 구분된 토론 데이터 각각에 대한 평가를 수행하여 기설정된 평가 항목에 대응되는 채점 결과를 포함하는 평가 결과 데이터를 생성할 수 있다.
다시 말해, 토론 평가부(230)는 각 섹션별로 기설정된 평가 항목 각각에 기초한 채점을 통해 평가 결과를 수치화할 수 있다. 예를 들면, 토론 평가부(230)는 각 평가 항목별로 평가 결과를 '0', '1' 및 '2' 중 적어도 하나로 수치화할 수 있다.
일측에 따르면, 토론 평가부(230)는 구분된 토론 데이터 각각을 입력으로 수신하여 채점 결과를 출력하는 평가 알고리즘을 이용하여 평가 결과 데이터를 생성할 수 있다.
다시 말해, 토론 평가부(230)는 섹션별로 기설정된 평가 항목에 기초하여 평가를 수행하는 기계학습 기반의 평가 알고리즘을 통해 구분된 토론 데이터들에 대한 평가를 수행하여 수치화된 평가 결과 데이터를 생성할 수 있다.
예를 들면, 평가 알고리즘은 단일 알고리즘으로 구현될 수 있고, 각 섹션별로 서로 다른 알고리즘으로 구현될 수도 있다. 다시 말해, 평가 알고리즘은 입론 섹션 평가 알고리즘, 질의/답변 섹션 평가 알고리즘, 반박 섹션 평가 알고리즘 및 표현 섹션 평가 알고리즘으로 구분될 수도 있다.
일측에 따르면, 토론 평가부(230)는 생성된 평가 결과 데이터를 기설정된 심사 단말에 제공하고, 심사 단말로부터 제공된 평가 결과 데이터에 대응되는 피드백 데이터를 수신하며, 수신된 피드백 데이터와 생성된 평가 결과 데이터에 기초하여 보완된 평가 결과 데이터를 생성할 수 있다.
예를 들면, 심사 단말은 수치화된 평가 결과를 수신하여 각 섹션별로 채점된 수치를 재조정할 수 있으며, 재조정된 수치가 반영된 피드백 데이터를 토론 평가부(230)에 제공할 수 있다.
일측에 따르면, 토론 평가부(230)는 수신된 피드백 데이터에 기초하여 평가 알고리즘에 대한 기계학습을 수행할 수 있다.
다시 말해, 토론 평가부(230)는 전문 심사자가 재조정한 수치와, 재조정한 수치에 대응되는 토론 데이터에 기초하여 평가 알고리즘에 대한 기계학습을 수행함으로써, 평가 알고리즘의 평가 정확도 및 신뢰도를 향상시킬 수 있다.
한편, 토론 평가부(230)는 보완된 평가 결과 데이터를 대응되는 각 토론자의 단말에 제공하여 시각화할 수 있다.
예를 들면, 토론 평가부(230)는 각 토론자별 평가 결과 데이터, 평가 히스토리 데이터 및 평가 통계 데이터를 시각화하여 제공할 수 있다.
도 3은 일실시예에 따른 토론 자동 평가 장치에서 토론 데이터를 각 섹션별로 구분하는 예시를 설명하기 위한 도면이다.
도 3의 참조부호 300을 참조하면, 일실시예에 따른 토론 자동 평가 장치는 토론 데이터에 대한 형태소 분석을 수행하고, 형태소 분석이 수행된 토론 데이터(310)를 입론 섹션(331), 질의/답변 섹션(332), 반박 섹션(333) 및 표현 섹션(334)으로 구분할 수 있다.
일측에 따르면, 토론 자동 평가 장치는 기설정된 입론 식별자(321), 질의/답변 식별자(322), 반박 식별자(323) 및 표현 식별자(324)를 이용하여 형태소 분석이 수행된 토론 데이터(310)를 입론 섹션(331), 질의/답변 섹션(332), 반박 섹션(333) 및 표현 섹션(334)으로 구분할 수 있다.
예를 들면, 입론 식별자(321), 질의/답변 식별자(322), 반박 식별자(323)는 입론 시작 식별자, 입론 종료 식별자, 질의/답변 시작 식별자, 질의/답변 종료 식별자, 반박 시작 식별자, 반박 종료 식별자, 표현 시작 식별자 및 표현 종료 식별자를 포함할 수 있다.
보다 구체적인 예를 들면, 토론 자동 평가 장치는 토론자가 기설정된 입론 시작 식별자인 "입론을 시작하겠습니다."를 발화한 후, 기설정된 입론 종료 식별자인 "입론을 마치겠습니다."를 발화하면, 입론 시작 식별자가 발화된 시점부터 입론 종료 식별자가 발화된 시점까지의 토론 데이터를 입론 섹션(331)으로 구분할 수 있다.
또한, 토론 자동 평가 장치는 토론자가 기설정된 질의/답변 시작 식별자인 "질의(또는 답변)를 시작하겠습니다."를 발화한 후, 기설정된 질의/답변 종료 식별자인 "질의(또는 답변)을 마치겠습니다."를 발화하면, 질의/답변 시작 식별자가 발화된 시점부터 질의/답변 종료 식별자가 발화된 시점까지의 토론 데이터를 질의/답변 섹션(332)으로 구분할 수 있다.
또한, 토론 자동 평가 장치는 토론자가 기설정된 반박 시작 식별자인 "반박을 시작하겠습니다."를 발화한 후, 기설정된 반박 종료 식별자인 "반박을 마치겠습니다."를 발화하면, 반박 시작 식별자가 발화된 시점부터 반박 종료 식별자가 발화된 시점까지의 토론 데이터를 반박 섹션(333)으로 구분할 수 있다.
또한, 토론 자동 평가 장치는 토론자가 기설정된 표현 식별자에 대응되는 속어, 비어 및 문어체 중 적어도 하나를 발화하면, 발화된 표현 식별자에 대응되는 토론 데이터를 표현 섹션(334)으로 구분할 수 있다.
도 4a 내지 도 4b는 일실시예에 따른 토론 자동 평가 장치에서 평가 결과 데이터를 시각화하는 예시를 설명하기 위한 도면이다.
도 4a 내지 도 4b를 참조하면, 일실시예에 따른 토론 자동 평가 장치는 각 섹션별로 토론 데이터를 입론 섹션, 질의/답변 섹션, 반박 섹션, 표현 섹션으로 구분하고, 각 섹션별로 기설정된 평가항목에 기초하여 구분된 토론 데이터를 평가하여, 평가 결과 데이터를 생성할 수 있다.
또한, 토론 자동 평가 장치는 생성된 평가 결과 데이터를 기설정된 심사 단말에 제공하고, 심사 단말로부터 제공된 평가 결과 데이터에 대응되는 피드백 데이터를 수신하며, 수신된 피드백 데이터와 생성된 평가 결과 데이터에 기초하여 보완된 평가 결과 데이터를 생성 및 시각화할 수 있다.
구체적으로, 토론 자동 평가 장치는 참조부호 410과 같이, 토론 참가자, 즉 평가 대상자의 평가 총점 및 입론 섹션, 질의/답변 섹션, 반박 섹션 및 표현 섹션별로 평가 결과를 시각화하여 제공할 수 있다.
또한, 토론 자동 평가 장치는 참조부호 420과 같이, 평가 대상자의 토론 진행 및 토론 진행에 따른 히스토리 정보를 시각화하여 제공할 수도 있다.
한편, 토론 자동 평가 장치는 평가 대상자의 각 섹션별 평가 결과와, 히스토리 정보에 기초하여 통계 데이터를 생성하고, 생성된 통계 데이터를 시각화하여 제공할 수도 있다.
도 5는 일실시예에 따른 토론 자동 평가 방법을 설명하기 위한 도면이다.
다시 말해, 도 5는 도 1 내지 도 4b를 통해 설명한 일실시예에 따른 토론 자동 평가 장치의 동작 방법을 설명하는 도면으로, 이후 도 5를 통해 설명하는 내용 중 도 1 내지 도 4b를 통해 설명한 내용과 중복되는 설명은 생략하기로 한다.
도 5를 참조하면, 510 단계에서 일실시예에 따른 토론 자동 평가 방법은 데이터 수신부에서 토론 데이터를 수신할 수 있다.
예를 들면, 토론 데이터는 적어도 하나의 긍정측 토론자와 적어도 하나의 부정측 토론자 사이에서 진행되는 토론에 따른 영상 데이터 또는 음성 데이터를 포함할 수 있다.
다음으로, 520 단계에서 일실시예에 따른 토론 자동 평가 방법은 데이터 구분부에서 수신한 토론 데이터를 기설정된 복수의 섹션으로 구분할 수 있다.
일측에 따르면, 520 단계에서 일실시예에 따른 토론 자동 평가 방법은 수신한 토론 데이터에 대한 형태소 분석을 수행하고, 형태소 분석이 수행된 데이터를 입론 섹션, 질의/답변 섹션, 반박 섹션 및 표현 섹션 중 적어도 하나의 섹션으로 구분할 수 있다.
보다 구체적으로, 520 단계에서 일실시예에 따른 토론 자동 평가 방법은 기설정된 복수의 섹션 식별자를 이용하여 형태소 분석이 수행된 데이터를 적어도 하나의 섹션으로 구분할 수 있다.
다음으로, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 평가부에서 복수의 섹션 각각에 대응되는 평가 항목에 기초하여 구분된 토론 데이터 각각에 대한 평가를 수행할 수 있다.
일측에 따르면, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 논의 배경의 제시 여부, 주요 용어 정의의 적절성, 개관 제시 여부, 주장의 간단명료성, 주장에 대한 근거 제시 여부 및 주장에 대한 마무리 발언의 적절성 중 적어도 하나의 평가 항목을 이용하여 입론 섹션으로 구분된 데이터를 평가할 수 있다.
또한, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 질의의 효과성, 질의의 적절성 및 답변의 적절성 중 적어도 하나의 평가 항목을 이용하여 질의/답변 섹션으로 구분된 데이터를 평가할 수 있다.
또한, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 개관 제시의 적절성, 반박의 적절성, 반박의 근거 제시 여부 및 반박에 대한 마무리 발언의 적절성 중 적어도 하나의 평가 항목을 이용하여 반박 섹션으로 구분된 데이터를 평가할 수 있다.
또한, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 예절의 준수 여부, 음성적 요소의 적절성 및 시간 사용의 적절성 중 적어도 하나의 평가 항목을 이용하여 표현 섹션으로 구분된 데이터를 평가할 수 있다.
일측에 따르면, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 구분된 토론 데이터 각각에 대한 평가를 수행하여 기설정된 평가 항목에 대응되는 채점 결과를 포함하는 평가 결과 데이터를 생성할 수 있다.
일측에 따르면, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 구분된 토론 데이터 각각을 입력으로 수신하여 채점 결과를 출력하는 평가 알고리즘을 이용하여 평가 결과 데이터를 생성할 수 있다.
일측에 따르면, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 평가부에서 생성된 평가 결과 데이터를 기설정된 심사 단말에 제공하고, 심사 단말로부터 제공된 평가 결과 데이터에 대응되는 피드백 데이터를 수신하며, 수신된 피드백 데이터와 생성된 평가 결과 데이터에 기초하여 보완된 평가 결과 데이터를 생성하는 단계를 더 포함할 수 있다.
또한, 530 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 평가부에서 보완된 평가 결과 데이터를 대응되는 각 토론자의 단말에 제공하여 시각화하는 단계를 더 포함할 수 있다.
도 6은 일실시예에 따른 토론 자동 평가 방법을 보다 구체적으로 설명하기 위한 도면이다.
도 6을 참조하면, 이하에서 설명하는 610 단계 내지 680 단계는 도 5의 530 단계에서 수행될 수 있다.
구체적으로, 610 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 평가부에서 데이터 구분부로부터 입론 섹션으로 구분된 입론부 데이터, 질의/답변 섹션으로 구분된 질의/답변부 데이터, 반박 섹션으로 구분된 반박부 데이터 및 표현 섹션으로 구분된 표현부 데이터를 수신할 수 있다.
다음으로, 620 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 평가부에서 수신한 입론부 데이터, 질의/답변부 데이터, 반박부 데이터 및 표현부 데이터를 대응되는 입론부 평가 DB, 질의/답변부 평가 DB, 반박부 평가 DB 및 표현부 평가 DB에 각각 저장할 수 있다.
다음으로, 630 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 평가부에서 평가 DB 각각에 대응되는 평가 항목(평가 문항)에 기초하여 평가 DB에 저장된 데이터들을 각각 평가할 수 있다.
일측에 따르면, 630 단계에서 일실시예에 따른 토론 자동 평가 방법은 각 평가 DB별로 기설정된 평가 항목 각각에 기초한 채점을 통해 평가 결과를 수치화할 수 있다. 예를 들면, 각 평가 항목별로 평가 결과를 '0', '1' 및 '2' 중 적어도 하나로 수치화할 수 있다.
다음으로, 640 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 평가부에서 수치화된 평가 결과를 포함하는 평가 결과 데이터 즉, 토론 자동 평가 결과를 생성할 수 있다.
다음으로, 650 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론 평가부에서 토론 자동 평가 결과를 심사 단말에 전송할 수 있으며, 심사 단말은 전문 심사자 심사용 화면에 수신한 토론 자동 평가 결과를 출력할 수 있다.
다음으로, 660 단계에서 일실시예에 따른 토론 자동 평가 방법은 심사 단말에서 전문 심사자로부터 수신한 토론 자동 평가 결과를 수정하는 동작이 인식되면, 인식된 동작에 기초하여 토론 자동 평가 결과를 수정할 수 있다.
다시 말해, 660 단계에서 일실시예에 따른 토론 자동 평가 방법은 심사 단말에서 수신한 토론 자동 평가 결과에 반영되어 있는 각 평가 항목별 수치화된 평가 결과를 재조정할 수 있다.
다음으로, 670 단계에서 일실시예에 따른 토론 자동 평가 방법은 심사 단말에서 각 평가 항목별로 수치가 재조정된 평가 결과를 포함하는 피드백 데이터 데이터, 즉 전문 심사자 최종 평가 결과를 생성할 수 있다.
다음으로, 680 단계에서 일실시예에 따른 토론 자동 평가 방법은 심사 단말에서 생성된 전문 심사자 최종 평가 결과를 토론 평가부에 제공하고, 토론 평가부는 수신한 전문 심사자 최종 평과 결과를 대응되는 토론자의 단말에 제공할 수 있다.
일측에 따르면, 680 단계에서 일실시예에 따른 토론 자동 평가 방법은 토론자의 단말에서 전문 심사자 최종 평가 결과를 화면에 출력할 수 있다.
결국, 본 발명을 이용하면, 토론자들의 토론 능력의 평가 과정을 자동화함으로써, 평가 속도를 향상시키고 토론 평가에 따라 발생되는 비용을 최소화할 수 있다.
또한, 본 발명을 이용하면, 토론자들의 토론 능력에 대한 평가 결과를 개별적으로 피드백하여, 토론의 효율성과 토론자의 만족도를 높일 수 있다.
또한, 본 발명을 이용하면, 토론자들의 토론 내용을 섹션별로 구분하고, 구분된 섹션별로 기설정된 평가 항목에 따라 토론 내용을 채점하여 점수화함으로써, 토론 능력 평가의 정확도 및 신뢰도를 높일 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들면, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 장치, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
200: 토론 자동 평가 장치 210: 데이터 수신부
220: 데이터 구분부 230: 토론 평가부

Claims (11)

  1. 토론 데이터를 수신하는 데이터 수신부;
    상기 수신한 토론 데이터를 기설정된 복수의 섹션으로 구분하는 데이터 구분부 및
    상기 복수의 섹션 각각에 대응되는 평가 항목에 기초하여 상기 구분된 토론 데이터 각각에 대한 평가를 수행하는 토론 평가부
    를 포함하는 토론 자동 평가 장치.
  2. 제1항에 있어서,
    상기 토론 데이터는,
    적어도 하나의 긍정측 토론자와 적어도 하나의 부정측 토론자 사이에서 진행되는 토론에 따른 영상 데이터 또는 음성 데이터를 포함하는
    토론 자동 평가 장치.
  3. 제1항에 있어서,
    상기 데이터 구분부는,
    상기 수신한 토론 데이터에 대한 형태소 분석을 수행하고, 상기 형태소 분석이 수행된 데이터를 입론 섹션, 질의/답변 섹션, 반박 섹션 및 표현 섹션 중 적어도 하나의 섹션으로 구분하는
    토론 자동 평가 장치.
  4. 제3항에 있어서,
    상기 데이터 구분부는,
    기설정된 복수의 섹션 식별자를 이용하여 상기 형태소 분석이 수행된 데이터를 상기 적어도 하나의 섹션으로 구분하는
    토론 자동 평가 장치.
  5. 제3항에 있어서,
    상기 토론 평가부는,
    논의 배경의 제시 여부, 주요 용어 정의의 적절성, 개관 제시 여부, 주장의 간단명료성, 상기 주장에 대한 근거 제시 여부 및 상기 주장에 대한 마무리 발언의 적절성 중 적어도 하나의 평가 항목을 이용하여 상기 입론 섹션으로 구분된 데이터를 평가하고,
    질의의 효과성, 상기 질의의 적절성 및 답변의 적절성 중 적어도 하나의 평가 항목을 이용하여 상기 질의/답변 섹션으로 구분된 데이터를 평가하는
    토론 자동 평가 장치.
  6. 제3항에 있어서,
    상기 토론 평가부는,
    개관 제시의 적절성, 반박의 적절성, 상기 반박의 근거 제시 여부 및 상기 반박에 대한 마무리 발언의 적절성 중 적어도 하나의 평가 항목을 이용하여 상기 반박 섹션으로 구분된 데이터를 평가하고,
    토론 예절의 준수 여부, 음성적 요소의 적절성 및 시간 사용의 적절성 중 적어도 하나의 평가 항목을 이용하여 상기 표현 섹션으로 구분된 데이터를 평가하는
    토론 자동 평가 장치.
  7. 제1항에 있어서,
    상기 토론 평가부는,
    상기 구분된 토론 데이터 각각에 대한 평가를 수행하여 상기 기설정된 평가 항목에 대응되는 채점 결과를 포함하는 평가 결과 데이터를 생성하는
    토론 자동 평가 장치.
  8. 제7항에 있어서,
    상기 토론 평가부는,
    상기 구분된 토론 데이터 각각을 입력으로 수신하여 상기 채점 결과를 출력하는 평가 알고리즘을 이용하여 상기 평가 결과 데이터를 생성하는
    토론 자동 평가 장치.
  9. 제8항에 있어서,
    상기 토론 평가부는,
    상기 생성된 평가 결과 데이터를 기설정된 심사 단말에 제공하고, 상기 심사 단말로부터 상기 제공된 평가 결과 데이터에 대응되는 피드백 데이터를 수신하며, 상기 수신된 피드백 데이터와 상기 생성된 평가 결과 데이터에 기초하여 보완된 평가 결과 데이터를 생성하는
    토론 자동 평가 장치.
  10. 제9항에 있어서,
    상기 토론 평가부는,
    상기 수신된 피드백 데이터에 기초하여 상기 평가 알고리즘에 대한 기계학습을 수행하는
    토론 자동 평가 장치.
  11. 데이터 수신부에서, 토론 데이터를 수신하는 단계;
    데이터 구분부에서, 상기 수신한 토론 데이터를 기설정된 복수의 섹션으로 구분하는 단계 및
    토론 평가부에서, 상기 복수의 섹션 각각에 대응되는 평가 항목에 기초하여 상기 구분된 토론 데이터 각각에 대한 평가를 수행하는 단계
    를 포함하는 토론 자동 평가 방법.
KR1020200188164A 2020-12-30 2020-12-30 토론 자동 평가 장치 및 그 방법 KR20220096044A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200188164A KR20220096044A (ko) 2020-12-30 2020-12-30 토론 자동 평가 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200188164A KR20220096044A (ko) 2020-12-30 2020-12-30 토론 자동 평가 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20220096044A true KR20220096044A (ko) 2022-07-07

Family

ID=82398777

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200188164A KR20220096044A (ko) 2020-12-30 2020-12-30 토론 자동 평가 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR20220096044A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102583312B1 (ko) * 2022-12-29 2023-09-26 크디랩 주식회사 서비스 직원의 언어 및 제스처 분석을 통한 교육 평가 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140119628A (ko) 2013-03-27 2014-10-10 후지쯔 가부시끼가이샤 토론 지원 프로그램, 토론 지원 방법 및 정보 처리 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140119628A (ko) 2013-03-27 2014-10-10 후지쯔 가부시끼가이샤 토론 지원 프로그램, 토론 지원 방법 및 정보 처리 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102583312B1 (ko) * 2022-12-29 2023-09-26 크디랩 주식회사 서비스 직원의 언어 및 제스처 분석을 통한 교육 평가 방법 및 시스템

Similar Documents

Publication Publication Date Title
JP7098875B2 (ja) 会議支援システム、会議支援装置、会議支援方法及びプログラム
Pérez-Rosas et al. What makes a good counselor? learning to distinguish between high-quality and low-quality counseling conversations
JP5212604B2 (ja) リスク検知システム、リスク検知方法及びそのプログラム
Declerck et al. The effect of dual task demands and proficiency on second language speech production
JP2022130635A (ja) 会議支援システム、会議支援装置、会議支援方法及びプログラム
JP7283518B2 (ja) 会議支援システム、会議支援装置、会議支援方法及びプログラム
Kafle et al. Evaluating the usability of automatically generated captions for people who are deaf or hard of hearing
Hassanabadi et al. Cognitive consequences of segmentation and modality methods in learning from instructional animations
US9449522B2 (en) Systems and methods for evaluating difficulty of spoken text
US20090087822A1 (en) Computer-based language training work plan creation with specialized english materials
Fuchs et al. An apparent time study of the progressive in Nigerian English
US20230177799A1 (en) Relationship modeling and adjustment based on video data
JP2023101550A (ja) 会議支援システム、会議支援装置、会議支援方法及びプログラム
JP2020154093A (ja) 教育支援システム、方法及びプログラム
Wagner et al. Applying cooperative machine learning to speed up the annotation of social signals in large multi-modal corpora
Davitti et al. Embracing the complexity: a pilot study on interlingual respeaking
KR20220096044A (ko) 토론 자동 평가 장치 및 그 방법
Berger et al. A preliminary study of charismatic speech on YouTube: correlating prosodic variation with counts of subscribers, views and likes
Buist et al. Automatic Summarization of Meeting Data: A Feasibility Study.
Skidmore Incremental disfluency detection for spoken learner english
Mower et al. Analyzing the Nature of ECA Interactions in Children with Autism.
Kim et al. Detecting depression in dyadic conversations with multimodal narratives and visualizations
Kim et al. Visible Nuances: A Caption System to Visualize Paralinguistic Speech Cues for Deaf and Hard-of-Hearing Individuals
Viegas et al. Entheos: A multimodal dataset for studying enthusiasm
Asadi et al. Quester: A Speech-Based Question Answering Support System for Oral Presentations

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X601 Decision of rejection after re-examination