폐쇄어휘 학습자를 위한 의미 지원 도구

초록

본 논문은 학습자가 아랍어와 같은 언어에서 전치사·접속사·조사 등 폐쇄형 어휘의 의미와 용법을 정확히 이해하도록 돕는 진단형 학습 도구를 설계·제공한다. 단순 암기가 어려운 폐쇄어휘를 실제 문맥에 따라 구분·설명함으로써 학습자가 올바른 번역 선택과 사용을 습득하도록 지원한다.

상세 분석

본 연구는 언어 학습에서 가장 간과되기 쉬운 영역인 폐쇄형 어휘(전치사, 접속사, 조사 등)의 의미 전달 메커니즘을 정밀히 분석하고, 이를 기반으로 학습자 맞춤형 진단 정보를 제공하는 시스템을 구현하였다. 먼저, 기존의 발음·음운 학습 도구와 문법 규칙 자동화 도구가 주로 형태소 수준의 규칙 적용에 머무는 반면, 폐쇄어휘는 다의성, 문맥 의존성, 문화적 함축성 등 복합적인 요인에 의해 의미가 결정된다는 점을 강조한다. 이를 위해 저자는 아랍어 ‘on’에 해당하는 여러 전치사의 사용 사례를 대규모 코퍼스에서 추출하고, 의미‑용법 매핑을 위한 다중 레이어 어노테이션 스키마를 설계하였다.

시스템 핵심은 (1) 입력된 문장에 대한 구문·의미 분석, (2) 후보 폐쇄어휘의 의미 후보군 도출, (3) 각 후보에 대한 상황별 적합성 점수를 산출하고, (4) 학습자에게 시각적·텍스트적 피드백을 제공하는 4단계 파이프라인이다. 특히, 의미 후보군을 제시할 때는 해당 어휘가 사용된 실제 예문과 함께 ‘왜 이 경우에 적합한가’에 대한 설명을 자동 생성한다. 이 과정에서 의미역 라벨링, 전치사‑명사 결합 빈도, 통계적 상관관계 등을 활용한 머신러닝 모델이 적용된다.

평가에서는 아랍어 초급·중급 학습자를 대상으로 사전·사후 테스트를 진행했으며, 폐쇄어휘 정확도와 문장 재구성 능력이 통계적으로 유의하게 향상된 것을 확인하였다. 또한, 학습자 설문에서 ‘이해가 쉬워졌다’, ‘실제 상황에 적용하기 용이했다’는 긍정적 반응이 다수 보고되었다.

한계점으로는 현재 시스템이 아랍어에 특화되어 있어 다른 언어로의 확장 가능성을 검증하지 않았으며, 의미 설명 생성에 사용된 규칙 기반 템플릿이 복잡한 문맥에서는 부자연스러운 결과를 낼 수 있다는 점을 지적한다. 향후 연구에서는 다언어 지원을 위한 공통 의미‑용법 프레임워크 구축과, 대규모 사전 학습 언어 모델을 활용한 설명 생성 품질 향상을 목표로 한다.

이와 같이 본 논문은 폐쇄형 어휘 학습에 대한 체계적 진단·피드백 메커니즘을 제시함으로써, 기존의 암기 중심 학습을 넘어 의미 기반의 심층 이해를 촉진하는 새로운 패러다임을 제시한다.