초등학교 고학년 대상 비폭력대화 수업에서 챗봇 제작 프로그램 활용의 효과

성나연 서울교육대학교 교육전문대학원 2023 국내석사

본 연구는 초등학교 고학년 학생을 대상으로 한 비폭력대화 챗봇 제작 프로젝트 수업이 학생의 비폭력대화 실천에 유의미한 영향을 주는지 탐구하고자 한다. 이 연구는 비폭력대화의 가치와 실천 방법에 대해서 사전에 학습하여 인지적 지식이 있음에도 앎이 실천으로 드러나지 않는 학생들을 대상으로 하며, 실천으로 이어지는 도덕성을 기르는 것에 그 목적이 있다. 비폭력대화는 4단계의 절차를 빠짐없이 순차적으로 수행하며 각 단계에서 내면의 감정을 정확하게 알아차리고 조절하면서 나와 타인을 모두 존중하고 배려하려는 태도를 훈련하려는 대화법이다. 이에 직접적으로 절차적 사고를 유발하는 알고리즘 중심의 챗봇 제작 프로그램을 활용하여 비폭력대화 챗봇 제작 프로젝트 수업을 진행하였다. 학생이 주도적으로 또래 간의 갈등 문제 상황을 해결하는 과정에서 자기조절능력을 키우고, 학생 간 언어적 갈등을 예방 및 해소하는 생활 속 습관을 형성하고자 다음의 연구 문제를 설정하였다. 첫째, 학생이 자기조절능력을 강화하고 학급 내 언어적 갈등을 줄이고자 하는 목적 달성을 위해 비폭력대화 챗봇 제작 활동을 어떻게 구성할 것인가? 둘째, 비폭력대화를 훈련하기 위해 챗봇 제작 프로그램을 활용하는 것이 기존의 도덕 교과 활동과 비교했을 때 어떤 효과가 있는가? 셋째, 비폭력대화 챗봇 제작 수업 운영이 평화로운 학습공동체를 만드는 것에 유의미한 영향을 미쳤는가? 위 연구 문제를 바탕으로 초등학교 5학년 학생 27명을 실험집단으로 설정하며, 유사한 인문적 특성을 지닌 또 다른 학급의 28명 학생들을 통제집단으로 설정하여 일주일간의 프로젝트 수업을 진행하였다. 객관적인 연구 결과를 도출하기 위하여 두 집단의 사전 및 사후 검사 결과를 비교하는 독립표본 t 검정 분석을 실시하였다. 이때 동료 교사를 통한 전문가 자문을 통해 학급 내 언어적 갈등 해소의 효과성을 검증하기 위한 다양한 검사 도구 중 2011년 류연순의 ‘언어적 공격성 검사지’와 2020년 전성하의 ‘친구관계 질문지-갈등해결 방식 도구’의 2가지 검사 도구를 선택하였으며, 분석 도구로는 SPSS 27을 활용하였다. 또한 양적 분석으로 파악하기 어려운 학생의 소감 및 내면적 변화를 이해하기 위해 프로젝트 진행 중 교사의 관찰, 프로젝트 활동 후 학생들의 소감과 배움 변화를 묻는 활동지, 그리고 이후 학급토의에서 수집할 수 있는 학생 의견 등을 통해 질적 분석을 병행하는 혼합적 분석 방식을 채택하였다. 분석 결과 비폭력대화 챗봇 제작 활동에 참여한 실험집단 학생들이 일상적인 생활지도와 도덕 교과 수업을 통한 평화적 갈등 해소를 안내한 통제집단보다 언어적 공격성의 회복에 있어서 두드러지는 효과가 있었다. 이는 양적 분석뿐만 아니라 학생들의 의견상으로도 동일하게 나타났다. 하지만 절충 및 협력, 회피, 양보, 지배 등의 4가지 영역을 다룬 갈등해결전략 척도에서는 1주일이라는 한정된 기간 내에 실험집단과 통제집단의 유의미한 차이가 나타나지 않았다. 다만 실험집단의 사전 및 사후 검사를 비교한 대응표본 t검정 분석을 진행한 결과를 볼 때, 프로젝트 수업 참여가 학생의 실천적 효과가 나타난 것임이 분명함을 확인할 수 있었다. 또 학생의 내면적 변화를 확인하기 위한 소감문을 분석한 결과 스스로와 주변 친구의 감정조절 역량이 성장했음을 느끼는 학생들이 많았으며, 절차적지식을 통해 평화로운 갈등 해결 방법에 대한 정확한 이해를 바탕으로 내적 동기를 키워 장기적으로 긍정적인 행동 변화로 이어진 사례가 눈에 띄었다. 본 프로젝트 활동을 통한 연구는 다음과 같은 의의가 있다. 첫째, 초등학교 고학년 학생들이 공감과 배려, 의사소통 능력 향상 등 인간다운 삶을 위한 역량과 AI 기술을 연결 지을 수 있다. 둘째, 체험과 실습 중심으로 AI의 기본 원리를 이해하여 학생이 주체적이고 창의적인 태도로 실생활 문제해결에 참여할 수 있다. 셋째, 국내 학교 현장에서 챗봇의 교육적 활용 범위를 확대하였다. 이처럼 인성 교육과 기술의 연결성을 찾을 수 있는 다양한 분야에서 지속적인 현장 연구를 통해 학생의 삶과 닿아있는 유의미한 AI 활용 교육이 활발히 전개되기를 기대한다. This study aims to explore whether the chat-bot production program in Nonviolent Communication(NVC) classes for upper elementary students has a significant effect on students' NVC practice. The purpose of this study is to develop the morality of practicing students who have not been revealed to practice even though they have related cognitive knowledge by learning the value or method of NVC in advance. NVC is to train the attitude of respecting and caring for both me and others while accurately discovering and controlling inner emotions at each stage by performing all four steps sequentially. Accordingly, NVC chat-bot production project classes were conducted using an algorithm-based chat-bot production program that directly reveals procedural thinking. The following research questions were established to make it a habit for students to take the initiative in solving conflict problems between peers and to develop self-regulation skills and resolve and prevent verbal conflicts between students. First, how will students organize NVC chat-bot production activities to achieve the purpose of strengthening self-regulation skills and resolving verbal conflicts in class? Second, how is the use of chat-bot production programs to training NVC effective compared to normal moral curriculum activities? Third, did the operation of NVC chat-bot production classes have a significant effect on creating a peaceful classroom? Based on the above research problem, 27 fifth-grade elementary school students were set as experimental groups and 28 students from classes with similar humanities were set as control groups, and an independent sample t-test analysis was conducted to compare the results of a week's project classes. At this time, among various test tools to verify the effectiveness of class linguistic conflict resolution, Ryu Yeon-soon's "verbal aggression test paper" in 2011 and Jeon Seong-ha's "friend relationship questionnaire-conflict method tool" were used, and SPSS 27 was used as analysis tools. In addition, in order to understand students' thoughts and internal changes that are difficult to grasp through quantitative analysis, a mixed analysis method was adopted that combines qualitative analysis with activity papers asking students' thoughts and learning after project activities. As a result of the analysis, the students of the experimental group who participated in the production of NVC chat-bots had a more pronounced effect on the recovery of verbal aggression than the control group who guided peaceful conflict resolution through daily moral subject classes. This was the same not only in quantitative analysis but also in the opinions of students. However, there was no significant difference between the experimental group and the control group within a limited period of one week in the conflict resolution strategy scale, which covers four areas: compromise and cooperation, avoidance, concession, and control. However, it was confirmed through the analysis of the response sample t-test comparing the pre-test and post-test of the experimental group that participation in the project class had a practical effect. In addition, as a result of analyzing the students' internal changes, many students felt that their emotional control capabilities had grown, and they developed internal motivation based on accurate understanding of peaceful conflict resolution through procedural knowledge, leading to positive behavior changes in the long term. Research through this project activity has the following significance. First, upper elementary students can connect AI technologies with their abilities for human life, such as empathy, consideration, and improved communication skills. Second, students can participate in solving real-life problems independently and creatively by understanding the basic principles of AI based on experience and practice. Third, we explore the possibility of expanding the scope of educational use of chat-bots in elementary school. As such, I expect that field research that conducts meaningful educational activities in contact with students' lives through AI tools in various fields that have a connection between personality education and technology will continue.

Consecutive Differentiable Neural Computer for Understanding Context Information in Dialogue : 대화의 문맥 정보를 이해하기 위한 다층의 Differentiable Neural Computer

우동원 경북대학교 대학원 2018 국내석사

With the tremendous success of deep learning techniques, a lot of interesting researches on dialogue systems called chat-bot with deep neural networks have been attempted. In general, sequence-to-sequence models with recurrent neural network (RNN) are conventional dialogue systems which process one or two sentences at a time and can reply to user’s utterance without considering a conversation history. To overcome this problem, we propose consecutive Seq-DNC-seq structures for context understanding in dialogue. For this, we take differentiable neural computer (DNC) which has external memory to store the contextual information related to a conversation. We show that this memory can handle previous conversation history, so that the chat-bot can reply after understanding context information. We implemented consecutive Seq-DNC-seq structures such that the first layer processes first turn and second layer processes second turn and so on. Since each of the layer has the previous conversation’s information, our chat-bot system can generate various sentences even if the input is same. The proposed model can be a start point for more intelligent chat-bot system like human 최근 많은 딥러닝 연구자들이 심층 신경망을 이용한 chat-bot 개발에 집중하고 있다. 일반적으로Recurrent Neural network(RNN) 기반의 Sequence-to-sequence(Seq-to-seq) 라는 모델을 이용하여 chat-bot 개발 연구가 진행되고 있으나 이 Seq-to-seq 모델은 사용자의 현재 발화에 대해 단순한 대답을 하는 수준이며, 이전까지의 대화내용에 대한 정보를 저장하지 못하는 문제가 존재한다. 이를 해결하기 위해 우리는 외부 메모리를 가지고 있는Differentiable Neural Computer(DNC)라는 기술을 도입하여 이전까지의 대화 내용까지 다룰 수 있는 새로운 chat-bot 모델을 제안한다. 다층의 DNC를 이용, 각 층의 메모리를 연결하여 첫 번째 DNC는 첫 번째 대화를, 두 번째 DNC는 두 번째 대화를 진행하는 방식으로, 모든 단계의 DNC는 그전까지의 대화 정보를 가진다. 따라서 우리의 Chat-bot 모델은 현재 입력이 같더라도 그전까지의 대화 내용에 따라 다양한 출력을 생성해냄으로써 대화의 문맥을 이해할 수 있다. 대화의 문맥을 이해한다는 점에서 제안하는 모델은 보다 사람과 비슷한 인공지능 대화 시스템 개발에 시작점이 될 것이다.

한국어 교육용 대화 시스템 개발을 위한 화행 판별 자질 연구

한지윤 연세대학교 대학원 2018 국내석사

The aim of this paper is to classify the dialogue act of user response utterances for the development of a dialogue system for Korean language education and to select what features are appropriate for efficiently discriminating such utterances. This paper proposes a dialogue tag set that classifies the learner's utterance intent to develop a chat bot dialog system designed to enable Korean learners to practice Korean conversation. In order to classify the utterances automatically according to these tag set, I examine what features are suitable for the conversation system made for Korean education among the discriminant features used in the previous research. For this purpose, a corpus for Korean language education was collected to annotate the discriminant features and dialogue act. Based on the annotated corpus, we selected the dialogue act tags that can be used in the dialogue system for Korean language education. Rather than the traditional linguistic works, the discriminant features were chosen for practical use in the dialogue system for practicing Korean conversation. In case of the discriminant features, the features that can be commonly used in both rules base – d automatic classification and statistics-based automatic classification are selected and analyzed. The first chapter presents the purpose and background of this study. After examining the discussions related to the speech, second chapter the scholarly works on the automatic classification method. Furthermore, this chapter analyze the corpus used in the previous research after summarizing the discriminant features used in the study. The third chapter provides the design and collection of dialog corpus to be used in the dialogue system for Korean language education. The fourth chapter analyses the collected response speech data. The conclusion part gives the results of this study and future issues. 본고의 연구 주제는 한국어 교육 목적의 대화 시스템 개발을 위하여 사용자 응답 발화의 화행을 분류하고, 이러한 화행을 효율적으로 판별하는 데 적합한 자질이 무엇인지를 선별하는 것이다. 본고는 한국어 학습자들이 한국어 회화를 연습할 수 있도록 고안된 챗봇 대화 시스템에 입력된 학습자의 발화 의도를 파악하고 분류하는 화행 표지 체계를 제안한다. 또한, 이러한 화행 표지에 맞춰 발화를 자동으로 분류하기 위하여 기존에 화행 자동 분류 연구에서 이용된 화행 판별 자질 중 한국어 교육 목적 대화 시스템에 적합한 자질이 무엇인지 검토한다. 이를 위하여 한국어 교육용 대화 말뭉치를 구축하여 화행과 화행 판별 자질을 주석하였다. 주석된 말뭉치를 바탕으로 한국어 교육 목적의 대화 시스템에서 활용 가능한 화행 표지를 선정하였고, 화행 판별 자질과 화행 간의 연관도를 검토하여 각 화행별로 유의미한 화행 판별 자질을 추출하였다. 화행 표지는 전통적인 언어학에서의 화행과는 별개로 한국어 회화를 연습하기 위한 대화 시스템에서 실용적으로 활용할 수 있는 표지를 선택하였다. 화행 판별 자질의 경우 규칙 기반 자동 분류 모델과 통계 기반 자동 분류 모두에서 공통으로 활용할 수 있는 자질을 선정하여 그 특성을 분석하였다. 서론에서는 본 연구의 목적과 배경, 의의에 대해서 논한다. 관련 연구에서는 화행과 관련된 논의를 살펴본 후, 화행 자동 분류 방식에 대한 연구의 흐름에 대해서 탐구하면서 이러한 연구에서 활용된 화행 판별자질에 대하여 정리한 뒤 기존의 연구에서 활용된 말뭉치에 대하여 분석한다. 3장에서는 한국어 교육 목적의 대화 시스템에서 사용될 대화 말뭉치의 설계와 구축에 대하여 논의하고 4장에서는 수집된 응답 발화 데이터를 분석하여 화행별로 유의미한 화행 판별 자질을 선별한다. 결론에서는 본 연구의 성과와 추후 과제에 대하여 논한다.

혼합주도형 대화형 AI 봇 설계 사례 연구

김선택 연세대학교 공학대학원 2018 국내석사

대화형 AI 봇은 정보에 대한 새로운 Interface이며 사용자가 일방적으로 정보를 소비하는 앱과 다르게 주도적인 역할이 가능하다. 본 논문은 한글 자연어 처리가 가능한 혼합 주도형 대화형 AI 봇을 Bot Framework 기반으로 설계한다. 그리고 주제 무제한 패턴 처리로 주제 확장이 용이하도록 하며, 생성 모델 기반으로 입력발화와 출력 발화의 변환 규칙을 통해 다양한 발화 생성이 가능하도록 구상한다. 또한 학습 방식 혹은 설계 구조로 달라지는 성능 차이를 실험을 통해 확인하고 시사점을 도출한다. Conversational AI bot is a new interface to information, and unlike apps where users consume information unilaterally, they can take a leading role. In this paper, we design a mixed initiative conversational AI bot base on bot framework which can handle hangul natural language. In addition, it is easy to expand chat-oriented dialogue, and it is possible to generate various utterances through conversion rules of input utterance and output utterance based on generative models. and we can identify the performance differences that varies depending on the learning method or design structure through experiments and implications are derived.