한국인 영어학습자의 대화체 영화발화 데이터 자료의 설계, 수집 및 분석에 관한 연구

국문 초록 (Abstract)

본 연구는 한국인 영어학습자가 영어를 이용한 대화상황에서 발화한 영어에 나타난 음성-음향 및 대화적 특성을 양적으로 분석 고찰하는 것이 목적이다.

한국인 영어학습자의 영어발화에 나타난 음성적 대화적 특성에 관한 기존연구는 일부 존재하나 (예, 이석재외, 2003; 장태엽, 2005, The Foreign Accent Archive등) 이 모두는 실험실안에서 참여자 혼자 주어진 실험자료를 낭독체로 읽은 것에 기반을 두고있다. 그러나, 최근 음성학 분야 연구에 따르면 모국인 화자의 자기 모국어 낭독체 발화(read speech)와 실제 대화에서 발화한 즉각적 발화(spontaneous speech)사이에 중요한 질적 양적 차이들이 많이 보고되고 있는데 (예,Smiljanic & Bradlow, 2009; Uchanski, 2005) 이러한 발화 스타일의 차이가 외국어를 습득하는 비모국어 화자의 목표언어 발화에는 어떤 영향을 미치는지에 관한 연구가 상대적으로 많이 부족하다는 것이 이 연구의 주된 동기이다.

특별히 비모국어 영어학습자들이 영어를 이용한 대화참여시 대화 상대편의 언어적 배경에 따라 그 발화의 주요 음성학적 특성이 큰 영향을 받는다는 최근 연구(예, Costa, Pickering, & Sorace, 2008; Pickering & Garrod, 2004, 2006)에 기반하여 본 연구는 Van Engen et al. (2010) 및 Baker & Hazan (2010)등이 최근에 사용한 Diapix 과제라고 불리는 혁신적인 음성데이터 수집방법을 이용하여 한국인 영어학습자의 대화체 영어의 음성적, 대화적 특성을 밝히려고 한다.

이러한 목적달성을 위해서 본 연구는 먼저 한국인-한국인, 한국인-미국인 및 한국인-일본인/중국인간의 영어대화가 사전에 통제 가능한 그러나 최대한 자연스러운 환경에서 이루어 질 수 있도록 "틀린그림찾기"라는 협동적 과제에 기반을 둔 Diapix task를 이용할 것이다. 이런 방법을 통해 수집된 음성자료는 HTK라고 불리는 자동음성전사 프로그램(http://martinet.sas.upenn.edu/PPLClient)과 훈련된 인간전사자에 의한 수동전사방법을 모두 이용하여 문장,품사, 단어,음소단계의 전사를 실시하고 최종적으로 인터넷에 공개된 무료 음성데이터 분석,저장방법인 EMU 및 EMU-R 패키지(Harrington, 2010)를 이용하여 소규모 데이터베이스로 구축한 후 그 수집된 대화데이터에 나타난 음성 및 대화특성을 분석할 것이다.

구체적으로 영어학습자의 대화상황에서의 영어발화시 상대편 대화참여자의 언어적배경에 따라 그 발화의 주요 음성적, 대화적 특성이 영향을 받을 수 있다는 가설을 양적으로 검증하기 위하여 대화참여자의 구성에 따른 (i) 전체적인 외국어 엑센트 영어의 음향-음성학적 특징, (ii) 틀린그림찾기 과제를 시작하여 최종 완성하는데 걸리는 평균시간, (iii) 두 대화자간의 대화의 시간적 균형 (balance) 및 (iv) 대화에 쓰여진 단어 유형(word-types)과 토큰(word-tokens)간의 비율을 화자 개별 및 대화구성원의 조합에 따라 분석 고찰한다.

보다 더 구체적으로, 위에서 열거한 네가지 분석요소 중 먼저 대화에서 나타난 외국어 엑센트 영어의 전체적인 음향-음성학적 분석은, 대화에서 산출된 영어 단어들의 평균길이, 기본주파수의 평균과 최소-최대영역, long-term 평균 스펙트럼 분석(예, 1KHz와 3KHz사이의 평균 에너지 및 spectral slope)등이 포함된다. 또한 대화중 나타나는 휴지(pauses)의 길이, 머뭇거림(hesitations)의 비율, 그리고 한국인이 특히 어려워 하는 영어음소들 (예, /f/와 /v/의 구분등)의 음향-음성학적 특성에 대한 분석도 포함할 것이다. 두번째로 대화참여자 구성원에 따라 틀린그림찾기 과제를 수행하여 완성하는데 걸리는 평균시간이 어떻게 영향을 받는지 알아보기 위하여, 대화에 참여하는 두사람간의 주어진 대화목표 완성의 효율도(efficiency)는 대화완성에 쓰인 평균시간과 관련이 있을것이라는 가정하에 두대화 참여자가 주어진 과제를 완성하면서 실제 말하는데 쓴 시간 (actual speaking time)을 계산할 것이다. 세번째로 두 대화자간의 대화의 시간적 균형이라는 요소는 어느 특정 대화에서 더 많은 시간을 쓴 대화자의 시간을 분모로 하고 상대적으로 시간을 덜 쓴 화자의 시간을 분자로 하여 산출되는 비율을 통해 살펴볼 것이다. 마지막으로 특정 대화에서 두 대화자가 산출해 낸 단어의 token 수를 분모로 하고 단어의 type 수를 분자로 하여 대화 참여자들이 영어 단어를 어떻게 효율적으로 사용하였는지를 대화참여 구성원의 조합에 따라 살펴 볼 것이다.