본 연구는 통번역 훈련과 평가, 외국어 발화훈련, 나아가 외국어 학습 전반으로 확장 가능한 에듀테크를 실현하는 데 있다. 이를 위해 인공지능 기반 통번역 훈련과 평가, 외국어 발화훈련에 적합한 플랫폼을 구축하고 그 효용성을 검증한다. 1. 인공지능 음성인식을 활용한 평가 플랫폼 구축 최근 자연언어 처리와 통번역의 인공지능 처리 기술이 급속도로 발전해 가고 ...

본 과제는 인공지능 음성인식 기반 통번역 훈련·평가 플랫폼을 개발해, 학생의 통역 발화를 시간 지연 없이 즉시 평가·시각화하는 에듀테크를 실현하는 연구임. 연구 목표는 STT(Speech to Text)로 통역 결과를 전사하고 필러·침묵·반복 발화를 추출해 정량화하며, 통역사 교대 감지 및 발화 속도 비교, 쉐도잉 일치도 측정까지 수행하는 실시간 평가 시스템 구축과 효용성 검증에 있음. 기대 효과는 이동성·자율 학습 지원, 객관적 피드백으로 평가 신뢰성 제고, 영어·일본어·중국어 등 언어 확장과 교실 한계 극복으로 반복 훈련 효율 향상에 있음.

● 기구축한 영역 별 빈도수가 높은 n-그램에 대한 데이터베이스 구축에 기반하여, 인간 유전체 서열의 크로마틴 상태 예측 알고리즘의 정확도를 더 높이기 위한 연구를 함. 이를 위하여, 200-bp에 기반한 각 영역별 블록의유의한 부분을 트레이닝에 의하여 재분류하여, 경계선을 재확정함. ● 개선된 경계선 기반 크로마틴상태 영역을 기반으로 한, 대량의 코퍼스를 재구축하고, 이에 기반한 자동 언어문법취득을 수행함 ● 서브스테이트 분석(classification 및 에러분석) 및 마코프 체인 특성이 상대적으로 약한 영역에 대한 재분석을 수행하여, 셀라인에 독립적인 DNA 서열 영역을 파악함. ● n-그램 기반 성공적으로 확정된 영역들에 대하여, 장거리 의존성등을 찾아내기 위하여, 다양한 기계학습 이론을 적용하며, 그 결과로 type2와 type1의 언어학적인 문법을 모델을 구축함. ● 후성유전체학 관련 데이터 뿐 아니라, SNP 등 좀더 광범위한 데이터를 통합하고, 이를 기존의 문맥자유문법에 의존하지 않고, 통계모델(Statistical CFG)이나 피쳐에 기반한 문맥자유문법(feature-based CFG)을 구축하며, 관련 피쳐 애노테이션 데이터베이스를 구축함.