에세이 창의성 평가 및 자동 피드백을 위한 NLP 모델

Automated Essay Scoring and Creativity Evaluation via NLP Data Generation

연구 내용

대규모 에세이에서 창의성 지표를 자동 산출하고 평가 결과를 활용하기 위해 감성·희귀 토큰을 반영한 학습데이터 생성과 대조학습 기반 BERT 추론을 결합하는 연구

본 연구는 글쓰기 평가의 주관성을 완화하기 위해 창의성 점수 예측과 평가 피드백에 필요한 텍스트 표현을 구축하는 데 초점을 둡니다. 감성 정보를 반영한 워드 임베딩을 생성하고, 희귀 토큰이 창의적 표현과 갖는 상관을 근거로 표현 단서를 정량화합니다. 또한 ASAP 유형 에세이 평가에서 대조 학습을 활용해 임베딩 공간에서 점수별 샘플을 구분하는 CLES-BERT를 수행하며, 웹기반 레이블링과 학습데이터 생성 체계를 통해 모델 학습 품질을 확보합니다. 이를 통해 창의성 평가 모델의 학습데이터-표현-추론 흐름을 일관되게 정리하는 차별성을 보유합니다.

관련 프로젝트

1건

연구 흐름

초기에는 창의성 관련 에세이를 추천하는 GAN 기반 생성 프레임워크를 통해 글 표현의 생성·선별 가능성을 탐색하였습니다. 이어서 2022년에는 감성 정보를 반영한 워드 임베딩 학습데이터 자동 생성 방법을 제안하며 텍스트 표현의 품질을 개선하는 방향으로 확장하였습니다. 2023년에는 대조학습 기반의 AES 모델(CLES-BERT)과 희귀 토큰 기반 ramBERT 비교 연구를 수행하여 창의성 신호를 임베딩 공간에서 분리하는 접근을 강화하였습니다. 동시에 대량 학습데이터 구축을 위한 웹 레이블링 시스템을 개발하여 창의성 점수 예측 모델의 학습 기반을 확장하는 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

에세이 자동 창의성 점수 산출
교육용 글쓰기 평가 보조 시스템
평가 결과 기반 글쓰기 피드백 생성
대규모 학습데이터 레이블링 자동화
창의성 평가용 텍스트 특징 추출
대조학습 기반 문장 임베딩 품질 개선
희귀 토큰 기반 창의성 단서 탐지
에세이 추천 및 큐레이션 도구
감성 정보를 반영한 문장 분류 모듈
평가자 편향 완화를 위한 모델 설계