생성형 AI를 활용한 한문 교육의 가능성 ― 〈Chat GPT〉와 〈Bard〉를 중심으로 ―

심호남

doi:10.15565/jll.2023.12.96.173

추천

검색

질문

자료유형: 학술저널

저자정보: 심호남 (중앙대학교)

저널정보: 중앙어문학회 어문론집 語文論集第96輯

발행연도: 2023.12

수록면: 173 - 197 (25page)

DOI: 10.15565/jll.2023.12.96.173

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

인공지능의 도래로 모든 분야에는 대격변이 발생하고 있고 한문 교육 분야 역시 예외는 아니다. 강의 현장에는 이미 LLM(Large Language Model)을 활용한 생성형 AI가 깊숙이 들어오는 중이다. 漢⽂은 가장 오래된 학문 중의 하나지만 그렇다고 해서 생성형 AI를 외면할 수 없다. 교수자가 신문물에 대해 아무런 준비 없이 새로운 시대를 맞는 일은 현명하지 않다. 생성형 AI는 일시적인 유행이 아니라 시대의 메가 트렌드로 자리잡아 사회 전반을 획기적으로 바꿀 것이 분명하기 때문이다. 한문교육 분야도 예외는 아니다. 또한 생성형 AI를 강의에 활용하면 보다 효율적인 운용이 가능하다. 다만 본 연구는 〈Chat GPT〉와 〈Bard〉를 중심으로 연구되었으며 네이버에서 개발한 〈하이버클로바X〉와 관련된 연구는 추후의 과제로 남겨둔다.
과거 인공지능은 노암 촘스키의 규칙 기반 언어학 이론 중심으로 학습을 시행하였다. 이 방법은 성공하지 못하였고 2010년대 이후 딥러닝을 통해 사람이 언어를 배우는 방법과 비슷하게 학습을 실행하였다. 맞는 답과 틀린 답이 교묘히 섞여있기 때문에 교수자는 충분한 주의를 기울여야 한다. 한문교육에 있어서는 원문 해석은 한계가 명확하여 큰 도움이 되지 않는다. 대신 원문과 관련된 배경지식과 관련해서 질문하면 정확도가 높은 답을 알려 주는 편이다. 그렇지만 잘못된 내용도 다수 등장한다. LLM이 제대로 작동하려면 약 5조개 정도의 문서가 투입되어야 한다. 〈Chat GPT〉와 〈Bard〉가 학습한 데이터는 영어로 기록된 문서 위주다. 한국어 문서를 익힌 비율이 낮다보니 충분히 신빙성 있는 자료를 모으기가 어렵다. 때문에 허위 정보를 그럴듯하게 전달하는 경우가 잦다. 많은 데이터를 익혔지만 한국어로 되어있는 한문 관련 데이터는 매우 취약하다. 한국고전번역원의 시험판 자동번역서비스도 있지만 학습이 『승정원일기』와 천문고전에 국한되어 있어 이외의 텍스트 해석은 정확도가 낮다. 현재 〈Chat GPT〉와 〈Bard〉는 한문 원문 해석 능력은 낮은 것으로 판단되므로 해석 연습에 있어서는 『승정원일기』 텍스트를 사용해서 한국고전번역원의 자동번역서비스 AI를 활용하는 편이 낫다. 다만 네이버의 〈하이퍼클로바X〉에 대한 연구가 진행되면 생성형 AI를 활용한 한문 교육도 가능해질 것으로 전망한다.

Artificial Intelligence (AI) has brought cataclysmic changes in all fields, including Chinese literature education. A Generative AI using the Large Language Model (LLM) is already entering the lecture site. Hanmun is one of the oldest studies; however, that does not mean we can ignore Generative AI. No professor can enter a new era without any preparation for the newspaper because Generative AI is not a temporary trend, but a megatrend today. that will drastically change society as a whole. In addition, more efficient operation is possible if Generative AIs are used for lectures. However, this study focused on Chat GPT and Bard, leaving research related to HiberClova X developed by Naver as a future task.
In the past, AI conducted learning based on Noam Chomsky"s rule-based linguistic theory. This method was unsuccessful, and since 2010, learning has been performed similarly to how humans learn languages through deep learning. The right and wrong answers to human questions are cleverly mixed requiring the instructor to pay sufficient attention. Considering Chinese literature education, the interpretation of the original text is not very helpful because of unclear limitations. Instead, when asked about background knowledge related to the original text, they tend to give high-accuracy answers. However, there are many wrong contents. About five trillion documents are needed for the LLM to work properly. The data learned by Chat GPT and Bard are mainly documents recorded in English. It is difficult to collect sufficiently reliable data because of the low percentage of Korean documents. Therefore, false information is often communicated in a plausible manner. Although much data has been learned, data related to Chinese characters in Korean are very weak. There is also an automatic translation service for the test version of the Korean Classics Translation Institute, but other text interpretations are low in accuracy because learning is limited to Seungjeongwon ilgi and Astronomical Classics. Currently, Chat GPT and Bard are believed to have no ability to interpret the original Chinese text. Therefore, it is better to use the automatic translation service AI of the Korea Classical Translation Institute using the Seungjeongwon ilgi text for interpretation practice. However, if Naver"s research on HyperClova X is conducted, it is expected that Chinese literature education using Generative AIs will be possible.

#인공지능(AI) #거대언어모델 #Chat GPT #Bard #하이퍼클로바X #한국고전번역원 자동번역서비스 #한문교육 #Artificial intelligence(AI) #Large Language Model #Chat GPT #Bard #HyperclovaX #Institute for Translation of korean Classics automatic translation service #Chinese literature education

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

심호남

소속기관 중앙대학교

주요연구분야 인문학 > 어문학 > 한국어와문학 TOP 5% 사회과학 > 교육학

논문수 5 이용수 1,178

이 논문과 함께 이용한 논문

생성형 인공지능이 국어교육에 미치는 영향과 대응 방안 - ChatGPT는 국어교육의 도구인가, 위협인가?

오규설 국어교육연구 2023 .06

생성형 AI를 활용한 한문교육 연구-네이버 클로바X를 중심으로-

심호남 우리문학연구 2024 .04

ChatGPT를 활용한 영어교육에 대한 교수자와 학습자의 인식연구

양정임 신영어영문학 2024 .02

초등 교과 수업 사례 분석을 통한 Chat GPT 활용 방식 유형

김은경 , 이영준 한국컴퓨터교육학회 학술발표대회논문집 2023 .08

Chat GPT 등장과 교양교육의 방향 탐색

윤옥한 한국콘텐츠학회논문지 2023 .05

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089239354

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)