1. 연구의 필요성 및 목표
4차산업혁명의 변화 속에서 각 개인의 고유한 인간성을 유지하면서 서로 공감하고 소통하는 능력은 스마트 기기의 차가운 물질세계에서 살아가기 위한 중요한 덕목이 될 것이다. 이러한 환경변화에 대처하기 위해 초중등 도덕교과과정에서는 인간의 긍정적 특질과 가치 규범을 강화하여 통합적 인격교육(character education)을 지향하는 방향으로 교과내용이 꾸준히 개편되고 있다. 나아가 대학은 사회인으로 진출하기 전에 긍정적 성품을 함양할 수 있는 마지막 기회이자 좋은 장이다. 교과과정과 입시준비로 여유가 없는 중⋅고등학교에 비해서 대학에서는 자유로운 시간과 선택의 기회가 많기 때문이다. 대학은 인생의 다양한 측면을 심도 있게 배울 수 있는 교육과목들과 더불어 긍정적 성품을 함양 할 수 있는 자기개발 프로그램들을 제공할 필요가 있다(권석만, 2008).
인성이라는 개념은 사람의 성품으로, 개성, 성격, 사람됨, 인간성, 인격, 도덕성 등 매우 다양한 의미로 사용되어 왔다. 조연순 외(1998)는 인성의 의미를 환경에 대응하여 나타나는 행동 및 태도, 동기, 경향성, 인생 과정들의 총합으로, 시공간에 걸쳐 어떠한 경험을 하느냐에 따라 크게 변화될 수 있다는 의미를 포함하는 것으로 보았다. Lickona & Davidson (2005)는 좋은 인성이란 인성의 도덕성 성격을 뜻한다고 주장하였고, 현주 외(2009)는 인성의 개념을 긍정적이고 건전한 개인의 삶과 사회적 삶을 위한 심리적, 행동적 특성으로 보았다. 이명준 외(2011)는 인성은 선천적인 것과 후천적인 경험에서 사회적 역할까지 개입된 도덕적 성향으로 인성의 개념을 정의하였다. 이렇게 다양하게 정의하는 인성의 개념처럼 각 학교마다 여러 방면의 인성교육이 실시되고 있으며, 인성교육에 대한 관심이 사회 전반에서 높아짐에 따라 학생들의 인성 수준을 파악하고 교육의 효과성을 검증하는데 활용할 수 있는 인성평가방법에 대한 관심도 높아지고 있다.
기존의 인성교육을 평가하기 위한 다양한 연구들은 크게 자기보고식 검사와 관찰평가로 나뉜다(권미진, 이윤선, 2017: 157-190; 이윤선 외, 2013: 261-282). 자기보고식 검사는 피험자가 자신에 대해 직접 보고하는 방식으로 다수를 대상으로 동시시행이 가능하며 간편하고 효율적인 점을 장점으로 볼 수 있다. 하지만 피험자 스스로가 객관적인 판단을 할 수 있다는 전제하에 가능한 평가 방법이다. 자기평가의 단점을 보완하는 대안적 방법으로는 관찰평가가 있다. 주어진 상황에서 관찰자가 피험자의 상황에 대처하는 방식이나 태도 등을 평가하는 방식이다. 그러나 관찰자가 담당하는 학생 수에 제약이 있으며 관찰평가를 위한 상황이 철저하게 통제된 실험실 상황이 아니면 객관적인 평가에 현실적으로 많은 어려움이 있다(김선주, 2016: 1-19; 손경원, 엄상원, 2019: 199-252).
따라서 본 연구는 현재까지 시행되는 인성평가의 두 가지 큰 축에서 나아가 인공지능의 머신러닝을 활용한 인성평가방법을 제안하고자 한다. 인성이 긍정적 덕목과 무관하지 않음에 착안하여 학생들의 긍정정도를 정량적으로 나타내고자 시도하였다. 긍정심리학에 근거한 인성교육 연구(권석만, 2008; 박종일 외, 2010: 121-154; 조연순 외, 1998: 131-152)에서는 행복수준이 높을수록 인성수준이 높으며, 긍정정서가 인성교육이 무관하지 않음을 검증하였고, 학습자에게 긍정 정서를 경험할 기회를 제공하고 인성강점과 긍정기관의 제고를 추구하는 인성교육이 학교폭력 예방에 효과적임을 제시하였다(최용성 외, 2019: 221-251; 추병완, 2013: 53-57). 이러한 긍정정서와 인성의 관련성에 근거하여 본 연구에서는 인성교육 과정에서 발생되는 성찰노트와 글쓰기 등의 비정형적인 텍스트 자료를 이용하여 작성자의 긍정정도를 정량적으로 분석하고자 한다. 인성평가를 위한 자료로 학습자의 성찰노트나, 에세이, 소감문등을 이용하므로 별도의 평가도구나 시 공간적인 자원이 필요 없다. 그리고 머신러닝을 활용한 자동화가 가능하므로 평가인원의 많고 적은 수에 구애받지 않으며 시간에 따른 변화를 쉽게 추출할 수 있다. 따라서 집단 간의 인성수치 비교가 가능하며 집단 내에서 수치 비교가 가능하므로 상담이나 심층조사가 필요한 개인이나 집단의 선별을 위한 자료로 활용이 가능하다. 그러므로 본 연구는 인공지능을 이용하여 개인 및 집단의 평가를 비교 분석하여, 교육 기간 동안 자연 발생되는 텍스트 자료를 평가 자료로 활용한다는 점에서 기존의 평가방식과 차별화될 수 있다.
2. 이론적 배경
2.1 감성분석
감성 분석(sentiment analysis)은 비정형 데이터인 텍스트에서 주관적인 인상이나 감정, 태도 등을 수치화하는 인공지능의 자연어처리 한 분야로 텍스트 데이터로부터 감성정보를 추출한다. 데이터에서 주관성(subjectivity) 요소를 탐지하는 것에서 시작하여, 주관적 요소인 긍정과 부정의 요소 및 정도성을 판별하여 정량화한다. 더불어 단순히 긍정과 부정을 판별하는 것에서 나아가 긍정과 부정의 대상이 되는 개체나 양상을 추출하고 감성을 표현하는 이의 의도나 입장을 분석하는 것 역시 감성 분석의 발전된 모델 속에서 다루어진다.
그리고 2000년대 이후에 주관적 언어나 감성 분석에 대한 연구가 활발해진 배경에는 인터넷 정보 환경의 고도화로 대중이 텍스트의 수용자가 아닌 텍스트 생산자로 대두되었다는 점. 그래서 대중이 만들어내는 텍스트 양이 엄청나게 늘어났고, 이러한 텍스트의 분석이 대중의 욕망과 사회적 트렌드를 측정하는 중요한 지표로 등장하게 되었다는 사실에서 그 원인을 찾을 수 있다(남길임, 조은경, 2017).
감성분석에서는 일반적으로 찬성/반대, 좋음/싫음같이 2진 형식으로 대상을 분류하며 특정단어에 대해서 점수를 차별화하여 수치화할 수 있다. 주어진 텍스트에서 긍정, 부정 혹은 중립을 파악하는 것을 기본으로 하며, 나아가 분노, 슬픔, 기쁨 같은 감정의 상태도 분석을 할 수가 있다.
감성분석 프로세스를 요약하면 다음 [그림 1]과 같다. 우선 감성분석의 첫 단계인 텍스트위주의 비정형 데이터를 수집한다. 비정형 데이터에서 말뭉치를 추출하여 이를 형태소 분석작업을 거쳐서 어휘 형태소 목록의 집합을 만든다. 여기에는 문자뿐만 아니라 요즘 제3의 언어라고 할 수 있는 이모티콘까지 포함될 수 있다. 다음 단계로 주관성 탐지를 하는데 감성과는 관련이 없는 부분 즉 주관성이 존재하지 않는 부분을 걸러내는 작업이다. 주로 이름 및 성별, 주소 같은 개인정보가 걸러진다. 주관성 탐지를 통해 처리된 데이터에 긍⋅부정 극성탐지(Polarity detection)를 실행한다. 단어별로 분리된 자료를 긍⋅부정사전을 이용하여 긍정인지 부정인지를 탐지하는데 이때 특정 단어의 빈도수의 평균 혹은 총합을 통해 문장이나 문단의 긍정 또는 부정 여부를 결정한다. 즉 각 단어를 긍⋅부정사전의 긍정단어에 해당하는지, 부정단어에 속하는지를 판별해내고, 한 문단이나 단락 혹은 문서 전체의 긍정 점수와 부정점수를 누적하여 긍정 점수가 부정 점수보다 높으면 긍정으로, 부정점수가 높으면 부정으로 판단한다.
따라서 감성분석은 작성자의 감성추출이 주목적이며, 의견뿐만 아니라 감성을 분석함으로써 보다 정확한 작성자의 정보 추출이 가능하다. 특히 SNS의 활발한 사용으로 광범위한 사용자의 감성을 추출할 수 있다. 또한 감성이 들어간 대다수의 분야의 접목 및 응용이 가능하며 개인뿐만 아니라 집단의 성향을 파악하여 분석하는데 사용될 수 있다.
본 연구에서는 학습자의 성찰일지나 소감문등에서 감성분석을 실시하여 학습자의 긍⋅부정상태를 수치로 나타내려 한다. 이때 사용되는 긍⋅부정 사전은 추출된 단어의 긍⋅부정을 결정하기 위한 중요한 요소로 작용한다.
2.2 감성분석 덕목
인성을 심리학의 연구주제로 새롭게 부활시킨 긍정심리학에서는 인간은 근본적으로 행복과 성장을 추구하는 존재라는 가정에서 출발한다. 행복이란 개인의 잠재된 능력의 실현으로서 참된 자기 혹은 참된 본성을 실현하는 것이다. 긍정심리학에서 말하는 행복개념에 따르면 행복은 주관적 웰빙(subjective-wellbeing)으로 부정정서보다 긍정 정서를 자주 느끼며, 삶의 만족도가 높을 때 인간은 행복하다고 말한다(Park, N. et al., 2006: 118-129; 문용린 외 역, 2009; Peterson, C. et al., 2006: 17-26). 이러한 주관적 안녕에 초점을 둔 행복을 공식화한 연구(현주 외, 2009)에서는 행복이란 긍정 정서와 삶의 만족도의 합에서 부정정서를 뺀 긍정 정서 값으로 보았다 (행복=긍정 정서+삶의 만족도-부정 정서).
긍정심리학적 관점에서 Peterson과 Seligman(2004)은 인간의 긍정적 특질을 분류하기 위해 세계의 주요 종교와 철학자들이 제시하는 덕목들과 심리학자들의 연구 자료들을 검토하여 총 200여개의 덕목 중에서 비교적 보편적인 덕목들을 10가지 기준에 근거하여 선별하였다. 그 결과 6개 핵심덕목과 24개인 성격적 강점과 덕성으로 구성된 VIA(Virtues in Action) 분류체계를 구축하였다<표 1>. 이 분류체계에 포함된 6개의 핵심덕목은 지혜, 자애, 용기, 절제, 정의, 초월로 상위 6개 덕목(the High Six)이라고 불린다. 6개의 핵심덕목은 각각 3~5개의 하위 강점으로 구성되어 있는데 그 첫 번째가 지혜와 지식이다. 이 덕목은 다시 창의성, 호기심, 판단, 학구열, 관점으로 분류되며, 창의성의 반대는 진부함을, 창의성이 부족하면 순응, 과잉은 기이함으로 분류된다. 호기심의 반대는 지루함, 부족함은 무관심, 과잉은 소란스러움으로, 그리고 판단의 반대는 가식, 과소는 비효과, 과잉은 냉소주의로 분류된다. 본 연구에서는 감성사전을 이용하여 학습자의 글에서 긍정과 부정의 수치를 얻는 방식을 사용하는데 설리그만의 6개 핵심덕목과 24개 분류의 덕목들을 기존의 긍 부정 사전에 추가하여 강점을 긍정으로, 병리적 상태인 반대, 과소, 과잉 덕목을 부정사전에 추가하는 방식으로 감성사전을 준비하였다.
<표 1>
Seligman의 VIA 인성강점 분류체계
3. 연구방법 및 절차
3.1 연구절차
머신러닝을 활용한 인성교육 평가방안 연구절차는 [그림 3]과 같다. 먼저, 평가 준비단계로 선행연구 및 문헌고찰을 실시하고 인성교육 전문가를 대상으로 본 연주 방식에 대한 자문을 구하였다. 그 결과로 기존의 감성사전을 보완하여 머신러닝 작업의 기초가 되는 감성사전을 구축하였다. 머신러닝 단계에서는 학습자들의 성찰일지인 평가 자료들을 수집하고 머신러닝 알고리즘을 작성, 학습한다. 분석단계에서는 감성분석을 실시한 후 나타난 긍⋅부정 수치를 토대로 학습자의 인성교육의 효과를 분석하는 순서로 진행한다.
3.2 평가준비단계
평가준비단계에서는 인성교육전문가 6인의 자문과 감성사전 구축을 실행하였다. 전문가 자문은 인성교과목을 수년 째 담당하는 교수자에게 이 연구의 가능성을 문의하였다. 우선 학습자의 성찰 글이 인성교육 성과를 판단하는 근거가 될 수 있는지에 대한 답변은 대체적으로 긍정적으로 인성교육 성과의 판단 근거가 된다는 답변이었다. 성찰 글이 인성교육 성과의 전부를 대변할 수는 없지만 성과의 일부를 판단하는데 도움이 된다고 본다는 의견이 많았으나 그것만으로 인성교육의 성과를 판단하는 근거가 될 수는 없으며 성찰 글은 늘 과장되거나 과대 포장될 가능성을 가지므로 평가자는 그와 같은 사실을 읽어낼 수 있는 눈을 가져야한다 라는 의견도 있었다(<표 2> 참조).
<표 2>
학습자의 성찰일지와 인성교육의 평가
두 번째로 인성교육과정에서 발생한 학습자의 성찰 글에서 그 내용의 긍⋅부정을 평가하는 방식이 인성교육 평가에 도움이 될 수 있을까?에 대한 답변은 대체로 긍정적인 방향의 의견이었다. 인성교육에 대한 구성개념의 정의, 양적 정의, 조작적 정의에 따라 도움이 될 수도 있고 안 될 수도 있으며 개념정의를 잘하면, 글 속의 단어나 문장, 그리고 긍정과 부정 단어나 문장을 통해 의미 있는 해석이 가능하다”는 의견과,”긍정 언어의 힘이 작용할 수 있기에 긍정 표현이 많은 것을 평가에 도입하는 것은 문제는 없어 보인다”라는 의견이 긍정적인 답변이었다. 그리고 “근본적인 문제인 인성교육의 성과를 평가하기가 쉽지 않지만 성찰 글 내용은 평가에 활용될 수 있는 방법이라고 본다. 학습자의 주관적인 성찰 글을 통해 그의 내면을 짐작할 수 있고 인성교육의 효과를 확인할 수 있기 때문이다” 라는 의견도 긍적적인 답변으로 보인다. 그러나 “긍정이나 부정적으로 평가하는 방식이 인성교육 평가에 도움이 될 수 있는지에 대해서는 어떤 교육관을 전제하고 있느냐에 따라 다른 대답이 가능하다. 도움이 되지 않는다는 입장에서는 직접적인 긍정 부정을 통한 평가가 오히려 인성교육에 장애가 될 수 있다. 인성교육이란 덕목을 습득하는 과정이 아니라, 각자가 이미 가지고 있거나, 자신 안에 이미 있는 것(인성)을 꺼내는 과정이라면, 성찰 글에 대해 직접적으로 긍정 혹은 부정적으로 평가하기 보다는, 다양한 계기를 만들 수 있는 조건을 제시하는 것으로 이미 충분할 수도 있기 때문이다.”라는 부정적인 답변도 있었다.
세 번째로 인성교육의 관점에서 긍정을 암시하는 단어 5가지와 부정을 암시하는 대표단어 5가지를 선정하는 문제에서는 긍정을 대표하는 단어에는 가능, 기회, 공감, 권리, 겸손, 개방성, 노력, 믿음, 배움, 배려, 소통, 성장, 수용, 사랑, 이해, 인정, 이타, 존중, 조화, 진실, 충분, 친절, 책임, 평화, 협동, 할 수 있음 등이 있다.
마찬가지로 인성교육의 관점에서 부정을 암시하는 단어는 강요, 거짓말, 경쟁, 거부, 거짓, 나약, 단절, 무관심, 무력감, 무례함, 몰지각, 무기력, 부정적, 불안, 불신, 불가능, 배타적, 상처, 이기심, 이기주의, 예의 없음, 열등감, 의탁, 억압, 잘못, 차별, 피해, 폭력, 탐욕, 파괴, 회피 등을 핵심 부정적인 단어로 선정하였다.
위에서 열거한 긍⋅부정 단어들은 자문을 구한 전문가들의 주관적인 성향이 있을 수 있으나 일단 긍정 단어는 긍정사전에, 부정단어는 부정 사전에 추가하였다.
<표 3>
긍•부정을 평가하는 방식의 타당성
<표 4>
인성교육의 관점에서 긍•부정을 암시하는 단어
3.3 머신러닝단계
본 연구에서는 인성교육과정에서 작성한 텍스트자료를 입력데이터로 이용한다. 많은 인성교육에서 텍스트자료는 문서의 길이에 상관없이 특정 내용에 관련 없이 수시로 발생하고 있으므로 이러한 비정형 텍스트자료를 머신러닝의 입력으로 사용할 수 있다. 특히 초기의 자아성찰 자료와 교육 후기의 자아성찰 자료는 교육의 성과를 분석할 수 있는 유용한 자료가 된다.
입력자료와 평가준비단계에서 선정한 인성평가덕목이 포함된 감성사전으로 감성평가 알고리즘을 작성한다. KoNLPy 라이브러리를 이용해서 형태소 분석 및 품사 태깅을 하였으며 형태소분석기는 꼬꼬마 한글 형태소 분석기를 사용하였고 KOSAC(Korean Sentiment Analysis Corpus)의 감성사전 데이터를 이용하였다.
우선 학습자들이 성찰일지에서 주로 많이 사용하는 단어를 뽑아보면 다음과 같이 생각, 사람, 자신, 친구, 사람 등의 단어 빈도수가 가장 높았다. 그 다음으로 학번, 행복, 사랑, 가족, 성격 등의 단어를 많이 사용하고 있음을 알 수 있다.
3.4 분석단계
분석단계에서는 학습자의 성찰일지를 감성분석 알고리즘으로 수행하여 긍⋅부정 단어의 빈도수를 측정한다. 학습자 25명을 대상으로 성찰일지에서 감성분석을 실시한 결과 각 개인별로 긍⋅부정 수치를 확인할 수 있다. 긍정평가지수는 학습자간에 편차는 있지만 대체적으로 60%를 넘어서는 강한 긍정이 나타났다.
-
강**.txt 분석-------------
긍정수치: 92%부정수치: 7%[result: 긍정이 강합니다.] -
권**.txt 분석-------------
긍정수치: 100%부정수치: 0%[result: 긍정이 강합니다.] -
손**.txt 분석-------------
긍정수치: 69%부정수치: 30%[result: 긍정이 강합니다.] -
이**.txt 분석-------------
긍정수치: 75%부정수치: 25%[result: 긍정이 강합니다.] -
주**.txt 분석-------------
긍정수치: 84%부정수치: 15%[result: 긍정이 강합니다.]
또 다른 결과로 집단의 수치를 비교할 수 있는데 [그림 5]처럼 27명 학습자의 성찰일지에 감성분석을 실시한 집단 분석에서 긍정지수 결과를 알 수 있었으며 개인 간의 긍정지수는 65에서 95사이에 대부분 위치함을 알 수 있다. 90%이상의 긍정지수를 나타낸 학습자의 성찰일지를 살펴보면 [그림 6]과 같다.
[그림 6]의 글에서 사랑, 행복, 불행, 좋아하고, 우정, 외로움, 칭찬, 강하고, 똑똑하다는 등의 단어를 사용하였다. 그러나 문장 전체를 보면 ‘행복은 잘 찾지 못하는 듯하다’라는 문장은 행복이라는 단어가 들어있지만 문맥으로는 부정적인 내용으로 부정사전에는 ‘행복하지 아니한’이 있고 ‘행복은 잘 찾지 못하는 듯하다’는 없으므로 부정으로 간주되지 않았다. 이러한 점으로 미루어 볼 때 문장의 의미를 구분하는 분석이 더 필요함을 알 수 있다.
[그림 7]은 집단 27명의 성찰일지에서 감성분석 결과 부정평가 지수를 나타낸다. 학습자간의 차이는 있으나 대체적으로 10%에서 30%사이의 부정수치가 나타났다. 40% 이상의 부정 수치를 나타낸 학습자의 성찰일지를 살펴보면 [그림 8]과 같다. 대체적으로 다른 학습자보다 나태, 귀찮아, 무기력, 사나운, 부정적 등과 같은 부정적인 표현이 많음을 알 수 있다.
나는 부모님의 사랑으로 자라서 남을 사랑할 줄 아는 사람이다. 그렇지만 자신의 행복은 잘 찾지 못하는 듯하다. 나보다는 남을 생각하는 사람이라고 평가하면 좋지만 내 자신이 좀 불행해지는 경향이 있는듯하다. 아직도 내가 하고 싶은 일이라든지 취미 적성 같은걸 아직 찾지 못하여 방황하는 중인 나는, 때문에 무엇이든 될 수 있다는 생각으로 나의 미래를 찾는 중이다. 나는 농구를 좋아하고 친구들과 농구할 때 행복하다. 나는 사람과의 우정을 좋아하기는 하지만 너무 우정에 죽고 살고하며 살고 싶지는 않다. 우정은 자신이 즐거워야 할 때 가지는 것이 중요하다고 생각한다. 집이 멀어서 주위에 친구가 많이 없어 외로움을 항상 마음 한편에 가지고 학교를 다니고 있는 듯하다.
그래서 나는 좀 추억으로 사는 듯하다. 내가 옛날에 겪었던 추억들은 나에게 힘이 된다. 나의 추억들 중에는 주로 좋았던 기억들로 가득 차 있다. 내가 여행 갔던 기억이라든지 시험을 잘 본 기억, 운동을 잘 했던 기억, 칭찬받았던 기억, 등등
하지만 요즘은 그 기억들이 나의 발목을 잡고 있다는 생각이 든다. 너무 좋았던 기억들은 나를 정체시키고 앞으로 나아가는 걸 방해한다는 생각이 든다. 안 좋았던 추억들을 너무 많이 가지고 있으면 나에게 독이 될 수는 있지만 약간의 추억은 나를 성장시킬 수 있다고 생각한다. 나는 요즘 나는 강하고 똑똑하다는 생각을 가지고 살아가는 중이다
이번 분석단계에서 집단의 긍⋅부정 상태를 수치적으로 한 눈에 표현하여 비교할 수 있었다. 특정인의 부정 수치가 높게 나온 집단의 구성원들 간의 비교를 학습자의 글과 분석결과를 비교해보면 머신러닝으로 판단한 긍⋅부정의 관점과 사람의 시각으로 본 긍⋅부정 관점이 크게 다르지 않음을 알 수 있다. 분석용 데이터를 집단 학습자 대신 학습자 한명이 작성한 여러 문서를 감성분석 한다면 감성의 변화를 시간에 따라 확인할 수 있을 것이다. 학습자의 시기에 따른 긍⋅부정 변화를 확인할 수 있고, 상담을 위한 기초자료로 활용할 수 있겠다.
오늘 내가 수업시간에 적은 ‘나를 표현하는 키워드’에는 부정적인 단어와 긍정적인 단어가 골고루 섞여 있었다. ‘나태’, ‘고집’, ‘오지랖’, ‘무르다’와 같은 단어들은 부정적이었고, ‘잘 웃음’, ‘예의’, ‘자기성찰’과 같은 단어들은 긍정적이었다.
나는 나태하다. 많은 문구 중 가장 먼저 생각난 문구였다. 할 일을 시간이 임박해서야 하고, 움직이는 일이 귀찮아 온종일 휴대폰을 만지고 일어나지 않은 날도 있었다. 나태는 곧 무기력으로 이어지기 일쑤였기에 최근 들어 가장 고치고 싶은 ‘나를 표현하는 키워드’이기도 하다. 두 번째로 생각난 문구는 ‘무르다’였다. 다른 사람들과 큰 충돌 없이 상대를 존중한다는 긍정적인 의미도 있겠지만 그 때문에 스스로 속상해 한 적이 많아 마냥 긍정적이지만도 않다. 무른 인상을 주는 데에는 ‘잘 웃는’ 모습도 많은 영향이 있다. 나는 무표정하면 사나운 인상이지만 웃을 때는 눈이 휘어지고 보조개가 들어간다. 그 때문에 어른들이 웃는 모습이 참 예쁘다는 소리를 해주었고 그건 습관처럼 웃는 버릇으로 이어졌다. 어렸을 때는 ‘고집’이 셌기 때문에 많은 친구들과 다투고 대립하곤 했다. 그 기질을 부모님과 많은 선생님들은 고치기를 원했고, 보다 넓은 마음을 가지고 사람들을 대하라는 말도 심심치 않게 들어왔다. ‘무르다’와 ‘고집’은 서로 반대되는 것 같으면서도, ‘무르지’ 않게 보이기 위해서는 ‘고집’을 가지고 있어야 한다는, 이상한 연결고리를 가지고 있는 것도 같다. 부모님은 내게 ‘자신을 돌아보는 사람이 되어라’고 자주 말씀하셨다. 그래서 나를 이야기하는 일은 그렇게 어렵지 않지만 때로는 가장 부담스러운 일이기도 하다. 자신을 돌아보면 부정적인 모습을 많이 발견했기에, 내 입으로 말하는 일은 내 치부를 밝히는 일이 되곤 했기 때문이다. 그러나 앞으로는 내가 나를 돌아봤을 때 긍정적인 모습을 발견하는 사람이 되고 싶고, 곧 다른 사람들이 나를 긍정적인 모습으로 볼 수 있는 발판이 되기를 바란다.
4. 결론
인성교육 과정에서 생성 된 비정형 형태의 텍스트 데이터에는 많은 정보가 담겨있으며 특히 이를 축적한 빅데이터는 인간을 이해할 수 있는 자료로 활용될 수 있다. 본 연구에서는 인성평가에서 기존에 주로 사용해왔던 자기보고식 검사와 교사나 전문가가 상황을 관찰하는 관찰평가의 두 가지 축에서 나아가 인공지능을 이용한 정량적 평가방법을 제안하였다.
인성교육기간에 작성한 성찰일지나 에세이에 나타난 긍⋅부정 상태를 수치로 나타내어 인성교육의 진행에 따른 상태 변화의 비교분석을 시도하였다. 인성을 인간의 내면 상태를 나타내는, 곧 인간의 총체성으로 본다면 개개인의 글이 작성자 자신의 상태를 정확하게 기술하지 않을 수도 있으며 내면을 표현하기에 부족한 점이 있을 수 있다는 문제점이 존재한다. 하지만 한 두 번이 아닌 한 작성자의 글쓰기 자료를 계속 축적한다면 거칠지만 내면의 방향성이 나타날 것이라 가정하였다. 그리고 단순하게 인성을 긍정과 부정으로 본다는 것은 문제가 있겠지만 성찰일지에서 사용된 단어를 살펴보면 생각, 사람, 자신, 친구, 사람, 행복, 사랑, 가족, 성격 등의 단어를 많이 사용하고 있음을 알 수 있었고 이들의 단어는 인성평가의 덕목과 상관없는 단어는 아니므로 정량적인 인성평가의 새로운 시도가 될 수 있을 것이다.
나아가 인공지능을 이용하여 인성평가를 시도한 점과, 교육 기간 동안 자연 발생되는 수업 결과물인 텍스트 자료를 평가 자료로 사용한다는 점에서 기존의 방식과 차별화될 수 있으며, 시간과 집단에 따른 인성교육의 성과를 분석할 수 있다는 점에서 시도할 만한 점이었다.
이 연구를 활용하는 방안은 시간에 따른 개인의 변화를 수치화하여 특이점을 찾아 심층 면접을 위한 사전자료로 활용할 수 있을 것이다. 즉 시간에 따른 학습자의 긍정과 부정의 변화를 알 수 있으므로 특별히 부정 지수가 높게 나온 날짜의 자료만 자세히 검토할 수 있는 자료로 활용할 수 있다.
또 다른 활용 방안으로 집단 간의 인성수치 비교를 하고자 하는 경우나, 집단 내에서 개인의 수치 비교가 가능하여 상담이나 심층조사가 필요한 개인이나 집단의 선별을 위한 자료로 활용 가능하다. 연구 초기인 현재는 인성을 긍정과 부정적인 측면으로 볼 수 있다는 가정에서 출발하였으나 연구가 진행 될수록 긍정심리학의 인성강점의 각 덕목으로 구체적인 긍정지수를 수치화 할 수 있는 연구가 요구된다. 앞으로 컴퓨터가 인간을 더 깊이 이해하는 알고리즘이 개발 될 것이고 따라서 인성의 다양한 덕목을 구체적으로 평가할 수 있으리라 본다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
