언어학 및 인공지능의 발전
언어학 및 인공지능의 발전
언어에 대한 이해를 정말로 높여주는 언어학의 어떤 발전도 CALL에 관련된 사람들의 관심을 끌 수 있으리라는 것은 분명하다. 우리들이 가르치는 언어에 대한 더 명백한, 더 정확한 기술은 더 나은 CALL패키지를 만들 수 있는 기초 자료를 제공하게 될 것이다. 이론적인 진보는 언어의 본질과 언어학습자가 부딪히게 되는 관점을 더욱 명백하게 파악할 수 있게 해 줄 것이다. 언어 학습에 관심을 가지고 있는 응용언어학 분야를 살펴보면 CALL과의 연관성은 더욱 명백하다. 학습자가 가장 효율적으로 학습하는 방법에 관한 정보는 아주 소중할 것이다. 그렇지만 응용 언어학에서 도움을 받는 것은 단지 CALL문제만은 아니다. 우리가 원하면 컴퓨터는 CALL프로그램이 어떻게 사용되어지는가를 기록해 둘 수 있다. 종래의 모니터 방법은 이미 논의한 바 있다. 학습자가 모조프로그램을 이용한 경로, 각 반응에 걸린 시간, 오답의 내용, 오답의 유형 등 등에 관한 데이타를 연구목적으로 저장할 수 있다. 이와 같이, CALL은 과거에 언어학자가 일반적으로 이용해 왔던 것보다 더 자세한 데이타를 제공해 줄 수 있다.
언어학이 CALL에 얼마나 중요한 것인지는 언급할 필요가 없지만, 인공지능의 관련성은 좀 더 설명이 필요하다. CALL프로그램이 단말기에서 실행되는 것을 보면 참으로 대단한 것 같이 보이는 것이 많지만, 다룰 수 있는 범위는 극히 제한적이다. 다루어지는 주 내용은 제한되어 있고 프로그램 작성자는 개개의 모든 반응 요청에 따라 학생들이 할 수 있는 모든 가능한 반응을 예측해야 한다. GERAD를 다시 살펴보자. 이것은 독일어 형용사에 관해 약간의 지식을 가지고 있는 것 같이 보이는데, 60개의 문장에 올바른 형용사형을 줄 수 있고 어형 변화표를 보여 줄 수 있다. 그러나 어떤 특정 문장에 필요한 형태를 표에서 만들어 내는 것이 아니라 단지 그것을 저장하고 있을 뿐이다. 새로운 어떤 독일어 문장이 주어지면 GERAD는 올바른 형의 형용사 어미를 예측할 수는 없으며, 바꾸어 말하면, 그 프로그램은 그 자신이 학생에게 요구하는 바를 그 자신은 할 수 없다는 것이다. 이보다 더 나은 지능(인간에게서 볼 수 있는 지적행위를 보여준다는 점에서)을 갖춘 프로그램도 더러 있다. 어간과 어미를 각각 분리시켜 저장하여 주어진 어간에 필요한 적절한 어미를 붙이는 어형에 관한 프로그램도 있다. 이런 프로그램은 그 언어에 관한 약간의 지식을 가지고 있는 것이다. 학생의 반응에 따라 거처야 할 과정을 결정해 주는 다른 프로그램도 있는데, 예를 들면, 학생이 틀린 답을 하면 설명이나 교정자료를 살펴볼 수 있도록 그 프로그램을 분기시킨다. 이와 같은 프로그램은 교수법에 관한 약간의 지식을 가지고 있는 것이다.
인공지능을 연구하는 사람들은 그들의 시야를 훨씬 더 높은 수준에 둔다. 그들은 학생과 대화를 수행하는 능력 및 학생의 오답을 이용하여 잘못 이해한 것을 진단하는 능력과 더불어 학습내용을 포함하는 지능 시스템(ICAI:인공지능 컴퓨터에 의한 교수법)의 개발에 목표를 두고 있다. Barr & Feigenbaum (1982:229-35)은 세가지 모듈(구성성분)의 관점에서 이러한 시스템을 논의하고 있다. 첫째는 전문적인 기술 모듈로서 학습내용을 제시하고 있는데 문제를 만들고 학생의 반응도 평가한다. 둘째는 학생-모델 모듈로서 학습 내용에 대한 학생의 이해도를 나타내는데, 직접적인 질문, 학생 반응의 분석, 학생의 경험과 학습 내용의 난이도에 대한 가정에서 정보를 얻는다. 세째로 개별 교수 모듈로서 학생과 의사소통을 하는 것인데 문제를 선택하고 학생의 반응을 관찰하여 조력과 교정 자료를 제공한다.
머지 않은 장래에 이러한 야심적인 패키지가 실행될 전망은 없다. 더구나 이 연구의 대부분은 CALL보다도 문제 해결을 중심으로 하는 분야에서 이루어지고 있다. 그렇지만 ICAI모델은 하나의 목표로서 그리고 향상된 다음 단계를 제시해 주는 출발점으로서 가치가 있다. 그러므로 CALL의 관점에서 이 세 모듈을 다시 한번 살펴보자.
CALL을 위한 전문적 기술 모듈은 목표 언어의 어휘, 의미 및 통어규칙 등에 대한 기저 지식을 포함할 것이다. 이 기저를 이용하여 연습문제를 만들어 내고 학생의 반응을 분석하게 될 것이다. 자연언어를 완전하게 나타낸다는 것은 아직 요원하지만 여러 컴퓨터 언어학자들이 자연언어의 단편적인 현상들 (예들 들면, 특정언어의 동사 형태)을 컴퓨터에 성공적으로 나타낼 수 있게 되었다. 가장 잘 알려진 연구결과로서는 Winograd(1972, 1983)의 것이 있다. 이 분야에서 CALL에 가장 절실하게 필요한 것은 학생의 입력을 보다 더 정교하게 처리하는 것이다. 프로그램이 취할 방향을 일반적으로 결정해 주는 것은 현재에는 반응의 형태다. 이것 때문에 상급 수준의 학생들을 위한 CALL의 자료를 만드는 일이 더 어렵다. 그 언어를 적절하게 구사할 수 있는 능력을 가지고 있다는 것을 고려하면 학생들은 어떤 한가지에 대해 몇 가지 그럴 듯한 반응을 할 수 있고 이러한 반응은 언어학적 구조라는 관점에서 보면 아주 다를 수도 있다. 의미론적 관점에서 그 반응의 처리를 기대해야 하는데, 이렇게 되면 CALL에 대한 놀라운 전망이 열릴 것이다. 그리고 학습자는 훨씬 더 능동적인 역할을 할 수 있을 것이다. 학생-모듈은 그 외국어에 대한 학생의 능력을 나타내면서 학생의 컴퓨터 작업으로부터 그 자체를 꾸준히 새롭게 바꾸어 나갈 것이다. 이것은 틀림없이 CALL수업을 학생에게 가장 도움이 되는 방향으로 끌어가게 할 것이다. 왜냐하면 이 모듈은 교사에게는 참고자료로 이용되어 더욱 효과적인 수업이 되게 할 것이기 때문이다. 개별 교수 모듈은 자연언어로 학생과 직접적으로 상호작용을 할 것이다. 현재에 자연언어에 의한 컴퓨터와의 의사소통문제에 많은 연구가 진행되고 있다. 전문적 기술 모듈이 직접적으로 관련이 될 것이므로 CALL은 특수한 위치를 차지하게 될 것이다. 개별 교수 모델은 필요한 경우에는 조언, 실마리, 교정자료를 제시하면서 학생에게 가장 도움이 되는 방법으로 지도해 나갈 것이다. 이 분야의 연구의 예는 Cerri & Breuker(1981)를, ICAI에 대한 일반적인 논의는 O'Shea & Self (1983:127-76)를 참고하시오.
컴퓨터가 자연언어로 일관성있게 언어 학습자에게 유익한 조언을 줄 수 있는 날은 요원하다. 그렇지만 이 목표를 향한 연구의 부수적인 결과만으로도 중요한 가치가 될만한 것이 있을 것이다. 그리고 자연언어에 대한 보다 많은 지식을 가지고 있고, 개별 학생의 작업에 따라 반응을 하고, 학습자에게 최대의 도움을 주는 CALL프로그램을 만들어 내는 데에 그 목표를 두고 있어야 한다. 정명우 이원국 서천수 역 (1988:152-155)