실제적 자료에 대한 접근성과 성공적인 영어교육을 위한 실제적 자료의 필요성이 높아짐에 따라 다양한 자료를 활용하는 사례가 점점 늘어나고 있는 추세이다. 그러나 이러한 활용 노력에 비해 텍스트의 적합성 판단에 근거가 될 만한 텍스트 자체에 대한 분석은 활발히 진행되고 있지 않은 듯하다. 따라서 본 연구는 다양한 자료의 홍수 속에서 실제적 자료로써 활용가치가 높은 방송영어 텍스트를 다양한 각도에서 분석함으로써 교육현장에서 의사결정에 도움이 될 수 있는 객관적인 기초 자료를 제시하고자 하였다. 여러 방송언어 중에서도 실제 많이 활용되고 있으면서 격식성 측면에서 차이가 뚜렷해 보이는 세 종류를 선택하였다. ...
실제적 자료에 대한 접근성과 성공적인 영어교육을 위한 실제적 자료의 필요성이 높아짐에 따라 다양한 자료를 활용하는 사례가 점점 늘어나고 있는 추세이다. 그러나 이러한 활용 노력에 비해 텍스트의 적합성 판단에 근거가 될 만한 텍스트 자체에 대한 분석은 활발히 진행되고 있지 않은 듯하다. 따라서 본 연구는 다양한 자료의 홍수 속에서 실제적 자료로써 활용가치가 높은 방송영어 텍스트를 다양한 각도에서 분석함으로써 교육현장에서 의사결정에 도움이 될 수 있는 객관적인 기초 자료를 제시하고자 하였다. 여러 방송언어 중에서도 실제 많이 활용되고 있으면서 격식성 측면에서 차이가 뚜렷해 보이는 세 종류를 선택하였다. 분석대상 텍스트는 CNN을 통해 방송되고 있는 뉴스 Anderson Cooper 360°, 비교적 최근 높은 관심을 받고 있는 강연 스타일의 TED talks, 일상을 배경으로 한 시트콤이다. 텍스트의 성격을 결정하는 여러 요인 중에서도 학습자의 이해도 측면에서 큰 영향을 미치는 것은 어휘, 문장 및 담화 수준에서의 특징, 발화속도라고 볼 수 있다. Rubin(1994)에 따르면 듣기 이해도에 영향을 미치는 텍스트 요인으로 발화속도와 같은 청각적 요소, 어휘 및 통사, 텍스트 유형 이 세 가지를 언급하였다. 또한 영어 뉴스 이해를 방해하는 요소에 대해 43명의 대학생을 대상으로 실시된 설문조사에서 어휘와 발화속도가 각각 1, 2위로 꼽힌 바 있다(차경환, 2000). 이에 본 연구는 실제적 자료로써 접근성과 교육적 가치가 높을 것이라 판단되는 세 종류의 격식성이 다른 방송언어를 선택하여 어휘 특징, 문장 및 담화 차원에서의 특징, 발화 속도 분석을 실시하고 결과를 비교하였다. 먼저 어휘 특징을 파악하기 위해 WordSmith Tools 6.0을 활용하여 연구자가 구축한 코퍼스의 전체 토큰수(running words)와 타입수를 산출하고, 어휘 밀도를 파악하기 위해 TTR과 STTR 통계치를 확인하였다. 비교가 용이하도록 세 방송영어 모두 전체 토큰 수를 약 765,000개로 구축하였다. CNN news(Anderson Cooper 360°)의 레마처리 전 TTR은 2.48, 레마처리 후는 1.81로 셋 중 가장 낮았으며, TED 강연은 레마처리 전후가 각각 2.79, 2.10, 시트콤은 레마처리 전후 각각 2.78, 2.16으로 서로 비슷하였다. 한편 약 765,000 토큰의 전체 텍스트를 1000토큰 단위로 쪼개어 새로운 형태(타입)가 출현하는 비율을 따지는 STTR은 CNN news가 가장 높은 38.46으로 36.00인 TED talks나 36.38인 시트콤에 비해 가장 높았다. 즉, CNN news를 하나의 765,000토큰짜리 텍스트로 보았을 때는 어휘 밀도가 상대적으로 낮게 나온 반면 1000단위씩 쪼갠 조각들의 어휘 밀도는 높게 나온 것이다. 이는 뉴스담화의 정형화된 패턴에 기인한 것으로 보이며, 뉴스 노출량이 어느 수준에 이르게 되면 어휘부담 측면에서 다른 방송언어에 비해 수월한 자료가 될 것으로 예상된다. 어휘적 특징 분석의 두 번째로 분석한 내용은 교과부기본어휘목록, NGSL(New General Service List), NAWL(New Academic Word List)와 같은 주요어휘목록의 반영률이다. 고유명사를 제거 한 후 각 주요어휘목록이 방송언어를 설명하는 비율을 토큰 기준으로 보았을 때, TED talks가 모든 주요어휘목록의 어휘를 사용하는 비율이 가장 높았고, 그 뒤를 CNN news와 시트콤이 따르고 있다. 바꿔 말하면 외국어로써 영어를 학습하는 학습자에게 가장 중요하다고 간주되는 NGSL, NAWL, 교과부기본어휘목록의 어휘들에 가장 많이 노출될 수 있는 방송언어가 TED talks임을 의미한다. 주요기본어휘목록의 반영률을 봄으로써 각 방송언어의 전체 토큰 대비 약 90%에 대해서는 대강 알 수 있었지만 여전히 각 방송언어의 어휘 수준이 어느 정도인지 분명히 말하기는 어렵다. 따라서 어휘 특징 분석의 마지막으로 각 방송언어의 안정적인 어휘수준을 BNC누적어휘목록과의 매칭을 통해 분석하였다. 그 결과 각 방송언어 코퍼스의 전체 토큰 대비 98%를 설명하는 수준은 뉴스가 BNC6600~6700, TED 강연은 BNC9700~9800, 시트콤은 BNC9200~9300인 것으로 밝혀졌다. 둘째로, 단어 수준을 넘어서 문장과 담화 수준에서의 특징을 Coh-Metrix 3.0을 가지고 분석하였다. 통사적 복잡도와 관련된 네 지표(DESSL: 각 문장의 평균 단어수, SYNLE: 주절의 본동사 앞에 오는 평균 단어수, SYNNP: 명사구 당 수식어의 수, SYNSTRUTa: 텍스트 내에 모든 인접한 문장 간의 구조적 유사도)를 비교분석한 결과 뉴스와 강연의 통사적 복잡도는 매우 비슷한 수준으로 어려우며, 이 둘과 달리 시트콤은 매우 쉬운 통사구조를 지닌 것으로 드러났다. 종합적인 텍스트 난이도를 나타내는 통사적 단순도(PCSYNz), 지시적 응집도(PCREFz), 심층적 응집도(PCDCz) 결과는 여러 가지 흥미로운 사실들을 보여주었다. 여러 지표를 통계적으로 조합한 통사적 단순도를 통해 TED가 뉴스보다 더 어려운 것으로 드러나 앞서 통사적 복잡도에서는 드러나지 않았던 그 둘의 수준 차이가 확인되었다. 또한 텍스트의 난이도가 올라갈수록 감소한다고 알려진 지시적 응집도 지표에서 의외로 TED 강연이 가장 높았는데 이는 TED 강연의 생소한 주제로 인한 이해도 저하를 극복하기 위한 노력으로 풀이된다. 텍스트가 어려워질수록 증가하는 심층적 응집도도 TED 강연이 가장 높은 것으로 나타났다. 이 밖에 전통적인 이독성 지수인 Flesch Reading Ease(FRE)와 Flesh-Kincaid Grade Level(FKGL)을 살펴보았다. 0부터 100까지의 수치로 산출되며 높을수록 쉬운 텍스트를 의미하는 FRE는 뉴스와 강연이 약 70으로 서로 흡사했고, 시트콤은 92로 매우 쉬운 편에 속하였다. 미국 학년 기준으로 산출되는 FKGL결과도 마찬가지로 뉴스와 TED 강연이 약 7학년 수준으로 비슷하게 나타났고, 시트콤은 2학년 수준으로 나왔다. 통사적 특징을 보다 구체적으로 살펴보기 위해, 격식성에 따라 선호도가 다른 통사구조와 한국인 학습자들이 유독 어려워하는 특정 통사구조의 빈도수를 방송언어 당 약 4만 8천 토큰씩 분석하여 비교하였다. 복잡한 명사절(관계사절의 수식을 받는 명사절, 접속사가 이끄는 명사절)의 빈도수를 확인한 결과, 예상대로 가장 격식성이 낮은 시트콤에서 해당 빈도수가 가장 낮았다. 관계사절의 수식을 받는 명사절과 부사절의 수는 TED talks에서 가장 많았다. 수동태와 삽입의 경우 뉴스에서 가장 많이 쓰인 것으로 드러났다. 분사구문은 뉴스와 TED 강연에서 비슷한 정도로 사용되었으며, 문두 부정어구와 if생략에 의한 도치구문의 경우 시트콤에서는 전혀 사용되지 않았고 뉴스와 TED 강연에서 각각 단 3회, 4회씩 쓰였을 뿐이었다. 연구자는 특정 통사구조 빈도수를 파악하는 과정에서 사전에 철저히 준비된 강연인 TED 강연이 다른 두 텍스트에 비해 다양한 통사구조를 사용하고 있음을 확인하였다. 학습자의 목적이 실제 살아있는 영어의 다양한 구문에 노출되는 것이라면 TED 강연이 가장 유익한 자료가 될 것으로 생각된다. 끝으로 세 방송언어의 발화속도를 비교해보면 시트콤의 발화속도가 분당 197.66 단어로 가장 빨랐으며, 뉴스는 181.92wpm, TED 강연은 167.73wpm으로 그 뒤를 이었다. 시트콤과 뉴스의 발화속도가 학습자에게 다소 어려움을 줄 수도 있으나 풍부한 맥락이 함께 제공되므로 실제적 자료로써의 순기능을 충분히 수행할 수 있을 것이라 예상된다. 한편 TED 강연의 경우 강연자에 따라서 149.87에서 201.77까지 발화속도의 개인차가 매우 큰 것으로 드러났다. TED 강연을 활용하기 전에 발화속도에 대한 정보가 미리 제공되어 적합한 강연 선택 시 참고할 수 있도록 하는 것도 좋은 방법일 것이라 생각한다.
실제적 자료에 대한 접근성과 성공적인 영어교육을 위한 실제적 자료의 필요성이 높아짐에 따라 다양한 자료를 활용하는 사례가 점점 늘어나고 있는 추세이다. 그러나 이러한 활용 노력에 비해 텍스트의 적합성 판단에 근거가 될 만한 텍스트 자체에 대한 분석은 활발히 진행되고 있지 않은 듯하다. 따라서 본 연구는 다양한 자료의 홍수 속에서 실제적 자료로써 활용가치가 높은 방송영어 텍스트를 다양한 각도에서 분석함으로써 교육현장에서 의사결정에 도움이 될 수 있는 객관적인 기초 자료를 제시하고자 하였다. 여러 방송언어 중에서도 실제 많이 활용되고 있으면서 격식성 측면에서 차이가 뚜렷해 보이는 세 종류를 선택하였다. 분석대상 텍스트는 CNN을 통해 방송되고 있는 뉴스 Anderson Cooper 360°, 비교적 최근 높은 관심을 받고 있는 강연 스타일의 TED talks, 일상을 배경으로 한 시트콤이다. 텍스트의 성격을 결정하는 여러 요인 중에서도 학습자의 이해도 측면에서 큰 영향을 미치는 것은 어휘, 문장 및 담화 수준에서의 특징, 발화속도라고 볼 수 있다. Rubin(1994)에 따르면 듣기 이해도에 영향을 미치는 텍스트 요인으로 발화속도와 같은 청각적 요소, 어휘 및 통사, 텍스트 유형 이 세 가지를 언급하였다. 또한 영어 뉴스 이해를 방해하는 요소에 대해 43명의 대학생을 대상으로 실시된 설문조사에서 어휘와 발화속도가 각각 1, 2위로 꼽힌 바 있다(차경환, 2000). 이에 본 연구는 실제적 자료로써 접근성과 교육적 가치가 높을 것이라 판단되는 세 종류의 격식성이 다른 방송언어를 선택하여 어휘 특징, 문장 및 담화 차원에서의 특징, 발화 속도 분석을 실시하고 결과를 비교하였다. 먼저 어휘 특징을 파악하기 위해 WordSmith Tools 6.0을 활용하여 연구자가 구축한 코퍼스의 전체 토큰수(running words)와 타입수를 산출하고, 어휘 밀도를 파악하기 위해 TTR과 STTR 통계치를 확인하였다. 비교가 용이하도록 세 방송영어 모두 전체 토큰 수를 약 765,000개로 구축하였다. CNN news(Anderson Cooper 360°)의 레마처리 전 TTR은 2.48, 레마처리 후는 1.81로 셋 중 가장 낮았으며, TED 강연은 레마처리 전후가 각각 2.79, 2.10, 시트콤은 레마처리 전후 각각 2.78, 2.16으로 서로 비슷하였다. 한편 약 765,000 토큰의 전체 텍스트를 1000토큰 단위로 쪼개어 새로운 형태(타입)가 출현하는 비율을 따지는 STTR은 CNN news가 가장 높은 38.46으로 36.00인 TED talks나 36.38인 시트콤에 비해 가장 높았다. 즉, CNN news를 하나의 765,000토큰짜리 텍스트로 보았을 때는 어휘 밀도가 상대적으로 낮게 나온 반면 1000단위씩 쪼갠 조각들의 어휘 밀도는 높게 나온 것이다. 이는 뉴스담화의 정형화된 패턴에 기인한 것으로 보이며, 뉴스 노출량이 어느 수준에 이르게 되면 어휘부담 측면에서 다른 방송언어에 비해 수월한 자료가 될 것으로 예상된다. 어휘적 특징 분석의 두 번째로 분석한 내용은 교과부기본어휘목록, NGSL(New General Service List), NAWL(New Academic Word List)와 같은 주요어휘목록의 반영률이다. 고유명사를 제거 한 후 각 주요어휘목록이 방송언어를 설명하는 비율을 토큰 기준으로 보았을 때, TED talks가 모든 주요어휘목록의 어휘를 사용하는 비율이 가장 높았고, 그 뒤를 CNN news와 시트콤이 따르고 있다. 바꿔 말하면 외국어로써 영어를 학습하는 학습자에게 가장 중요하다고 간주되는 NGSL, NAWL, 교과부기본어휘목록의 어휘들에 가장 많이 노출될 수 있는 방송언어가 TED talks임을 의미한다. 주요기본어휘목록의 반영률을 봄으로써 각 방송언어의 전체 토큰 대비 약 90%에 대해서는 대강 알 수 있었지만 여전히 각 방송언어의 어휘 수준이 어느 정도인지 분명히 말하기는 어렵다. 따라서 어휘 특징 분석의 마지막으로 각 방송언어의 안정적인 어휘수준을 BNC누적어휘목록과의 매칭을 통해 분석하였다. 그 결과 각 방송언어 코퍼스의 전체 토큰 대비 98%를 설명하는 수준은 뉴스가 BNC6600~6700, TED 강연은 BNC9700~9800, 시트콤은 BNC9200~9300인 것으로 밝혀졌다. 둘째로, 단어 수준을 넘어서 문장과 담화 수준에서의 특징을 Coh-Metrix 3.0을 가지고 분석하였다. 통사적 복잡도와 관련된 네 지표(DESSL: 각 문장의 평균 단어수, SYNLE: 주절의 본동사 앞에 오는 평균 단어수, SYNNP: 명사구 당 수식어의 수, SYNSTRUTa: 텍스트 내에 모든 인접한 문장 간의 구조적 유사도)를 비교분석한 결과 뉴스와 강연의 통사적 복잡도는 매우 비슷한 수준으로 어려우며, 이 둘과 달리 시트콤은 매우 쉬운 통사구조를 지닌 것으로 드러났다. 종합적인 텍스트 난이도를 나타내는 통사적 단순도(PCSYNz), 지시적 응집도(PCREFz), 심층적 응집도(PCDCz) 결과는 여러 가지 흥미로운 사실들을 보여주었다. 여러 지표를 통계적으로 조합한 통사적 단순도를 통해 TED가 뉴스보다 더 어려운 것으로 드러나 앞서 통사적 복잡도에서는 드러나지 않았던 그 둘의 수준 차이가 확인되었다. 또한 텍스트의 난이도가 올라갈수록 감소한다고 알려진 지시적 응집도 지표에서 의외로 TED 강연이 가장 높았는데 이는 TED 강연의 생소한 주제로 인한 이해도 저하를 극복하기 위한 노력으로 풀이된다. 텍스트가 어려워질수록 증가하는 심층적 응집도도 TED 강연이 가장 높은 것으로 나타났다. 이 밖에 전통적인 이독성 지수인 Flesch Reading Ease(FRE)와 Flesh-Kincaid Grade Level(FKGL)을 살펴보았다. 0부터 100까지의 수치로 산출되며 높을수록 쉬운 텍스트를 의미하는 FRE는 뉴스와 강연이 약 70으로 서로 흡사했고, 시트콤은 92로 매우 쉬운 편에 속하였다. 미국 학년 기준으로 산출되는 FKGL결과도 마찬가지로 뉴스와 TED 강연이 약 7학년 수준으로 비슷하게 나타났고, 시트콤은 2학년 수준으로 나왔다. 통사적 특징을 보다 구체적으로 살펴보기 위해, 격식성에 따라 선호도가 다른 통사구조와 한국인 학습자들이 유독 어려워하는 특정 통사구조의 빈도수를 방송언어 당 약 4만 8천 토큰씩 분석하여 비교하였다. 복잡한 명사절(관계사절의 수식을 받는 명사절, 접속사가 이끄는 명사절)의 빈도수를 확인한 결과, 예상대로 가장 격식성이 낮은 시트콤에서 해당 빈도수가 가장 낮았다. 관계사절의 수식을 받는 명사절과 부사절의 수는 TED talks에서 가장 많았다. 수동태와 삽입의 경우 뉴스에서 가장 많이 쓰인 것으로 드러났다. 분사구문은 뉴스와 TED 강연에서 비슷한 정도로 사용되었으며, 문두 부정어구와 if생략에 의한 도치구문의 경우 시트콤에서는 전혀 사용되지 않았고 뉴스와 TED 강연에서 각각 단 3회, 4회씩 쓰였을 뿐이었다. 연구자는 특정 통사구조 빈도수를 파악하는 과정에서 사전에 철저히 준비된 강연인 TED 강연이 다른 두 텍스트에 비해 다양한 통사구조를 사용하고 있음을 확인하였다. 학습자의 목적이 실제 살아있는 영어의 다양한 구문에 노출되는 것이라면 TED 강연이 가장 유익한 자료가 될 것으로 생각된다. 끝으로 세 방송언어의 발화속도를 비교해보면 시트콤의 발화속도가 분당 197.66 단어로 가장 빨랐으며, 뉴스는 181.92wpm, TED 강연은 167.73wpm으로 그 뒤를 이었다. 시트콤과 뉴스의 발화속도가 학습자에게 다소 어려움을 줄 수도 있으나 풍부한 맥락이 함께 제공되므로 실제적 자료로써의 순기능을 충분히 수행할 수 있을 것이라 예상된다. 한편 TED 강연의 경우 강연자에 따라서 149.87에서 201.77까지 발화속도의 개인차가 매우 큰 것으로 드러났다. TED 강연을 활용하기 전에 발화속도에 대한 정보가 미리 제공되어 적합한 강연 선택 시 참고할 수 있도록 하는 것도 좋은 방법일 것이라 생각한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.