본 연구는 1994학년도부터 2017학년도까지 출제된 대학수학능력시험 영어영역 읽기문항의 문항유형별 응집성과 어휘정보를 분석하는데 그 목적을 두었다. 대학수학능력시험 영어영역 읽기문항은 크게 전체적인 의미와 맥락을 파악하는 문항유형인 맥락읽기, 세부적인 정보를 묻는 세부읽기, 글의 논리적 흐름에 대해서 묻는 간접쓰기로 나누어 웹 기반 자동 언어 분석 도구인 코메트릭스(Coh-Metrix)를 활용하여 분석하였다. 이를 위하여 1994학년도부터 2017학년도까지 출제된 대학수학능력시험 영어영역 읽기문항의 텍스트를 ...
본 연구는 1994학년도부터 2017학년도까지 출제된 대학수학능력시험 영어영역 읽기문항의 문항유형별 응집성과 어휘정보를 분석하는데 그 목적을 두었다. 대학수학능력시험 영어영역 읽기문항은 크게 전체적인 의미와 맥락을 파악하는 문항유형인 맥락읽기, 세부적인 정보를 묻는 세부읽기, 글의 논리적 흐름에 대해서 묻는 간접쓰기로 나누어 웹 기반 자동 언어 분석 도구인 코메트릭스(Coh-Metrix)를 활용하여 분석하였다. 이를 위하여 1994학년도부터 2017학년도까지 출제된 대학수학능력시험 영어영역 읽기문항의 텍스트를 코퍼스로 구축하고 코메트릭스를 활용하여 분석 항목의 측정치를 도출하였다. 이렇게 얻어진 측정치들은 SPSS 18에 입력하여 통계 처리하였고 결과를 분석하였다. 코메트릭스 분석 항목은 크게 응집성을 측정하는 표층응집성, 잠재 의미 분석, 연결사, 대명사이며 어휘의 난이도를 측정하는 어휘정보로 분류하였다. 세부적으로 표층응집성 지표에서는 명사중복, 논항중복, 어간중복, 내용어중복 측정치가 사용되었고 잠재 의미 분석 지표에서는 LSA중복 측정치가 사용되었다. 연결사 측정치에서는 인과의 연결사, 논리적 연결사, 역접의 연결사, 시간의 연결사, 추가의 연결사가 사용되었다. 대명사 측정치는 어휘정보에 속하지만 응집성을 파악하는데 중요한 요소이므로 응집성 결과에 넣어서 분석하였다. 다음으로 어휘정보 지표에서는 습득나이, 친숙성, 내용어의 구체성, 심상성 측정치가 사용되었다. 이러한 목적과 분석 과정을 통하여 얻은 결론은 다음과 같다. 첫째, 응집성 측면에서는 명사중복, 어간중복, LSA중복, 역접의 연결사, 추가의 연결사, 대명사 측정치에서 각 문항사이에 유의미한 차이를 보였다. 세부적으로 명사중복, 어간중복, LSA중복 측정치에서 글의 전체적인 흐름을 파악하는 맥락읽기 문항유형에서 가장 저조한 응집성을 보였다. 반면에 연결사 측정치에서는 세부읽기 문항유형이 가장 저조한 점수를 얻었으며 대명사 측정치에서는 맥락읽기가 가장 높은 점수를 보였다. 둘째, 어휘정보 측면에서는 습득나이, 구체성, 심상성 측정치에서 문항유형사이에 유의미한 차이를 보였다. 구체적으로 세부읽기 문항유형에서 가장 낮은 어휘난이도를 보였으며 수능 영어영역 읽기문항의 전체 평균 어휘난이도가 높은 편임을 알 수 있었다. 본 연구를 통한 1994학년도부터 2017학년도까지의 대학수학능력시험 영어영역 읽기문항의 분석은 텍스트의 응집성과 어휘의 난이도를 심층적으로 분석했다는 점에서 의의를 찾을 수 있다. 연구의 결과 각 문항사이에 응집력의 차이가 존재하였기에 각 문항을 접하는 학습자들이 각기 다른 읽기전략을 사용해야함을 알 수 있었다. 맥락읽기의 경우에는 낮은 중복률을 보여 응집력이 낮은 결과를 보였으므로 중복보다는 대명사와 연결사에 유의하여 글을 읽어야 하며 세부읽기는 응집력보다는 어휘의 수준이 낮기에 빠르게 세부정보를 파악하여 글을 읽어야할 필요가 있는 것으로 나타났다. 간접쓰기의 경우에는 맥락읽기와 세부읽기의 응집력과 어휘정보 수준에서 중간정도로 나타났으므로 위치하여 종합적인 독해력이 요구되는 것으로 보인다. 본 연구의 결과들이 학습자들에게는 유용한 학습전략을 사용하고 교사들에게는 실제 수업에서 읽기지도에 활용될 기초자료로서 사용되고, 더불어 차후의 수능출제 및 교과서 집필하는데 유용한 자료가 되기를 기대한다.
본 연구는 1994학년도부터 2017학년도까지 출제된 대학수학능력시험 영어영역 읽기문항의 문항유형별 응집성과 어휘정보를 분석하는데 그 목적을 두었다. 대학수학능력시험 영어영역 읽기문항은 크게 전체적인 의미와 맥락을 파악하는 문항유형인 맥락읽기, 세부적인 정보를 묻는 세부읽기, 글의 논리적 흐름에 대해서 묻는 간접쓰기로 나누어 웹 기반 자동 언어 분석 도구인 코메트릭스(Coh-Metrix)를 활용하여 분석하였다. 이를 위하여 1994학년도부터 2017학년도까지 출제된 대학수학능력시험 영어영역 읽기문항의 텍스트를 코퍼스로 구축하고 코메트릭스를 활용하여 분석 항목의 측정치를 도출하였다. 이렇게 얻어진 측정치들은 SPSS 18에 입력하여 통계 처리하였고 결과를 분석하였다. 코메트릭스 분석 항목은 크게 응집성을 측정하는 표층응집성, 잠재 의미 분석, 연결사, 대명사이며 어휘의 난이도를 측정하는 어휘정보로 분류하였다. 세부적으로 표층응집성 지표에서는 명사중복, 논항중복, 어간중복, 내용어중복 측정치가 사용되었고 잠재 의미 분석 지표에서는 LSA중복 측정치가 사용되었다. 연결사 측정치에서는 인과의 연결사, 논리적 연결사, 역접의 연결사, 시간의 연결사, 추가의 연결사가 사용되었다. 대명사 측정치는 어휘정보에 속하지만 응집성을 파악하는데 중요한 요소이므로 응집성 결과에 넣어서 분석하였다. 다음으로 어휘정보 지표에서는 습득나이, 친숙성, 내용어의 구체성, 심상성 측정치가 사용되었다. 이러한 목적과 분석 과정을 통하여 얻은 결론은 다음과 같다. 첫째, 응집성 측면에서는 명사중복, 어간중복, LSA중복, 역접의 연결사, 추가의 연결사, 대명사 측정치에서 각 문항사이에 유의미한 차이를 보였다. 세부적으로 명사중복, 어간중복, LSA중복 측정치에서 글의 전체적인 흐름을 파악하는 맥락읽기 문항유형에서 가장 저조한 응집성을 보였다. 반면에 연결사 측정치에서는 세부읽기 문항유형이 가장 저조한 점수를 얻었으며 대명사 측정치에서는 맥락읽기가 가장 높은 점수를 보였다. 둘째, 어휘정보 측면에서는 습득나이, 구체성, 심상성 측정치에서 문항유형사이에 유의미한 차이를 보였다. 구체적으로 세부읽기 문항유형에서 가장 낮은 어휘난이도를 보였으며 수능 영어영역 읽기문항의 전체 평균 어휘난이도가 높은 편임을 알 수 있었다. 본 연구를 통한 1994학년도부터 2017학년도까지의 대학수학능력시험 영어영역 읽기문항의 분석은 텍스트의 응집성과 어휘의 난이도를 심층적으로 분석했다는 점에서 의의를 찾을 수 있다. 연구의 결과 각 문항사이에 응집력의 차이가 존재하였기에 각 문항을 접하는 학습자들이 각기 다른 읽기전략을 사용해야함을 알 수 있었다. 맥락읽기의 경우에는 낮은 중복률을 보여 응집력이 낮은 결과를 보였으므로 중복보다는 대명사와 연결사에 유의하여 글을 읽어야 하며 세부읽기는 응집력보다는 어휘의 수준이 낮기에 빠르게 세부정보를 파악하여 글을 읽어야할 필요가 있는 것으로 나타났다. 간접쓰기의 경우에는 맥락읽기와 세부읽기의 응집력과 어휘정보 수준에서 중간정도로 나타났으므로 위치하여 종합적인 독해력이 요구되는 것으로 보인다. 본 연구의 결과들이 학습자들에게는 유용한 학습전략을 사용하고 교사들에게는 실제 수업에서 읽기지도에 활용될 기초자료로서 사용되고, 더불어 차후의 수능출제 및 교과서 집필하는데 유용한 자료가 되기를 기대한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.