Objective: The aim of the study was to develop a most widely used Korean dictionary of emotion expressing idioms. This is anticipated to assist the development of software technology that recognizes and responds to verbally expressed human emotions. Method: Through rigorous and strategic classificat...
Objective: The aim of the study was to develop a most widely used Korean dictionary of emotion expressing idioms. This is anticipated to assist the development of software technology that recognizes and responds to verbally expressed human emotions. Method: Through rigorous and strategic classification processes, idiomatic expressions included in this dictionary have been rated in terms of nine different emotions (i.e., happiness, sadness, fear, anger, surprise, disgust, interest, boredom, and pain) for meaning and intensity associated with each expression. Result: The Korean dictionary of emotion expression idioms included 427 expressions, with approximately two thirds classified as 'happiness'(n=96), 'sadness'(n=96), and 'anger'(n=90) emotions. Conclusion: The significance of this study primarily rests in the development of a practical language tool that contains Korean idiomatic expressions of emotions, provision of information on meaning and strength, and identification of idioms connoting two or more emotions. Application: Study findings can be utilized in emotion recognition research, particularly in identifying primary and secondary emotions as well as understanding intensity associated with various idioms used in emotion expressions. In clinical settings, information provided from this research may also enhance helping professionals' competence in verbally communicating patients' emotional needs.
Objective: The aim of the study was to develop a most widely used Korean dictionary of emotion expressing idioms. This is anticipated to assist the development of software technology that recognizes and responds to verbally expressed human emotions. Method: Through rigorous and strategic classification processes, idiomatic expressions included in this dictionary have been rated in terms of nine different emotions (i.e., happiness, sadness, fear, anger, surprise, disgust, interest, boredom, and pain) for meaning and intensity associated with each expression. Result: The Korean dictionary of emotion expression idioms included 427 expressions, with approximately two thirds classified as 'happiness'(n=96), 'sadness'(n=96), and 'anger'(n=90) emotions. Conclusion: The significance of this study primarily rests in the development of a practical language tool that contains Korean idiomatic expressions of emotions, provision of information on meaning and strength, and identification of idioms connoting two or more emotions. Application: Study findings can be utilized in emotion recognition research, particularly in identifying primary and secondary emotions as well as understanding intensity associated with various idioms used in emotion expressions. In clinical settings, information provided from this research may also enhance helping professionals' competence in verbally communicating patients' emotional needs.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 로봇이 인간의 언어 표현을 이용하여 감정 인식을 수행할 때, 실용적인 데이터베이스를 제공할 수 있을 것이다. 그러므로 본 연구는 인간의 일상 대화 장면에서 사용되는 실제적인 관용 표현에 내포된 감정을 분류함으로써 그것을 통해 인간의 감정을 파악할 수 있는 중요한 정보를 제공하는 자료를 마련했다는 점에서 그 가치를 둘 수 있겠다.
둘째, 감정 분류 방법의 차이이다. 기존 연구들은 관용어의 의미와 표현법에 근거한 언어학적인 분류인데 반해, 본 연구는 대학생들이 그 관용어를 어떻게 느끼고 사용하는지 실제적인 감정 표현을 평가하도록 하여 수행된 심리학적 연구이다. 따라서 로봇이 인간의 언어 표현을 이용하여 감정 인식을 수행할 때, 실용적인 데이터베이스를 제공할 수 있을 것이다.
본 연구는 감정 표현 관용어를 9가지의 감정 범주로 분류하고 각각의 관용어가 표현하는 감정의 강도를 평가하였다.
본 연구는 인간이 감정을 표현할 때 사용하는 언어 표현 중에서 특히 관용어 표현을 분류하고 정리하여 감정 별 관용어 분류 사전을 작성하는데 그 목적이 있다.
, 2011). 본 연구팀에서도 인간이 감정을 느낄 때 발생되는 여러가지 생체 신호 및 얼굴 표정과 음성을 이용하여 인간의 감정을 읽어내려는 연구를 진행하고 있다. 그 중에서도 언어는 인간이 경험하는 다양한 감정을 보다 정교하게 표현할 수 있는 가장 발달된 감정 표현 수단이기 때문에(Kim, 2001) 언어적 표현이 전달하는 감정을 인식하는 작업은 기계가 인간의 감정을 읽어내기 위해 반드시 필요하다.
본 연구는 이제까지 이루어진 언어 의미적인 연구와 달리 대학생들이 실생활에서 사용하는 언어 생활을 그대로 반영한 심리 연구라는 점에서 그 의미가 있다. 연구 방법에서 기술했듯이 본 연구에서는 기존에 국문학 혹은 언어학 분야에서 연구된 한국어 관용어 목록에 실생활에서 사용하는 관용어 목록을 추가하여 확장된 목록을 만들고 그것을 평가하였다. 수집된 목록에는 문어체 표현들이 많이 포함되어 있음을 감안하여 평가 시에 제시된 문항의 관용어 의미를 모르거나 사용하지 않는 관용어를 표시하도록 하였다.
가설 설정
요즘 대학생들이 평소에 감정을 표현할 때 사용하는 관용어를 조사하여 자료에 포함시켰다. 둘째, 감정 분류 방법의 차이이다. 기존 연구들은 관용어의 의미와 표현법에 근거한 언어학적인 분류인데 반해, 본 연구는 대학생들이 그 관용어를 어떻게 느끼고 사용하는지 실제적인 감정 표현을 평가하도록 하여 수행된 심리학적 연구이다.
제안 방법
관용어 감정 평가용 설문지를 이용하여 각 관용어의 '감정 범주', '감정의 강도'와 '이해도'를 동시에 평가하였다.
그러나 3순위 값(14.07%)는 2순위 값(34.48%)의 70%선을 넘지 못하므로 '하늘이 캄캄하다'는 슬픔과 공포를 각각 1차, 2차 범주로 채택하여 2가지의 감정 표현에 모두 사용되는 다중 감정 관용어로 분류하였다.
그러나 만일 51%와 49% 혹은 40%, 35%, 30%처럼 1순위와 2순위 혹은 3순위 범주간의 비율이 근소한 차이로 범주 순위가 나열될 때는 차 상위 빈도 값의 70% 이상에 해당하는 범주까지 2차, 3차 범주로 채택하여 다중 감정을 표현하는 관용어로 분류하였다. 예를 들면, '하늘이 캄캄하다'는 슬픔, 공포, 기타 범주가 각각 46.
이러한 맥락에서 본 연구는 기본 감정 6가지 이외에 감정 연구에서 많이 연구되고 있는 흥미와 지루함을 추가하였다. 그리고 일상 장면에서 활용될 경우를 고려하여 통증을 더 추가하여 9가지의 범주를 고려하였다. 따라서 본 연구 목록을 감정 인식에 활용한다면, 기본 감정 이외의 감정들도 인식할 수 있고 통증관련 응급 상황까지도 탐지 가능하며, 더불어 감정 경험의 강도까지 탐색할 수 있을 것이다.
설문 응답에 소요되는 시간을 계산하기 위해 3명의 대학생에게 예비 검사를 실시해 본 결과 600개 이상의 관용어에 대한 '감정 범주'와 '감정 강도'를 평가하는 일은 3시간 정도 소요되는 인지적 부담이 많은 작업이었다. 따라서 본 평가에서는 평가 설문지 분량을 반으로 나눈 뒤 모든 참가자에게 이틀에 걸쳐 평가에 참여하도록 하였다. 충남대학교 게시판을 통해 80명의 남녀 대학생 참가자를 모집하였고 참가자 본인들이 원하는 시간을 선택하여 강당에 모여 1시간~1시간 30여분 동안 설문지 절반을 평가하였고 그 다음날 이 과정을 한번 더 실시하여 한 세트의 설문 평가를 완성하였다.
각 관용어가 어느 감정 범주에 속하게 되는지를 결정하는 가장 기본적인 원칙은 11개의 감정 범주 중 가장 높은 빈도로 선택된 감정 범주를 그 관용어의 대표 감정으로 결정하는 것이다. 따라서 빈도수를 총 11개 범주에 대한 백분율로 환산하여 빈도 백분율 순으로 1순위부터 11순위까지 정렬했을 때 그 1순위에 해당되는 범주를 그 관용어의 1차 범주로 분류하였다. 예를 들어 '간이 서늘하다'의 경우 빈도 백분율의 정렬 결과가 공포 89.
무성의한 응답을 판단하기 위해 15개의 중복 문항을 삽입하여 일관된 응답이 나오는지 확인하였다. 중복 문항을 포함하여 총 648문항을 순서효과를 상쇄하기 위하여 제시순서를 무작위로 섞어 3세트의 관용어 감정 평가용 설문지를 작성하였다.
본 연구에서는 427개의 관용어를 기쁨, 슬픔, 분노, 공포, 놀람, 혐오, 흥미, 지루함, 아픔의 9가지 감정 범주로 분류하였고, 각 감정 범주 별 관용어가 가지는 감정의 강도도 평가하였다. 본 연구와 기존 연구의 차이점은 첫째, 자료 수집방법의 차이이다.
본 연구에서는 감정 표현 관용어에 관한 선행 논문들을 참고하여 관용어들을 1차로 수집하였다. Kwon(2009)의 한국 관용어의 의미적 연구에서 신체와 관련된 관용어 160개, Kwon(2005)의 한국 관용어의 활용에서 긍정적 감정 관용표현 95개와 부정적 감정 관용 표현 177개, 5개 대학 한국어 교재 별 관용 표현 현황 정리 목록에서 323개(Kwon, 2005), Kim(2000)의 긍 · 부정감정을 나타내는 관용 표현 목록에서 81개를 수집하였다.
연구 방법에서 기술했듯이 본 연구에서는 기존에 국문학 혹은 언어학 분야에서 연구된 한국어 관용어 목록에 실생활에서 사용하는 관용어 목록을 추가하여 확장된 목록을 만들고 그것을 평가하였다. 수집된 목록에는 문어체 표현들이 많이 포함되어 있음을 감안하여 평가 시에 제시된 문항의 관용어 의미를 모르거나 사용하지 않는 관용어를 표시하도록 하였다. 그 결과 응답자중 한 명 이상 제시된 문항에서 관용어의 의미를 모르거나 사용하지 않는다고 표시한 문항이 전체의 75%에 달했다(즉, 평가 목록에 제시된 25%만이 모든 참가자들에게 익숙한 관용어이다).
그러나 인간이 사회적 상황에서 경험하는 감정은 기본 감정보다 훨씬 다양하므로 가능한 다양한 범주의 감정 분류 목록이 필요하다. 이러한 맥락에서 본 연구는 기본 감정 6가지 이외에 감정 연구에서 많이 연구되고 있는 흥미와 지루함을 추가하였다. 그리고 일상 장면에서 활용될 경우를 고려하여 통증을 더 추가하여 9가지의 범주를 고려하였다.
이러한 연구의 한계점을 가지고 있긴 하지만 본 연구에서 작성된 감정 표현 관용어 목록은 구어체들까지도 통합하여 각 관용어들이 표현하는 감정의 심리적 범주와 강도를 평가하였고 하나의 관용어가 복수개의 감정을 표현하는 비율을 반영하여 다중 감정 범주로 분류함으로써 실용성을 반영하였다.
무성의한 응답을 판단하기 위해 15개의 중복 문항을 삽입하여 일관된 응답이 나오는지 확인하였다. 중복 문항을 포함하여 총 648문항을 순서효과를 상쇄하기 위하여 제시순서를 무작위로 섞어 3세트의 관용어 감정 평가용 설문지를 작성하였다.
즉, '의미 모름'과 더미 문항을 제외한 나머지 관용어의 평가 결과를 분석하였다.
따라서 본 평가에서는 평가 설문지 분량을 반으로 나눈 뒤 모든 참가자에게 이틀에 걸쳐 평가에 참여하도록 하였다. 충남대학교 게시판을 통해 80명의 남녀 대학생 참가자를 모집하였고 참가자 본인들이 원하는 시간을 선택하여 강당에 모여 1시간~1시간 30여분 동안 설문지 절반을 평가하였고 그 다음날 이 과정을 한번 더 실시하여 한 세트의 설문 평가를 완성하였다. 관용어 감정 평가에 대한 주의와 동기 수준을 고취하고, 성실한 응답을 유도하기 위하여 참여자들에게는 15,000원 상당의 상품권을 지급하였다.
대상 데이터
Kwon(2009)의 한국 관용어의 의미적 연구에서 신체와 관련된 관용어 160개, Kwon(2005)의 한국 관용어의 활용에서 긍정적 감정 관용표현 95개와 부정적 감정 관용 표현 177개, 5개 대학 한국어 교재 별 관용 표현 현황 정리 목록에서 323개(Kwon, 2005), Kim(2000)의 긍 · 부정감정을 나타내는 관용 표현 목록에서 81개를 수집하였다. 2차로 일상 생활에서 많이 사용하는 구어체 표현 수집을 위해 국문학 전공 연구자들 3인(박사)에게 평소에 일상 생활에서 많이 사용하는 감정 표현 관용어를 수집하도록 하여 중복을 제거한 후 61개를 수집하였다. 1, 2차 수집 자료를 통합한 후 최종 정리한 결과 633개의 관용어 리스트를 얻을 수 있었다.
Kwon(2009)의 한국 관용어의 의미적 연구에서 신체와 관련된 관용어 160개, Kwon(2005)의 한국 관용어의 활용에서 긍정적 감정 관용표현 95개와 부정적 감정 관용 표현 177개, 5개 대학 한국어 교재 별 관용 표현 현황 정리 목록에서 323개(Kwon, 2005), Kim(2000)의 긍 · 부정감정을 나타내는 관용 표현 목록에서 81개를 수집하였다.
본 연구와 기존 연구의 차이점은 첫째, 자료 수집방법의 차이이다. 기존 연구는 문헌에서 수집한 자료를 기반으로 하였고, 본 연구는 문헌 자료뿐 아니라 일상 생활에서 사용하는 구어 자료를 포함하고 있다. 요즘 대학생들이 평소에 감정을 표현할 때 사용하는 관용어를 조사하여 자료에 포함시켰다.
만일 제시된 관용어가 '기쁨', '슬픔', '공포', '분노', '혐오', '놀람', '흥미', '지루함', '통증', '중성'의 10개 범주 이외에 해당할 경우 '기타' 범주에 그 감정 종류를 직접 쓰도록 하였다.
본 연구에서는 관용어 중에서 감정 표현 관용어만을 평가 대상으로 하였다. 감정 표현 관용어란 감정의 경험, 야기, 표출과정을 표현하는 관용어를 말한다(Chang, 1994).
성능/효과
2차로 일상 생활에서 많이 사용하는 구어체 표현 수집을 위해 국문학 전공 연구자들 3인(박사)에게 평소에 일상 생활에서 많이 사용하는 감정 표현 관용어를 수집하도록 하여 중복을 제거한 후 61개를 수집하였다. 1, 2차 수집 자료를 통합한 후 최종 정리한 결과 633개의 관용어 리스트를 얻을 수 있었다.
감정 범주 평가 결과, 기쁨, 슬픔, 분노 감정을 표현하는 관용어 표현들이 전체의 66% 이상을 차지하고, 그 외 공포와 흥미가 10%씩, 놀람, 통증, 혐오가 5%씩으로 그 뒤를 차지한다. 각 감정 별 관용어의 사용빈도 분포가 가지는 사회 문화적 의미는 본 연구의 의도나 목적에 부합하지 않으므로 논의에서 제외하지만 추후 분석을 통해 그 의미를 찾아보는 것도 의의가 있을 것이다.
수집된 목록에는 문어체 표현들이 많이 포함되어 있음을 감안하여 평가 시에 제시된 문항의 관용어 의미를 모르거나 사용하지 않는 관용어를 표시하도록 하였다. 그 결과 응답자중 한 명 이상 제시된 문항에서 관용어의 의미를 모르거나 사용하지 않는다고 표시한 문항이 전체의 75%에 달했다(즉, 평가 목록에 제시된 25%만이 모든 참가자들에게 익숙한 관용어이다). 이는 수집된 관용어들에 문어체가 많이 포함되어 있으며, 이러한 문어체의 감정 표현 관용어들은 일상 생활에서 자주 사용되지 않음을 의미한다.
좀더 많은 수의 인원을 대상으로 추가적인 평가가 이루어진다면 그러한 관용어들도 유의미한 분류 결과를 얻을 수 있을 것으로 생각된다. 그러나 무성의한 응답을 피하기 위하여 추가했던 중복 문항쌍은 모두 같은 범주로 분류됨을 확인하여 응답의 신뢰성을 확인할 수 있었다.
둘째는 관용어의 이해도를 평가하기 위하여 의미를 모르 거나 사용하지 않는 관용어를 표시하도록 했으나 이 결과를 보면 대부분의 중성 관용어와 관련됨을 알 수 있었다. 즉 감정 표현이 아닌 관용어를 중성 범주로 분류하고 다시 '사용 안 함'으로 중복 표시하는 경향이 있던 것으로 보여진다.
분석 결과를 요약해 보면, 감정 표현 관용어 중 '기쁨'과 '슬픔'을 표현하는 관용어가 96개로 가장 많았으며, 다음으로 '분노'90개 순 이었다(Table 1).
설문 응답에 소요되는 시간을 계산하기 위해 3명의 대학생에게 예비 검사를 실시해 본 결과 600개 이상의 관용어에 대한 '감정 범주'와 '감정 강도'를 평가하는 일은 3시간 정도 소요되는 인지적 부담이 많은 작업이었다.
후속연구
감정 범주 평가 결과, 기쁨, 슬픔, 분노 감정을 표현하는 관용어 표현들이 전체의 66% 이상을 차지하고, 그 외 공포와 흥미가 10%씩, 놀람, 통증, 혐오가 5%씩으로 그 뒤를 차지한다. 각 감정 별 관용어의 사용빈도 분포가 가지는 사회 문화적 의미는 본 연구의 의도나 목적에 부합하지 않으므로 논의에서 제외하지만 추후 분석을 통해 그 의미를 찾아보는 것도 의의가 있을 것이다. 인간의 감정을 탐색하거나 인식하는 대부분의 연구들이 기본 감정 규명에만 주력(Zeng et al.
결론적으로 이러한 감정 표현에 관련된 관용어 자료는 심리학이나 언어학에서뿐만 아니라 인간의 감정을 인식하는 HCI 분야를 비롯한 공학 및 산업 분야에까지 다양하게 활용될 수 있다는 점에서 그 가치가 높다고 하겠다.
기존 연구들은 관용어의 의미와 표현법에 근거한 언어학적인 분류인데 반해, 본 연구는 대학생들이 그 관용어를 어떻게 느끼고 사용하는지 실제적인 감정 표현을 평가하도록 하여 수행된 심리학적 연구이다. 따라서 로봇이 인간의 언어 표현을 이용하여 감정 인식을 수행할 때, 실용적인 데이터베이스를 제공할 수 있을 것이다. 그러므로 본 연구는 인간의 일상 대화 장면에서 사용되는 실제적인 관용 표현에 내포된 감정을 분류함으로써 그것을 통해 인간의 감정을 파악할 수 있는 중요한 정보를 제공하는 자료를 마련했다는 점에서 그 가치를 둘 수 있겠다.
그리고 일상 장면에서 활용될 경우를 고려하여 통증을 더 추가하여 9가지의 범주를 고려하였다. 따라서 본 연구 목록을 감정 인식에 활용한다면, 기본 감정 이외의 감정들도 인식할 수 있고 통증관련 응급 상황까지도 탐지 가능하며, 더불어 감정 경험의 강도까지 탐색할 수 있을 것이다.
본 연구의 한계점은 첫째, 설문 응답자의 수가 작다는 것이다. 대학생 80명을 대상으로 약 650개의 관용어를 분류한 결과 뚜렷한 범주 특성을 보이지 않는 관용어의 경우는 범주 분류가 분명하게 나누어 지지 않았다.
이는 수집된 관용어들에 문어체가 많이 포함되어 있으며, 이러한 문어체의 감정 표현 관용어들은 일상 생활에서 자주 사용되지 않음을 의미한다. 이는 현재 대학생들의 일상 생활 감정 표현 언어와 우리말 관용어 표현에 익숙지 않은 양상을 반영한 것이라 할 수 있어 현대 청소년들의 감정 표현 언어 연구에 기초 자료가 될 뿐 아니라 실용품 제작에 유용한 자료로 활용될 것이라 생각된다.
대학생 80명을 대상으로 약 650개의 관용어를 분류한 결과 뚜렷한 범주 특성을 보이지 않는 관용어의 경우는 범주 분류가 분명하게 나누어 지지 않았다. 좀더 많은 수의 인원을 대상으로 추가적인 평가가 이루어진다면 그러한 관용어들도 유의미한 분류 결과를 얻을 수 있을 것으로 생각된다. 그러나 무성의한 응답을 피하기 위하여 추가했던 중복 문항쌍은 모두 같은 범주로 분류됨을 확인하여 응답의 신뢰성을 확인할 수 있었다.
참고문헌 (13)
Chang, S. K. and Chang, K. H., Korean idioms - About emotion, Journal of Korean Studies, 25, 295-318, 1994.
Kim, H. S., Statistical study of idiomatic phrases in current Korean, Master. Dissertation, Yonsei University, 2000.
Kim, H. S., A study on Korean emotional idioms, Ph.D. dissertation, Inha University. 2001.
Kwon, K. I., A Study on the semantic characteristics of Korean emotion idioms, Journal of Grammar Education, 11, 119-140, 2009.
Kwon, S. Y., Application methods about Korean idiomatic expression, Master. Dissertation, Hanyang University, 2005.
Lee, C. M. and Narayanan, S. S., Toward detecting emotions in spoken dialogs. IEEE Trans. Speech and Audio Process, 13(2), 293-303, 2005.
Lee, K. D., Idiom, metaphor, and metonymy, Discourse and Cognition, 4(1), 61-87, 1997.
Moataz, E. A., Mohamed, S. K. and Fakhri, K., Survey on speech emotion recognition: Features, classification schemes and databases, Pattern Recognition, 44, 572-587, 2011.
Pantic, M., Sebe, N., Cohn, J. F. and Huang, T., "Affective multimodal human-computer interaction", Proc. 13th ACM Int'l Conf. Multimedia (Multimedia '05), 669-676, 2005.
Scherer, K. R., Vocal communication of emotion: A review of research paradigms. Speech Communication, 40, 227-256, 2003.
Wynn, R. and Wynn, M., Empathy as an interactionally achieved phenomenon in psychotherapy: Characteristics of some conversational resources, Journal of Pragmatics, 38(9), 1385-1397, 2006.
Zeng, Z., Pantic, M., Roisman, G. I. and Huang, T. S., A Survey of Affect recognition methods: Audio, visual, and spontaneous expressions, IEEE Trans. Pattern analysis and Machine Intelligence, 31(1), 39-58, 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.