$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

한국인을 위한 영어 말하기 시험의 컴퓨터 기반 유창성 평가
Computer-Based Fluency Evaluation of English Speaking Tests for Koreans 원문보기

말소리와 음성과학 = Phonetics and speech sciences, v.6 no.2, 2014년, pp.9 - 20  

장병용 (충북대학교) ,  권오욱 (충북대학교)

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose an automatic fluency evaluation algorithm for English speaking tests. In the proposed algorithm, acoustic features are extracted from an input spoken utterance and then fluency score is computed by using support vector regression (SVR). We estimate the parameters of feature...

주제어

#speaking fluency   #pronunciation   #SVR   #regression  

질의응답

핵심어 질문 논문에서 추출한 답변
유창성을 판단하는데 중요한 요소는? 여기서 ‘유창한 말하기’란 언어사용이 부드럽고, 빠르며, 자연스러움을 뜻한다고 설명하고 있다. 유창성을 판단하는데 중요한 요소는 발화 속도(rate of speech), 묵음의 빈도와 위치, 더듬음(hesitation)이고, 이 요소들은 시간적으로 정량화가 가능하다고 설명하고 있다. 이러한 연구를 바탕으로 Kormos는 10가지의 시간적 특징과 3가지의 어휘적 특징이 유창성 판단에 미치는 영향에 대하여 실험하였다[3].
유창한 말하기는 무엇인가? Chambers는 유창성의 양적, 질적 연구를 바탕으로 유창성이란 단어의 정의를 확립하고, 외국어 말하기 평가의 지침을 제시하였다[2]. 여기서 ‘유창한 말하기’란 언어사용이 부드럽고, 빠르며, 자연스러움을 뜻한다고 설명하고 있다. 유창성을 판단하는데 중요한 요소는 발화 속도(rate of speech), 묵음의 빈도와 위치, 더듬음(hesitation)이고, 이 요소들은 시간적으로 정량화가 가능하다고 설명하고 있다.
Fillmore는 유창성의 구성요소 4가지는? 1) 적은 묵음(pause)으로 구체적으로 말할 수 있는 능력 2) 응집력 있고 논리적으로 말하는 능력 3) 다양한 문맥과 상황에서 적절히 말할 수 있는 능력 4) 독창적인 생각을 말할 수 있는 능력
질의응답 정보가 도움이 되었나요?

참고문헌 (19)

  1. Fillmore, C. J. (1979). On fluency. Individual differences in language ability and language behavior, 85-101. 

  2. Chambers, F. (1997). What do we mean by fluency?. System, 25(4), 535-544. 

    상세보기 crossref

  3. Kormos, J., & Denes, M. (2004). Exploring measures and perceptions of fluency in the speech of second language learners. System, 32(2), 145-164. 

    상세보기 crossref

  4. Malvern, D. D., & Richards, B. J. (1997). A new measure of lexical diversity. British Studies in Applied Linguistics, 12, 58-71. 

    상세보기

  5. Neumeyer, L., Franco, H., Digalakis, V., & Weintraub, M. (2000). Automatic scoring of pronunciation quality. Speech Communication, 30(2), 83-93. 

    상세보기 crossref

  6. Young, S., Evermann, G., Gales, M., Hain, T., Kershaw, D., Liu, X., Moore, G., Odell, J., Ollason, D., Povey, D., Valtchev, V., & Woodland, P. (2006). The HTK Book (for HTK version 3.4). Cambridge University Engineering Department, 2(2), 2-3. 

  7. Paul, D. B., & Baker, J. M. (1992, February). The design for the Wall Street Journal-based CSR corpus. In Proceedings of the Workshop on Speech and Natural Language (pp. 357-362). Association for Computational Linguistics. 

  8. Vertanen, K. (1994). HTK Wall Street Journal Training Recipe. http://www.keithv.com. 

  9. Garofolo, J. S. (1988). Getting started with the DARPA TIMIT CD-ROM: An acoustic phonetic continuous speech database. National Institute of Standards and Technology (NIST), Gaithersburgh, MD, 107. 

  10. Lenzo, K. (2007). The CMU pronouncing dictionary. 

  11. Imai, S. (1983). Cepstral analysis synthesis on the mel frequency scale. In Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing (pp. 93-96), IEEE. 

  12. Shoup, J. E. (1980). Phonological aspects of speech recognition. Trends in Speech Recognition, 125-138. 

  13. Haykin, S. (1999). Neural Networks, Prentice Hall. 

  14. Muller, K. R., Smola, A. J., Ratsch, G., Scholkopf, B., Kohlmorgen, J., & Vapnik, V. (1997). Predicting time series with support vector machines. In Artificial Neural Networks-ICANN'97 (pp. 999-1004). Springer Berlin Heidelberg. 

  15. Drucker, H., Burges, C. J., Kaufman, L., Smola, A., & Vapnik, V. (1997). Support vector regression machines. Advances in Neural Information Processing Systems, 9, 155-161. 

  16. Smola, A. J., & Scholkopf, B. (2004). A tutorial on support vector regression. Statistics and Computing, 14(3), 199-222. 

    상세보기 crossref

  17. Kendall, M. G. (1948). Rank correlation methods. 

  18. Riggenbach, H. (1991). Toward an understanding of fluency: A microanalysis of nonnative speaker conversations. Discourse Processes, 14(4), 423-441. 

    상세보기 crossref

  19. Towell, R., Hawkins, R., & Bazergui, N. (1996). The development of fluency in advanced learners of French. Applied Linguistics, 17(1), 84-119. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로