AI-생성동화를 활용한 개별 맞춤형 책읽기 활동이 미취학 아동의 어휘 학습에 미치는 영향

Abstract

아동이 영유아기에 겪게 되는 어휘 습득 과정은 향후 아동의 문해력, 학업 성취 및 일생 전반에 장기적인 영향을 미친다(Elleman et al., 2009). 따라서 학령 전 아동의 어휘 발달이 또래 대비 정상적으로 이루어지고 있는지를 평가하고, 아동이 지속적으로 풍부한 어휘에 노출될 수 있도록 중재하는 것은 중요하다. 어휘 중재 방법은 주로 어휘의 정의를 명시적으로 제시하는 방법과, 맥락 속에서 자연스럽게 어휘를 습득하도록 도움을 주는 방식으로 나뉜다(Hulstigin, 2001). 특히 맥락을 활용한 어휘 학습은 언어 지식뿐만 아니라 적절한 어휘 사용법도 함께 습득할 수 있으며(Amirian & Momeni, 2012), 직접적인 지시와 맥락 안에서의 부수적인 습득을 결합한 방식이 어휘 학습에 효과적인 것으로 보고되었다(Jenkins et al., 1989). Stahl & Fairbanks(1986)는 어휘 중재 시, 목표어휘의 정의와 문맥에 대한 정보를 제공하고, 의미를 심층적으로 탐색하며, 학습자가 어휘에 반복 노출될 때 효과적인 어휘 학습이 이루어진다고 설명하였다. 어휘학습을 위한 다양한 중재법 중 성인과 함께하는 책읽기 활동이 학령전 아동의 어휘력 향상에 효과적인 것으로 알려져 있다(Noble et al., 2019; Whitehurst et al., 1988). 그러나, 아동의 초기 어휘는 언어 처리 능력, 언어적 경험, 그리고 아동 주변의 언어 환경과 같은 여러 요소에 영향을 받으며(Attig & Weinert, 2020; Fernald & Marchman, 2012; Weisleder & Fernald, 2013), 개인 간 다양한 양상으로 발달한다(Weisleder & Fernald, 2013). 이로 인해 실제 언어치료 임상 환경에서 아동 개인의 어휘 능력을 바탕으로 하는 개별 목표 어휘를 포함하여 맞춤형 책읽기 중재를 제공하는 데에는 현실적인 어려움이 따를 수밖에 없다. 또한, 다양한 문맥 안에서 어휘에 반복적으로 노출이 될 때 효과적인 학습이 이루어진다는 점을 고려한다면(Duff et al., 2015), 한정된 문맥에서 목표어휘가 반복되는 기존 방식의 책읽기 중재를 통해서는 어휘 사용의 다양성을 학습하기 어렵다는 제한이 있다. 이는 책읽기 중재의 전통적인 방식이 가진 제약을 극복하고 아동의 개별화된 목표어휘를 효과적으로 중재할 수 있는 새로운 방향을 모색해야 할 필요성을 시사한다. 대형 언어 모델(LLMs)과 인공지능(AI)의 발달은 이야기 생성의 자동화를 촉진하였다(Shakeri et al., 2021). 이와 함께 아동 도서를 맞춤형으로 제작하는 People in Books(Follmer et al., 2012), TellTable(Cao et al., 2010)과 같은 서비스가 개발되었다. 이처럼 최신 기술을 활용한 아동 도서 생성 연구는 다수 진행되어왔으나, 어휘 중재를 위한 맞춤형 동화를 생성하고, 어휘 학습에 대한 인공지능 동화의 효용성을 탐구한 연구는 제한적이다. 대형 언어 모델 사용자는 적절한 프롬프트를 제시하여 창의적인 콘텐츠를 제작할 수 있다. 이는 언어재활사가 중재에 필요한 교재나 교구를 빠르고 손쉽게 창작할 수 있다는 것을 의미한다. 특정 목표어휘를 포함하는 동화를 생성하여 책읽기 중재 도구로 활용한다면 아동 개인의 어휘력을 반영하는 어휘를 다양한 문맥 안에서 보다 효과적으로 다룰 수 있을 것이다. 따라서 본 연구에서는 인공지능을 활용하여 특정 어휘 학습을 목적으로 하는 개별 맞춤형 동화를 제작하고 이를 활용한 책읽기 중재가 아동의 어휘 습득에 미치는 영향을 확인하고자 한다. 본 연구에는 만 3-6세 아동 15명이 참여하였다. AI-생성 개별 맞춤형 동화를 활용한 책읽기 중재의 효과를 확인하기 위하여 기존동화를 사용하는 집단과 AI-생성동화를 사용하는 집단으로 구분하였다. 기존 도서를 활용한 집단의 아동은 선행연구(박수연, 임동선, 2019)의 도서 선정 기준에 따라 연구 자료로 선정된 ‘어린이도서연구회’ 추천도서 여덟 권중 네 권을 읽었으며, AI-생성 도서를 활용한 집단의 아동은 기존 도서 여덟 권의 중심 내용을 바탕으로 GPT-4가 새롭게 생성한 AI-생성동화 여덟 권중 네 권을 읽었다. AI-생성동화는 포항공대 컴퓨터공학과 인간중심 지능형 시스템 연구실과 이화여대 언어병리학과 아동언어연구실이 공동 개발한 아동 개별 맞춤형 동화 생성 시스템을 활용하여 제작하였다. 각 아동은 두 개의 집단 중 하나의 집단에 무작위로 배치되어 연구자와 3주에 걸쳐 총 8회의 1:1 책읽기 활동에 참여하였다. 책읽기 활동은 ‘책읽기 전 어휘 학습 활동’, ‘책읽기 본 활동’, ‘책읽기 후 어휘 학습 활동’순서로 구성하였으며, 한 회기에 두 권의 책에 대한 활동을 진행하였다. 네 권의 책을 각 4회씩 반복하여 총 16차례 읽었으며, 책읽기 중재 전과 후에 목표어휘 16개에 대한 사전-사후 수용 및 표현어휘력 검사를 실시하여 중재 효과를 확인하였다. 기존 동화와 AI-생성 동화를 활용한 책읽기 활동의 집단 내 사전-사후 어휘력 점수를 확인하기 위해 윌콕슨 부호-순위 검정(Wilcoxon Signed-Rank Test)을 실시하였으며, 집단 간 사전-사후 어휘력 점수 차이를 확인하기 위해 맨-휘트니 U 검정(Mann-Whitney U Test)을 실시하였다. 통계 분석의 결과는 다음과 같다. 첫째, 기존동화 및 AI-생성동화를 활용한 책읽기 활동 시, 평가 시점(사전 vs. 사후)에 따라 아동의 수용 및 표현어휘 정반응률에 유의한 차이가 나타나는지 확인하기 위하여 집단 내 사전-사후 수용 및 표현어휘 정반응률을 비교하였다. 그 결과, 기존동화 집단과 AI-생성동화 집단 모두 중재 후 수용 및 표현어휘 정반응률이 유의하게 증가한 것으로 나타났다. 둘째, 책읽기 중재 활동 조건(기존동화 vs. AI-생성동화)에 따라 아동의 수용 및 표현어휘 학습에 유의한 차이가 나타나는지 확인하기 위하여 집단 간 사전-사후 수용 및 표현어휘 정반응률을 비교하였다. 그 결과, 사전평가와 사후평가의 수용 및 표현어휘 정반응률에서 두 집단 간 유의한 차이를 보이지 않았다. 본 연구의 결과를 바탕으로 도출한 결론은 다음과 같다. 첫째, AI-생성동화를 활용한 책읽기 활동을 통해 아동의 수용어휘 및 표현어휘력을 증진시킬 수 있었다. 둘째, AI-생성동화를 활용한 책읽기 어휘 중재의 학습 효과는 기존동화를 활용하는 전통적 방식의 책읽기 어휘 중재에 준하는 수준으로 유의미하였다. 본 연구는 인공지능을 활용하여 개별 아동의 목표어휘를 포함하는 새로운 이야기를 생성하는 가능성을 확인하였다. 이를 통해 특정 문맥에서만 어휘를 학습할 수 있었던 전통적인 책읽기 어휘 중재 방법의 단점을 보완하는 효과적인 책읽기 어휘 중재를 시도할 수 있다는 임상적 시사점을 제시한다.;The vocabulary acquisition process that children undergo at an early age has a long-term impact on their reading comprehension, academic achievement, and overall life (Elleman et al., 2009). Therefore, it is important to assess whether pre-school children's vocabulary development is occurring normally compared to their peers and to intervene to ensure that children are consistently exposed to rich vocabulary. Vocabulary intervention methods are mainly divided into explicit methods that provide the definition of words and methods that assist in the natural acquisition of vocabulary in context (Hulstigin, 2001). Particularly, vocabulary learning through context allows not only language knowledge but also the acquisition of appropriate vocabulary usage (Amirian & Momeni, 2012), and a combination of direct instruction and incidental learning in context has been reported to be effective in vocabulary learning (Jenkins et al., 1989). Stahl & Fairbanks (1986) explained that effective vocabulary learning occurs when learners are repeatedly exposed to vocabulary with information about the definition and context of the target words. Among various intervention methods for vocabulary learning, shared book reading activities with adults have been found to be effective in improving pre-school children's vocabulary skills (Noble et al., 2019; Whitehurst et al., 1988). However, early vocabulary is influenced by various factors such as language processing abilities, early language experiences, and the language environment around the child (Attig & Weinert, 2020; Fernald & Marchman, 2012; Weisleder & Fernald, 2013). This suggests practical difficulties in providing personalized book reading interventions based on individual vocabulary abilities in actual speech therapy clinical settings. Moreover, considering the effectiveness of repetitive exposure to vocabulary in various contexts (Duff et al., 2015), traditional book reading interventions with limited contexts may have limitations in learning the diversity of vocabulary usage. This indicates the need to explore new directions to overcome the constraints of traditional book reading interventions and effectively mediate individualized target vocabularies for children. The development of Large Language Models (LLMs) and Artificial Intelligence (AI) has facilitated the automation of story generation (Shakeri et al., 2021). Alongside this, services like People in Books (Follmer et al., 2012) and TellTable (Cao et al., 2010) have been developed to create customized children's books using the latest technology. Although there have been numerous studies on using state-of-the-art technology for generating children's books, research exploring the creation of customized stories for vocabulary intervention and investigating the utility of AI-generated stories for vocabulary learning is limited. Users of large language models can create creative contents by providing appropriate prompts, implying that speech therapists can quickly and easily create materials or tools needed for interventions. Utilizing AI-generated stories that include specific target vocabulary in book reading interventions may effectively address the vocabulary of individual children in various contexts. Therefore, this study aims to create individualized stories for specific vocabulary learning using artificial intelligence and examine the impact of using these stories in book reading interventions on children's vocabulary acquisition. In this study, 15 children aged 3-6 participated. To assess the effectiveness of book reading interventions using individually generated AI stories, the participants were divided into two groups: one using traditional stories and the other using AI-generated stories. Children in the traditional story group read four selected books recommended by the 'Children's Book Research Society' based on the criteria of previous research (Park & Yim, 2019), while children in the AI-generated story group read four stories newly created by GPT-4 based on the main themes of the eight traditional stories. The AI-generated stories were produced using a system developed jointly by the Human-centered Intelligent Systems Laboratory at Pohang University of Science and Technology and the Child Language Laboratory at Ewha Womans University. Each child was randomly assigned to one of the two groups and participated in a total of eight 1:1 book reading sessions with the researcher over three weeks. The book reading activities were structured in the following order: "pre-reading vocabulary learning activity," "main book reading activity," and "post-reading vocabulary learning activity," with activities for two books conducted in each session. The children read a total of four books, repeating each book four times. Pre- and post-intervention assessments of receptive and expressive vocabulary skills for 16 target words were conducted to confirm the intervention effects. To analyze the results, the Wilcoxon Signed-Rank Test was conducted to compare the pre- and post-intervention vocabulary accuracy within each group, and the Mann-Whitney U Test was conducted to compare the vocabulary accuracy differences between the two groups. The following are the results of the statistical analysis. Firstly, when using both traditional and AI-generated stories for book reading activities, there was a significant difference in the children's receptive and expressive vocabulary accuracy between the pre- and post-evaluations. As a result, both the traditional story group and the AI-generated story group showed a significant increase in receptive and expressive vocabulary accuracy after the intervention. Secondly, to determine whether there was a significant difference in children's receptive and expressive vocabulary learning depending on the book reading intervention condition (traditional stories vs. AI-generated stories), the pre- and post-intervention vocabulary accuracy were compared between the two groups. As a result, no significant differences were found in the receptive and expressive vocabulary accuracy between the two groups in both pre- and post-evaluations. Based on the results of this study, the following conclusions were drawn. Firstly, book reading activities using AI-generated stories effectively enhanced children's receptive and expressive vocabulary skills. Secondly, the learning effects of vocabulary intervention using AI-generated stories were found to be significant and comparable to the traditional method of book reading intervention. This implies that in clinical settings of language therapy for children, speech pathologists can easily create new stories incorporating individual children's target vocabulary using artificial intelligence, thereby attempting effective book reading vocabulary interventions that overcome the limitations of traditional methods.