Towards Reducing Foreign Language Anxiety Using Level-Appropriate Embodied Conversational Agents

새로운 언어를 배우기 위해 누군가가 확성기로 복잡한 지시 사항을 외치는 가운데 깊은 수영장의 끝으로 뛰어드는 상황을 상상해 보세요. 그것이 많은 사람에게 외국어를 배우는 과정처럼 느껴질 수 있으며, 종종 '외국어 불안(foreign language anxiety)'이라고 불리는 특정한 종류의 긴장감을 유발합니다. 이는 자신이 바보처럼 보이거나, 실수를 하거나, 타인에게 판단받는 것에 대한 두려움 때문에 배 속이 일렁거리는 듯한 느낌입니다. 이러한 불안은 큰 장애물이 되는데, 학생들을 얼어붙게 만들어 아예 말하기를 포기하게 만들 수 있기 때문입니다.

이를 해결하기 위해 과학자들은 '대화형 에이전트(conversational agents)', 즉 친근한 로봇 친구처럼 당신과 대화할 수 있는 매우 똑똑한 컴퓨터 프로그램들을 사용하기 시작했습니다. 핵심 아이디어는 실제 사람과 대화하는 것보다 로봇과 대화하는 것이 덜 무서울 수 있다는 것입니다. 하지만 여기에는 함정이 있습니다. 만약 로봇이 너무 빨리 말하거나 너무 어려운 단어를 사용한다면, 오히려 불안감을 악화시킬 수도 있습니다. 그래서 연구자들이 던지는 질문은 이것입니다. "우리가 학습자의 숙련도에 딱 맞는 적절한 난이도로 대화하는 법을 아는 로봇 친구를 만들어, 학습자가 긴장을 풀고 배울 수 있도록 도울 수 있을까?"

이 논문은 바로 그 질문을 탐구합니다. 연구진은 '수준 체크기(level-checker)' 역할을 하는 특별한 시스템을 구축했습니다. 그들은 로봇의 발화가 학습자의 현재 능력(예를 들어 초보자에게는 쉬운 문장으로 말하기)과 일치하도록 만드는 것이 실제로 그 긴장감을 낮출 수 있는지 확인하고 싶었습니다. 연구진은 이 실험을 영어 학습 중인 일본의 대학생 소수 그룹을 대상으로 테스트했습니다.

이들의 '수준 체크' 로봇이 작동하는 방식은 다음과 같습니다. 당신이 이야기를 쓰고 있는데, 10살 어린이가 읽기에 충분히 쉬운지 확인하고 싶다고 가정해 봅시다. 당신은 문장을 쓴 다음, 엄격한 편집자에게 "이게 너무 어렵나요?"라고 물을 것입니다. 만약 편집자가 "네, 이 단어는 너무 커요(어려워요)"라고 답하면, 당신은 문장을 다시 씁니다. 이 논문은 그 과정의 디지털 버전을 설명합니다. 그들은 협력하는 AI 에이전트 팀을 만들었습니다. 먼저, '대화형 에이전트'가 학생과 대화를 시도합니다. 그다음, '분류기(classifier, 언어 난이도를 인식하도록 훈련된 스마트 도구)'가 로봇이 하는 모든 문장을 점검하여 그것이 학생의 숙련도(CEFR이라는 표준 척도로 측정되며, A1은 초급 단계, A2는 그보다 조금 높은 단계와 같은 비디오 게임 레벨을 생각하면 됩니다)와 일치하는지 확인합니다.

만약 로봇이 너무 복잡한 말을 한다면, '피드백 에이전트'가 개입합니다. 이는 마치 "이봐요, 이 문장은 너무 어려웠어요! 대신 이렇게 말해보는 건 어떨까요?"라고 말하는 유능한 코치와 같습니다. 그러면 로봇은 자신의 응답을 다시 쓰고 다시 확인합니다. 이 루프는 로봇이 전달하고자 하는 바를 가장 완벽하고 단순한 방식으로 찾을 때까지 계속됩니다. 목표는 이 '수준이 맞춰진' 로봇이 수준을 체크하지 않고 그냥 말하는 로봇에 비해 학생들의 불안감을 낮춰줄 수 있는지 확인하는 것이었습니다.

연구진은 단 세 명의 일본 대학생을 대상으로 작은 파일럿 연구를 진행했습니다. 이 학생들은 가상의 카페 환경에서 로봇과 대화를 나누었습니다. 각 학생은 세 번의 짧은 채팅을 경험했습니다. 한 번은 시스템에 익숙해지기 위한 것, 한 번은 '수준 체크' 필터를 적용한 것, 그리고 한 번은 필터 없이(그냥 평소처럼) 말하는 것이었습니다. 각 채팅이 끝난 후, 학생들은 자신의 불안감이 어느 정도였는지에 대한 설문지를 작성했습니다.

결과는 흥미로웠지만, 모든 것을 해결해 주는 마법의 해결책은 아니었습니다. '수준 체크' 시스템은 로봇이 생성하는 단어 측면에서 의도한 대로 정확히 작동했습니다. 필터가 적용된 채팅에서는 로봇이 한 문장의 87.4%가 적절한 난이도 수준이었습니다. 반면 필터가 없는 채팅에서는 적절한 수준의 문장이 54.1%에 불과했습니다. 필터가 켜져 있을 때 로봇은 언어를 단순하게 유지하는 데 훨씬 더 뛰어났습니다.

하지만 학생들의 불안감에 관해서는 이야기가 다소 복합적입니다. 연구에 참여한 인원이 단 세 명뿐이었기 때문에, 연구진은 이 필터링된 로봇이 모든 사람의 불안을 줄여준다는 것을 통계적으로 확실하게 증명할 수는 없었습니다. 그러나 그들은 하나의 경향성을 발견했습니다. 세 명 중 두 명의 학생은 필터링되지 않은 로봇과 대화했을 때보다 필터링된 로봇과 대화했을 때 불안감을 약간 덜 느꼈다고 보고했습니다. 나머지 한 명의 학생은 이 패턴을 따르지 않았는데, 연구진은 이 학생이 매우 구체적인 대화(자기소개 다시 하기)를 나누었기에 주제 자체가 익숙하고 쉽게 느껴졌을 수 있다고 언급했습니다.

이 논문은 말하는 로봇에게 '난이도 필터'를 제공하는 것이 학습자에게 적절한 수준의 말을 하게 함으로써, 이는 좋은 첫걸음임을 시사합니다. 이는 불안감을 낮추는 데 도움이 될 수 있다는 실마리를 제공하지만, 연구진은 이를 완전히 입증하기 위해서는 더 많은 사람을 대상으로 한 추가 테스트가 필요하다고 신중하게 밝히고 있습니다. 학생들은 일반적으로 실제 사람보다 로봇과 대화하는 것을 더 편하게 느꼈으며, 언어가 더 단순해졌다는 사실을 인지하지 못하더라도 필터링된 채팅을 더 즐기는 것처럼 보였습니다. 또한 연구진은 경험상의 몇 가지 '버그'를 발견했습니다. 가상 카페 시나리오가 일본 학생들에게 다소 생경하고 부자연스럽게 느껴졌으며, 때때로 마이크가 목소리를 잘 잡아내지 못해 스트레스를 가중시키기도 했습니다.

요약하자면, 이 논문은 말하는 로봇에게 '난이도 필터'를 부여하는 것이 로봇이 학습자의 수준에 맞춰 말하도록 돕는 데 효과적이며, 이는 좋은 출발점이라는 점을 시사합니다. 이는 불안감을 줄이는 데 도움이 될 수 있음을 암시하지만, 연구진은 더 확실히 하기 위해 더 많은 사람을 대상으로 한 검증이 필요하다고 말합니다. 그들은 또한 설정(setting)이 단어만큼이나 중요하다는 것을 배웠습니다. 만약 시나리오가 이상하게 느껴지거나 기술적인 오류가 발생하면, 그 경험을 망칠 수 있습니다. 이는 단순히 말하는 것을 넘어, '딱 알맞게' 말하는 로봇 튜터를 만들기 위한 견고한 시작입니다.