Earticle

초록

영어

Large-scale error annotation in learner corpora remains challenging, particularly for under-resourced L1 populations. Although Chinese learners represent the world’s largest group of English learners, publicly accessible corpora of their English writing with comprehensive error annotations are scarce, limiting research and pedagogical applications. This study introduces a human-in-the-loop, AI-assisted framework designed to deliver reliable annotations while generating pedagogical feedback. The framework employs a streamlined three-domain taxonomy (Grammar, Lexis, and Mechanics) and a four-field record structure (error type, span, correction, and explanation). Applied to the Ten-thousand English Compositions of Chinese Learners, the pipeline integrates in-context demonstrations from the Chinese Learner English Corpus, chain-of-thought reasoning, and retrieval-augmented generation. In a proof-of-concept evaluation of 100 essays, inter-annotator agreement reached Cohen’s κ = 0.78, with an exact-span match of 85%, and intra-annotator agreement exceeded 90%. Analysis of 164 sentences yielded 187 errors: Grammar 66.3%, Lexis 23.0%, and Mechanics 10.7%. Expert review confirmed high precision for morphosyntactic and lexical errors and identified nine omissions (recall = 95.4%), involving idiomaticity or collocation. These results suggest that the approach can support scaling while preserving research comparability and producing materials for classroom use. Although further validation with larger datasets is required, the framework shows potential for adaptation to other learner populations.

한국어

중국인 학습자는 전 세계 영어 학습자 가운데 가장 큰 집단을 형성하고 있음에도 불구하고, 이들의 영어 작문을 대상으로 포괄적인 오류 주석을 제공하는 공개 코퍼스는 아직 충분히 구축되어 있지 않다. 이러한 자료적 공백은 중국인 영어 학습자의 오류 양상에 대한 체계적 연구를 제약할 뿐만 아니라, 실제 교육 현장에서 활용 가능한 피드백 자료의 개발 또한 제한한다. 본 연구는 이러한 한계를 보완하기 위해 신뢰도 높은 오류 주석을 산출하는 동시에 교육적 피드백을 생성할 수 있는 인간 참여형 AI 보조 프레임워크를 제안한다. 이 프레임워크는 문법, 어휘, 표기 및 형식의 세영역으로 구성된 간소화된 오류 분류 체계를 채택하며, 각 오류 주석은 오류 유형, 오류 범위, 수정안, 설명의 네 가지 항목으로 이루어진 최소 기록 구조에 따라 제시된다. 본 연구에서는 해당 프레임워크를 중국인 영어 학습자 10,000 편 작문 코퍼스(TECCL)에 적용하였으며, 주석 과정에는 중국인 영어 학습자 코퍼스(CLEC)에 기반한 문맥 내 학습 예시, 연쇄 사고 추론, 검색 증강 생성이 통합되었다. 100 편의 에세이를 대상으로 한 개념 증명 평가 결과, 주석자 간 일치도는 전체 Cohen’s κ = 0.78 에 도달하였고, 오류 범위의 정확 일치율은 85%였으며, 주석자 내 일치도는 90%를 초과하였다. 또한 164 개 문장을 분석한 결과, 총 187 개의 오류가 확인되었고, 그 분포는 문법 66.3%, 어휘 23.0%, 표기 및 형식 10.7%로 나타났다. 전문가 검토에서는 형태통사 및 어휘 오류에 대한 높은 정밀도가 확인되었으며, 주로 관용표현 또는 연어와 관련된 9 개의 누락 오류가 추가로 발견되었다(재현율 = 95.4%). 이러한 예비 분석 결과는 본 연구에서 제안한 프레임워크가 연구 간 비교 가능성을 유지하면서도 오류 주석 작업의 투명하고 확장 가능한 수행을 지원할 수 있음을 보여준다. 나아가 본 프레임워크는 교실 수업에 활용 가능한 오류 피드백 자료를 생성할 수 있다는 점에서 학습자 코퍼스 연구와 언어 교육 실천을 연결하는 방법론적 가능성을 지닌다.

목차

Abstract
요약
Introduction
Chinese English Learner Corpora, Error Patterns, and Annotation Needs
Rethinking Error-Annotation Frameworks
Motivation for a Pedagogy-Oriented Framework
Design Features and Pedagogical Orientation
Bridging Research and Pedagogical Application
Data and Sampling
Corpus Selection and Roles
Sampling and Dataset Preparation
AI-Assisted Annotation Pipeline
Prompt Architecture and Iterative Refinement
Chain-of-Thought Prompting for Explanation
Retrieval-Augmented Generation for Knowledge Grounding
Pilot Study Design and Procedure
Pilot Study Findings
Error Distribution and Linguistic Patterns
Evaluation of System Performance
Pedagogical Applications
Limitations, Bias, and Transferability
Conclusion
The Authors
References
Appendices

키워드

저자

• ByeongKwu Kang [ Sogang University, Korea ]
• Jiangli Wei [ Sogang University, Korea ]
• Isaiah WonHo Yoo [ Sogang University, Korea ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of AsiaTEFL

• 간기

  계간

• pISSN

  1738-3102

• eISSN

  2466-1511

• 수록기간

  2004~2026

• 등재여부

  SCOPUS,KCI 등재

• 십진분류

  KDC 740 DDC 420