이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.

연구 논문

교차 문화적 영어 작문 지도를 위한 DeepSeek 프롬프트 최적화: 전이 역량에 관한 실증적 연구

78 조회수

⸱

DOI:

10.3791/71662

⸱

2026년 8월 25일

1Ningbo City College of Vocational Technology

이 논문에서

요약

본 연구는 교차 문화적 맥락에서 영어 작문 전이 역량을 강화하기 위해 DeepSeek 기반의 계층적 프롬프트 최적화 프레임워크를 개발합니다. 3단계 프롬프트 체인과 60명의 영어 전공자를 대상으로 한 유사 실험을 통해, 실험군이 대조군에 비해 유의미한 향상을 보였음을 확인하였습니다.

초록

전통적인 영어 작문 교육이 언어 전이(language transfer)의 체계적인 함양을 간과하고 기존의 프롬프트 프레임워크가 교실 수업에 적합하지 않다는 한계를 해결하기 위해, 본 연구는 DeepSeek 모델을 기반으로 문장, 단락, 담화, 문화라는 4단계의 점진적 과제 계층을 포함하는 계층적 전이 훈련 시스템을 구축하였으며, 모든 과제는 트리플(triple) 형태로 정의되었습니다. 구문, 구조, 문화, 레지스터, 논리를 아우르는 5차원 과제 라이브러리를 구축하고, 학생들의 실제 작문 초안으로부터 타겟 프롬프트를 자동으로 생성하였습니다. 모델의 전문가 혼합(Mixture of Experts, MoE) 아키텍처와 결합하여, 복잡한 과제를 의미적 재구성, 언어적 수정, 문화적 적응이라는 세 가지 순차적 단계로 분리하는 중첩 프롬프트 체인을 개발하였습니다. 준실험 설계를 채택하여, 한 대학교의 영어 전공 2학년 학생 60명을 모집해 각각 30명씩 실험군과 대조군으로 배정하고 3회차의 훈련 라운드에 걸쳐 3주간 단계적 중재를 실시하였습니다. 실험 후 결과에 따르면, 실험군의 문화적 전이 점수는 2.8에서 4.5로 상승한 반면, 대조군은 단 0.3점 증가하는 데 그쳤습니다. 또한 실험군의 교사 평가 평균 점수는 59.1에서 74.4로 향상되었으나, 대조군은 60.1에서 64.9로 증가하는 데 그쳤습니다. AI 채점과 교사 평가 간의 상관계수 대부분이 0.8을 초과하였으며, 참여자의 90% 이상이 AI 재작성 및 구조 최적화 기능에 만족하였습니다. 본 시범 연구의 표본 크기가 작음에도 불구하고, 이러한 최적화 접근 방식은 대학 영어 작문 수업에 적용 가능한 것으로 나타났습니다.

서론

교차 문화적 맥락의 영어 작문 교육에서 비원어민 영어 학습자들은 언어 지식을 실제 적용으로 전환하는 과정에서 전이 능력이 부족하여 어려움을 겪는 경우가 많습니다1,2. 학생들은 어느 정도의 문법 및 어휘 기초를 갖추고 있음에도 불구하고, 문장 패턴, 구조 및 문화적 표현을 실제 작문으로 효과적으로 변환하는 데 어려움을 겪으며, 이는 정형화된 언어 출력과 제한적인 사고로 이어져 결과적으로 전반적인 작문 품질에 영향을 미칩니다3. 또한, 언어 구조, 논리적 구성 및 화용론적 규범의 교차 문화적 차이는 작문 전이의 복잡성을 더욱 가중시킵니다4. 최근 몇 년 동안 대규모 언어 모델(LLM)은 작문 교육에 새로운 기술적 지원을 제공해 왔습니다5. DeepSeek와 같은 지능형 작문 도구는 언어 생성 및 재구성 분야에서 강력한 능력을 입증했습니다. 그러나 교육 현장에서 이러한 도구들은 대부분 표면적인 언어 교정에 국한되어 있으며, 전이 능력 배양을 중심으로 하는 교육 과정에 아직 깊이 통합되지 못했습니다. 또한 교육 목표 지향성과 생성 동작에 대한 제어 가능성이 부족합니다6,7. 현재 널리 사용되는 AI 보조 작문 애플리케이션들은 대부분 그 기능을 표면적인 문법 오류 교정에 한정하고 있으며, 체계적인 전이 역량 배양을 목표로 하지 않아 모델 출력물에 대한 교육적 제어력이 떨어지는 결과를 초래하고 있습니다.

ESL 작문 보조에 관한 기존 연구는 크게 세 가지 범주로 나뉩니다: 전통적인 프롬프트 기반 작문 피드백, 범용 AI 교정 개입, 그리고 수동 중심의 전이 학습입니다. 첫째, 일반적인 프롬프트 엔지니어링 연구는 계층적 전이 교육 목표와의 정렬 없이 질의응답 및 텍스트 재작성의 기술적 최적화에 우선순위를 둡니다8,9. 둘째, 전형적인 ChatGPT 기반 ESL 튜터링은 계층적인 구문적, 구조적 및 교차 문화적 전이 함양보다는 전반적인 작문 정확도 향상에 집중합니다10. 셋째, 모방 및 대조 작문에 의존하는 전통적인 전이 교수법은 지능형 도구로 지원되는 폐쇄 루프 피드백이 부족합니다11. 이전 연구들과 달리, 본 연구에서는 다단계 교육 목표에 맞춘 전이 지향적 계층형 프롬프트를 맞춤 설정하고 샘플 기반 프롬프트 자동 생성 워크플로우를 구축하여 모델 생성, 교사 피드백 및 학생 수정이 결합된 독특한 폐쇄 루프 훈련 메커니즘을 형성합니다.

기존 문헌에서는 언어적 문화적 차이, 모델 고유의 구조적 제약, 그리고 분절된 강의실 실습 사이의 잠재적 연결 고리가 있을 것으로 가설을 세웠으나, 이러한 인과 관계는 기존 실증 연구에서 충분히 검증되지 않았으며, 이에 따라 본 논문에서 검증하고자 하는 핵심 연구 가설이 되었다12,13. 본 논문에서 언급된 DeepSeek의 고유 특성과 관련하여, 개방형 지시 인터페이스와 MoE 기반 전문가 라우팅 설계는 기존 모델 기술 보고서 및 응용 언어 연구에 기록되어 있다. 이러한 기록된 모델 특성을 바탕으로, 본 연구에서는 복잡한 교차 문화 전이 과제를 분해하기 위해 중첩된 프롬프트 체인을 맞춤 설계하고, 차별화된 전이 과제 부여를 위한 동적 하위 모델 스케줄링 규칙을 개발한다. 구조화된 전이 능력 개발에 초점을 맞춰, 본 연구는 표적 DeepSeek 프롬프트 최적화를 탐구하며, 이를 통해 대규모 언어 모델을 범용 텍스트 편집 도구에서 대학 영어 글쓰기 지도를 위한 전문 전이 학습 시스템으로 전환하는 것을 목표로 한다.

제2언어 작문 연구 분야에서 전이 현상은 오랫동안 핵심 주제였습니다14,15. 전통적인 언어 전이 이론은 주로 모국어가 목표 언어 습득 과정에 미치는 긍정적 및 부정적 전이 효과에 초점을 맞추며, 특히 음성학, 어휘 및 구문에 중점을 둡니다16. Mirzayev E는 제2언어로서의 영어(ESL) 작문 지도에서 제1언어로부터의 부정적 전이가 학생들의 작문 능력 발달을 제한하는 주요 요인으로 남아 있다고 지적했습니다17. 연구 범위가 확장됨에 따라 학계는 점차 작문 구조 전이로 관심을 넓혀왔습니다18. 중간언어 작문은 여러 요인으로 인해 언어적 오류와 화석화 현상이 자주 나타납니다19. 동시에 인지 전이 이론 또한 점점 더 많은 주목을 받고 있습니다20. 이 이론은 작문 과정에서의 인지적 조직 및 표현 방식의 차이를 강조합니다. 예를 들어, 서구의 작문은 선형적 추론과 명시적 논리를 강조하는 반면, 중국의 전통은 나선형 방식과 의미적 모호성을 선호합니다. 이 두 방식 사이에는 상당한 긴장 관계가 존재합니다. 따라서 언어 전이는 단순히 언어 단위의 변환뿐만 아니라, 더 깊은 수준에서의 사고 구조와 문화적 표현 규범의 적응 및 변형을 포함하며, 이는 현재 영어 작문 지도에서의 중요한 과제입니다21.

전이 능력을 배양하는 실제 과정에서, 기존 연구들은 학습자가 대상 언어의 전이 메커니즘을 이해하고 적용하는 능력을 향상시키기 위해 모방 쓰기22, 대조 쓰기23, 번역 훈련24과 같은 전략을 자주 활용한다. 모방 쓰기는 기본적인 담화 능력을 구축하는 데 도움이 되지만, 구조적 경직성으로 이어지기 쉽다. 대조 쓰기는 언어 스타일과 문화적 인식을 개선할 수 있으나, 체계적인 과업 계층화와 개인별 맞춤형 피드백이 부족하다. 번역 훈련은 문화적 은유 인식을 촉진할 수 있지만, 적절한 안내가 없으면 의미적 편차나 화용론적 부적절함으로 이어지기 쉽다. 위의 전략들은 주로 수동적인 시연과 경험적 지도25에 의존하며, 전이 전략의 명시적인 구축과 체계적인 피드백 메커니즘이 부족하여 언어 능숙도와 인지 양식의 개인차에 대응하기 어렵다. 일부 연구에서 다양화된 쓰기 과업을 통해 전이 훈련을 확장하려 시도했으나26,27, 교수 과정에서 "전이 목표-언어 생성-전략 피드백"의 폐쇄 루프가 아직 형성되지 않았다. 이로 인해 전이 전략의 내면화 효과가 제한적이며, 실제 쓰기 과업에서 학생들의 전이 능력 발달은 여전히 미흡한 상태이다28.

대규모 언어 모델 기술의 발전과 함께, 언어 교육에서의 보조적 잠재력이 점점 더 많은 관심을 받고 있습니다29. ChatGPT(Chat Generative Pre-trained Transformer)30 및 DeepSeek31으로 대표되는 생성형 AI 도구들은 텍스트 교정, 언어 재작성 및 언어 조정과 같은 시나리오에서 널리 사용되어 왔습니다. Diasamidze 등은 ChatGPT를 사용하는 ESL 학생들이 문법적 정확성, 어휘의 풍부함 및 텍스트 구성 능력 측면에서 전통적인 교육 그룹보다 우수한 성과를 보였다는 것을 발견했습니다32. 하지만 기존의 응용 프로그램들은 대부분 표면적인 언어 처리 수준에 머물러 있으며, 전이 목표에 대한 체계적인 가이드가 부족한 실정입니다. Ranade는 현재의 교육 시나리오에서 프롬프트 기반 프로젝트가 대부분 일반적인 템플릿에 의존하고 있으며, 생성된 콘텐츠에 맥락적 적응성과 과제 특이성이 부족하다고 지적했습니다33. 또한, 주류 모델 훈련은 공개 말뭉치에 의존하고 있어 중어와 영어의 문화적 표현 차이에 대한 심층적인 모델링이 부족합니다. 이로 인해 생성된 텍스트에서 문화적 부적절함과 부자연스러운 화용론적 특성이 나타나기 쉬우며34,35, 이는 교차 문화 작문 전이 교육의 심층적인 적용을 제한하고 있습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

윤리적 승인

실험에 앞서 저자들은 대학으로부터 승인(승인 번호: NBCC-ETH-2026-037)을 받았으며, 모든 학생 참여자에게 고지된 동의서를 배부하였다. 모든 학생에게 연구 목적, 실험 절차 및 데이터 사용 규정에 대해 명확히 안내하였다. 참여는 자발적으로 이루어졌으며, 참여자는 언제든지 연구에서 탈퇴할 수 있었다. 개인정보 보호를 위해 모든 개인 데이터와 작성물은 익명화되었으며, 학술적 분석 목적으로만 사용되었다. 참여자 60명 전원은 연구에 참여하기 전 동의서에 서명하였다. 참여자는 동일한 고등 직업 대학의 두 개의 병행 2학년 영어 작문 수업에서 편의 표집법을 통해 선정되었다. 선정 기준은 CET-6 합격 점수 포함이었다. > 425명, 이번 학기 결석 없음, 그리고 최근 두 차례의 단원별 쓰기 시험에서 평균 점수를 기록한 인원을 대상으로 하였다. 제외 기준은 수업 시간 외 상용 영어 AI 쓰기 소프트웨어의 장기 사용 및 심각한 난독증이었다.

모든 연속형 결과 변수의 변동성은 평균 ± 표준편차(SD)로 보고되었습니다. 모든 분석은 그룹당(실험군 vs. 대조군) n = 30명의 참가자, 총 N = 60명의 표본 크기로 수행되었습니다. 종단적 반복 측정 데이터의 경우, 그룹과 시간의 주효과 및 그룹-시간 상호작용을 검토하기 위해 반복 측정 분산 분석(RM-ANOVA)이 사용되었습니다. 개별 시점에서의 사후 쌍별 비교를 위해 독립 표본 t-검정이 사용되었습니다. 대조군은 전통적인 작문 지도와 더불어 일반적인 무료 비맞춤형 AI 작문 도구(단계별 프롬프트 및 전이 지향 템플릿 없음)를 제공받았습니다. 지도 시간, 작문 과제, 피드백 빈도 및 훈련 텍스트는 본 연구에서 사용된 맞춤형 중첩 프롬프트 체인 및 5단계 과제 라이브러리 중재가 없었다는 점을 제외하고 실험군과 동일했습니다. 실험군은 중첩 프롬프트 체인 가이드, 교차 문화 적응 출력 및 "생성-성찰-재생성" 메커니즘을 포함하여 작문 지도를 최적화하기 위해 DeepSeek 모델 기반의 지침을 사용했습니다. 반면 대조군은 전통적인 교수법 또는 최적화되지 않은 AI 보조 도구를 사용했습니다. 두 그룹의 교육 효과를 비교함으로써, 거대 언어 모델 기반의 전이 훈련 방법이 학생들의 작문 전이 능력을 향상시키는 데 미치는 효과를 검증하였습니다.

전체 연구 개념

본 연구는 DeepSeek의 교육적 활용에 특히 초점을 맞추어, 학생들의 영어 작문 전이 능력을 향상시키고 효과적인 교수 설계 방법을 개발하는 것을 목표로 하였다. 우선, 모델 프롬프트를 재설계하기 위한 지시어 최적화 전략을 제안하였다. 이를 통해 구문 구조, 단락 논리, 문화적 표현을 포함한 작문 교육의 다양한 전이 목표와 생성된 결과물 간의 정렬도를 높였다. 둘째, 교사의 작문 과업을 구조화되고 목표 지향적인 프롬프트 템플릿으로 변환하였다. 이후 교수 과업과 모델 동작 간의 매핑 관계를 설정함으로써 모델의 제어 가능성을 높이고 생성된 콘텐츠가 교육적으로 유효하도록 보장하였다. 마지막으로, 본 연구는 “생성–성찰–재작성–재생성”으로 이어지는 폐쇄 루프 전이 훈련 프로세스를 개발하였다. 이 프로세스는 학생들이 모델의 지원을 받아 전이 전략을 식별하고 언어 표현을 능동적으로 정교화하도록 유도하였다. 반복적인 이터레이션을 통해 학생들의 교차 언어 및 교차 문화 작문 전이 능력이 지속적으로 강화되었다. 문장 구조 변환 단계는 그림 1A–D에 제시되어 있다.

AI 보조 작문 훈련 시스템의 전체 작동 로직을 명확히 하고 재현성을 높이기 위해, 원본 입력, 교사 개입, 프롬프트 적용, 학생 활동, 최종 결과물 및 해당 평가 기준을 포함하는 핵심 단계를 표 1에 전체 구현 워크플로로 요약하였다.

전이 지향적 작업 구성 전략

본 연구는 영어 쓰기에서의 전이 능력 배양에 초점을 맞추었습니다. 이를 위해 얕은 단계에서 깊은 단계로 진행되는 전이 과제 경로를 구축하여, 학생들이 다층적인 언어 전이 전략을 체계적으로 습득하고 연습할 수 있도록 안내하였습니다. 전체적인 경로 구조를 설명하기 위해, 이를 4단계 과제 세트로 정의하였습니다.

T = {T1,T2,T3,T4} (1)

T1 은 문장 수준의 전이 과업을 나타내며, 학생들이 다양한 문장 구조 방법을 익힐 수 있도록 짧은 문장 확장, 태 변화, 절 교체와 같은 기본적인 문법 구조 조작에 집중합니다. T2 는 단락 수준의 전이 과업으로, 학생들이 단락 내 정보의 구성과 연결에 주의를 기울이도록 안내하며, 핵심 문장 추출 및 문장 간 논리 조정을 통해 단락의 구조적 명확성과 표현의 일관성을 향상시키도록 훈련합니다. T3은 담화 수준의 과업을 나타내며, 이는 장(chapter)의 전반적인 논리적 배치와 논증 리듬으로 더욱 확장되어, 학생들이 단락 순서를 조정하고 구조적 병치 관계를 최적화함으로써 완전한 논증 체계를 갖춘 영어 기사를 작성하도록 안내합니다. T4 는 문화 수준의 전이 과업으로, 학생들이 모국어 작문에서 나타나는 함축적 표현 방식(함축적 어휘 및 의미적 힌트 등)의 특성을 식별하고, 이를 대상 언어 문화에 부합하는 직접적인 표현이나 논리적으로 명시적인 형태로 변환하도록 요구합니다. 그 진화 과정은 그림 2에 제시되어 있습니다. 과업 설계의 운용성과 평가 가능성을 높이기 위해, 본 연구에서는 각 수준의 과업을 다음과 같이 트리플(triple) 형태로 정의하였습니다.

Ti = (Si,Gi,Ei) (2)

Sj 는 과제 입력 샘플을, Gi 는 대상 전이 연산을, Ei 는 지원 평가 기준을 나타냅니다. 이러한 구조적 표현을 통해 각 단계의 과제가 이전 단계의 전략 숙달을 바탕으로 구축되도록 하였으며, 상응하는 샘플, 대상 설명 및 성과 기준을 갖추게 하여 전이 경로의 안정적인 발전을 위한 메커니즘을 제공하였습니다. 전이 학습 시스템을 구축하는 과정에서 과제 유형의 체계적인 범위 설정과 교수 호출의 효율적인 관리를 달성하기 위해, 본 연구에서는 작문 전이의 공통 언어 전환 차원을 기반으로 다섯 가지 전이 목표 유형을 포함하는 구조화된 과제 라이브러리를 구축하였습니다. 과제 라이브러리는 다음과 같이 공식적으로 표현되었습니다:

M = {(Dj,TDj)∣j = 1,2,3,4,5} (3)

Dj 은 구문적 전이, 구조적 전이, 문화적 전이, 레지스터 전이, 그리고 논리적 전이의 다섯 가지 전이 차원에 해당하며, 각 차원과 연관된 과업 집합 TDj 는 해당 차원의 조작 하위 집합을 나타냅니다. 과업 라이브러리를 개발하는 과정에서 저자들은 먼저 수많은 실제 학생 작문 샘플을 바탕으로 일반적인 전이 어려움과 언어 오류 유형을 요약 및 분류하였으며, 실제 교수 요구 사항 및 평가 표준과 결합하여 서로 다른 전이 유형을 기능 영역으로 나누고 각 과업의 핵심 훈련 목표와 조작 모드를 설정하였습니다. 각 과업은 다음과 같은 트리플 구조로 추상화되어 표현되었습니다:

Ti,j = (Si,j,Gi,j,Ci,j) (4)

Si,j는 과제 입력 샘플을, Gi,j는 과제의 전이 목표 기술을, Ci,j는 과제의 평가 및 제어 차원을 나타냅니다. 구문 전이 과제에서 본 연구는 문장 연결, 절의 내포, 수동태 전환 및 관련 개념을 포함하여 쉬운 단계에서 어려운 단계로 진행되는 문장 재구성 시퀀스를 설계함으로써, 학생들의 문장 확장 및 문법 변형 능력을 향상시키는 것을 목표로 하였습니다. 구조 전이 과제는 주제문 다시 쓰기, 뒷받침 문장 정렬, 인과 관계 및 예시 관계 재구성을 통해 단락 논리를 최적화하고, 정보 조직력을 강화하며, 논리적 구성 능력을 높이는 데 중점을 두었습니다. 문화 전이 과제는 교차 문화 말뭉치를 기반으로 하며, 함축적 표현이나 완곡어법과 같은 화용론적 편차를 대상으로 합니다. 이는 문화적 적응력 발달을 촉진하기 위해 실제 맥락에 가까운 표현 전환을 설계하였습니다. 레지스터 전이 과제는 학생들이 구어체 표현을 학술적 언어로 변환하고 레지스터 전환 전략을 습득하도록 안내하였습니다. 논리 전이 과제는 접속사 사용, 논리적 관계의 명시화, 단락 전환에 관한 훈련을 수행하는 동시에 추론 사슬을 구축하고 표현의 명확성을 확보하는 데 집중하였습니다.

학생들의 실제 작문 샘플을 바탕으로, 본 연구는 교수 학습 과제와 밀접하게 연계된 프롬프트 생성 프로세스를 개발하여 지시문의 관련성과 생성된 콘텐츠의 실용성을 높이고자 했습니다. 이 프로세스는 교사가 주도하였으며, 교사는 교수 과정 중 중복된 문장, 무분별한 구조, 부적절한 문화적 표현과 같은 전형적인 전이(transfer) 문제가 나타나는 대표적인 학생 텍스트 단편을 선정했습니다. 이후 교사는 시스템 인터페이스를 통해 샘플에 전이 유형을 주석으로 달아 학습 목표를 명확히 했습니다. 주석 정보를 수신한 시스템은 자동으로 전이 과제 식별 모듈을 활성화했습니다. 그다음 입력값과 사전 정의된 과제 라이브러리 및 프롬프트 템플릿 라이브러리를 매칭했습니다. 매칭 과정에서는 전이 유형, 언어적 특징, 텍스트 구조 등의 요소를 고려했습니다. 이러한 요소를 바탕으로 시스템은 가장 적합한 템플릿을 선택하여 초기 프롬프트를 생성했습니다. 또한 시스템은 구조화된 강화 처리 과정을 지원했습니다. 교사의 주석은 모델이 쉽게 해석할 수 있는 표준화된 형식으로 변환되었습니다. 관련 교수 지침 힌트가 프롬프트에 삽입되어 모델이 교사의 의도와 학생의 질문을 모두 정확하게 이해할 수 있도록 도왔습니다. 지시문의 유연성과 제어 가능성을 향상시키기 위해 시스템에는 교사 보조 모듈이 포함되었습니다. 이 모듈을 통해 교사는 교수 지침을 수정하고, 문맥 설정을 조정하며, 톤과 스타일을 맞춤 설정함으로써 프롬프트를 정교하게 다듬을 수 있었습니다. 결과적으로 교사는 생성 프로세스에 대해 더 큰 제어 권한을 갖게 되었으며, 이를 다양한 교육 시나리오에 더 잘 적용할 수 있었습니다.

Deepseek 명령 최적화 메커니즘

영어 작문 전이 훈련의 실질적인 요구 사항을 바탕으로, 본 연구에서는 다섯 가지 유형의 전이 지향적 프롬프트 템플릿을 개발하였다. 이 템플릿들은 대규모 언어 모델의 생성 동작을 안내하고 조절하도록 설계되었다. 구조적 전이 템플릿은 단락 구성과 담화 구조에 중점을 두었다. 이는 학생들이 서론-본론-결론과 같은 구조를 채택하고 아이디어의 논리적 흐름을 개선함으로써 텍스트를 재구성하도록 도왔다. 구문론적 전이 템플릿은 문장 수준의 복잡성을 강조하였다. 이는 수동태, 병렬 구조, 복합 절을 포함한 다양한 문법 구조의 사용을 장려하여 작문 표현의 정교함을 높였다. 문화적 전이 템플릿은 작문 시의 문화적 적절성을 다루었다. 이는 학생들이 모국어와 문화의 영향을 받은 표현을 영어권 환경에서 더 자연스럽고 수용 가능한 형태로 조정하도록 안내하였다. 레지스터 전이 템플릿은 스타일 적응과 레지스터 조절에 집중하였다. 이는 학생들이 서로 다른 작문 목적, 독자 및 장르에 따라 언어 사용을 조정하도록 도왔다. 논리적 전이 템플릿은 논리적 조직력을 강화하는 것을 목표로 하였다. 이는 인과 관계, 비교 및 대조, 병렬 전개와 같은 관계를 효과적으로 사용하도록 촉진하여 응집성과 논증의 엄밀함을 향상시켰다. 이 다섯 가지 템플릿은 종합적으로 작문 전이의 주요 차원들을 포괄하였다. 이들은 교수 학습 과제 설계와 모델 기반 텍스트 생성 모두에 구조화된 교육적 지원을 제공하였다.

각 템플릿 유형은 다양한 교육 상황에서 보편성과 적응성을 보장하기 위해 통일된 형식을 따랐습니다. 템플릿은 네 가지 핵심 요소로 구성되었습니다. 첫 번째는 요구되는 전이 과업을 명확하게 나타내는 지시 대상이었으며, 두 번째는 교육의 효과를 위해 코퍼스 기반의 실제 언어 단편을 학생들에게 제공하는 샘플 입력이었습니다. 세 번째는 학생들이 비교하고 모델 튜닝에 활용할 수 있도록 전이 후의 이상적인 언어 출력 표준 스타일을 보여주는 목표 출력이었습니다. 네 번째는 해당 템플릿에 적용 가능한 언어 수준, 텍스트 유형 및 사용 전략을 설명하고, 생성 제어 및 교육 지도 효과를 높이기 위한 조정 가능한 파라미터 프롬프트를 제공하는 사용 제안이었습니다.

프롬프트 템플릿의 설계 논리와 실제 적용 사례를 더욱 자세히 설명하기 위해, 전이 중심 프롬프트의 대표적인 다섯 가지 예시를 아래에 제시합니다. 모든 템플릿은 지시 대상, 입력 샘플, 대상 출력 및 사용 제안으로 구성된 통합 프레임워크를 준수하였습니다. 학생들은 단순한 문장을 확장하고, 문장의 태를 전환하며, 절을 삽입하여 구문적 다양성을 풍부하게 하도록 안내받았습니다. 예를 들어, 학생의 초안인 "I study English writing. It is very important for cross-cultural communication"이 주어진 경우, 최적화된 출력값은 "Learning English writing plays a vital role in improving learners’ ability of cross-cultural communication"입니다. 이 프롬프트는 기초적인 구문 재구성 및 태 전환에 집중하며, 중간 정도의 난이도를 가진 영어영문학 전공 2학년 학생들의 문장 수준 훈련에 적합하였습니다. 또 다른 유형의 프롬프트는 문화적 전이를 목표로 하여, 모국어의 문화적 사고 방식에 영향을 받은 콩글리시 표현을 식별하고 이를 서구 문화 규범에 부합하는 자연스러운 영어 화용론적 표현으로 재작성하는 것을 목적으로 하였습니다. 학생의 문장 "Many people think you must work hard if you want to succeed"를 예로 들면, 수정된 버전은 "People generally believe that diligence is the key to success"였습니다. 이 프롬프트는 내재된 중국어식 사고 패턴을 제거하고 영어 맥락에서의 명시적 표현 능력을 배양하는 데 집중하는 문화 수준의 전이 훈련에 적용되었습니다.

본 연구는 또한 학생들의 단락 초안을 통합 입력값으로 받아 순차적 단계로 실행되는 3단계 중첩 프롬프트 체인을 개발하였습니다. 첫 번째 단계는 의미적 재구성으로, 참가자가 주어진 단락의 문장을 재배치하고, 아이디어의 논리적 순서를 최적화하며, 명확한 주제문이 포함된 완전한 단락을 구성하도록 요구하는 프롬프트로 구성되었습니다. 두 번째 단계는 언어적 수정 단계로, 수정된 단락을 정중한 학술적 영어로 다시 쓰고, 구어체 단어를 교체하며, 복문과 수동태 구조를 적절하게 사용하도록 요청하였습니다. 세 번째 단계는 문화적 적응 단계로, 텍스트 내의 문화적-화용적 표현을 확인하고, 모국어의 문화적 간섭을 제거하며, 영어의 교차 문화적 작문 관습에 맞게 내용을 다듬도록 안내하는 프롬프트를 사용하였습니다. 위의 예시들은 단일 프롬프트 템플릿과 중첩 프롬프트 체인의 작동 방식을 충분히 보여주었습니다. 이를 바탕으로 본 연구는 DeepSeek의 MoE 아키텍처와 결합된 완전한 단계별 프롬프트 체인을 설계하였습니다.

생성 제어 및 작업 응답 깊이 측면에서 단일 라운드 프롬프트의 한계를 극복하기 위해, 본 연구에서는 단계적이고 연속적인 특성을 가진 중첩 프롬프트 체인 구조를 설계하여 계층적 가이드와 복잡한 번역 작업의 점진적 생성을 가능하게 했다. 이 메커니즘은 하나의 완전한 번역 작업을 여러 개의 하위 목표로 세분화하고 각 하위 목표에 상응하는 프롬프트 템플릿을 설계했으며, 이를 의미 재구성, 언어 스타일 조정, 문화적 화용론적 적응이라는 논리적 순서로 직렬 연결하여 문맥 의존성을 가진 생성 체인을 형성했다. 본 연구는 표준 오픈 API를 통해 DeepSeek에 대한 중첩 프롬프트 체인 최적화를 구현했다. DeepSeek 모델은 외부 프롬프트와 독립적으로 작동하는 고유의 내부 추론 모듈인 자동 백엔드 전문가 라우팅 시스템을 갖춘 Mixture of Experts (MoE) 아키텍처를 기본적으로 채택하고 있다. 맞춤형 다단계 프롬프트는 모델 입력의 내용적 특성만을 조정했다. 최적화된 입력에 포함된 의미적, 스타일적, 문화적 요구 사항에 따라, 모델의 고유 MoE 라우팅 메커니즘은 텍스트 생성 과정에서 가장 적합한 전문가 모듈을 자율적으로 활성화했다. 의미 재구성, 스타일 조정, 문화적 적응에 초점을 맞춘 3단계 프롬프트 설계는 단순히 입력 텍스트를 정교하게 다듬었을 뿐, 모델 내부의 전문가 선택 및 할당 로직을 방해하지 않았다.

운영 프로세스 측면에서, 시스템은 교사가 업로드한 학생의 텍스트를 수신하고 대상 주석을 전달하며, 중첩 체인 구조의 활성화 여부를 자동으로 결정했습니다. 활성화된 경우, 시스템은 세 단계를 순차적으로 실행했습니다. 첫 번째 단계는 의미적 재구성이었으며, 구조 전달 템플릿을 호출하여 단락 구성과 논리적 단서를 최적화했습니다. 두 번째 단계는 언어 스타일 조정으로, 언어 템플릿을 사용하여 구어체 표현을 학술적 문어체 언어로 변환했습니다. 세 번째 단계는 문화적 적응으로, 문화 전달 템플릿을 호출하여 대상 언어 문화에 부합하지 않는 표현을 식별 및 교체함으로써 더욱 자연스러운 텍스트를 생성했습니다.

각 생성 단계에서는 이전 단계의 출력을 입력값으로 사용하였으며, 의미적 일관성을 보장하기 위해 컨텍스트 벡터 캐시를 유지하였습니다. 교사는 템플릿 선택, 지침 수정, 순서 조정을 포함하여 시스템 인터페이스 내의 프롬프트 체인 구조를 맞춤 설정하였습니다. 또한, 시스템은 교사가 작업을 재사용하거나 일괄 할당하는 데 유용한 "템플릿 조합 패키지" 기능을 지원하였습니다. 아울러, 시스템에는 생성 단계마다 중간 결과를 제공하는 내장형 동적 중단 및 피드백 메커니즘이 포함되었습니다. 교사는 후속 지침을 실시간으로 주석 처리하거나 조정함으로써 "생성-조정-재생성"으로 이어지는 교수 학습 폐쇄 루프를 형성하였습니다.

모델 생성 및 평가

DeepSeek 모델 기반의 텍스트 생성 및 평가 과정에서, 본 연구는 생성된 텍스트를 구문 복잡성, 구조적 표준화, 담화 일관성이라는 세 가지 측면에서 체계적으로 분석하고 정량적으로 평가하기 위해 다차원 자동 채점 메커니즘을 구축하였습니다. 텍스트 특징 추출 및 자동 평가를 위해 spaCy 의존성 파서와 Coreferee 상호참조 해결 확장 모듈을 사용하였습니다. spaCy 의존성 파서는 영어 텍스트의 구문 구조를 분석하여 평균 문장 길이 및 중첩 절의 수와 같은 핵심 지표를 추출함으로써 구문 복잡성의 정량적 분석을 가능하게 하였습니다. spaCy 프레임워크 내에서 실행되는 Coreferee 상호참조 해결 확장 모듈은 주로 텍스트 내의 내부 참조 관계를 식별하고 담화 참조 일관성을 평가하여 자동 작성 품질 채점을 위한 기술적 지원을 제공하였습니다. 네트워크 제한으로 인해 앞서 언급한 해외 오픈 소스 웹사이트에 접근할 수 없었습니다.

먼저, 시스템은 구문론적 복잡성을 평가했습니다. 평균 문장 길이, 절 내포 깊이 및 문장 다양성과 같은 특징을 추출했습니다. 이러한 특징들은 의존 구문 분석과 심층 구문 트리 모델링을 통해 얻었습니다. 분석 결과에 기초하여, 시스템은 학생들이 단순한 문장 패턴에서 더 복잡한 구조로 성공적으로 발전했는지를 평가했습니다. 둘째, 시스템은 단락 구성을 평가했습니다. BERT 기반의 텍스트 표현을 분류 모델과 결합하여 주제문, 뒷받침문, 결론문을 포함한 핵심 단락 요소들을 식별했습니다. 이후 단락 구조 맵을 구축하여 구성이 영어 학술 글쓰기의 관습을 따랐는지 판단했습니다. 셋째, 시스템은 텍스트 일관성을 평가했습니다. 논리적 연결어의 사용, 문장 간의 의미론적 일치성 및 텍스트 전반의 참조 링크 품질을 조사했습니다. 이러한 지표들은 논리적 전개의 명확성과 아이디어의 매끄러운 흐름을 평가하는 데 사용되었습니다. 주제 일관성을 측정하기 위해 시스템은 벡터 기반 표현을 사용하여 의미론적 유사도를 계산했습니다. 참조 일관성은 상호 참조 해결 기술을 통해 평가되었으며, 이는 의미적 공백과 모호한 참조를 줄이는 데 도움이 되었습니다. 마지막으로, 모든 차원의 점수를 통합하여 하나의 통합 점수 벡터로 만들었습니다. 그 결과는 표준화되어 종합 평가 시스템을 형성하였으며, 이를 통해 서로 다른 작문 샘플 간의 신뢰할 수 있는 비교가 가능해졌습니다.

수동 평가 단계에서, 본 연구는 교사 평가의 관련성과 교수 피드백의 효과를 높이기 위해 전이 행동의 명확성, 표현의 자연스러움, 문화적 적응성을 포함하는 작문 전이 훈련을 위한 3차원 채점 시스템을 개발하였습니다. 이 시스템은 보조 기능을 결합하여 정량적 채점과 정성적 논평의 유기적인 결합을 구현하였습니다. 전이 행동 차원에서 교사들은 미리 설정된 과제 목표에 따라 학생들이 텍스트를 재작성할 때 전이 전략을 어떻게 사용했는지 판단하였습니다. 시스템은 원문과 생성된 버전을 나란히 비교하는 뷰를 제공하여, 문장 조정 및 구조적 재구성 등의 조작이 요구되는 전이 유형을 효과적으로 반영했는지 교사가 식별할 수 있도록 지원하였습니다.

자연스러운 표현력 평가에서는 언어 출력의 유창성과 진정성에 중점을 두었습니다. 교사들은 시스템에서 생성한 언어 지표를 활용하여 문장이 영어 원어민의 표현 습관과 일치하는지 확인하고, 문법 구조, 단어의 조합 및 문장의 리듬이 자연스럽고 적절한지 판단하였습니다. 또한, 주석을 통해 문제점을 지적하고 대안 표현을 제안하였습니다. 문화적 적응력 차원에서는 교차 문화 화용론의 적절성에 중점을 두었습니다. 교사들은 텍스트에 의미적 모호성, 수사적 충돌 또는 모호한 가치 판단과 같이 출발어 문화의 간섭으로 인해 발생하는 부적절한 표현이 포함되어 있는지 식별해야 했습니다. 시스템은 일반적인 문화적 편향 단어 예시를 제공하였으며, 교사가 코멘트란에 수정 근거와 문화적 맥락 요구 사항을 설명할 수 있도록 지원하여 학생들이 문화적 전이 인식과 표현의 정확도를 높일 수 있도록 안내하였습니다. 각 차원은 5점 척도로 점수를 매겼으며, 자유 주석 및 제안 입력 모듈이 포함되었습니다. 최종 평가 결과는 방사형 차트로 제시되었습니다.

평가 효율성을 높이고 실제 교실 수업에서의 활용을 지원하기 위해, 본 연구에서는 AI 기반 채점과 교사 평가를 결합한 협력적 평가 메커니즘을 개발하였습니다. 이 시스템은 먼저 DeepSeek가 생성한 텍스트에 대해 다차원적인 평가를 수행합니다. 자동 채점 모듈을 통해 구문 복잡도, 단락 구성, 텍스트 일관성과 같은 핵심 요소들을 평가하였습니다. 채점 결과는 교사 인터페이스에 실시간으로 표시되었습니다. 교사들은 각 차원의 세부 점수를 검토하고, 전문적인 판단과 학생들의 전이 수행 능력에 대한 이해를 바탕으로 필요 시 점수를 조정하였습니다. 또한, 자동 채점으로 포착되지 않을 수 있는 피드백과 교수법적 제안을 제공하기 위해 텍스트에 직접 맞춤형 의견을 추가하였습니다. 각 평가 차원에는 5점 척도가 적용되었습니다. 인터페이스에는 개인별 맞춤 피드백을 용이하게 하기 위해 자유 형식의 텍스트 주석 및 추천 모듈이 포함되었습니다. 평가 결과는 방사형 차트로 시각화되어, 교사가 다양한 전이 차원에 따른 학생들의 강점과 약점을 빠르게 파악할 수 있도록 하였습니다.

또한, 이 시스템을 통해 교사는 교육 목표에 맞추어 특정 차원의 가중치나 종합 점수를 조정할 수 있었습니다. 이러한 기능은 최종 평가가 학생들의 실제 성취도와 학습 요구를 더욱 정확하게 반영할 수 있도록 보장했습니다. 수동 검토가 완료된 후, 시스템은 기계 생성 평가 데이터와 교사 생성 평가 데이터를 자동으로 통합했습니다. 그 다음, 시각적 피드백 보고서가 생성되었습니다. 이 보고서에는 전이 수행 능력 레이더 차트와 버전 추적 차트가 포함되었습니다. 이러한 시각화 자료는 여러 차례의 텍스트 생성 및 수정 과정에서 나타나는 학생들의 전이 능력 변화를 명확하게 보여주어, 학습 진전 상황을 지속적으로 모니터링할 수 있게 했습니다.

전이 학습 과정

본 연구는 완전한 전이 훈련 과정을 설계하였다. 먼저, 교사는 교수 목표와 학생들의 실제 수준에 근거하여 구체적인 영어 쓰기 과제를 부여하고, 훈련의 전이 유형과 중점 사항을 명확히 하였다. 그 다음, 시스템은 교사가 설정한 과제를 바탕으로 그에 상응하는 프롬프트 지시어를 자동으로 생성하고, DeepSeek 모델을 호출하여 쓰기 초안을 생성함으로써 학생들이 재작성과 전이 훈련을 수행하는 데 필요한 기초 자료를 제공하였다. 초안을 받은 후, 학생들은 텍스트에 반영된 전이 특성을 능동적으로 식별하고, 학습한 전이 전략을 사용하여 구문 구조, 단락 구성 및 문화적 표현의 적절성을 개선하는 방식으로 내용을 표적 재작성해야 했다. 재작성이 완료되면, 교사는 제출된 텍스트에 대해 상세한 검토를 제공하여 전이 전략의 효과성을 강조하고 개선을 위한 구체적인 제안과 쓰기 지도를 제공하였다. 교사의 피드백을 바탕으로 DeepSeek 모델을 다시 호출하여 최적화된 버전을 생성함으로써, 학생들이 텍스트를 더욱 정교화하고 전이 전략 실습을 심화할 수 있도록 추가적으로 지원하였다. 마지막으로, 학생은 최종안 제출을 완료하고 전이 인지 표를 작성하며 자기 평가를 수행하였으며, 전이 방법과 그 효과를 요약함으로써 메타인지 능력의 향상과 쓰기 전이 기술의 내면화를 도모하였다. 본 연구를 위해 설계된 전이 인지 표는 다음과 같다. 표 2.

모든 항목은 1(숙달되지 않음)부터 5(완전 숙달)까지의 1~5점 척도를 적용하였습니다. 자가 평가 데이터는 세 차례의 순차적 교육 후에 수집되었으며, 점수 기준점은 5차원 작업 라이브러리에 정의된 전이 작업 표준을 참조하였습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

실험 설계 교육

본 연구에서는 DeepSeek의 기본 오픈 소스 버전을 사용하였으며, 프로그램 호출을 위해 플랫폼의 오픈 API 인터페이스에 의존하였습니다. 5가지 프롬프트 템플릿 텍스트 전체 세트, 4단계의 과제 예시 항목, 전이 주석 카테고리 태그 및 작문 오류-템플릿 매칭 매핑 규칙은 보충 부록에 정리되었습니다. 시스템은 온도 계수 0.7의 고정 호출 매개변수를 가졌으며, 생성 길이는 작문 문제 유형에 따라 동적으로 제한되었습니다. 시스템은 의미적 재구성 > 스타일 조정 > 문화적 적응의 고정된 순서를 엄격히 따르며 중첩된 프롬프트 체인 호출을 실행하였습니다. 모델 출력물은 교실 수업에서 효과적인 텍스트를 사용하기 위해 지도교수가 수동으로 선택하였습니다.

본 연구에서는 5년 이상의 경력을 가진 전임 대학 영어 작문 강사 3명을 수동 채점에 참여하도록 요청하였습니다. 모든 채점자는 공식...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

본 연구는 교차 문화적 영어 작문 전이 교육을 위해 DeepSeek의 MoE 아키텍처에 기반한 다층적 지시어 최적화 프레임워크를 구축합니다. 문장에서 문화적 차원에 이르는 4단계 점진적 과업과 5가지 범주의 표준화된 과업 라이브러리를 중심으로, 실제 학생의 작문 샘플을 기반으로 한 자동 프롬프트 생성을 구현하고 복잡한 교차 문화 적응 과업을 분해하기 위한 3단계 중첩 프롬프트 체인을 수립합니다. 텍스트 교정에 국한된 기존의 일반적인 프롬프트 설계와 달리, 제안된 솔루션은 프롬프트 구성을 언어 전이 교육 목표와 밀접하게 결합하며 모델 생성, 교사 주석 및 학생의 반복적 수정으로 이어지는 폐쇄 루프 교육 흐름을 구축합니다. 학문적 진전 관점에서 본 연구는 제2언어 습득에서 프롬프트 엔지니어링의 실질적 경계를 확장하며, 대규모 언어 모델의 파라미터 특성을 EFL 교실의 타겟 훈련과 결합하기 위한 정량화 가능한 템플릿 구축 경로를 제공합니다. 또한, 구문적 부정 전이 오류에만 집중했던 기존의 연구 결과3...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

저자들은 금융적 이해상충이 없음을 선언합니다.

감사의 글

본 연구는 Zhejiang Provincial Education Planning Project 2026: Research on Reconstruction of Teaching Competency Framework and Promotion Strategies of Higher Vocational Teachers Under Digital and Intelligent Empowerment(과제 번호: ZWT26024; 승인 번호: 2026SCG360)의 지원을 받아 수행되었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
BERT 사전 학습 언어 모델Googlehttps://github.com/google-research/bert텍스트 표현, 단락 구조 인식, 의미적 유사도 계산 및 텍스트 분류를 통해 작문 내용의 자동 채점을 지원함.
CorefereeExplosion AIhttps://github.com/explosion/coreferee텍스트의 지칭 관계를 식별하고 담화 지칭 일관성을 평가하여 작문 품질의 자동 채점을 보조함.
DeepSeek 대규모 언어 모델DeepSeek AIhttps://chat.deepseek.com/MoE 모델 아키텍처를 기반으로 지시어 최적화 및 프롬프트 체인 설계를 수행함. 모델은 온도 계수 0.7의 고정 매개변수를 사용하며, 생성 길이는 질문 유형에 따라 동적으로 제한됨.
spaCyExplosion AIhttps://github.com/explosion/spaCy영어 텍스트의 의존 구문 구조를 분석하고, 평균 문장 길이 및 중첩 절의 수와 같은 지표를 추출하여 구문 복잡도를 정량화함.
SPSS 26.0IBMhttps://www.ibm.com/products/spss-statistics반복 측정 분산 분석 (RM-ANOVA), 독립 표본 t-검정, Pearson 상관 분석, 효과 크기 (Cohen’s d) 계산 및 신뢰도 (ICC) 검정과 같은 통계 분석을 수행함.

참고문헌

  1. Maqsood M, Zahid A, Asghar T, et al. Issues in teaching English in a cultural context. Migr Lett. 2024; 21(4): 1020–1027.
  2. Tran NT, Nguyen TT, Pham HH. Exploring the challenges of L1 negative transfer among Vietnamese English language learners: a qualitative study. rEFLections. 2024; 31(2): 837–857.
  3. Zhu P. Cultural dimensions as guidelines in handling language problems for effective written communication across cultures. Int J Linguist Lit Transl. 2023; 6(12): 85–95.
  4. Zeng Z, Nair SM, Wider W. A comparative study of Chinese EFL undergraduates' pragmatic competence in English letter writing between urban and suburban universities. World J Engl Lang. 2022; 12(6): 377–388.
  5. Litvinova TA, Mikros GK, Dekhnich OV. Writing in the era of large language models: a bibliometric analysis of the research field. Nauchnyi Rezultat Voprosy Teoreticheskoi i Prikladnoi Lingvistiki. 2024; 10(4): 5–16.
  6. Long M. Cultivating interdisciplinary foreign language talents through interdisciplinary synergy of on-campus teaching and off-campus practices under the new liberal arts. Educ Rev USA. 2025; 9(5): 520–526.
  7. Voss E, Cushing ST, Ockey GJ, et al. The use of assistive technologies including generative AI by test takers in language assessment: a debate of theory and practice. Lang Assess Q. 2023; 20(4-5): 520-532.
  8. Manyasa J. When language transfer is negative: analysis of morpho-syntactic interference errors by learners of French in Tanzanian higher learning institutions. J Foreign Lang. 2021; 13(1): 165-190.
  9. Fikri N. The study of language transfer in EFL students' translation work. J Pendidik Nonformal. 2023; 1(1): 9.
  10. Ahmat A, Yang Y, Ma B, et al. Cross-lingual prompting method with semantic-based answer space clustering. Appl Intell. 2025; 55(2): 1-17.
  11. Maity S, Deroy A, Sarkar S. Investigating large language models for prompt-based open-ended question generation in the technical domain. SN Comput Sci. 2024; 5(8): 1-32.
  12. Wu W, Cao Y, Yi N, et al. Detecting and reducing the factual hallucinations of large language models with metamorphic testing. Proc ACM Softw Eng. 2025; 2(FSE): 1432-1453.
  13. Kaganovich P, Münz-Manor O, Ezra-Tsur E. Style transfer of modern Hebrew literature using text simplification and generative language modeling. CEUR Workshop Proc. 2023; 1613: 73-95.
  14. Yuan Y. Influence of native language transfer on senior high school English writing. Theory Pract Lang Stud. 2021; 11(2): 170-176.
  15. Jiamin M. The influence of cultural factors on language transfer in second language acquisition. Res J Engl Lang Lit. 2024; 12(1): 186-195.
  16. Zhang L. Native language transfer in vocabulary acquisition: an empirical study from connectionist perspective. J Lang Teach Res. 2023; 14(2): 446-458.
  17. Mirzayev E. The influence of first language interference on ESL writing skills. EuroGlob J Linguist Lang Educ. 2024; 1(1): 33-39.
  18. Fujiwara Y, Iwao T, Ito H, et al. Exploring the transfer of topic-comment structures called unagi-sentences in Asian L2 Englishes: cross-proficiency-level and cross-varietal studies. Asian Englishes. 2025; 27(1): 25-40.
  19. Guo Q. Interlanguage and its implications to second language teaching and learning. Pac Int J. 2022; 5(4): 8-14.
  20. Vereeck A, Janse M, De Herdt K, et al. Why Plato needs psychology: proposal for a theoretical framework underpinning research on the cognitive transfer effects of studying classical languages. Psiholoska Obzorja. 2023; 32: 121-130.
  21. Zhang W. Study on the negative transfer of mother tongue on college students. Int J Front Sociol. 2023; 5(16): 164-171.
  22. Li C. A review of theories, pedagogies and vocabulary learning tasks of English vocabulary learning apps for Chinese EFL learners. J China Comput Assist Lang Learn. 2024; 4(2): 346-375.
  23. Nsengimana I, Niyibizi E, Ngabonziza JDA. The impact of language transfers on learners' writing skills in English learning among students in Mahama Refugee Camp, Rwanda. Afr J Empir Res. 2024; 5(3): 605-613.
  24. Jovein S K, Sharifabad E D, Yazdani M. On the relationship between university translator training programs and the translation market requirements: The case of English translation graduates and postgraduates of Imam Reza International University. Journal of Critical Studies in Language and Literature. 2024; 5(6): 1-13.
  25. Qin X. Collaborative inquiry in action: a case study of lesson study for intercultural education. Asian Pac J Second Foreign Lang Educ. 2024; 9(1): 66-91.
  26. Sun L, Asmawi A. The effect of WeChat-based instruction on Chinese EFL undergraduates’ business English writing performance. International Journal of Instruction. 2023; 16(1): 43-60.
  27. Moro G, Piscaglia N, Ragazzi L, et al. Multi-language transfer learning for low-resource legal case summarization. Artificial Intelligence and Law. 2024; 32(4): 1111-1139.
  28. Sun Y. A study of college English writing teaching based on dynamic assessment. Pac Int J. 2023; 6(1): 83-88.
  29. Jeon J, Lee S. Large language models in education: a focus on the complementary relationship between human teachers and ChatGPT. Educ Inf Technol. 2023; 28(12): 15873-15892.
  30. Kostka I, Toncelli R. Exploring applications of ChatGPT to English language teaching: opportunities, challenges, and recommendations. TESL-EJ. 2023; 27(3): n3-n22.
  31. Antara IMAR, Anggreni NPY. Analyzing grammatical errors in EFL students' opinion essays using DeepSeek AI: patterns and pedagogical implications. Stilistika. 2025; 13(2): 210-218.
  32. Diasamidze L, Tedoradze T. Enhancing ESL students' writing skills through natural language processing model ChatGPT. Eurasia Proc Educ Soc Sci. 2024; 35: 230-238.
  33. Ranade N, Saravia M, Johri A. Using rhetorical strategies to design prompts: a human-in-the-loop approach to make AI useful. AI Soc. 2025; 40(2): 711-732.
  34. Zhou W, Gao B. Construction and application of English-Chinese multimodal emotional corpus based on artificial intelligence. Int J Hum Comput Interact. 2025; 41(3): 1782-1793.
  35. Chen B, Bao L, Zhang R, et al. A multi-strategy computer-assisted EFL writing learning system with deep learning incorporated and its effects on learning: a writing feedback perspective. J Educ Comput Res. 2024; 61(8): 60-102.
  36. Jeon H. Designing teaching for transfer in English for academic purposes. RELC Journal. 2024; 55(2): 567-577.
  37. Pei Y J. Construction of a" Feedback-Revision" Teaching Model for Senior High School English Continuation Writing Based on Generative AI. International Journal of Educational Development. 2026; 3(1): 16-25.
  38. Holubnycha L, Kuznetsova O, Shchokina T, et al. AI-Powered Teaching: Literature Review of ChatGPT's Impact on University Educators. International Journal of Interactive Mobile Technologies. 2025; 19(15): 41.
  39. Almuhanna M A. Teachers' perspectives of integrating AI-powered technologies in K-12 education for creating customized learning materials and resources. Education and Information Technologies. 2025; 30(8): 10343-10371.
  40. Hastomo T, Mandasari B, Widiati U. Scrutinizing Indonesian pre-service teachers’ technological knowledge in utilizing AI-powered tools. Journal of education and learning (EduLearn). 2024; 18(4): 1572-1581.
  41. Cai H, Lu L, Han B, et al. Exploring pre-service teachers’ reflection mediated by an AI-powered teacher dashboard in video-based professional learning: a pilot study. Educational technology research and development. 2025; 73(2): 1129-1154.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

더 많은 논문 탐색

교차 문화 작문언어 전이계층적 훈련 시스템전문가 혼합프롬프트 체인문화적 적응언어적 수정
문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.