이 연구는 비정형 데이터인 텍스트에 대해 컴퓨터를 활용하여 글의 수준을 판별하기 위해 활용할 수 있는 변인 탐색을 목적으로 하였다. 이를 위해 텍스트 분석과 유사한 분야인 미술 작품에 대한 신경미학을 검토하고 미술분야에서 활용한 인공지능 알고리즘을 검토하였다. 또한 자동 채점에서 활용할 수 있는 텍스트 요인과 분석 방법을 탐구하고자 자연언어처리를 활용한 텍스트 분석 연구의 여러 분야를 비교하였다. 각 연구 분야별로 활용하고 있는 텍스트 분석 요인과 분석 방법을 살펴봄으로써 자동 채점과의 유사점과 차이점을 도출하고자 하였다. 무엇보다 잘 쓴 글, 또는 좋은 글에 대한 명확하고 합의된 정의가 요구된다. 이를 통해 글의 수준을 설명할 수 있는 수량화, 정량화 가능한 요인을 추출할 수 있다. 또한 텍스트를 구성하고 있는 기본 요소인 단어(형태소)가 텍스트 분석의 기본 요인이지만 단어가 가진 어떤 속성을 활용할 것인지는 연구 분야마다 차이를 보인다. 텍스트는 단어의 집합으로 구성되지만 텍스트의 의미는 단어의 단순 총합 이상이다. 따라서 텍스트의 특성을 설명할 수 있는 단어 이외의 변인을 선정할 수 있어야 하며 각 변인은 텍스트의 특성을 정확하고 변별적으로 측정할 수 있어야 한다.

The purpose of this study was to explore variations that could be used to determine the level of text by using computers which is unstructured data. For this purpose, we examined the neural aesthetics of art works similar to text analysis and examined artificial intelligence algorithms used in the field of art. In addition, we compared several areas of text analysis research using natural language processing to explore textual factors and analysis methods that can be used in automatic scoring. By looking at the text analysis factors and analysis methods used for each research area, we tried to draw similarities and differences from automatic scoring. Above all, a clear and agreed definition of good writing is required. In this way, quantifiable factors that can explain the level of text can be extracted. In addition, words (forms), the basic elements that make up the text, are the primary factors in text analysis, but whether a word will take advantage of any attribute it has varies from field to field of study. Text consists of a set of words, but the meaning of the text is more than the simple sum of words. Therefore, we should be able to select variables other than words that can describe the nature of the text. Each variable should be able to accurately and selectively measure the characteristics of the text.