수능 생명과학Ⅰ문제 분류를 위한 1D-CNN 모델의 하이퍼파라미터 최적화 및 성능 평가

초록

본 연구에서는 대한민국 대학수학능력시험의 생명과학 I / Biology I 문제를 5개의 주요 카테고리로 자동 분류하는 기계학습 해법을 제시한다. 이를 위해 5,000개의 생명과학 I 문제 데이터를 토크나이저와 패딩 과정을 통해 전처리하고, 합성곱신경망(CNN)을 기반으로 한 모델을 구축하였다. 모델의 하이퍼파라미터 최적화를 위해 그리드-서치 알고리즘을 적용하였으며, 텍스트 데이터셋을 Train-Validation-Test Split으로 6:2:2 비율로 분할하여 729개의 하이퍼파라미터 조합을 생성했다. 테스트 세트에서 예측정확도가 높은 상위 5개 모델을 선별하고, 각 조합과 같은 샘플 모델들을 100회씩 재생성하여 표준정규분포로 예측 정확도를 분석한 결과, 유의 수준 0.05에서 평균 93.71%의 높은 정확도를 보였다. 이 연구는 대학수학능력시험 생명과학 I 문제의 자동 분류 및 평가를 효과적으로 수행할 수 있는 기법을 제시함으로써,교육 분야에서의 기계학습 적용 가능성의 확장을 보여준다.

키워드