본 연구의 목적은 생성형 AI의 한국어 문맥 해석 성능을 평가하는 것 으로, 이를 위해 접속 부사 {그래서/ 그러나/ 그런데/ 그리고}가 쓰인 784개 텍스트를 대상으로 챗GPT의 접속 부사 사용을 평가하고 오류의 원인을 분석하였다. 분석 결과 첫째, 챗GPT의 접속 부사 사용 오류율은 약 21%로 총 784개 중 170개의 텍스트에서 의미 해석의 오류가 발생했 다. 둘째, [인과/ 대조/ 전환/ 나열] 중에서 오류 비율은 [인과/ 전환]의 {그래서}와 {그런데}가 약 30%로 가장 높게 나타났다. 이는 챗GPT가 예 측과 추론이 필요한 [인과] 관계 해석에는 한계가 있음을 의미한다. 셋 째, 텍스트 유형에 따른 오류 비율은 ‘소설’이 29%로 가장 높게 나타나 고 ‘논설문’이 14%로 가장 낮게 나타났다. 이는 챗GPT가 논리에 기반한 텍스트에서 문맥을 더 정확하게 해석한다는 것을 의미한다. 넷째, 챗 GPT는 문맥 의미를 해석하는 과정에서 접속 부사의 위치를 잘못 계산하 거나 구절 및 문장의 일부를 누락하는 등 텍스트 분석 과정에서 오류가 나타났다. 본 연구는 생성형 AI의 한국어 문맥 해석 성능과 한계를 문장 층위에서 분석하였다는 점에서 의의가 있으며 이는 생성형 AI의 효과적 인 사용 방법과 성능 개선 방안을 모색하는 데에 도움을 줄 것이다.

This study is aimed at applying conjunctive adverbs of type of "그러-‘ for education site of Korean language by clearing up syntactical condition and contextual meaning and mutual replacement relation of conjunctive adverbs having similar meaning to be able to use opposition conjunctive adverb of type of "그러-’. According to inclination of foreign learner who want to learn Korean by rule and formula instead of meaning explanation. So this study was represented table and chart as suggesting way of each items, and it could be called as new tryout that we could not find in existing studies. This discussion might be little different with meaning of conjunctive adverbs explained in the study of Korean language. In the selection of example, used example of Korean language text book for foreigners by considering level of learners. Therefore, this study was inconvenienced by impractical sentence and non-suggestion of concrete plan to be able to be used in practice lesson. But if teachers fully understood schematic pictures and used them in class, it could become a little help to reduce learner"s confusion occurred by using opposition conjunctive adverbs of type of "그러-."