This study investigated how Korean EFL learners’ attentional allocation changes during task repetition with or without self-reflection and how this change affects their task performance. A total of 30 Korean high school students were divided into a task repetition only group, a task repetition with self-reflection group, and a comparison group. Each group repeated the same picture-based storytelling task according to its group condition and then performed a new task. Participants’ task performances were analyzed in terms of fluency, complexity, and accuracy and their retrospective interviews were categorized in order to explore their attentional allocation during task planning and performance. The results demonstrated that the learners placed most attention to conveying the message while planning and performing their first task. However, when repeating the same task, the learners paid more attention to structures and forms leading to improvement in complexity and accuracy. These learners were also more likely to employ strategies they had learned previously when doing a new task, which was helpful. Self-reflection raised learners’ awareness on the target form and positively influenced accuracy.

게임과 같은 실시간이며 복잡한 다중 에이전트 환경에서는 시스템의 효율성을 극대화하기 위해 반복적으로 작업 할당이 수행된다. 본 논문에서는 실시간 다중 에이전트 구조에 적합하며 최적화된 작업 할당이 가능한 방안으로 A* 알고리즘을 적용한 조정 에이전트를 제안한다. 제안하는 조정 에이전트는 수행 가능한 에이전트와 할당 가능한 작업으로 정제된 모든 에이전트와 작업의 조합으로 상태 그래프를 생성하고, A* 알고리즘을 이용한 평가함수를 적용하여 최적화된 작업 할당을 수행한다. 또한 실시간 재 할당에 따른 지연을 방지하기 위해 그리디 방식을 선택적으로 사용함으로써 재할당 요구에 대한 빠른 처리가 가능하다. 마지막으로 모의실험을 통해 조정 에이전트를 통한 최적화된 작업 할당 결과가 그리디 방식의 작업 할당보다 성능이 25%향상되었음을 입증한다.