초등 학생들의 필기 능력 개선을 위한 딥러닝 기반 광학 문자인식 도구 개발

Development of Deep Learning-based Optical Character Recognition for Handwriting Improvement in Elementary Students

목적 본 연구의 목적은 딥러닝 기반 광학문자인식(OCR) 도구가 학생들의 필기 개선에 어떠한 영향을 미치는지 조사하는 것이다. 디지털화의 가속화로 인한 악필 증가 현상을 대응하기 위해 손글씨 검사 도구를 개발하고 그 효과를 검증하고자 한다. 방법 본 연구는 젯슨 나노와 NAVER CLOVA OCR을 활용한 알림장 검사 도구 개발로 시작하였다. 이후 초등학교 5학년 학생 20명을 대상으로 약 두 달 동안 이 도구를 적용하였고, 사전과 사후의 시지각 발달 검사를 통해 훈련 전후의 변화를 측정하였다. 결과 연구 결과는 딥러닝 기반 광학 문자인식 도구의 활용이 학생들의 필기 능력에 긍정적인 영향을 미쳤음을 입증하였다. 일부 시지각 발달 검사 항목에서 성과 향상이 관찰되었으며, 필기에 대한 자신감 향상과 실질적인 변화도 관찰되었다. 결론 본 연구는 딥러닝 기반 OCR 도구가 학생들의 필기 능력 개선에 중요한 도구로서의 가능성을 확인하였다. 그러나 한정된 샘플 그룹에 대한 연구이므로 추가 연구가 필요하며, 이 연구의 축적된 한국어 손글씨 데이터를 활용하면 더욱 효과적인 도구로 발전할 수 있을 것을 기대한다. 본 연구에서 개발된 도구는 깃허브(https://github.com/jkf87/autostampper)에서 확인할 수 있다.

Objectives The purpose of this study is to investigate how a deep learning-based optical character recognition (OCR) tool can improve students' handwriting. We aim to develop and validate the effectiveness of a handwriting checking tool to counteract the increase in bad handwriting due to the acceleration of digitalization. Methods This study began with the development of a notification letter checker tool using Jetson Nano and NAVER CLOVA OCR. The tool was then applied to 20 fifth-grade students for about two months, and pre- and post-training visuoperceptual development tests were conducted to measure changes before and after training. Results The results of the study demonstrated that the use of a deep learning-based optical character recognition tool had a positive impact on students' handwriting skills. Improvements in performance were observed in some of the visuoperceptual developmental test items, and substantial changes in handwriting confidence were also observed. Conclusions This study confirms the potential of deep learning-based OCR tools as an important tool for improv-ing students' handwriting skills. However, since the study was conducted on a limited sample group, further re-search is needed, and the accumulated Korean handwriting data from this study can be developed into a more ef-fective tool. The tools developed in this study are available on GitHub at https://github.com/jkf87/autostampper.