학생 성찰에서 문화 자본(CC) 테마를 식별하는 것은 공정한 학습 환경을 조성하는 데 도움이 되는 귀중한 통찰력을 제공할 수 있습니다. 그러나 야망 목표나 가족 지원과 같은 테마는 종종 서술에 얽혀 있어, 직접적인 키워드로 나타나지 않습니다. 이는 문장을 개별적으로 처리하는 표준 NLP 모델에서 이를 감지하기 어렵게 만듭니다. 핵심 과제는 표준 모델이 일반적인 말뭉치에 대해 사전 훈련되어 데이터에 내재된 도메인별 언어와 서술적 맥락을 인식하지 못한다는 데서 기인합니다. 이를 해결하기 위해, 우리는 이 미묘한 작업에 대한 변환기 모델의 인식을 체계적으로 개선하려는 프레임워크인 AWARE를 소개합니다. AWARE는 1) 도메인 인식(학생 성찰의 언어 스타일에 맞게 모델의 어휘를 조정), 2) 맥락 인식(전체 에세이 맥락을 인식하는 문장 임베딩 생성), 3) 클래스 중첩 인식(단일 문장에서 테마의 공존을 인식하기 위한 다중 레이블 전략 사용)의 세 가지 핵심 구성 요소를 갖습니다. 결과적으로 AWARE는 입력의 속성을 모델이 명시적으로 인식하게 함으로써 강력한 기준선을 매크로 F1에서 2.1% 포인트 앞섰으며 모든 테마에서 상당한 개선을 보였습니다. 이 연구는 서술의 맥락에 의미가 의존하는 모든 텍스트 분류 작업에 대한 강력하고 일반화 가능한 방법론을 제공합니다.
