술어 유형. 아래는 모든 응답 데이터에 대하여 술어 유형을 설명 변수로 하는 서수 혼합 모델에서 의 계수를 추정한 것이다. 이는 응답자별로 다른 무작위 효과(random effect)를 절편항 (intercept)으로 적합하고, 사실성 술어를 0으로 고정시킨 후에 비사실성과 반사실성 술어 의 계수를 추정하는 방식이다. de Marneffe et al.(2019)의 연구에서는 비사실성 술어를 고정하고 사실성 술어의 효과를 관찰하였으나, 여기에서는 술어 유형을 3개로 분리함에 따라 위의 논문과 반대로 사실성 술어 효과를 관찰하였으므로 계수는 음수가 된다. 다음 표와 같이 사실성 술어에 비해서 비사실성 및 반사실성 술어 모두 확신성 점수에 음의 영향을 준다. 아래 모델의 계수에서 z 점수는 예측 점수를 표준 오차로 나눈 수치이 며, 계수의 추정을 위해 최대 우도값을 사용한다. 그리고 이 점수를 가우스 분포를 활용 하여 p값을 계산하여 통계적 유의성을 확인할 수 있다. 비사실성 술어와 반사실성 술어의 차이는 다시 둘 중의 하나의 술어 유형을 고정한 후 나머지 계수를 확인함으로써 파악할 수 있다. <표 32> 술어 유형만을 독립 변수로 하는 모델의 계수 계수(β) 표준 오차(SE) z 점수 Pr( > |z| ) 비사실성 -1.82476 0.04078 -44.77 <2e-16 *** 반사실성 -2.23359 0.04152 -53.82 <2e-16 *** 아래는 술어 유형별 확신성 평가 점수를 상자 수염도(box plot)로 표현한 것이다. 사실 성 술어의 확신성 점수가 다른 술어 유형의 평균보다 월등히 높다는 것을 확인할 수 있 다. 아래는 술어 유형을 독립 변수로 하는 대상 모델에 대한 적합성(Goodness of fit)을 위 에서 설명한 의사 결정 계수(pseudo R-squared) 통계 수치로 정량화한 내용이다. 술어 유형이라고 하는 설명 변수가 확신성 점수라는 종속 변수에 얼마나 영향력을 미치는지를 확인할 수 있다. McFadden 0.06407 Cox and Snell(ML) 0.20884 Nagelkerke(Cragg and Uhler) 0.21438 주의할 점은 이와 같은 적합성 점수들은 기본적으로 검증하려는 대상이 되는 모델 효과 (MFull)와 비교하고자 하는 랜덤 모델 효과(MIntercept)에 대한 상대적 비율로 계산이 된다는 점이며, 비교하고자 하는 랜덤 모델 효과는 위에서 설명한 응답자별 분산 정도를 의미한 다. 비슷한 방식으로 말뭉치 유형, 시제, 함의 취소 운용소, 인칭, 술어 등을 분석하고 해당 모델의 적합성(Goodness of fit)을 확인해 볼 수 있다. 아래 표의 요인별 모델의 적합성 검증을 보면 말뭉치 유형이나 모절 시제, 모절 주어 인칭의 설명력은 낮은 편이다. 함의 취소 운용소가 두 가지 이상인 경우에 이를 모두 고려한 경우와 부정, 의문, 조건, 양태의 순으로 하나를 대표로 표기한 경우의 모델의 적합성을 확인할 수 있다. 시제의 경우 모절 의 시제와 내포절의 시제로 구분하였는데, 아래의 표에는 모절 시제에 따른 설명력을 제 시하였다. 다만, 여기서 의미하는 시제는 de Marneffe et al.(2019)의 정의와 다소 상이 한데, 시제에 따른 세부적인 변화는 뒤에서 살펴본다. 술어를 설명 변수로 하여 확신성 점수라는 종속 변수에 얼마나 영향력을 미치는지를 확인해 보면 술어 자체만을 설명 변수 로 사용하는 것이 술어 유형만을 사용한 것보다 모델의 설명력이 더 개선되었다는 점을 알 수 있다. 요인 McFadden Cox and Snell(ML) Nagelkerke (Cragg and Uhler) 말뭉치 유형 0.00065 0.00239 0.00245 모절 시제 0.00300 0.01093 0.01122 모절 주어 인칭 0.00892 0.03209 0.03294 함의 취소 운용소(대표) 0.01946 0.06868 0.07050 함의 취소 운용소(전체) 0.02140 0.07527 0.07726 술어 유형 0.06407 0.20884 0.21438 술어 0.10268 0.31300 0.32130 술어의 유형이 고정된 상태에서 술어 자체의 투사 효과는 다를 수 있다. 술어의 확신성 에 대한 기여도는 술어별 확신성 신뢰 구간을 통해 파악할 수 있지만, 모든 술어는 그 술 어의 유형을 함께 고려하여 확신성에 영향을 미치는 정도를 정량화함으로써 이를 검토해 야한다. 이를 위한 방법론으로 서수 혼합 모델(ordinal mixed effect model)에서 사실성 술어의 확신성에 대한 효과를 분석하되(β = 2.13, SE = 0.30, z = 7.07, p < 0.001), 술 어를 절편항으로 포함함으로써 분석한다(de Marneffe et al., 2019). 본 연구에서는 사실 성 술어를 기본 모델로 하여 27개 모든 술어에 대한 변동성을 다음과 같이 확인하였다. 아래 표에서 굵은 글씨체는 사실성 술어를 의미한다. 즉, ‘확인하다’(0.560), ‘후회하 다’(0.680)는 사실성 술어라는 범주에서 확신성에 더 많이 기여한 반면, ‘발견하다’(-0.676), ‘밝히다’(...
