2016 Fiscal Year Research-status Report
多読学習における「難しさ」の認識の解明：リーダーコーパスの構築・分析と実証的検証
| Project/Area Number |
16K02904
|
|---|
| Research Institution | Kyoto Sangyo University |
|---|
Principal Investigator |
加野 まきみ 京都産業大学, 文化学部, 准教授 (90352492)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
ゴーベル ピーター 京都産業大学, 文化学部, 教授 (40329925)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | リーダーコーパス / Graded Readers / Youth Readers / 品詞タグ |
|---|
| Outline of Annual Research Achievements |
今年度はデータ分析のための環境整備や資料の選定，予備調査などを行った．まず，コーパス環境の整備として，サーバーPCにはデータを蓄積し，クライアントPCやその他のコンピュータからアクセスができるように体制を整え，データ構築・分析のために各種ソフトウェアをインストールした．データの読み込み・後処理による差が検索結果に生じないよう，どのリーダーコーパスも同じ形式・文字コードで統一され，同じ変換処理が行われる必要がある．そのための一連の手順，コーパスに収録する統一データ形式を決定しデータの均一化の方法を定めた．
また，既存のGRコーパスの拡張のためのデータの選定を行った．GRリーダーは既にLevel1～4の79冊の読み込みが完了しているので，コーパスに含むそれ以外のレベル(Starterレベル，レベル5以上)のリーダーを，図書館の貸し出し履歴，多読学習支援モジュールに記録された読書履歴などを基に，学生が好んで読んでいるものから選定した．
同時にYRコーパスに含むリーダーの選定を行った．GRの選定と同様，図書館の貸し出し履歴，多読学習支援モジュールに記録された既読履歴などから，学生が好んで読んでいるものから選んだが，この際，レベルの範囲，各レベルの語数など，GRリーダーコーパスとバランスが取れ，同じ規模(50万語)になるようにリーダーを選択した．
これまでの研究で，文の構造の複雑さをパターン化して分析するためにはコーパスには品詞タグを付ける必要があることが分かっているので，既存のコーパスに，品詞タガーを用いて品詞ダグ付けを行った．リーダーの多くが会話文を多く含むフィクションストーリーであるため，品詞タグ付けの結果を，手作業で確認し，精度を上げる作業を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
現在リーダーのデータ化に少し遅れがある．リーダーはOCRで自動的に文字化した後，読み込み漏れや間違いがないか現物と突き合わせて確認を行う．また，リーダーの中には挿絵やレイアウトの都合で，自動的に文字化が困難なものが含まれ，手作業での入力となる部分があり時間を要している．
|
| Strategy for Future Research Activity |
今後の研究の推進方策としては，以下の点を挙げる．
・リーダーのデータ化を本格化させる．入手したリーダーをスキャナで実際にスキャンし，PDF化，文字化を進める(研究代表者・アルバイト学生)．後処理として，データ形式の統一，ファイルの統合，レベル別分類などを行い，タグ付けを行う．
・本格的なデータ分析を行うに当たって，AntConc, AntWordProfiler, RANGE, Microsoft Word「読みやすさの評価」などのツールや，BNC，COCA などの汎用コーパス，また BNC wordlist, The BNC/COCA word family lists, general service list, academic word list, COCA ngram list などの語彙表を使って，YR の「難しさ」の要因を明らかにするための予備調査を行う．
・検証実験の実施:上記の調査の結果，学生の「難しさ」認識に繋がった可能性があると判断された文法項目，文の構造，表現などを，意図的に操作した文章を作成する．また，その文章を読んだ被験者の理解度を測る質問の作成，事後のアンケートも作成する． 多読学習を一年間行った学生(約 200 名)を対象に，上記の理解度テストを作成する．実際にどの要素が理解を妨げているのか，統計的な分析を行う．
・その他リーダーの選定:多読学習に他に組み込む可能性のあるリーダー・シリーズを見極め，それぞれ読み込むデータを決定する．各種リーダーコーパスのそれぞれの言語的特徴を明らかにし，多読学習への有効性を判断する．
以上の結果を踏まえて，多読学習では GR に加えて，どのレベルで，どのようなリーダーがあれば，「難しさ」の克服に繋がり，さらにはネイティブスピーカー用の一般書への架け橋になるのか，提案をする．
|
