「非母語話者による日本語話し言葉コーパス」の構築と分析・研究

• 研究課題/領域番号: 17202011
• 研究種目: 基盤研究(A)
• 配分区分: 補助金
• 応募区分: 一般
• 研究分野: 日本語教育
• 研究機関: 大阪大学
• 研究代表者: 土岐 哲 大阪大学, 文学研究科, 教授 (10138662)
• 研究分担者: 前川 喜久雄 独立行政法人国立国語研究所, 研究開発部門, 第2領域長 (20173693) ; 鹿島 央 名古屋大学, 留学生センター, 教授 (60204377) ; 中西 久美子 (中西 久実子) 京都外国語大学, 外国語学部, 助教授 (30296769) ; 山下 洋一 立命館大学, 情報理工学部, 教授 (80174689) ; 江崎 哲也 山梨大学, 留学生センター, 講師 (40420343)
• 研究期間 (年度): 2005 – 2006
• 研究課題ステータス: 完了 (2006年度)
• 配分額: 47,840千円 (直接経費: 36,800千円、間接経費: 11,040千円); 2006年度: 22,880千円 (直接経費: 17,600千円、間接経費: 5,280千円); 2005年度: 24,960千円 (直接経費: 19,200千円、間接経費: 5,760千円)
• キーワード: 言語学 / 音声学 / 非母語話者 / 話し言葉コーパス / 日本語教育 / 話し言葉 / コーパス / モノローグ / 自発発話 / 日本語話し言葉コーパス

研究概要

「非母語話者による日本語話し言葉コーパス」を構築した。当初、話者100、時間にして約37時間、形態素では約40万を目標としていたが、それをはるかに上回るデータを収集することができた。本コーパスの構築は以下の手順に従って行われた。
1.音声収集
国内外の学会講演及び模擬講演において、非母語話者が日本語で発表した音声を収集した。データは約200話者、時間にして約3200分のボリュームとなった。
2.パソコンへの取り込み作業
DATで収録した音声は、パソコンに取り込んだ。その後、その音声をダウサンプリングし、一般的に扱いやすく、なおかつ音声学的な分析に耐えうる質にした。また、講演音声以外の音を記述する「非言語音の記述」、200ms以上のポーズを一つの転記基本単位と認定する「ポーズに基づく転記基本単位への分割」を行った。(120話者、2000分のデータ)
3.転記テキストの作成
転記基本単位に分割された音声を基本形(漢字かな混じり)と発音形(カタカナ)に書き起こす「収録音声の転記テキスト作成」については、120話者、時間にして約2000分終了した。これは文字起こしだけでなく、種々のタグ(フィラー、言いよどみ等)も付与されている。その転記テキストにエラーがないかもチェックした。
4.形態論情報の付与
転記テキストを基に、形態素解析を行い、手作業でそれを修正した。形態論情報の付与は35話者(約550分)のデータに対して行った。
5.分節音ラベルの付与
音声を分節音に分割する「分節音ラベルの付与」についても、35話者(約550分)の音声データに対して行った。
6.韻律ラベルの付与
アクセント、イントネーション等、韻律情報を付与する「韻律ラベルの付与」は5話者分が行われた。