| 研究課題/領域番号 |
21K00660
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分02100:外国語教育関連
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
小林 雄一郎 日本大学, 生産工学部, 准教授 (00725666)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
|---|
| キーワード | 学習者コーパス |
|---|
| 研究開始時の研究の概要 |
本研究では，マルチレベルモデルという手法で学習者コーパスを分析することで，個人差の影響や母語以外の要因を統計的に適切な手続きで区別し，母語による影響の大きさを解明する。そして，語彙や文法よりも母語の影響が強く現れやすい談話的特徴に注目することで，「特定の母語を持つ学習者が苦手とする表現」や「上級者になっても習得が難しい表現」などを特定し，英語教育に有益な情報を得る。
|
| 研究実績の概要 |
本年度は、日本人英語学習者の話し言葉を集めたコーパスを対象に、学習者の言語パフォーマンスの時系列変化を回帰モデルで分析した。分析にあたっては、シンプルな線形モデルと、より発展的なLASSOなどのモデルを複数試した。（LASSOは、変数選択と正則化の両方を実行し、生成する統計モデルの予測精度と解釈可能性を向上させる回帰分析の手法である。） 異なる回帰モデルを使用することで、学習者による言語使用の異なる側面に光を当てることができた。そして、得られた結果のうち、線形回帰分析と変数選択法を用いた分析結果を論文としてまとめた。これに関しては、2024年度中の出版を目指している。
また、LASSOとランダムフォレストによる特徴表現抽出結果の違いに関する論文を執筆し、『英語コーパス研究』に出版した。その主な結果は、前者が頻度と散布度の低い表現を抽出しやすく、後者は頻度と散布度が高い表現を抽出しやすい、というものである。こちらの研究についても、次年度以降継続し、より詳しい点を分析・考察する予定である。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究計画に関わる分析はおおむね終了しており、今後は理論的・実質科学的考察、論文誌への出版を残すのみであるため。
|
| 今後の研究の推進方策 |
前述のように、今後は、これまでに得られた分析結果に対する考察を深め、関連分野の研究者と情報交換・連携しながら、論文誌への出版を目指す。
|
