Microsoft Word - 07NLP発表論文-14.doc

Transcription

1 教 育 用 語 彙 選 定 における 特 徴 語 抽 出 及 び Wordplot の 利 用 中 條 清 美 1 内 山 将 夫 2 中 村 隆 宏 3 西 垣 知 佳 子 4 1 日 本 大 学 2 情 報 通 信 研 究 機 構 3 小 学 館 4 千 葉 大 学 1 背 景 英 語 の 教 授 学 習 に 使 える 時 間 は 限 られてい る 英 語 の 語 彙 学 習 においてはすべての 語 を 習 得 することは 不 可 能 で,また 習 得 する 必 要 もな い そこで, 限 られた 時 間 を 有 効 に 活 用 するた めには 無 駄 を 省 いた 語 彙 精 選 が 必 要 となる 近 年, 語 彙 指 導 の 分 野 では, 効 率 的 な 学 習 指 導 には 基 本 語 彙 と 専 門 語 彙 という 2 種 類 の 語 彙 表 で 対 応 すると 効 果 的 であるという 考 え 方 がある 例 えば, 最 初 に 2,000-3,000 語 程 度 の 基 本 語 彙 を 学 習 した 後 に, 学 習 者 の 学 問 領 域 や 職 域 に 合 わせて 目 標 分 野 を 限 定 し,その 特 定 分 野 の 専 門 語 彙 を 指 導 することで 学 習 効 率 を 高 めるというものである 1 そこで, 語 彙 教 材 の 開 発 に, 基 本 語 彙 と 専 門 語 彙 という 2 種 類 の 教 育 用 語 彙 の 選 定 作 業 が 不 可 欠 となる 基 本 語 彙 は どの 分 野 にも 広 く 出 現 する 語 彙 であり, 実 際 に 書 かれたり 話 され たテキストを 大 量 に 集 めた British National Corpus (BNC) 2 のような 一 般 分 野 コーパスから 高 頻 度 語 を 選 定 するという 手 法 が 有 効 である 一 方,ビジネスや 科 学 技 術 といった 特 定 分 野 に 特 徴 的 な 語 彙 である 専 門 語 彙 の 選 定 に, 基 本 語 彙 と 同 様 の 手 法 を 用 いると, 中 低 頻 度 の 専 門 性 の 高 い 語 が 選 定 されにくいという 問 題 がある 専 門 語 彙 の 場 合, 当 該 分 野 の 頻 度 順 リストを 見 るだけでは 不 十 分 であり, 一 般 分 1 例 えば,Nation (2000:187). 2 野 の 語 彙 リストのような 特 徴 のない 語 彙 と 対 照 させて, 両 者 の 出 現 頻 度 数 に 大 きな 差 のあ る 特 徴 のある 語 彙 を 抽 出 する 方 法 が 有 効 で ある 3 さらに, 学 習 者 の 英 語 習 熟 度 は 一 様 ではない そのため 教 育 用 の 専 門 語 彙 選 定 には, 初 級 中 級 上 級 といった 学 習 者 の 習 熟 度 レベルに 合 致 した 段 階 的 な 専 門 語 彙 表 が 求 められる 以 上 のような 状 況 に 鑑 みて, 我 々は, 専 門 語 彙 をなるべく 簡 便 で 客 観 的 に,しかも 学 習 者 の 語 彙 レベルに 応 じて 選 定 するツールの 開 発 を 行 ってきた そのために,1) 9 種 の 統 計 指 標 を 用 いて 特 徴 語 4 を 抽 出 する 方 法 [1],さらに 語 彙 の 相 対 的 な 専 門 度 を 視 覚 的 に 把 握 しながら 特 徴 語 を 抽 出 する 方 法 として,2) 単 語 散 布 図 (Wordplot) を 提 案 した [2] 本 稿 では,これら 2 種 類 の 手 法 を BNC の Commerce 分 野 と Corpus of Professional English (CPE) 5 に 適 用 して,ビジネス 分 野 および 科 学 技 術 分 野 の 特 徴 語 を 抽 出 し,その 抽 出 結 果 の 有 効 性 を 検 討 した 2 研 究 方 法 2.1 特 徴 語 抽 出 に 使 用 した 言 語 資 料 3 特 徴 語 の 抽 出 には, 以 下 の 専 門 分 野 および 一 般 例 えば, 竹 蓋 幸 生 (1981) コンピューターの 見 た 現 代 英 語 東 京 : エデュカ 出 版. 4 本 稿 では, 以 下 では, 頻 度 分 布 における 何 らかの 特 徴 に 基 づいて 抽 出 された 語 彙 を 特 徴 語 と 定 義 する 5

2 分 野 コーパスにおける 単 語 の 出 現 頻 度 付 き 語 彙 リストを 用 いた 6 1) 専 門 分 野 の 言 語 資 料 1 BNC のCommerce 分 野 726 万 語 より 作 成 し た 頻 度 100 以 上 の 2,973 語 ( 延 べ 5,883,249 語 ) 2 CPE 科 学 技 術 コーパス 2,000 万 語 より 作 成 した 頻 度 100 以 上 4,467 語 ( 延 べ 13,527,303 語 ) 2) 一 般 分 野 の 言 語 資 料 BNC 全 体 より 作 成 した 頻 度 100 以 上 の 13,956 語 ( 延 べ 86,008,037 語 ) [3] 2.2 特 徴 語 の 検 討 に 使 用 した 言 語 資 料 1) 英 語 母 語 話 者 の 語 彙 習 得 学 年 リスト 7 2) 基 本 語 彙 リストと 専 門 語 彙 リスト 8 以 上 の 統 計 指 標 を 用 いて,Commerce 分 野 お よび CPE リストの 各 語 の 出 現 状 況 を,BNC で の 当 該 語 の 出 現 状 況 と 比 較 してその 語 の 特 徴 度 を 示 す 指 標 値 を 求 めた 指 標 値 にしたがって 降 順 にソートし, 上 位 500 語 から,ビジネス 分 野 と 科 学 技 術 分 野 の 特 徴 語 リストを 9 種 ずつ 作 成 した 2.4 Wordplot と 特 徴 語 リスト 専 門 分 野 の 英 語 語 彙 を 一 般 分 野 の 英 語 語 彙 に 対 照 させて 可 視 化 する 方 法 として, 単 語 散 布 図 を 利 用 する Wordplot を 提 案 した この 単 語 散 布 図 では, 横 軸 が 一 般 分 野 における 単 語 の 出 現 頻 度 (Fglobal)と 割 合 (Pglobal)を 表 し, 縦 軸 が 専 門 分 野 における 単 語 の 出 現 頻 度 (Flocal)と 割 合 (Plocal)を 表 す 種 の 統 計 指 標 と 特 徴 語 リスト 使 用 した 統 計 指 標 は, 頻 度 (Freq),ダイス 係 数 (Dice),コサイン(Cosine), 補 完 類 似 度 (CSM), 対 数 尤 度 比 (LLR),カイ 二 乗 値 (Chi2),イエーツの 補 正 公 式 (Yates), 自 己 相 互 情 報 量 (PMI),マクニマーのテスト (McNemar) の 9 種 である 9 6 数 詞, 固 有 名 詞, 略 語 等 は 人 手 で 除 外 した これらの 語 は, 多 目 的 の 言 語 使 用 に 対 応 する 教 育 用 語 彙 表 には 不 要 と 考 えられる 我 々は, 外 国 語 としての 英 語 教 育 における 学 習 語 彙 は, 現 代 英 語 を 代 表 する 1 億 語 の BNC における 頻 度 100 以 上 の 13,956 語 の 範 囲 内 の 語 彙 で 十 分 であると 考 えている そこで, 専 門 分 野 の 語 彙 リストから BNC13,956 語 に 含 まれていない 語 を 除 外 した 7 学 年 の 決 定 には 1~3 年 は Basic Elementary Reading Vocabularies (Harris & Jacobson, 1972),4~16 年 生 は The Living Word Vocabulary (Dale & O Rourke, 1981)を 参 照 した 両 資 料 に 未 収 録 の 語 は 17 年 生 とした 8 詳 細 は 3.2 参 照 9 これらの 指 標 はパラメタ a,b,c,d(a: 専 門 リストに 単 語 Xが 出 現 した 回 数,b:BNC リストに 単 語 Xが 出 現 し た 回 数,c: 専 門 リストの 延 べ 語 数 -a,d:bnc リス トの 延 べ 語 数 -b)によって 計 算 される 各 指 標 の 詳 [1] 細 と 定 義 式 は 文 献 [4] を 参 照 されたい LH MH HH LM MM HM LL ML HL 図 1 Commerce 分 野 の Wordplot( 単 語 散 布 図 ) 図 1は, 横 軸 に BNC における 出 現 頻 度 を, 縦 軸 に Commerce 分 野 における 出 現 頻 度 をとり, 単 語 数 によって 各 軸 を 3 等 分 した 9 領 域 よりな る Wordplot( 単 語 散 布 図 )である 左 上 の 領 域 には, 一 般 分 野 での 出 現 頻 度 が 低 く, 専 門 分 野 での 出 現 頻 度 が 高 い 単 語 が 位 置 する Wordplot の9 領 域 に 属 する 語 から,Commerce 分 野 と CPE について 9 種 ずつ 特 徴 語 リストを 得 た

3 3 結 果 ビジネス 分 野 と 科 学 技 術 分 野 の 特 徴 語 を 2 種 類 の 手 法 によって 抽 出 し, 抽 出 結 果 の 有 効 性 を, 学 年 レベル, 基 本 語 彙 と 専 門 語 彙 の 含 有 率 の 観 点 から 検 討 した 両 分 野 の 特 徴 語 抽 出 結 果 には ほぼ 同 様 の 傾 向 が 見 られたので, 以 下 では 紙 幅 の 関 係 で,Commerce 分 野 について 報 告 する 3.1 学 年 レベル 英 語 母 語 話 者 の 語 彙 習 得 学 年 リストを 用 いて, Commerce 分 野 の 特 徴 語 を 容 易 に 理 解 できるの は, 米 国 の 何 年 生 ぐらいなのかを 調 査 した 結 果 を 表 1に 示 した 表 1の 左 半 分 は,9 種 の 統 計 指 標 による 特 徴 語 上 位 500 語 の 平 均 学 年 を 指 標 ごとに 示 す 表 1の 右 半 分 は,Wordplot の 9 領 域 に 配 分 された 特 徴 語 の 平 均 学 年 を 領 域 ごとに 示 した 表 1 Commerce 分 野 の 特 徴 語 の 平 均 学 年 統 計 指 標 対 象 語 数 平 均 学 年 Wordplot 領 域 対 象 語 数 平 均 学 年 Freq HH Dice HM Cosine HL CSM MH LLR MM Chi ML Yates LH PMI LM McNemar LL 表 1 左 では, 統 計 指 標 によって 異 なる 学 年 レ ベルの 語 が 抽 出 されていることが 分 かる 平 均 すると,Freq,Dice,Cosine,CSM の 特 徴 語 は 母 語 話 者 の 3~5 年 生 レベル,LLR,Chi2,Yates は 6 年 生 レベル,PMI,McNemar は 9~10 年 生 レベルに 相 当 する 語 を 抽 出 した 表 1 右 に 示 したWordplotも 領 域 ごとに 異 なる 学 年 レベルの 語 を 抽 出 している Wordplot を 縦 に 3 区 分 した 右 列 にあたる HH,HM,HL( 図 1 の 区 分 参 照 )は 母 語 話 者 の 2~3 年 生 レベル, 中 列 にあたる MH,MM,ML は 4~6 年 生 レベ ル, 左 列 にあたる LH,LM,LL は 8~9 年 生 レ ベルであった 以 上 の 結 果 から,9 種 の 統 計 指 標 と Wordplot の 両 手 法 ともレベル 別 の 語 彙 を 適 切 に 選 定 し 分 けており, 統 計 指 標 では Freq から CSM は 初 級 用,LLR から Yates は 中 級 用,PMI と McNemar は 上 級 用 に,Wordplot では HH,HM,HL は 初 級 用,MH,MM,ML は 中 級 用,LH,LM,LL は 上 級 用 の 語 彙 選 定 に 適 することが 判 明 した 3.2 基 本 語 彙 と 専 門 語 彙 の 含 有 率 各 特 徴 語 リストにどの 程 度, 基 本 語 彙 と 専 門 語 彙 が 含 まれるかの 割 合 を 調 査 した 本 稿 では 基 本 語 彙 リストとして 次 の 4 種 を 用 いた 1 Function words( 文 法 的 な 役 割 を 持 つ 機 能 語 ) 10, 2 Basic vocabulary(general Service List 11 のよう に 学 習 者 が 最 初 に 学 ぶべき 基 礎 的 な 語 彙 ),3 Textbook vocabulary( 日 本 人 学 習 者 が 中 学 高 校 教 科 書 を 通 して 習 得 する 語 彙 ) 12,4 Academic vocabulary( 大 学 生 が 一 般 教 養 科 目 を 理 解 するた めに 必 要 な 基 本 語 彙 ) 13 そして, 専 門 語 彙 の 例 として Business dictionary の 見 出 し 語 リスト を Business vocabulary として 用 いた 14 図 2 には,9 種 の 統 計 指 標 によって 抽 出 され た 特 徴 語 上 位 500 語 に 4 種 類 の 基 本 語 彙 がどの 程 度 含 まれるか,また 専 門 語 彙 である Business dictionary の 見 出 し 語 との 一 致 度 を 調 べた 結 果 を 示 した 15 図 3 には Wordplot の 9 領 域 に 分 布 した 特 徴 語 についての 結 果 を 領 域 ごとに 示 した 10 Nation [5] の Function words ( pp )を 使 用 した 11 West, M. (1953). A General Service List of English Words. Longman. 12 New Horizon English Course 1,2,3 と Unicorn English CourseⅠ, Ⅱ, Reading より 作 成 した 3,245 語 ( 延 べ 語 数 38,937 語 ) Longman Business English Dictionary ( Pearson Education Limited, 2000) の 見 出 し 語 4,565 語 15 Freq と Dice,Chi2 と Yates は 同 じ 値 であったので, 図 2 では 同 軸 上 に 示 した

4 100 % monopoly, incentive などの 経 済 英 語 が 含 まれる Business vocabulary Textbook vocabulary これらの 領 域 では 基 本 語 彙 の 含 有 率 は 低 く, 高 い 精 度 で 専 門 語 彙 を 取 得 できることがわかる 40 Basic vocabulary 20 Academic vocabulary Function words 3.1 の 結 果 と 併 せて 考 察 すると, 統 計 指 標 のう 0 Freq/Dice Cosine CSM LLR Chi2/Yates PMI McNemar ち 中 級 用 には LLR,Chi2,Yates が, 上 級 用 には PMI が 高 い 精 度 で 専 門 語 彙 を 選 定 し, 図 2 統 計 指 標 による 特 徴 語 の 基 本 専 門 語 彙 含 有 率 図 2 より,LLR,Chi2,Yates,PMI の 4 指 標 の 上 位 500 語 の 約 8 割 が Business dictionary の 見 出 し 語 と 一 致 する 一 方,Freq から McNemar にかけて 基 本 語 彙 の 含 有 率 は 段 階 的 に 減 少 して いる 傾 向 が 見 られることから,PMI に 専 門 性 の 高 い 語 彙 が 抽 出 されていることが 推 定 される 実 際,PMI の 特 徴 語 上 位 には,lading,buyout, arbitrage,subcontractor,liquidity,volatility など 専 門 的 な 経 済 用 語 が 順 位 付 けられている % 100 Wordplot では 中 級 用 には MH, 上 級 用 に LH, LM の 領 域 に 入 る 語 を 選 定 すれば 高 い 精 度 で 専 門 語 彙 を 選 定 できることが 判 明 した 4 おわりに 本 稿 では,ビジネス 分 野 と 科 学 技 術 分 野 の 専 門 語 彙 を 対 象 として 統 計 指 標 とWordplotを 使 用 して 特 徴 語 を 抽 出 し,その 専 門 語 彙 抽 出 の 有 効 性 を 検 証 した 本 稿 で 検 討 した 2 種 類 の 選 定 手 法 を 適 切 に 選 択 し 利 用 することで, 学 習 者 に 応 じて, 初 級 中 級 上 級 といった 段 階 的 な 専 門 語 彙 を 効 率 的 に 選 定 できると 考 える Business vocabulary Textbook vocabulary 参 考 文 献 40 Basic vocabulary Academic vocabulary 20 Function words 0 HL HM HH ML MM MH LL LM LH 図 3 Wordplot による 特 徴 語 の 基 本 専 門 語 彙 含 有 率 図 3 に 見 られるように,LH の 領 域 語 のほぼ すべてがBusiness dictionaryの 見 出 し 語 と 一 致 す る LH には dividend,equity,discount,monetary や takeover,audit,merger のような 経 済 用 語 が 含 まれる 次 いで MH,LM の 順 に 一 致 度 が 高 い MH に 含 まれる 語 は,asset,credit,stock, cash,loan,debt や employee, consumer, investor, buyer, shareholder のようなビジネス 用 語 である LM では 専 門 語 彙 の 含 有 率 は 少 し 下 がるが, [1] Chujo, K. and Utiyama, M. (2006). Selecting level-specific specialized vocabulary using statistical measures. System, 34 (2), [2] Utiyama, M. and Chujo, K. (2007). Linking word distribution to technical vocabulary. Journal of the College of Industrial Technology, Nihon University, 40(in press). [3] Chujo, K. (2004). Measuring vocabulary levels of English textbooks and tests using a BNC lemmatised high frequency word list. In: J. Nakamura, N. Inoue, and T. Tabata (Eds.), English Corpora under Japanese Eyes (pp ). Amsterdam: Rodopi. [4] 内 山 将 夫 中 條 清 美 山 本 英 子 井 佐 原 均 (2004). 英 語 教 育 のための 分 野 特 徴 単 語 の 選 定 尺 度 の 比 較 自 然 言 語 処 理 11 (3): [5] Nation, I. S. P., (2001). Learning Vocabulary in Another Language. Cambridge: Cambridge University Press premium, aggregate, lease, stake, innovation,

5