[5] (1 4) [6] [1] [3] (6 ) 2. 2 Kunze [7] [2]. [8] [9]. TOEIC 3 ( ). Manuel 35.4%

Size: px

Start display at page:

Download "[5] (1 4) [6] [1] [3] (6 ) 2. 2 Kunze [7] [2]. [8] [9]. TOEIC 3 ( ). Manuel 35.4%"

れんまとべ
5 years ago
Views:

1 THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. Olivier Augereau C.Lima Sanches rou@m.cs.osakafu-u.ac.jp, charles-ls@hotmail.fr, augereau.o@gmail.com, kise@cs.osakafu-u.ac.jp.. (SVR) %. 1. Newsela 1 Newsela Newsela 1 Newsela [1] [2] [3] [4] 1

2 [5] (1 4) [6] [1] [3] (6 ) 2. 2 Kunze [7] [2]. [8] [9]. TOEIC 3 ( ). Manuel 35.4%

表 1: 特徴量一覧特徴量詳細 Fixation の頻度 Fixation 持続時間の平均最大値標準偏差 Saccade 各方向の頻度前方後方視点に Saccade 持続時間の関する特徴量平均最大値標準偏差 Saccade 時の速度の平均最大値最小値標準偏差 Saccade 移動距離平均最大値標準偏差漢字ひらがなカタカナローマ字漢語和語図 1:

3 表 1: 特徴量一覧特徴量詳細 Fixation の頻度 Fixation 持続時間の平均最大値標準偏差 Saccade 各方向の頻度前方後方視点に Saccade 持続時間の関する特徴量平均最大値標準偏差 Saccade 時の速度の平均最大値最小値標準偏差 Saccade 移動距離平均最大値標準偏差漢字ひらがなカタカナローマ字漢語和語図 1: 提案手法の流れ文書に句読点動詞接続詞の使用割合関する特徴量語彙文の平均の長さ語彙 N1 級 N2 級 N3 級 N4 級 N5 級範囲外その他の使用割合言語能力に関する特徴量日本語能力試験のスコア 3. 4 Fixation-Saccade 判定眼球運動は Fixation と Saccade の二つに分類できる Fixa- tion は視点がある範囲内で一定時間留まる動きを示し Saccade 図 2: Fixation-saccade 判定後の視点情報は Fixation 間の素早い目の動きを示す図 2 で示すように人は Fixation と Saccade を繰り返すことで文書を読んでいる本手法では読書時の視点から Fixation と Saccade を抽に得られた視点情報に対して Fixation-Saccade 判定を適用出し難易度推定の特徴量に用いる Fixation の判定方法にはするそして視点や文書からそれぞれの特徴量を抽出する Buscher らの手法を使用する [10] 最後に SVR を用いて日本語の文書難易度と特徴の関連性を学習し未知な文書に対して難易度を推定する 3. 5 特徴量の抽出本節では文書難易度を推定するための特徴量について説明 3. 2 文書の難易度の定義する文書を読む際の人の視点情報はその人の語学力や読み難易度の定義について説明する文書難易度の決め方として方により大きく影響を受けると考えられるそのため本手法様々な方法が存在するその一つとして文書の内容に関するでは同一文書を読む複数のユーザの特徴量を平均することに問題を複数の人に解いてもらいその正解率を使用する方法がよってユーザによるばらつきを減少させることを考えるそ考えられる一般的に人は難しい文書を読むと内容についてしてどのレベルのユーザがどの様な文書をどうやって読んだ理解ができず問題を正しく解答できないと考えられるこのかを知るためにユーザの言語能力に関する特徴量 1 個文書方法は読者に直接難しさを聞く方法と比べて文書を理解で情報に関する特徴量 18 個視点情報に関する特徴量 16 個合きたかをより客観的に判別し難易度を推定することができる計 35 個の特徴量を文書ごとに抽出する特徴量の一覧を表 1 また難易度を学年や等級の区分で分ける方法と比べてよりに示す細い難易度を推定できることが期待できるしかしこの方法言語能力に関する特徴量は問題自身の難易度にも依存するため使用する際問題の設言語能力と読む能力には深い関連がある言語能力の高い人定に注意する必要があるそこで本研究では文書に関する適は語彙処理能力が優れていて読書速度も速いことが示され切な問題を使用し複数の読者に解答してもらいその正解率いる [11] これは同一の文書を読む時でも言語能力の違いを文書の難易度として定義付けるによって視点情報が大きく異なることを意味するそのため 3. 3 視点情報の取得ユーザの言語能力は文書を読むときの視点情報に深い関連があ視点情報の取得にはアイトラッカを用いるアイトラッカとり文書の難易度推定に考慮するべき特徴量だと考えられるはカメラやセンサを用いて眼球運動を測定する装置であるそこで本手法はユーザの日本語能力を知るために日本語能本研究では据置型のアイトラッカを用いてユーザがディス力試験の問題を解いてもらいそのスコアをユーザの日本語能プレイ上に表示された文書を読む際の視点情報を取得する力を表す特徴として使用する 3

3: ( :N2 :N3 :N5 :N4 ) 4: 3. 5. 2 2 ( ) BCCWJ Mecab 3 Mecab Mecab 2 http://language.tiu.ac.jp/ 3 http://taku910.github.io/mecab/ 3. 5. 3 Buscher Fixation Saccade 1 Fixation Fixation Fixation Saccade Saccade 3.

4 3: ( :N2 :N3 :N5 :N4 ) 4: ( ) BCCWJ Mecab 3 Mecab Mecab Buscher Fixation Saccade 1 Fixation Fixation Fixation Saccade Saccade 3. 6 (SVR) Backward stepwise selection Backward stepwise selection 4. 3 N2 N5 58 N2 N5 4

5 ( ) Leave one document out cross validation 1 MAE Mean Absolute Error 1 E N X i Y i Tobii Tobii EyeX 4 4 E = 4. 2 N i=1 Xi Yi N (1) ( ) % 2: Backward stepwise selection 3 Saccade Fixation Saccade 4 Text difficulty Estimation Error N2-3 N4-4 N2-1 N2-4 N4-3 N4-5 N2-2 N3-4 N3-1 N4-2 N5-4 N3-2 N3-5 N5-2 N3-3 N5-5 N4-1 N5-1 N5-3 Text No. 5: Eye gaze+text Text Baseline(=0.160) N2-3 N4-4 N2-1 N2-4 N4-3 N4-5 N2-2 N3-4 N3-1 N4-2 N5-4 N3-2 N3-5 N5-2 N3-3 N5-5 N4-1 N5-1 N5-3 Text No. 6: 3: 4 5 Saccade Fixation Saccade 4 5 N2 N

情報と文書情報を組み合わせた文書の難易度推定手法を提案しそれに基づく実験について述べた提案手法では文書を読む時の視点情報と文書情報から特徴量を抽出しサポートベクトル回帰を用いて学習モデルを作成することで文書の難易度を推定するものである提案手法の有効性を検証するため 18 名の実験参加者に 20 文書を読んでもらいその視点情報を記録し実験を行ったその結果

6 情報と文書情報を組み合わせた文書の難易度推定手法を提案しそれに基づく実験について述べた提案手法では文書を読む時の視点情報と文書情報から特徴量を抽出しサポートベクトル回帰を用いて学習モデルを作成することで文書の難易度を推定するものである提案手法の有効性を検証するため 18 名の実験参加者に 20 文書を読んでもらいその視点情報を記録し実験を行ったその結果日本語文書の難易度推定精度は平均絶対誤差がとなり従来の文書情報のみで推定する手法と比べて視点情報を加えることでより高い推定精度が得られ提案手法の有効性を示すことができた図 7: N4 級,N5 級の文書を読んでいる時の視点情報今後の課題としては精度向上のための特徴量および使用する学習モデルの再考があるまた本実験で用いた文書は日本語能力試験から抜粋したものであったが今後様々な分野や対象についても検証する必要がある謝辞本研究の一部は JST CREST (Grant No. JP- MJCR16E1) 日本学術振興会科学研究費補助金挑戦的萌芽研究 (15K12172) ならびに大阪府立大学キープロジェクトの補助による文図 8: 文書 N3-3,N3-4 を読んでいる時の視点情報小さいことが見られた次に難易度が一番高い文書 N2-3 の推定誤差が最も大きいことが見られたこの原因として図 5 からわかる様に SVR で学習する際 N2-3 の様な難易度が高いサンプルが不足しているため正しく学習できなかったからだと考えられるまた図 6 より N4 級と N5 級の文書を推定する際多くの文書は文書情報のみを特徴量とした方がより高い精度が得られていることを確認できる原因として N4 級と N5 級の文書は図 7 のようにその他の文書と比べて文書の内容が短くまた初心者に文書を読みやすくするようにその他の文書と比べて改行が多く含まれているため視点情報を利用すると文書が難しいといった誤った判断を得られたと考えられる一方図 8 で示すような漢字が多く含まれているが文書としてそこまで難しくないものに対しては文書情報だけでは正しく難易度を推定することは困難となるそのような場合視点情報を加えて利用することでより難易度を正しく推定できるそれ以外にも多くの N2 級の文書の推定難易度が実際の難易度より大きく上回る事が見られた原因として挙げられるのは今回ユーザが文書を理解できているかを調べるために使用した問題が文書が難しいにもかかわらず問題自身の難易度が低いため参加者が文書をあまり理解できなくても正しく解答できたためだと考えられる 5. まとめ献 [1] 建石由佳小野芳彦山田尚勇他日本文の読みやすさの評価式情報処理学会研究報告ヒューマンコンピュータインタラクション (HCI) vol.1988 no.25 (1988-HI-018) pp [2] 永田亮井口達也桝井文人河合敦夫リーディングスピードに基づいた文章の読み易さについて電子情報通信学会技術研究報告. TL, 思考と言語 vol.102 no.491 pp [3] 柴崎秀子沢井康孝国語教科書コーパスを応用した日本語リーダビリティー構築のための基礎研究 (言語理解のためのコーパスからの知識獲得) 電子情報通信学会技術研究報告. NLC, 言語理解とコミュニケーション vol.107 no.246 pp [4] S. Sato, S. Matsuyoshi, and Y. Kondoh, Automatic assessment of japanese text readability based on a textbook corpus., LREC, [5] 近藤陽介松吉俊佐藤理史教科書コーパスを用いた日本語テキストの難易度推定言語処理学会第 14 回年次大会発表論文集 vol.14 pp [6] 川村よし子語彙チェッカーを用いた読解テキストの分析早稲田大学日本語研究教育センター講座日本語教育, 第 34 分冊 pp [7] K. Kunze, H. Kawaichi, K. Yoshimura, and K. Kise, The wordometer estimating the number of words read using document image retrieval and mobile eye tracking, Document Analysis and Recognition (ICDAR), th International Conference onieee, pp [8] 大社綾乃学習補助のための視点情報に基づく文書アノテーション (信号処理) 電子情報通信学会技術研究報告= IEICE technical report: 信学技報 vol.115 no.22 pp [9] 吉村和代黄瀬浩一読書時の眼球運動を利用した英語習熟度推定法 (テーマセッション, 実世界指向, 産業) 電子情報通信学会技術研究報告. CNR, クラウドネットワークロボット vol.114 no.455 pp [10] G. Buscher, A. Dengel, and L. vanelst, Eye movements as implicit relevance feedback, CHI 08 extended abstracts on Human factors in computing systemsacm, pp [11] 山科美和子釣井千恵第 2 言語の語彙処理能力とリーディング力: 単語認知と読書量読解速度との関連を探って (岡田章子教授退任記念号) 英米評論 pp 本稿では日本語を学習する外国人を支援するために視点 6

(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1

(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1 THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. fnirs Kai Kunze 599 8531 1 1 223 8526 4 1 1 E-mail: yoshimura@m.cs.osakafu-u.ac.jp, kai@kmd.keio.ac.jp,