| 研究概要 |
■ 研究概要
◆研究課題
Creating a longitudinal multi-modal learner corpus
◆研究概要
英語母語話者の話す英語と書く英語の語彙の違いは認められているが、これらの違いがL2言語学習者の話す英語と書く英語のテキストにどのように現れているかを理解することは、まだ知られていない。そこで本研究は、学習者コーパス研究者が、学習者が語彙やMWEを含む特定の言語スキルをどのように習得するかを明らかにするために、大規模な縦断的コーパスを求めていることに直接応えたものである。本研究では、日本の大学L2英語学習者（n = 1,000）の語彙とMWEを、アカデミックディスカッション（話す）という異なる生産様式で経時的に測定するために、話し言葉と書き言葉からなる大規模縦断コーパスを採用しようと考えています。このコーパスのデータは、英語学習年数、海外滞在期間、一般英語能力（TOEFLスコア）、受容語彙知識、学習者のモチベーション測定など、各参加者から収集した人口統計および言語情報と相関させる。このようなデータにより、個人の発達パターンをより深く理解することができ、言語発達の軌跡の個人的性質をさらに証明する手段として重要である。
本研究では、3つの研究課題を設定している。
RQ1：筆記語彙の知識と多言語表現の使用は、どの程度、習熟度を区別しているか？
RQ2：話し言葉の語彙知識と多言語表現の使用は、どの程度、習熟度を分けるか？
RQ3：語彙とMWEを学習する順序や、これらの語彙単位が異なる生産様式間でどのように追跡されるかについて、識別可能なパターンがあるか？
コーパスの特徴は以下の通りです：
・日本の大学の英語教育課程に在籍するL1日本人英語学習者（n = 950 – 1,000）の2つのコホート（TOEFL 320 – TOEFL 530）のデータ。
・4学期分の学習者のアウトプットを、各参加者の3つのコミュニケーションモードにわたって記録：
・筆記 250～2,000ワード程度のアカデミックエッセイ5本
・英語のスピーキング：アカデミックなトピックに関するスピーキング評価5回（録音・録画済み）
・学術的な発表：2学期で4回の口頭発表（録音・録画済み）
品詞のタグ付けにはStanford CoreNLPを、カテゴリの曖昧さを検出するためのコンコーダンスにはAntConcを、レムや語族の評価、高頻度語彙（BNC/COCAのバンド、AWLの語彙など）の利用検討にはPython、nグラムやMWE検討にはNGPとSubStringを使用します。その他のタグ付けのレイヤー（例えばエラータグは必要に応じて追加される）。 |
|
|
|
|
|
|
|
| 経歴 |
■ researchmap研究者コード
|
| その他 |
■ 科研費研究者番号
|
■ 外部研究者ID
| orcID |
https://orcid.org/0000-0002-9839-1593 |
|
