Introduction（INT）Results and discussion（RAD）合計本稿では，PLOS ONEから収集した科学技術論文における２つのセクション（INT, RAD）に特徴的な表現を定量的に抽出する。特殊目的英語（English for Specific Purposes; ESP）や学術目的英語（English for Academic Purposes; EAP）の分析では，「単語」を単位とする特徴表現抽出が行われることが多い。しかしながら，一般的に，単語の頻度はテキストの内容の影響を強く受けるため，適切な前処理や後処理を行わない限り，有益な分析結果が得られない。また，テキスト中に出現する単語の種類は数千から数万に及ぶため，頻度集計後の統計処理などでも計算機に大きな負荷をかける。そこで，以下の分析例では，コーパス言語学で古くから使われているBiber（1988）７）の67種類の言語項目を特徴表現抽出の単位とする。Biberの言語項目を用いることで，語彙，品詞，統語，談話というテキストの様々な層を分析することが可能になる。67種類の言語項目の頻度を求めるにあたっては，Multidimensional Analysis Tagger８）というフリーソフトを使用する。そして，Multidimensional Analysis Taggerで各言語項目の頻度を計算したのち，フリーの統計処理ツールであるR９）を用いて，Wilcoxonの順位和検定に基づく特徴表現抽出10）を行う。表２は，INTとRADにおける67種類の言語項目の相対頻度（100語あたり）に対してWilcoxonの順位和検定に基づく特徴表現抽出を行なった結果（上位10位まで）である注２）。なお，表中のkeynessはセクション間での中央値の差の大きさを表している。そして，図２は，上位10位までの言語項目の相対頻度を箱ひげ図で可視化したものである。表２および図２を見ると，上位10位までの全ての言語項目において，INTの方がRADよりも中央値が高いことが分かる。それでは，これら上位の言表１ 分析データの概要テキスト数1,0001,0002,0001,403,9824,486,5955,890,577語数言語項目表２ Wilcoxonの順位和検定に基づく特徴表現抽出の結果（上位10位まで）語項目は，科学技術論文の中で，実際にどのように使われているのだろうか。この点を明らかにするために，AntCorGenと同じ開発者が公開しているAntConc11）というフリーソフト（図３）を用いて，頻度１位のTO（infinitives）の使用例を調査した。INTにおけるTOの使用例をAntConcのCluster機能で分析したところ，［to＋動詞］の頻度１位は［to be］であり，頻度２位以降に，［to predict］，［to identify］，［to detect］，［to find］，［to classify］などが続く。これらの表現は，ここで分析対象としている学問領域，すなわち，多様な特徴量に基づき何らかの統計的予測・分類を行う機械学習の目的を反映している。そして，一例として，頻度２位の［predict］に注目し，［predict＋名詞句］を調べると，［predict the future price（s）］，［predict the stock market］，［predict essential genes］などの高頻度パターンを発見できる。また，それ以外の表現では，［predict whether］や［predict accurately］などが頻出している。このような分析は，言語学や言語教育のための有益な知見を与える。また，このような高頻度パターンを学習者自身に発見させるData Driven Learning（DDL）で活用することもできる12）。言うまでもなく，名詞や動詞といった内容語の頻度はコーパスに収録されているテキストの影響を受けるが，そうであるからこそ，任意の研究領域における重要表現を抽出することが可能になる。855618.0854302.0800615.5779641.0744326.0742262.5725703.5722426.5704113.5700275.0中央値RAD0.890.155.193.4767.08.843.970.270.580.27TOPEASAWLVPRTTTRJJNOMZSPAUCONJSUAV─ 11 ─keynessINT1.510.475.504.9173.010.535.070.420.820.44３．分析の手順４．結果と考察
元のページ ../index.html#13