日本人英語学習者の英語熟達度と名詞句使用の関連性：一般化線形モデルによる分析
日本人英語学習者の英語熟達度と名詞句使用の関連性：一般化線形モデルによる分析

日本人英語学習者の英語熟達度と名詞句使用の関連性：一般化線形モデルによる分析

中部地区英語教育学会 第53回富山大会 | 2024年6月23日（日）＠富山大学五福キャンパス

自由研究発表

提示資料は上のQRコードか右のURLから bit.ly/20240622celes

image

埼玉大学 教育学部 准教授 奥住　桂 / OKUZUMI Kei okuzumik@mail.saitama-u.ac.jp

1. 研究の背景

(1) ライティングの指標としての名詞句

  • Biber, et al. (2011)
    • アメリカ英語の会話テキストと４つの分野の学術論文テキストについて、28の文法的複雑さの特徴の分布を検討
    • 節構造による名詞句の修飾は文章より会話でよく見られる
    • アカデミックライティングに共通するのは、節構造ではなく名詞句構造が複雑であること
  • Díez-Bedmar & Pérez-Paredes (2020)
    • 7、８、11、12年生のスペイン語EFL学習者のライティングにおける名詞句の統語的複雑性を調査
    • 名詞句の統語的複雑性が発達するのは前置修飾スロット
    • 学習者が生成する名詞句の文法的複雑さの分類法を提唱

      • →名詞句の構造、修飾語の数、修飾語の種類、名詞句の長さ

  • Akinlotan & Housen (2017)
    • ナイジェリア英語のコーパスから 名詞句を抜き出して分析
    • 名詞句が文の中で登場する位置や書か せる英文のジャンルなどの要因が出現 する名詞句の複雑さ（構造パターン、長さなど）に影響を与える
  • Staples et al. (2016) 
    • British Academic Written English (BAWE) コーパスを使って、大学生のL1アカデミック・ライティングの複雑さを分析。
    • L1であっても、書き手のアカデミックレベルが上がるほど複雑な名詞句を使用するようになる
      • →入門期の英語学習者の名詞句使用の実態がわかっていない
image

(2) 国内の名詞句研究

  • 金谷ら (2015) 
    • 日本人中学生の名詞句の構造理解の度合いを ３年間縦断的に調査（主語位置の名詞句把握）
    • 名詞句の構造理解度は半分程度
    • 学年が上がっても、必ずしも定着の度合いが上昇するとは限らず、特に後置修飾を含む名詞句の習得には大変時間がかかる
      • 国内の主な名詞句研究
      研究内容
      金谷ら（2015） 奥村（2017） 鈴木（2020）
      学習者の名詞句構造の理解
      田中（2023）
      英語教科書に出現する名詞句構造の頻度分析

      →産出技能における名詞句使用の実態がわかっていない

3. 研究の目的

  • 日本人英語学習者の産出技能における名詞句使用の実態を調査する
    1. 初級レベルの日本人英語学習者が英作文中で産出する名詞句は、学習者の熟達度によって構造的な特性に差異があるのか？
    2. 初級レベルの日本人英語学習者が英作文中で産出する名詞句は、学習者の熟達度によって正確性に差異があるのか？

4. 研究の方法

(1) 参加者

  • 日本人英語学習者 50人
    • 私立大学生
    • CEFR B1〜A2レベル
      • 参加者は事前にVELCテスト（熟達度テスト）を受験
      • 結果のTOEICの推定スコアを参加者の熟達度（Prof）として紐づけ

(2) 英作文課題

  • 英語科指導法の第15回最終授業にて実施
  • 内容は「今期の授業の振り返り」
  • 最初に日本語に記入→英語で書き直す
    • 英語にすることは事前には知らせず
  • 辞書等の使用は無し

(3) 分析の観点

名詞句のカテゴリ分け

カテゴリ
サブカテゴリ
説明
StructCat
MH
前置修飾
HM
後置修飾
MHM
前置修飾＋後置修飾
Oth
その他
LengCat
VS (Very Short)
1〜2語
Short
3〜4語
Medium
5〜6語
Long
7語以上
GFCat
S
主語
DO
直接目的語
C
補語
PC
前置詞句
Oth
その他

Error-Freeユニット

  • 文法的または語彙的に正確な形で使用された名詞句
  • 英作文に出現した名詞句を研究者が評価
    • ErrorFreeA
      • 名詞句の構造に誤りがなく、使用されている語彙も正確
    • ErrorFreeB
      • 名詞句の構造に誤りはないが、使用されている語彙が不正確

(4) 分析の方法

分析１（構造的特性）

  • 英作文で使用された名詞句の構造（StructCat）を従属変数に、熟達度（Prof）、長さ（LengCat）、文法機能（GFCat）などの特性が与える影響を、これらの交互作用項も含めて一般化線形モデル（GLM）を用いてデータを分析
    • glm(formula = StructCat ~ Prof * LengCat * GFCat, family = binomial,
data = data)
    GLMモデルのフィッティング例（StructCatの場合）

分析２（正確性）

  • 英作文で使用された名詞句の正確性（ErrorFreeAおよびErrorFreeB）が、熟達度（Prof）、名詞句の構造（StructCat）、長さ（LengCat）、および文法機能（GFCat）とどのように関連しているかを明らかにするために、これらの要因とその交互作用が正確性に与える影響を一般化線形モデル（GLM）を用いて分析
    • model <- glm(ErrorFreeB ~ Prof + StructCat + LengCat + GFCat +
Prof:StructCat + Prof:LengCat + Prof:GFCat,
family = binomial(link = "logit"), data = data)
    GLMモデルのフィッティング例（ErrorFreeBの場合）

5. 結果

(1) 結果１（構造的特性）

記述統計

参加者（Prof）

MeanProf
SDProf
MinProf
MaxProf
454.0646
87.14158
270
675
image

アイテム（各変数）

StructCat

HM
MH
MHM
Oth
89
224
35
101

LengCat

Long
Medium
Short
VS
41
45
124
239

GFCat

C
DO
Oth
PC
S
38
189
30
133
59

GLM分析結果１

  • 統計的に有意な項目はなし
項目
係数 (Estimate)
標準誤差 (Std. Error)
z値 (z value)
p値 (p.value)
(Intercept)
-302
91364
-0.00331
0.997
Prof
0.585
179
0.00327
0.997
LengCatMedium
1655
115610
0.0143
0.989
LengCatShort
298
91364
0.00326
0.997
LengCatVS
301
91364
0.00330
0.997
GFCatDO
300
91364
0.00329
0.997
GFCatOth
323
91364
0.00353
0.997
GFCatPC
301
91364
0.00330
0.997
GFCatS
323
153624
0.00210
0.998
Prof:LengCatMedium
-3.59
238
-0.0151
0.988
Prof:LengCatShort
-0.571
179
-0.00319
0.997
Prof:LengCatVS
-0.577
179
-0.00322
0.997
Prof:GFCatDO
-0.579
179
-0.00324
0.997
Prof:GFCatOth
-0.622
179
-0.00348
0.997
Prof:GFCatPC
-0.584
179
-0.00326
0.997
Prof:GFCatS
-0.585
269
-0.00217
0.998
LengCatMedium
-1650
115610
-0.0143
0.989
LengCatShort
-298
91364
-0.00326
0.997
LengCatVS
-295
91364
-0.00323
0.997
LengCatMedium
-1776
131487
-0.0135
0.989
LengCatShort
-314
91364
-0.00344
0.997
LengCatVS
-317
91364
-0.00347
0.997
LengCatMedium
-1659
115610
-0.0143
0.989
LengCatShort
-296
91364
-0.00324
0.997
LengCatVS
-299
91364
-0.00328
0.997
LengCatMedium
-1672
169171
-0.00989
0.992
LengCatShort
-318
153624
-0.00207
0.998
LengCatVS
-316
153624
-0.00205
0.998
Prof:LengCatMedium
3.58
238
0.0150
0.988
Prof:LengCatShort
0.573
179
0.00320
0.997
Prof:LengCatVS
0.571
179
0.00319
0.997
Prof:LengCatMedium
3.84
272
0.0141
0.989
Prof:LengCatShort
0.596
179
0.00333
0.997
Prof:LengCatVS
0.608
179
0.00340
0.997
Prof:LengCatMedium
3.60
238
0.0151
0.988
Prof:LengCatShort
0.571
179
0.00319
0.997
Prof:LengCatVS
0.581
179
0.00325
0.997
Prof:LengCatMedium
3.58
311
0.0115
0.991
Prof:LengCatShort
0.576
269
0.00214
0.998
Prof:LengCatVS
0.568
269
0.00211
0.998

図１：Profと各カテゴリの関係

image
image
image
image

(2) 結果２ （正確性）

記述統計

MeanErrorFreeA
SDErrorFreeA
MeanErrorFreeB
SDErrorFreeB
0.49
0.50
0.84
0.37

GLM分析結果２（ErrorFreeA）

image
  • 熟達度（Prof）が上がるにつれてErrorFreeAの予測確率が増加する傾向？
  • 点が広がっていることから、予測確率には変動があり、Prof以外の要因もErrorFreeAに影響を与えていることが示唆

Table 1: GLM Results for ErrorFreeA

Variable
Estimate
Std. Error
z value
P value
Significance
(Intercept)
-6.069e+00
3.676e+00
-1.651
0.0988
.
Prof
8.863e-03
7.367e-03
1.203
0.2290
StructCatMH
1.576e-01
1.788e+00
0.088
0.9298
StructCatMHM
-2.176e+00
3.330e+00
-0.653
0.5135
StructCatOth
-7.525e-01
2.047e+00
-0.368
0.7132
LengCatMedium
1.433e+00
3.594e+00
0.399
0.6901
LengCatShort
3.768e+00
3.241e+00
1.163
0.2450
LengCatVS
5.596e+00
3.304e+00
1.694
0.0903
.
GFCatDO
1.482e+00
2.226e+00
0.666
0.5055
GFCatOth
-3.482e+00
2.999e+00
-1.161
0.2456
GFCatPC
-1.651e+00
2.339e+00
-0.706
0.4803
GFCatS
1.208e+00
2.570e+00
0.470
0.6384
Prof:StructCatMH
-4.597e-05
3.912e-03
-0.012
0.9906
Prof:StructCatMHM
5.274e-03
6.938e-03
0.760
0.4472
Prof:StructCatOth
1.942e-03
4.472e-03
0.434
0.6641
Prof:LengCatMedium
-1.135e-04
7.224e-03
-0.016
0.9875
Prof:LengCatShort
-5.566e-03
6.440e-03
-0.864
0.3874
Prof:LengCatVS
-8.270e-03
6.545e-03
-1.264
0.2064
Prof:GFCatDO
-2.359e-03
4.674e-03
-0.505
0.6139
Prof:GFCatOth
8.085e-03
6.455e-03
1.253
0.2103
Prof:GFCatPC
5.022e-03
4.936e-03
1.017
0.3089
Prof:GFCatS
-2.412e-03
5.500e-03
-0.439
0.6610
  • Significance codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
  • 単体効果:
    • Prof
      • 習熟度が1点増加するごとにエラーフリーな名詞句の発生の対数オッズがわずかに増加するが、この効果は統計的に有意ではない（p = 0.2290）
  • カテゴリー変数の効果:
    • StructCatMHM, StructCatOthなど
      • それぞれ異なる効果を示しているが、統計的に有意な結果は得られていない（p > 0.05）
    • LengCatVS
      • 長さが非常に短い名詞句を使用する場合、エラーフリーな発生の対数オッズが増加する傾向にあるが、この効果も統計的な有意差には至っていない（p = 0.0903）
  • 交互作用効果:
    • 交互作用項（例：Prof:GFCatPC）は、習熟度とカテゴリー変数の組み合わせによる効果を表しているが、統計的に有意な交互作用は確認できていない

GLM分析結果３（ErrorFreeB）

image
  • 習熟度が高い学習者ほどエラーフリーユニットを生成する確率が高くなる傾向？
  • 点が広がっていることから、予測確率には変動があり、Prof以外の要因もErrorFreeBに影響を与えている可能性？

Table 2: GLM Results for ErrorFreeB

Variable
Estimate
Std. Error
z value
P value
Significance
(Intercept)
4.773e+00
4.415e+00
1.081
0.2796
Prof
-7.926e-03
8.911e-03
-0.889
0.3738
StructCatMH
-1.878e+00
2.279e+00
-0.824
0.4100
StructCatMHM
-1.039e+00
3.072e+00
-0.338
0.7352
StructCatOth
2.238e-01
2.466e+00
0.091
0.9277
LengCatMedium
6.878e-01
3.219e+00
0.214
0.8308
LengCatShort
1.285e+00
2.791e+00
0.460
0.6452
LengCatVS
2.636e+00
3.029e+00
0.870
0.3841
GFCatDO
-4.114e+00
4.024e+00
-1.022
0.3066
GFCatOth
-9.485e+00
4.425e+00
-2.143
0.0321
*
GFCatPC
-8.305e+00
4.164e+00
-1.994
0.0461
*
GFCatS
-5.693e+00
4.324e+00
-1.317
0.1879
Prof:StructCatMH
4.314e-03
5.129e-03
0.841
0.4003
Prof:StructCatMHM
2.905e-03
6.543e-03
0.444
0.6570
Prof:StructCatOth
-3.594e-04
5.446e-03
-0.066
0.9474
Prof:LengCatMedium
2.027e-03
6.990e-03
0.290
0.7718
Prof:LengCatShort
-3.975e-06
5.959e-03
-0.001
0.9995
Prof:LengCatVS
-1.815e-03
6.354e-03
-0.286
0.7752
Prof:GFCatDO
7.056e-03
8.040e-03
0.878
0.3801
Prof:GFCatOth
1.668e-02
9.118e-03
1.829
0.0673
.
Prof:GFCatPC
1.661e-02
8.465e-03
1.963
0.0497
*
Prof:GFCatS
9.801e-03
8.831e-03
1.110
0.2671
  • Significance codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
  1. 有意な単体効果:
    • GFCatOth
      • 文法機能「Other」は、他のカテゴリと比較して、エラーフリーな名詞句が減少する傾向が有意に観察される（p = 0.0321）
    • GFCatPC
      • 文法機能「Preposition Complement」もエラーフリーな名詞句が減少する傾向がある（p = 0.0461）
  2. 有意な交互作用効果:
    • Prof:GFCatPC
      • 熟達度が高いほど、文法機能「Preposition Complement」でエラーフリーな名詞句が増加する傾向が見られる（p = 0.0497）

6. 考察

(1) 名詞句の構造的な特性

💡
初級レベル（CEFR B1〜A2）の学習者が英作文中で産出する名詞句には、構造、長さ、文法機能などの面で、大きな差はなく、それは学習者の習熟度によっても変わらない
  • さらに熟達度の高い学習者（CEFR B2以上）には変化が見られる可能性も？
  • カテゴリごとの分析

    • LengCatVS

    • 産出された449件のうち約半数は1〜2語の短い名詞句（236件; 52.56%）
    • どのレベルの学習者にも使用が見られる
    • その中で前置修飾が約6割（140件; 59.32%）
      • next class, English teacher, model lessons, student’s faceなど
      • 〜’sの多用

    StructCatMHM

    • 前からも後ろからも修飾する名詞句の使用は少数（35件; 全体の7.80%）
    • 多用するのはA2レベルの中の上位者
💡
今後より多くの（幅広い）データを集めて検証する必要がある

(2) 名詞句の正確性

習熟度と正確性の関係

💡
初級レベル（CEFR B1〜A2）の学習者が産出する名詞句のおよそ85%は構造上は問題がない
💡
初級レベル（CEFR B1〜A2）の学習者が産出する名詞句のうち、構造だけでなく語彙の選択・形式にも問題がないものはおよそ50% 　→つまり語彙指導の問題

名詞句の構造と正確性の問題

文法機能について

💡
初級レベル（CEFR B1〜A2）の学習者は、主語、直接目的語、補語、前置詞句以外の位置で適切に名詞句を使用するのが難しい
  • カテゴリごとの分析

      • GFCatOth（その他）

    1. 産出された26件のうちEroorは9件（34.61%）
      • ErrorはほぼA2の学習者（88.89%）
      • A2下位の学習者は文構造がなく名詞句のGFを特定できない
    2. B1, A2上位の学習者の多くは「間接目的語」「副詞句」として適切に使用できている
      3. 💡
      A2下位（TOEICスコア420以下）の学習者は、GFを意識せずに名詞句を配置する傾向がある

GFCatPC（前置詞句）

  • 産出された130件のうちErrorは15件（11.54%）
    • 「文法を使用する場面」「子どもたちに楽しんでもらうために」「教師が話すと生徒も」
      • 動作主が明確でない場合の主語設定
      • 動作主が複数存在する場合の主語設定
    • 「間（ま）」
      • 日本語独特の言い回し
    • 「教えることで」teach/teaching
      • 動詞の屈折形の選択
💡
A2中位以下（TOIECスコア450以下）の学習者は、動作主が明確でない場合の主語設定や動詞の屈折形の選択、日本語特有の言い回しなどで誤りを生みやすい

7. おわりに

  • 日本人英語学習者の産出技能における名詞句使用の実態としては、
    • 初級レベルの日本人英語学習者が英作文中で産出する名詞句は、学習者の熟達度によって構造的な特性に差異はない
      • ただし、さらに上のレベルも含めるとわからない
    • 初級レベルの日本人英語学習者が英作文中で産出する名詞句は、学習者の熟達度によって正確性に差異が見られる側面もある
      • 初級レベルの学習者は、GFを意識せずに名詞句を配置することがある
      • 動作主が明確でない場合の主語の設定などに苦労する学習者も多い
  • 一般化線形モデル（GLM）の活用により、参加者とアイテムの両面から全体的な傾向を把握することはできたが、学習者一人ひとりのつまづきの形を捉えられてはいない
    • 具体的な誤答をよりつぶさに観察・検討することや学習者へのインタビューなどを通して、産出のプロセスを改めて考えたい
    • 名詞句の構造理解の研究などと重ね合わせながら、理解から産出への橋渡しを考えたい

8. 引用文献

  • 金谷憲・小林美音・告かおり・贄田悠・羽山恵(2015). 『中学英語いつ卒業?中学生の主語把握プロセス』三省堂.
  • Akinlotan, M., & Housen, A. (2017). Noun phrase complexity in Nigerian English. Journal of Pidgin and Creole Languages, 32(1), 1-28.
  • Biber, D., Gray, B., and Poonpon, K. (2011). ‘Should we use chracteristics of conversation to measure grammatical complexity in L2 writing development?,’ TESOL Quarterly 45/1: 5–35.
  • Díez-Bedmar, M., & Pérez-Paredes, P. (2020). Noun phrase complexity in young Spanish EFL learners’ writing. International Journal of Corpus Linguistics, 25.
  • Staples, S., Egbert, J., Biber, D., & Gray, B. (2016). Academic Writing Development at the University Level: Phrasal and Clausal Complexity Across Level of Study, Discipline, and Genre. Written Communication, 33(2), 149-183.