医学用語における語構成要素の構造化と学習難易度に関する研究

医学术语的词成分结构及学习难度研究

• 批准号: 20K12552
• 负责人: 内山 清子
• 金额: $ 1.83万
• 依托单位: Shonan Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K12552/
• 关键词: 医療用語; 構造化データ; 語構成要素; 学習難易度; 難易度; 医療用語の属性; 自動判定; 語構成要素の構造化; 医学用語

本研究の目的は看護師を目指す学習者（外国人を含む）が、効率的に医学用語を理解するために、医学用語に様々な情報を付与して構造化することと、その構造化データに基づいて造語力、学習頻度、説明力の観点から学習難易度を設定し、その有効性を検証することである。これまで、看護教科書のデータを収集し、医学用語の抽出、医学用語の語構成要素について分析を行ってきた。分析対象とする医学用語については、既存の一般辞書と医療用語辞書に掲載されている用語を比較することで、出現頻度に基づいて整理を行った。本年度は医学用語を出現頻度、教科書における出現位置、文の中での役割、複合語内での位置をもとに構造化データを作成することと、その構造化データをもとに学習難易度を設定し、その有効性を検証することを目指した。看護教科書から抽出した単語の内、頻度が30以上の単語、頻度30以下だが既存辞書や国家試験の索引に出現していた単語 6753 語を使用した。データは 3 種類あり、収集したデータを正規化したもの、格助詞との接続の頻度の部分をtf-idf 化しその他を正規化したものを用いて、機械学習で難易度について分類実験を行った。難易度については次の4段階を設定した。1:一般的な辞書に含まれる医学用語、2:出現頻度は低いが重要な用語、3:看護の辞書でよく使用される基本的な用語、4:難易度1-3の単語が誤構成要素となり複数結合している用語。分類にはSVMとランダムフォレストで分類器を作成して実験を行った。分類に使った素性は格助詞や語構成要素の出現位置などを使用した。出現頻度が高い用語である難易度1と3については分類精度は良かったが、看護教科書だけでは出現パターンを多く収集することができず、出現頻度が低い難易度2と４についてはあまり良い分類結果にならなかった。

Purpose this study の は see junior &senior を refers す learners (foreigners を む) が, sharper rate に medical terminology を understand す る た め に, medical terminology に others 々 な intelligence を give し て structured す る こ と と, そ の structured デ ー タ に base づ い て build language, learning frequency, that forces の 観 point か ら learning difficulty level を set し, そ の have sharper sex を 検 card す る こ と Youdaoplaceholder0. こ れ ま で, nursing textbooks の デ ー タ を 収 し, medical terms の spare, medical language の language elements に つ い て line analysis を っ て き た. Analysis as seaborne と す る medical term に つ い て は, existing の general dictionaries と medical language dictionaries に first white jasmines load さ れ て い る language を compare す る こ と で frequency, に base づ い て finishing line を っ た. This year は medical term frequency を, textbooks に お け る present location, wen の で の で within the language of cutting, the composite の position を も と に structured デ ー タ を made す る こ と と, そ の structured デ ー タ を も と に learning difficulty level を set し, そ の have sharper sex を 検 card す る こ と を refers し た. Nursing textbooks か ら spare し た の 単 language, frequency が within more than 30 の 単, frequency below 30 だ が existing dictionaries や national test の index に appear し て い た 単 language 6753 language use を し た. デ ー タ は 3 kinds あ り, 収 し た デ ー タ を regularized し た も の, auxiliary と の meet 続 の frequency part の を tf idf to し そ の he を regularized し た も の を with い て, degree of difficulty mechanical learning で に つ い て classification be 験 を line っ た. The difficulty level is に, に て, て, て, and the <s:1> 4-level を setting is た た. 1: general な contains dictionaries に ま れ る medical terms, 2: a low frequency は い が important な expressions, 3: care の dictionaries で よ く use さ れ る basic な expressions, 4: difficulty level 1-3 の が mistakenly 単 language elements と な り plural combination し て い る expressions. The に とラ SVMとラ ダムフォレストで ダムフォレストで ダムフォレストで classifier を is made into a <s:1> て experiment を row った. The classification に makes った the natural <s:1> case particle や the constituent elements of the <s:1> appear in the position な <s:1> を を use た た. High frequency が い language で あ る difficulty level 1 と 3 に つ い て は good classification accuracy は か っ た だ が, nursing textbooks け で は appear パ タ ー ン を more く 収 set す る こ と が で き ず frequency, low が い difficulty level 2 と 4 に つ い て は あ ま い り good classification results に な ら な か っ た.

项目成果

医療用語の語構成要素に関する調査

医学术语词成分调查

• 发表时间: 2022
• 作者: 高信寿明 ; 川上舜太 ; 内山清子
• 通讯作者: 内山清子