語彙学習のための大規模 Data-Driven Learning システム開発

点击翻译按钮获取中文摘要

本研究では語彙学習に対する Data-Driven Learning (DDL) を実現し、英語教員や学生がWebブラウザから自由に利用できる学習プラットフォームを構築する。DDLを語彙学習に用いるには、学習項目を含む文を適切な難易度で多量に観察し、段階的に難易度の高い文を学習することが効果的である。しかしこの条件を満たす英文はWeb上にもごく僅かしか存在せず、また英文の難易度判定の指標も非自明である。そこで本研究では、Common European Framework of Reference for Languages（CEFR）に準拠した英文の難易度指標を策定し、難易度を調整する言い換えを自動的に行うことで、様々な難易度の用例を大規模に獲得する。2021年度に約2万文の英文に対しCEFRレベルを付与したコーパス（CEFR-SP）を構築したが、当該年度はその詳細な分析を実施し、各CEFRレベルの言語的特性を明らかにした。さらにCEFR-SPコーパスについて、異なる難易度の言い換え文を作文するクラウドソーシングを実施し、パラレルコーパスの作成に着手した。CEFR-SPコーパスを用いて高精度な英文難易度推定モデルを構築、評価実験を実施した成果を論文としてまとめた。当論文は自然言語処理における最重要国際会議の一つであるthe Conference on Empirical Methods in Natural Language Processing (EMNLP) に採択され、発表済みである。さらに、既存のテキスト平易化コーパスを用いて強化学習による英文難易度変換モデルを構築、評価実験を実施した成果を論文としてまとめ、国際会議である the Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the International Joint Conference on Natural Language Processing（AACL-IJCNLP）にて発表した。