Creating an online accessible database of high-frequency phrases including collocations and chunks with their CEFR levels

点击翻译按钮获取中文摘要

本研究では、日本人英語学習者に特化したレベル別のコロケーション・チャンクリストを作成、公開することを目指す。コロケーション・チャンクの難易度は表面上の単語の難易度だけでは決まらない。特に英語と母語（日本語）のずれに起因する場合があり、日本の英語教育の向上に広く資するためには、母語の影響を考慮したリストの作成が不可欠である。また、対象となる単語を含む定形表現（チャンク）をリストアップすることは、英語学習者にとって有益であると考えられる。初年度である本年度は、(1)チームメンバー間の情報交換、(2)既存の辞書等からのコロケーション・チャンクの収集、(3) フレーズを考慮したコロケーション抽出プログラムの基礎の作成を目標に研究を進めた。(1)について、オンラインでの打ち合わせやSlack、メール等を使って情報交換し、それぞれが持つ資源および専門知、役割の確認を行った。(2)について、フレーズ辞書の見出し語の一覧の取得と、English Vocabulary Profileに含まれるフレーズをリストアップし、分析のための基礎データを構築した。(3)について、PPDB（The Paraphrase Database）から抽出したフレーズに対して、チャンクであるかどうかのアノテーションを実施し、それを学習データとしてBERTによって分類器を作成した。これによりチャンク抽出の土台が完成したが、ChatGPTに代表される生成系AIの出現により、新たな研究手法が可能となった（大規模言語モデルからのチャンクの抽出）。しかしながら、その有効性関しては未知数のところが多く、検証は今後の課題である。