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

创建一个在线可访问的高频短语数据库，包括搭配和词组及其 CEFR 级别

基本信息

批准号：
22H00677
负责人：
内田諭
金额：
$ 10.82万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2027-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22H00677/
关键词：
コロケーションフレーズチャンク CEFR 発信語彙

项目摘要

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。

在这项研究中，我们的目标是针对日本英语学习者按级别创建并发布搭配块列表。搭配词块的难度不仅仅取决于表面上单词的难度。特别是，这可能是由于英语和母语（日语）之间的差距造成的，为了广泛地促进日本英语教育的改善，有必要创建一个考虑到母语（日语）影响的列表。母语。此外，人们认为，对于英语学习者来说，列出包含目标单词的固定表达（词块）是有用的。今年是第一年，该研究的目标是（1）在团队成员之间交换信息，（2）从现有词典中收集搭配块，以及（3）创建考虑高级短语的搭配提取程序的基础。关于（1），我们通过在线会议、Slack、电子邮件等方式交换信息，确认各方的资源、专业知识和角色。关于（2），我们从短语词典和英语词汇表中列出的短语中获取了中心词列表，以构建用于分析的基础数据。关于（3），我们注释了从 PPDB（The Paraphrase Database）中提取的短语以确定它们是否是块，并将它们用作训练数据以使用 BERT 创建分类器。这完成了块提取的基础，但随着 ChatGPT 等生成式人工智能的出现，一种新的研究方法成为可能（从大规模语言模型中提取块）。然而，其有效性存在许多未知数，验证是一个未来的问题。