Mizuho Imada (Ministry of Education, Culture, Sports, Science and Technology) 要旨
『児童・生徒作文コーパス』と『現代日本語書き言葉均衡コーパス』(BCCWJ)を用いて、児
童がBCCWJと同等の水準で漢字を使用した場合に、各漢字の頻度がどの程度になるかを推
定し、その結果をワードクラウドを用いて可視化した。また、その結果を用いて、学年ごとの 推定頻度の比較、BCCWJにおける漢字頻度との比較、教科書コーパスについて同様に漢字頻 度を推定したものとの比較を行い、推定頻度と学年の相関、児童作文に固有の高頻度漢字、小 学校配当外の高頻度漢字、小学校配当の低頻度漢字を調べた。
1. はじめに
児童の使用する語彙は、大人の使用する語彙とは異なる。そこで、児童の書いた作文を調査 することで、児童の書き言葉の産出における漢字の需要を評価することを考える。しかし児童 は基本的に学習済みの漢字しか使わず、特に低学年の場合はほとんど仮名だけで作文を書くの で、単に語彙を調べただけでは、潜在的な漢字の需要を評価することができない。そこで、そ れらの語が大人と同等の頻度で漢字書きされた場合に、そこに含まれる漢字がどの程度の頻度 になるかを試算する。
ぼく 僕
ぼく 僕
ぼく 僕
作文コーパス
×
BCCWJ 推計
図1 もし小学生がBCCWJ並みに漢字を使ったら
この推計結果を用いて、児童の言語産出における漢字需要を可視化し(3節)、学齢による漢 字需要の推移(4.1節)、児童作文に固有の高頻度漢字(4.2節)、小学校配当外の高頻度漢字およ び配当内の低頻度漢字(4.3節)について考察する。
2. 方法
『 児 童・生 徒 作 文 コ ー パ ス 』1(作 文 コ ー パ ス) と 、『 現 代 日 本 語 書 き 言 葉 均 衡 コ ー パ
ス』2(BCCWJ)の2つのコーパスを使用する。作文コーパスは小学校・中学校の児童・生徒に
特定のテーマの作文課題を課し、その作文を収集・電子化したコーパスである。本調査では、
2014年度に実施した「夢」「頑張ったこと」の2つの作文課題について、それぞれ小学校1〜6 年生の各2クラス、延べ24クラス分の作文資料に対して人手修正済みの形態論情報を付与し たデータ3を使用した。
表1 作文コーパスのサンプル数と短単位数
学年 夢 頑張ったこと 合計
サンプル数 短単位数 サンプル数 短単位数 サンプル数 短単位数
1 69 7196 69 10745 138 17941
2 65 11045 68 14108 133 25153
3 69 17741 69 18635 138 36376
4 78 26038 79 27481 157 53519
5 77 25265 77 29924 154 55189
6 78 26779 78 26200 156 52979
合計 436 114064 440 127093 876 241157
BCCWJは国立国語研究所が開発した1億語規模の書き言葉コーパスで、13レジスタ約17
万サンプルの書き言葉資料によって構成される。このうち6レジスタ1980サンプル約9万短 単位のデータがコアデータとして設定されており、この範囲のデータ全体について形態論情報 の人手修正が施されている。本研究ではBCCWJコアデータのうち、他のレジスタと比べて 漢字使用頻度が高い4新聞・白書を除いた4レジスタ(書籍・雑誌・ブログ・知恵袋)のデータ を使用した。以下、単にコアデータというときは、この4レジスタを指す。
表2 BCCWJコアデータのサンプル数と短単位数
レジスタ サンプル数 短単位数
書籍 83 234794
雑誌 86 241179
ブログ 471 117888
知恵袋 938 110645
合計 1578 704506
1宮城・今田(2015a)
2Maekawa et al. (2014)
3今田水穂(2017)
4宮城・今田(2015b)
調査は以下の手順で行った。まず、BCCWJを使用して語別の漢字頻度表を作成した。次に 作文データを使用して児童の学年別の語彙頻度表を作成した。この2つの数値を掛け合わせ ることによって、児童がBCCWJ並みの頻度で漢字を使用した場合の漢字頻度表を作成した。
この数値を以下では推定漢字頻度と呼ぶことにする。文書aの漢字使用頻度が文書b並みに なった時の文字cの推定頻度をec,a,b とすると、ec,a,bは次の式で計算できる。
ec,a,b =∑
w
fw,a×gc,w,b
fw,b
fx,yは文書yにおける語xの頻度、gx,y,z は文書z、語yにおける文字xの頻度である。文書 aの漢字使用頻度が文書b並みになった時の文字cの100万字あたりの推定頻度をppm(ec,a,b) とすると、次の式で計算できる。
ppm(ec,a,b) = 10∑6×ec,a,b xex,a,b
3. 結果
学年別の100万字あたり推定漢字頻度を、漢字の配当学年ごとに集計した結果を以下に示す。
表3 100万字あたりの推定漢字頻度
学年 漢字分類 1年生 2年生 3年生 4年生 5年生 6年生 1年配当漢字 47640 47322 47611 44966 46965 47311 2年配当漢字 54573 57076 55670 58573 62459 63279 3年配当漢字 38851 38364 38959 39734 42949 44269 4年配当漢字 20867 17879 19931 22090 21998 23609 5年配当漢字 18623 11463 11746 12535 14474 16431 6年配当漢字 13262 13635 12116 12098 10397 13102 配当外常用漢字 22749 18668 19216 18355 18406 18103 常用外漢字 2363 1874 1687 1530 1417 1189
合計 218926 206281 206934 209882 219065 227293
全体としては100万字あたり20〜23万字が漢字であり、1年生は例外的に漢字頻度が高い が、2〜6年生については学年が上がるにつれて漸進的に漢字の頻度が上がることが確認でき る。漢字頻度をBCCWJ並みに調整してもこのような学年差が見られるのは、品詞や語種な ど語彙構成の変化を反映しているものと考える。なお、BCCWJコアデータの漢字頻度は100 万字あたり約27万字である。
個別の漢字の頻度を、ワードクラウドによって可視化したグラフを図2に示す。学年は低学 年、中学年、高学年の3段階にわけ、頻度は各段階の平均を求めた。文字サイズは、頻度の平 方根に比例する(従って、文字の面積と頻度が比例する)。
0100,000200,000
1・2年生
私 夢
人
張 僕
手 来 頑
楽
日
将
一 会
大 見
生
思 習 者
年 気
選
学
上 本
作 練
時
出
医
強 行 家
歌
好
事
番
今 食 後
中 位 運
言 屋 勝
分
先 自
校 子
回
最 嬉
全 勉
音 動
母 間 曜
目 飛
物 皆
書
入 何
持
病転前 合 優
金 教
昨
対
二 初
曲
算 体
記 点
録
遊
当 色
十 表
変
部
早 発
父
歯 世
声 理
次
味
緒
界
助 投
国 魚
水 白 客
違
科
小 泳
決 弾
良
薬
車 宙 宇
心 陸 面
難
級 察
毎 試
喜
絵
個 警
緊
方
格
外 元
達
走 魔
笑
語
仕
終
帰
負
話 友
絶
乗
新
百 育
他
団
由
欲
月
族
週 美
力 描
三 場
夜 続
直
顔
名
士
数 果
空 戦
下
花
工 買
凄
風
足 土 長
取
少 切 組
治
兄 度
恐
読 秒
験
応 怖
化 竜
指 疲
聞
球 成
画
英 得
室
意
開
野
半 歩
供
援
休
妹
釣
活 感
有 師
知
近
抜
代 掃
考 然
御
立 広
剤 盤
去 麗
司
女 伝
院
犬 綺
賞
残
怒
菓
研
究 博
引
社
塾 王
料
電 調
骨
速
悪
園 官
明 始
四
貰
向 虹
弟
虫 守 無
操
高 誰
寝 歳
頭 特
題 結
木 除 片
飯
五 働
杯 泊
赤
付
実
信
員
口 寿
型
詞
通 服
火可
未
挙
同 逃
青 板
苦 観
重 技
内 迷
満
呂
島
落
交 予
主
洗
七 蹴
止 以
山 田 宿
念 演
器
公 道 具
返
訳 謳
暮 鮮
角
夕
横
躍
揮
的
集
争 捕
3・4年生
思
人 私
夢 僕
一 生 張
手 来
日 大 見 頑
年 気
今
目 者
時 楽 分
医
行 自 将
習 事
作 言
会
出 本
強
上
番 家
先 学
中 好 練
合
子
選
勉 最
持
理
物
何
歌
入 前 後
体
間
病仕
月 由
回
校
心 初
母
試 描
小 画
次 助
音 力
世 達
決 表
書 少 薬
話 良
食
皆
変
父 勝
二 運
全 発
友
国 毎
終 果
記 動
聞 師
考絵
士
嬉
教 位
球
部 結
屋 笑 飛
当
立 題
伝
優
転 成
曲
元
顔 界
点 乗
味
向
語
対 難
名 級 命
同 歯
知 客 取
直 使
十 方
三 打
宿
度
験
野
色 読
代
歳
戦
所
犬
緒
覚
声
曜
外 他
始
科
苦
数
供 緊 漫
金 新
走
算
字 切
車 吹
違
演
多 育
奏
釣
山 様
仲
実
格
買 標
負
花 場 高 魚
通
頃
宙 宇
意
早 美 死
絶 映
増
喜
役
白 星
女 感
土 夜
四 長
特 機
懸
治
園 付 続
不 録
信
服 院
水 下 泳
組
工 面
足 起
昨
電
凄
調 故
風 真
遊 無
弾
開 個
化 以
安
海
技
鳥
休 地 歩
念 剤
明
着
指
英
台 努
店 憧
欲
寝
県 嫌
引 種
忘 竜
朝
君 族
近
計 秒
火
社
保
空 類
護
活 夫 恐
洗
議 受
待 想
怪
石 賞
容
内 素
期
有
葉
係 働
階
刀 救
週
木 消
町 去
悪 然
御
看
建 的
敗 必
鍛
相 品 揮
毛
帰 丈
健
文 守 確
飯
公 怖
陸 抜
室 困
投
落
道
夏 重
形
正 残
願
幼
主
途
単 功
敵
五 普
現 介
紹
慣 応
未
員配
両 挙
百 昔 身 魔
料
洋 富
我
止 雪
可
逃
解
口 疲
5・6年生
思
私
生 人
夢
大 年 僕
学 来
日
習
今
手 自 者
一 行 分
医 張
目 事
会 時
見 頑
強
本 出
言 将
練
中 勉
楽 間
校
気
最
力 何 先
作
家 上 好
合
選
理 書
考 部
薬
入 前
全
小 仕
子 持
国 後
科 番話
少
母回 外
動
毎 語 師
物 勝
近 由
決
十 変
助
方 心
音 高 歌
父
試 初
体
努 優
続
社 食
達 向
命
知
教
二 難
月 実
当 感 世 苦
切 使
意 面
場 果
長 聞
次 奏
剤
数
立 始
界
業 覚
多 画
英
活
点 標 成
取
野
嬉
良
飛 験
度
結
色
三 読
通 受
終
早 必 違
病
対 題
葉 指
級
格
発 無
不
他 球 士
記 友 戦
曲 官
味
表
笑 乗
皆
声 位
演 頃
泳
身 付
育
主
員 術
県
直
同
走 吹
伝
屋
所
現
要
機
地 怖
役 残
下 起
特 祖
以
族
金 救
応
神
名 打
休 顔
過
問
患
想 働
進 得
山 素
治
職
念
歳
内
足 着
然
道 護
園 負 調
白 幼
賞
重
菓
歩
算 技
代
組 的 緒
昨
絵 段
新 悪
返
弾
運
字 相
車 絶 増
懸
衛
遊 検
親 法
四 院
文
昔 建
百 解
単
開 転
真
買
計
服
供
失
忘
落
陸
積
雪
工 経
守 化
像
投 期
遅
朝 困
水 関
死
口
敗
沢
両
五 緊
故 稚
弱 宿
有
帰
在
療
保 嫌
識
料
集 凄
夏
描
交
用 憧
空 疲
安
引 越
花 怒
授
器
公監 督
属 団
築
角
連
看
速 夫
様
悔
援
喜
店 録
週 品
謝
北 頭 議
幸 願
明 美
未
誰 普
歯 繰
備
赤
揮 挑
精
振
急
配 客 漢
女 送 飲
信 映
周 簡
確
第
係 準
欲
正
1年配当漢字2年配当漢字3年配当漢字4年配当漢字 5年配当漢字6年配当漢字常用漢字常用外漢字
図2 ワードクラウド
4. 考察
4.1 学年による差異
学年と推定漢字頻度の関係を調べるために、個々の漢字についてサンプルごとの推定漢字頻 度を計算し、作文テーマ別に学年との相関係数を調べた。相関係数が正の値であれば学年が上 がるにつれて漢字の使用頻度が上昇し、負の値であれば下降すると考えられる。図3は、横軸 を推定漢字頻度(全サンプル平均)、縦軸を相関係数として、各漢字を散布図で可視化したもの である。頻度が500以上、相関係数の絶対値が0.1以上の漢字のみ表示する。
運
屋 何 会
皆
楽
間 気
後 見 考
行 今
最
仕
思 事
持
時
自
手 習
勝
将 小
食 選 前
転
分
夢 目
由
来 理
力
練
位 運 果
歌
会 学
楽
頑 嬉
曲 結
月
合 今
算
思 試
事 出 初 少
上
生
走
大
弾 中
動 張
年
飛 部
僕 本
毎
目
陸 力
録
夢 頑張ったこと
500 1000 2000 4000 500 1000 2000 4000
-0.2 0.0 0.2 0.4
頻度 (100万字あたり, 全サンプル平均)
相関係数
配当学年 1年 2年 3年 4年 5年 6年 常用 常用外
図3 作文コーパスにおける推定漢字頻度および学年との相関係数
作文テーマによって違うが、「思、分、自、年、事、力、今、生、考」などの漢字について0.2 以上の弱い正の相関が認められる。また、「張、頑、夢、皆、運、上、動、将、位、来」などの漢 字について−0.2以下の弱い負の相関が認められる。この結果は「思う」「考える」「自分」な どの抽象的かつ一般的な語彙が学年が上がるにつれて増加するのに対して、「夢」「将来」「頑 張る」「運動」など作文テーマと関連する特徴語が相対的に減少することを示唆する。減少の 理由として、児童の使用語彙の変化や、1サンプルあたりの語数の増加(使用頻度の変化が小 さい語は、相対的に単位語数あたり頻度が減少する)などが考えられる。
4.2 児童作文固有の高頻度漢字
児童作文に固有の高頻度漢字を確認するために、BCCWJコアデータにおける100万語あ たり漢字頻度との比較を行った。作文における推定頻度をx、コアデータにおける頻度をyと し、座標(x,y)の原点からの距離√
x2+y2をd、x軸からの角度arctan(y/x)×2/πをaと