重回帰分析によるITPA臨床モデルの検討

全文

(1)Title. 重回帰分析によるITPA臨床モデルの検討. Author(s). 亀畑, 義彦; 大嶋, 謙一. Citation. 北海道教育大学紀要. 第一部. C, 教育科学編, 36(2): 71-81. Issue Date. 1986-03. URL. http://s-ir.sap.hokkyodai.ac.jp/dspace/handle/123456789/5002. Rights. Hokkaido University of Education.

(2) . 重回帰分析によるＩＴＰＡ臨床モデルの検討. 亀. 畑. 義. 彦・大. 嶋. 謙. １．はじめに. １ｌｉｉｈｙ１ｔ１９６８年に完成されたＭｃＣａｒｒｋｎｏｓＴｅｓｔｏｆ．Ａによる言語学習能力検査（，ＪＪとＫｉ，Ｓ. ｉｎｇｕｉｌｉＰｅｙｃｈｏｌｉｔｔｅｓｓｃＡｂｉ：ＩＴＰＡ）は人間のコミュニケーション行動のプロセスをいくつかのポイ. ンに分け，それぞれのポイントを能力カテゴリーと考え，各々のカテゴリーに対応する測定項目を認定しそれを検査することにより，コミュニケーション行動における欠陥を診断する目的で作成されたものである．. ｉｉｉｉｉｉｄｄｕａｌｄｆｆ従って，ＩＴＰＡは個人間の相対的位置を診断する（ｔ）より，個人に内在ｎｒ ‐ ｅｃｅｎｅｅｓｖ. ｉｎｔｅｉｎｄｉｖｉｄｕａｌｄｉｆｆｉｉするコミュニケーション能力の個人内差（）の評価を目的としている． ‐ ｃｅｎｃｅｓ. しかし，このテストを実施し，その結果を統計処理した数多くの研究によれば，コミュニケーション行動の各ポイントとして設定された能力カテゴリーは測定目的とされる単一能力を測定するものではなく，数ポイントが綜合された結果が得点化されることを成果として述べている，例えば表１にみるように，ＩＴＰＡの各能力カテゴリーはいくつかが統合されてひとつの能力を測定しているとｔｔｈｅＩＴＰＡｍｅａｓｕｒｅｓ：ａｓｙｎｔｈｅｓｉｓｏｆｆａｃｔｏｒｓｔｕｄｉｅｓｏｆｔｈｅｌ９６１いう研究成果がそれであり，（Ｗｈａ. ｉｉｏｎｉｌａｎｄＰｓｙｃｈｏｌｉｔ），また，表２におけｅｄｏｎａｏｇｃａＩＭｅａｓｕｒｍｅｎｔ２９，Ｃ．Ｅ．１９６９，Ｅｄｕｃａｔ，Ｍｅｙｅｒｓ表Ｉ. 奮. 鯖. ３，７. １. ２，５，６. １１. ２，ｌｏ，５２ｌＩ，ｌｏｌ，５１ｏｌｏ. ｗ. ５５. Ｖ. ９９・１. 共通する因子名. ｉＭｅｙｅｒｓｔ．．ｃ，Ｃ．Ｅ．ｏｐ. 義鴛ドの. ｉｉＣーＮＭ，Ｃｏｇｎｔ ‐ ｖｅ…ＣｏｎｒｇｅｎｔｖｅｌＶｏｃａｔＰｒｏｅｓ ‐ ＮＭＲ，Ｃｏｎｖｅｒｇｅｎ ‐ －ｍｏｔｏｒｅｘｐｒｄｕｃｔｉｆｓｅｍａｎｔｉｌｓｌｏｎｏｎｏｃｒｅ ‐ ａｉｔｏｎｓＩｉ１６ｇｕｒａｉｉｆｓＣＭＲ，ｃｏｇｎＭｅａｎｔｕｅ ‐ ｎｇｆｏｎｏｉｉｌｉｔｏｎｃｏｍｐｒｅｈｅｎｓａｔｏｎｓｍａｎｃｒｅＩｉＩｉＭＦＳｌｍｍｅｄｉｔｓｕａａｅｖｇｕｒａ，ｍｅｍｏｒｙｆｏｒｆｔｅｍｓｓｙｓｍｅｍｏｒｙｉＶｏｃａｌｅｘｐｒｅｓＤＳｉｓｏｎｃｓｖｅｒｇｅｎｔｓｅｍａｎｔ，ＤｉＩＣｏｍｐｒｅｈｅｎＶｅｒｂｅ ‐ Ｓ１ｏｎ. ｉｉｔｍｌｍｍｅｄａｔｅａｕｄｏｒｙｍｅｍｏｒｙｌｄｅｃｏｄｉ刊Ｖｏｃａｎｇ，ｉｔｒｅｃｅｐａｎｇｕａｇｅｖｅｌ. ＭＳＳ，ｍｅｍｏｒｙｆｏｒｓｙｍ－ｂｏｌｉｔｃｓｙｓｅｍｓｉｉＣＭ［Ｓｆｓｔ ‐ ｃｏｏｎｏｅ，ｇｎｉｔｃｓｙｓｅｍｓｍａｎｔ. 繋離誓準拠するｌｉＰｉｒｅｖｏｃａｂｕ ‐ ｅｓｃｔｕａｒ，ｒｓｉｈｅｒｖｅｒｂａｌｔｔａｄｎｇｅｓｓ，ｏｔＳｐａｔｉｌｉｔａｎｆｅｒｅｎｃｅｔｅｓｓ. ｉｌｆｉｌｉＭｅａｎ－ｐｎｇｆｕｃｔｏ ‐ ｇｕｒａｉｌｒｅｌｉｔｒａａｏｎｓｌｓｐａｎ‐ ＶｉｔｙｐｅｔｔｓｕａｅｓｓｉｌｄｅＶｏｃａｉｓｃｒｏｎｐｔ，ｅｘａｍ‐ ｌｌｉｅｓａｂｏｒａｔｏｎｐ，ｅＡｕｄｉｔｔｙｐｅｔｔｅｓｓ‐ ｏｒｙｓｐａｎ‐ ｌｉｉｔｔｅｔｅｒｓｓｇ，ｗｏｒｄｓ，ｄｉｍｉｉＤｉｆｍｅａ岱ｔｓｃｒｎａｏｎｏｉｔｈｅｒｓｎｇｏｆｌａｎｇｕａｇｅｏｆｏ. ＊下位検査の番号は改訂版の下位検査番号に対応ちせてある。７１.

(3) . 亀畑義彦・大嶋謙一ｉ上野一彦ｏｐｔ．ｃ．. 表４. 歳. 児. ６. 歳. 児. ８. 歳. 一般言語因子ことばの理解，ことばの、類推，動作の表現ノ. 一般言語因子. 一般言語因子. 視覚受容因子. 言語表現因子. 聴覚記憶因子. 第３因子聴覚記憶因子. 視覚自動因子（絵さがし、形の言己憶）. 第４因子視覚記憶因子. 命名不能. 連合因子（ことばの類推）（絵の類推）命名不能. 第一因子. 第２因子. 室零瞥絵の灘）後. 児. と窪め（認饗推浅鵠）（鼻包ま躍漏、年辱）塙滋養為熟. ＩＴＰＡの因子分析，上野一彦，１９７３る因子分析の結果がそれである．（，心理測定ジャーナル），. これらの研究成果から，ＩＴＰＡのコミュニケーション・モデルにおける各能力カテゴリーが，言語. 行動の完全に単一な概念として現実に取り出すことは操作的に不可能であるとの知見が出されるに到っている．. コミュニケーション行動が伝達過程上の一連性をもった概念であることを考えると，上記の知見は当然のことと考えられるが，ＩＴＰＡの統計的処理が主として因子分析によっていることから，能力の特性を各カテゴリーの集合としてとらえることが可能であっても，各カテゴリーの相関性，及び有効説明変数とそれらの比重を予測することは困難である．集合体として寄与因子をさぐることから一歩前進して，各能力カテゴリーがどのような相関の下に，どのような比重関係にあるのかを考. 察するところに，初めて，ＩＴＰＡの主旨が活かされるのではなかろうか．このような主旨から，本稿ではＩＴＰＡの各能力カテゴリーをその相関性で考察すると共に，不必. 要な説明変数を除外し，必要とされる説明変数によって従属変数の説明と予測を目的に論述しようとするものである．. ２，ＩＴＰＡの臨床モデルとコミュニケーション行動の構成. ＩＴＰＡは人間が自分の考えを他人に伝えたり，他人の考えを理解したりする様々な機能，つまり人青報を受け取り，それを解釈し，誰かに伝えようとするコミュニケーション過程に必要な心理間が１. 機能を測定しようとしている．このモデルの理論的基礎はｏｓｇｏｏｄ，ｃｈのコミュニケーション理論，ｌｌｉｎｏｉ（ＴｈｅＭｅａｓｕｒｍｅｎｔｏｆＭｅａｎｉｎｇ，ｏｓｇｏｏｄ，ｃｈ＆Ｔａｎｎｅｎｂａｕｍｐ．Ｈ．１９５７），ｓＰｒｏｓｓ，ｕｎｉｖｏｆｌ. 特に心理言語学における般化モデルに置いている．（表３）. ｌこのｏｓｇｏｏｄのモデルはＨｕｌ，Ｃ．Ｌの媒介仮説，つまり，Ｅ＝（ＨＸＤ）－（１Ｒ十ＩＲ），Ｈは. ｉｇｕｏｏｒｉｍｉｉｉｒｌｈｉｉｏｎｌａｒｔｏｉェｌｂｉｄｉｉｄｉｔｓｆａｔｔｈａｂｉｔＲはｓ，Ｉ，Ｄはｍｏｔｖａｔｏｎａｓｔａｔｅ，８Ｒはｃｏｎｔｏｎｅ “ｗｅａｒｉｉＨｌｌＣＬＢｈゞ知ｔりはｕ，．ｅａｖｏｒｓであり，ｌｎｅｓ）と説明されるモデルを基礎としている．周の通. 行動主義的学習理論からのアプローチであった．そこには１９６０年以降におけるＣｈｏｍｓｋｙ，Ｎによる批判が用意されていた訳であるが，この批判をひとまず置くとして，ｏｓｇｏｏｄのモデルには，表３. によって説明すると，. ｉｏｎｌｌ＝投射水準＝人間の受容器や効果器と脳の間に介在する網の目のようには１｛）ｐｒｏｊｅｃｔｅｖｅ７２.

(4) . 重回帰分析によるＩＴＰＡ臨床モデルの検討. 表３．. ＲＥＰＲＥＳＥＮＴＡＴＩＯＮＬＥＶＥＬ. Ｉｒｍ一．金ｓｍ. ｔ・ｃ警対談デニ．. ６（）. １Ｎ￥旨糟王１ｏＮ. （４）. ＥＶＯＣＡＴＩＶＥＳ一ｓ（ＪＴじｈしエ（甲↓ ↑（ｈＴＵＵＮＬＥＶＥＬ. . ｓｓ. ノ嘩語義ＥＥ. 鳥屋。－－. 豊熟需温言語豊麗ａ. ｉｔーｒａｍｍａｃａｇｄｄｉｅｃｏｎｇ. ｉｌ. . ｉｔａｕｎｏｏｍｓｍｓｒ外（２），ご」－！ＪＭＭ＾ ” Ｓごｎｓｏｒｌｎａｌｙｓｇｌ・ｉｌｉｉｔｔｕｎｚａｏ ◎. ーもむ。ｎ. 国「ＤＥｃｏｃｍＧヰ. ｔａｕ. キ. ；. ｉｄｅｎｃｏｎｇ. ・ｏ（）. ｉＩ［ｒａｍｍａｃａｇｄｉｅｎｃｏｎｇ. “ ｒ．ｙ誓 “ ，－ … ＾ｎＩＵＩ祝” ↓ …Ｕお皿ｉｌｉｉｔｔｕｚａｏｎ. ｒ＼ー墨，ｎｏ ◎ ◎. －。Ｍｍ購ヰ回. オズグッドのモデル（１９５７）. りめぐらされた神経機構における生理的な作用過程. （２）ｉｎｔｅｇｒａｔｉｏｎｌｌ：統合水準：入力刺激や出力反応に伴う神経ｅｖｅ. 事象が組織化されたり，連続化される作用過程この過程は冗長度（ｄｄｒｅｕｎ）ａｎが増しｃ．ｙ，，統合確立がほぼ１に近くなったものをｅｖｏｃａｔｉｖｅ統合と呼び表３ではｓ → ｒｒ → ｓで表わされている．また確立がそれほ，，ど高くなく，統合にある程度の選択性を有するものをｐｒｉｉｔｅｄｃｖｅ統合と呼び，表３ではｓ→ｓ，. ｒ→ ｒで示されている．（３）ｒｅｐｒｅｓｅｎｔａｔｉｏｎｌｌ：表象水準：ｄｅｃｏｄｉｎｇの終点であり同時にｅｖｅｅｎｃｏｄｉｎｇの起点となる人，. 間の言語行動の中心機構ｏｓｇｏｏｄはこの複雑な機構をｒｍ→ｓｍで表わされる媒介過程を想定することによって説明しているただｏｓｇｏｏｄのこの仮説において，ｒｍ → ｓｍが果して概念．，. 的意味を代表しているのかまたは連想的意味であるかのかについては説明はなされていない，．先に見たｏｓｇｏｏｄのコミュニケーション・モデルを参考にしてＭＣｈｔｙとｋｉｒｋは表４のよう，ｃａｒなコミュニケーション・モデルを仮想したｏｓｏｏｄのモデルと比ｇ較してこのモデルが簡略化されて．. いるのは，診断的道具として具体化するための実際的制約であると説明されている，表４のモデルはＩＴＰＡの１９６１年実験版の臨床モデルとして採用されたものであるこのモデル．はコミュニケーションの回路、組織化の基準コミュニケーシンの過程と，いう三つの次元で構成ョ，されている．いま表４に従って説明すると，（１）コミュニケーションの回路. これは刺激入力と反応出力の間のさまざまな組ち合せをもつ通路をさしているＩＴＰＡでは．聴覚－音声回路と視覚－運動回路の二つの回路が採用されている．（２）組織化の水準ＩＴＰＡでは，機能的な複雑性や機能の組織化の程度によてもっ，っとも複雑かつ高度な「表象７３.

(5) . . 亀畑義彦・大嶋謙一. 表４. 解号回. Ｄ（. 戸. 国. 表象水準ｌＩＬｅｖｅｉ）ｔｔｏｎａ（Ｒｅｐｅｎａｒｅｓ. －－－－－－. 。. 回国. 回聴覚，視覚刺激. 表象水準）聴覚解号｛１ｉ）ｉｔｎｇｒｙＤｅｃｏｄ（Ａｕｄｏ２（）視覚解号ｉＩＤｅｃｏｄ｝ｎｇ（Ｖｉｓｕａ（３）聴覚－音声連合ｉｉ）ＩＡＳｔｉｏｎｔＳ０ｃａ（Ａｕｄ ‐Ｖｏｃａｏｒｙ. 躯ｇ｝. 温臨糟挑も，れｗ，）（. 国音声・運動反応. 自動‐配列水準（）聴覚‐音声自動７ｉＩＡｕｔ）ｔｉｃｏｍａｔ ‐Ｖｏｃａ（ｏｒｙ｛Ａｕｄ（８）聴覚－音声配列ｉｌｔＩＳｅｑｕｅｎ）ｉａｔ｛Ａｕｄｃａｒｙ ‐Ｖｏｏ（９）視覚‐運動配列ｉｌｔ）ｌｔａ（Ｖｉ ‐ＭｏｏｒＳｅｑｕｅｎｓｕａ. （４）視覚‐運動連合ｉｉｔ）ｌｔｏｏｎｒＡｓｓｏｃａ ‐Ｍｏ（ｖｉｓｕａ. ５）音声機号（. ｉＩＥｎｃｏｄ）（Ｖｏｃａｎｇ. （６）運動構号. ｉ）ｔｎｇ（ＭｏｒＥｎｃｏｄｏ. て「自動－配. ｌＩＬｅｉｏｎａ）と，自動的かつ習慣的性格をもつ統合水準としｖｅ水準」（Ｒｅｐｒｅｓｅｎｔａｔる列水準」（Ａｕｔｏｍａｔｉｃ‐ＳｅｑｕｅｎｔｏＩＬｅｖｅｌ）の二つの水準が考えられてい．３）過程. 言語の習得や使用における行動を，刺激入力に始まり反応出力で終わる一連の過程を考える. とき，. 解号（Ｄｅｃｏｄｉｎｇ），. ｉｎｇ）の過程に分けて考えることがｉｉａｔｏｎ），構号（Ｅｒｃｏｄ道役（Ａｓｓｏｃ. ｉ）ｎｇｉ）とは刺激からその情報を取り出す過程，構号（Ｅｎｃｏｄｎｇｃｏｄできるとされている．解号（ＤｅｉＡ（ “ ａｓｓｏｃそして連合とはことばや動作で自己の考えた内容を情報として外部へ表出する過程，ｉ）の間にあって，言語表象を内的に操作する過ｉｎｇ）と構号（Ｅｒｃｏｄｉｎｇｔ）とは多号（Ｄｅｃｏｄｏｎ程と説明される．以上の三つの次元の組ち合せによって各ポイントを設定したのが表４の下段に示されている．そ１９６１年）と改訂版との下位検査項目の比較は表９６８年に改訂されているが，実験版（後ＩＴＰＡは１１９７３６８年）を翻訳修正して標準化したものである．（１９に見るとおりである．なお日本版は改訂版（に日本文化科学社により出版）１９６８年）に示されたコミュニケーション回路のモデルは表６の通りである．実験版のモ改訂版（水準」ル（表４）と改訂版のモデル（表６）とでは構造としては差はみられないが，「自動・配列.

(6) . 重回帰分析によるＩＴＰＡ臨床モデルの検討ｉｌｃＳｅｑｕｅｎｔａＩＬｅｖ）が「自動水準」（Ａｕｅｉｔｌｔｏｍａ）に変更されたこと，及び「自ｃＬｅｖｅ. 覚回路が加わり，「自動水準」における聴覚視覚回路が整理されたことなどを特徴点，. ることができる．. 表５工ＴＰＡ下位検査名称比較一覧表実. 験. 版. 改. ｉ聴覚解号（Ａｕｄｉｔ）ｏｒｃｏｄｎｇｙＤｅＩＤｅ視覚解号（Ｖｉｉ）ｓｕａｃｏｄｎｇ. 表. 象聴覚‐音声連合ＩＡｕｄｉｌｔ）ｏｒｙ ‐ＶｏｃａＡｓｉｉｔ）ｓｏｃａｏｎ水聴覚‐運動連合（Ｖｉｌｔ ‐ＭｏｓｕａｏｒＡｓｉｉｔ）ｓｏｃａｏｎ準音声機号（ＶｏｃａＩＥｎｉ）ｃｏｄｎｇ運動機号（Ｍｏｔｉ）ｏｒＥｎｃｏｄｎｇ. 訂. 版. 日. ｉ聴覚受容（Ａｕｄｉｔｔ）ｏｒｙＲｅｃｅｐｏｎＩＲｅｉ視覚受容（Ｖｉｔ）ｕａｓｃｅｐｏｎ. ｉｉ聴覚連合（Ａｕｄｉｔｔ）ｏｒｙＡｓｓｏｃａｏｎ. 本版. ことばの理解絵の理解ことばの類推. ＩＡＳｉｉ視覚連合（Ｖｉｔ）ｓｕａＳ０ｃｏｎａ. 絵の類推. ＩＥｘｐ言語表現（Ｖｅｉｒｂａ）ｒｅｓｓｏｎＩＥｘｐｒｉ動作表現（Ｍａｎｕａ）ｅｓｓｏｎ. 動作の表現. ことばの表現. ｉ聴覚‐音声自動（ＡｕｄＩｔ ‐Ｖｏｃａｉ１ｏｒｙ文法構成（Ｇｒｔ）ａｍｍａｃＣｏｒ文の構成ｓｕｅ自Ａｕｉｔｔ）ｏｍａｃ動ＩＣ１視覚構成（Ｖｉ）ｓｕａｏｓｒ絵さがしｕｅ水聴覚‐音声自動（ＡｕｄｉＩｔｉｏｒ ‐Ｖｏｃａ聴覚配列言己憶（Ａｕｄｔｙ数の記憶ｏｒｙＳｅｑｕｅｎｉｌｔ）Ｓｅｑｕｅｎ準ｉＩＭｅｍｏａｔ）ｒａｙｌ視覚‐運動配列（Ｖｉｔ ‐Ｍｏｌｓｕａｏｒ視覚配列言己憶（Ｖｉ）ｓｕａ形の記憶Ｓｅｑｕｅｎｉｌｔ）ＳｅｑｕｅｎｉＩＭｅｍｏｒａｔ）ａｙ. 閉塞. ｉ１聴覚構成（ＡｕｄｔｒｙＣ）ｏｓｕｒｏｅＳｏｕｎｄＢ１語音完成（ｉ）ｅｎｄｎｇ. 表６. 連合過程. 表現水準（Ｒｅｐｉｒｔｅｓｅｎｔｌａｏｎａ. 但潔選集. ｉｉ（ｏｒｚｎｇｇａｎＰｒ）ｏｃｅｓｓ. 受容過程ｉ（ＲｅｔｃｅｐｖｅＰｒ）ｏｃｅｓｓ. ｐｒ）ｏｃｅｓｓ. ５. ２. 自動水準（Ａｕｉｔ亡ｏｍａｃＬｅｖｌ）ｅ. １０. 聴覚刺激. 音声反応. 視覚刺激. Ｒｅｃｅｐｉｔ）ｏｎｉｉｔ）ｓｏｃａｙＡｓｏｎｉｉＡｓｔ）目ｓｏｎｐｃ. ７. ９．１０．．. 運動反応. Ｃ１）ｏｓｕｒｅｌ）ｏｓｕｒｅ. 記憶. ＳｅｕｔｉＩＭ）一ｑｅｎａｅｍｏｒｙＭｅｍｏｒ）ｙ. 改訂版のモデル７５.

(7) . 亀畑義彦・大嶋謙一. ３．日本版ＩＴＰＡにおける標準化データ９７５年，ＩＴＰＡの理論とその活用」（旭出学園教育研究所編，１１９７３年）の標準化データは「日本版（総数７５６名日本文化科学社）に記載されている．本稿の分析データはこれを用いた．説明によればｌｄｒｅｎ）がサンプルとして選ばれている．サンプル数は表７の通りである．の平均的児童（ａｖｅｒａｇｅｃｈｉｌｄｒｅｎ）というのはここで平均的児童（ａｖｅｒａｇｅｃｈｉ標. 表７. ２５. ４１. 女. ２７２３. ２５. 合計. ５０. ５０. ３０７１. ３７３○ ６７. 数. ６６：０６：６７：０７：６８：０８：６全体. 年令段解３：０３：６４：０４：６５：０男. 本. ３６. ３１. ３９. ３７２９. ２２. ３６. ３３３８. ３６. ３７７３. ２８. ２８３２. ６７. ７１. ７５. ６６. ５０. ６０. ２８. ３８１. ２８５６. ３７５７５６. ＩＱ８０～１２０）にあるもの（１）知的能力が平均範囲（（２）学力が平均的範囲にあるもの（３）感覚－運動機能が正常であるもの（）個人的－－社会的に適応しているもの４の４つの条件を満している児童とされている．. ｌｃｏｎｓｓｉｎｔｅｒｎａｉｆｉｃｅｎｔａｌｐｈａ）を用いた内的整合性（検査の信頼性はクロンバックの α 係数（ｃｏｅｆＥＳｔ）ｆｔｒｄｅｒｒｏｒｓｏｍｅａｓｕｒｍｅｎ“ ｍによっａｎｄａｓｔ）による相関係数（ｒ）と測定標準誤差（ｅｎｃｙｉ. ，. て為されている．表８年. ）．信頼性係数（ｒ）および評価点の測定標準誤差（ＳＥｎ. 令段階. ことばの理解（ｓムー絵の理解（ｓも），ことばの類推（ｓも）絵の. 類推（ｓ圭一. ことばの表現（ぬ），，動作の表現（ｓ合一文の構成畑も）絵さ. ３：０. ４：０. ５：０. ６：０. ．７６（２，９）. ．７９て２・８），７６（２．９）. ．８４（２．４）．７６（２．９）. （３：誇. ．８５（２．３）. （３羅. ．７７（２．９）. ．７８（２，８）．６６（３．５）. ．５４（４．１）．７７（２．９）．７４（３．１）. ．５０（４．２）. ，８０（２．７）. 数の. 記憶６と一. 形のの. 記憶（ｓ＆）. ．７３（３１１）. 査（ｓー）. 言（ｌｏ宣. 全. ７６. がし（ｓも），. １７（日本版手引，ｐ，表２４転載）．. 検. ．８１（２，６）．８８（２．１）．５５（４．０）. ．８２（２．５）. ：” （３. 字（２苔号（３写. 号（３写. ．８３（２．５）. ．７２（３．２）. ．６２（３．７）．８２（２．５）．６１（３．７）. （９詐. 写（（９９）９書. ．７７（２．９）．７８（２．８）. ．６２（３．７）. ８：Ｏ. 昌亨８？（３：：（３星弓：：羅（３（３. 亨（零す：３（３零（３詐. 孝（３昌. ；９（３写（３琶苧（雪（；（２琶２琶２琶す（号（亨（３ｇ３昼３零. ．５８（３．９）. ．８２（２．６）．７３（３．１）. ７：０. ？（３請（３喜至学暮卒（苧（す（２：：２２，（３器. ：器（３. ９２. ９３（１００）. ます（３３号. （１０.

(8) . 重回帰分析によるＩＴＰＡ臨床モデルの検討. 表９各位検査粗点，全検査粗点の平均値と標準偏差年令段階下位検査. ３：０. ３：６. ４：０. ４：６. １ｌ６６１３２０１５６５８１７７ａｎｌ，ことばの理解Ｍｅ．．，．（ＳＤ）（）（０４７４１）（２）（７４８４２６．，，．）絵玉里２の理解Ｍ１７０８８８１１ｎ２７１２２ｅａ７，，５．．畑一９，（ＳＤ）（）（３６）（５３８６３４２．．，）３篇３ことばの類推Ｍ６２８８９７１２８ｅｎ８ａ，．．６３４．（ＳＤ）（３３）（）（３３６９４５４．．．）２ｍ４絵類の推Ｍ３００ｎ７０７１０１ｅａ５，，．，ムｍ健一（ＳＤ）（２２）（）（４５７０６２０．．，）５４２５ことばの表現Ｍ７２４１０３５１２００ｅａｎ，．．ば％．（（ＳＤ）３４４）（４２２）（４９）．，９７２８６動作表の現Ｍ１０６０１１３８０１７１０ｅａｎ．，．姥４８．（ＳＤ）（３）（）（７３４３９１６）５．，．３１６文の構成Ｍ７５８０８０１１０９５ｅａｎ，．．ば８０，（ＳＤ）（３２８）（２）（４２４１４），．．３６６絵さし８がＭ４９２７６２９９０ｅａｎ．，．．Ｌ２６ばＦ（ＳＤ）（２０）（０３６３）（３）８０．，．８１４９数の記憶Ｍ１０３４１４８３１１７９ｅａｎ，，．６２３．（ＳＤ）（）（５８０６）（５３６６４）．．．形１０の記憶Ｍ７４５８５２１０５８１４１８ｅａｎ，．．，．（ＳＤ）（）（３４｝（４４８４２）（）７４４５７，．．．. 全. 検. ５：０. ５：６. ６：０. ６：６. ７：０. ７：６. ８：０. ８：６最高得点. ２２５４２４６８２６４５２７３０２０９０２３８５３１５７．，，．．，．３７０（０９）３９８）（５（４００）１）（４０（３１１）（２９）（７２３９）．，，．，，．，１１８７０１７８１９６０４２３０２１９８２３３０２３１６，．．，，．，３１０（｛４２｝４０）５４（３９４）（４０３）（３８３）（）（２６５３６，），．．．，．．．１８３０４２６２２２６８２４９７０２７２７８６３３００７．．．．．．，３５０３（４４）（４１４｝（４）（４９３１８）（１）（）（３７３３９２８）．８．．．，．，．１７００１８９３２０８３２１５３２３２２７４４０２５４５，，．．，．，３２０（４３０）（３９６３）（５８３４）（２）（００｝（９３１３２６０）．．．）（．，．，．１７４３１９４８１３１７２１０８．．．．６０（６））（（６０）（７８０６９）５９．．，，. . １９２４７５２４２１３２２４７９２５７８２７６２．．．．．，６）（５３）（５７４（５０１）（１）（５）（８４５３４８）９，．，．，．１１５５４７５２１８３６１８８０１９４６２１０５．，，．，．（３）（３５９）（９７）（）（３６）（）３９０３８９７２９，．．．，．，. ２７５０．３８０（４，２），，. １３５０４１８７１４２１７０１９９６２８２５３５，．．．，，（４３１（４２２））（１）（４６４４６）｛５５６５）７５．）ぐ．．．．．２０９４１９８２２４７１２４２２５９８８３０１８．．．．．．７１６）（（６１０）（）（８４８）（７７４９２５）（２）７８．，，．．１６４６１．５１９１９５９２０５８２１７０２００９．．，．．（３４）｛３８３）（８３８４）（）（３９１３８４）（）３５８．，．．，，. ２４５５．５７０（５４７），. ２１４５，３００（３３，）．．. ３５２７，５６０（８６）．７，２２０７，５００４２９），（．. 査Ｍｅａｎ５７９８７９２１３０８１６・３５５５１５４２９４７１７７９７・２３２１０８５２２３８２２４５５８２５８２２２６７５４，・，・，・・・，・，・（ＳＤ）（１８００）（１）（７６８２３６１｝（２７７６）（２７）｛２３０３）（７９）（２５９５）（２７０８１９１２２６７６）（２３４）｛８２２５０）．，，．，，，，．）（．．，. 結果は表８の通りであった．「ことばの表現」「絵さがし」などで相関係数にばらつきがみられるが，総じて安定した数値が得られている．なお表９は標準化の際のサンプルの基礎データである．. ４．標準化データによる重回帰分析（ｍｕｌｉｌｔ）ｅｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓｐｌ重回帰分析（ｍｕｉｌｉｔ）とは，ある変数ｙ（目的変数（ｃｒｉｉｏｎｖａｒｉａｂｌｅｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｓｔｅｒ）ｐｅｄｉｌｏｒ従属変数（ｅｐｅｎｄｅｎｔｖａ）とか呼ばれる）と，それに影響を与えると考えられる変数×，ｒｅａｂ. ｌａｎａｔｏｒｙｖａｒ … ｘｐ（説明変数（ｅｘｐｉａｂｌｉｎｄｅｐｅｎｄｅｎ）ｏｒ独立変数（ｉａｂｌｅｔｖａｒ）と呼ばれる）の間ｅ. の関係式を求め，それにもとづいて×，， …ｘｐの値からｙの値を予測したりその際の各ｘの影響の，大きさを評価したりすることを目的とした分析方法で説明変数（ｉｌｔｅｘｐｂｎａ）が２個以ｏｒｙｖａｒａｂｅ，上のものをいう，なお関係式は線形で表わされるのを前提としている．分析を行う場合，今回のように１０個の変数の中から１つを選んで目的変数（ｉｉｔｒｃｅｒｏｎｖａｒｉａｂｌｅ）とすると残りの９個が説明変数（ｅｘｐｌｉ）とされてしまう．この９個はすべてが説明ａｎａｔｏｒｙｖａｒａｂｌｅ. 変数として使えそうだが，実際は９個すべてが目的変数の説明に寄与しているとは考えられない．従って，適切な説明変数の選択が問題となるが，不適切に選択をした場合の影響は. ７７.

(9) . 亀畑義彦・大嶋謙一. （１）回帰モデルに無駄な変数が含まれるとき，回帰係数の推定値や予測値は不備であるが，誤差分散の推定値の自由度が小さくなるため推定精度が悪い．（２）必要な変数が回帰モデルからもれているとき，回帰係数の推定値や予測値は偏りをもち，誤差分散の推定値が過大評価となる，. ）説明変数の中に，互いに相関の高い変数が含まれる場合には分散共分散行列の行列式がほと（３んどゼロになるため，逆行列の要素の値が大きくなり，回帰係数の推定値の推定精度が悪くなる．. ．. ということが知られている．本稿の場合でも説明変数相互の相関係数が高いことから，分散共分散ｉｌｉｌｌｉｔ）の問題が少なくならずｔｎｅａｒｃｏｙの逆行列の要素値が大きくなり，従って「多重共線性」（ｍｕ. 残ることが予想される．ｆｒ ‐ ｏこのように不適切な説明変数を除き，適切な説明変数を選択する方法として「変数増加法」（ｉｉｍｉｎａｔｌｏｎｔｅｐｗｉｌｉｏｎｍｅｔｈｏｄ）「変数増減法」（ｓｅｍｅｔｈｏｄ），「変数減少法」（ｂａｃｋｗａｒｄｅｓｅｃｔｗａｒｄｓｅｌｉｍｉｎａｔｉｔｈｏｄ）によｏｎｍｅｍｅｔｈｏｄ）などが知られているが，本稿では「変数減少法」（ｂａｃｋｗａｒｄｏ. ることとした．この方法は，説明変数の候補すべてが含まれたモデルからスタートして，次のような手順で説明変数を１つずつ減少させる．. ）モデルに含まれている説明変数の各々に対して，回帰係数の検定のためのＦ値を計算し，そ（１ｔより小さければ，ｏｕの値が最小となる説明変数を選択する．最小となったＦ値が指定されたＦ‐ ｔより大きければこれ以上どの説明変数もおとｏｕその変数をおとして次のステップへ進む．Ｆ‐. さず終了する．（２）もしモデルに含まれている説明変数がなくなっていれば終了する．そうでなければ回帰式を計算して前のステップに戻す．次に，モデルの良さについての基準を設定することとなるが，これは観測値と説明変数の個数を考慮してｆｆｉｉｔｅｄｆｏｒｔｈｅｄｅｇｒｅｅｓｏｆｉｏｎｃｏｅｊｕｓｌｉｌｅｎｔａｄｃｔｅｃｏｒｒｅｌａｔ（１）自由度調整ずみ重相関係数（ｍｕｐｆｒｅｅｄｏｍ：Ｒ）Ｓ差平方／（Ｒ２＝１胴Ｖｅ／ＶＴ＝１－｛Ｓｅ／（ｎ－ｐ－１）｝／｛ＳＴｎ－１）｝．ＳＴは総平方和，ｅは残和，. Ｖｅは誤差分散の推定値，ＶＴは不偏分散. ｌｏｗｓｌ９７３）（２）マローズのＣｆ（Ｍａ，Ｃ，ＬＩＣｐ＝Ｓｅ（ｐ）／が十２（ｐ十１）－ｎ. ２）７ｓｅ（）はｐ個の説明変数を含むモデルでの残差平方和，ザはｙ～ｎ（“ ，７＝Ｅ（ｙ）をｐ，１. 考えたときの不偏分散の推定値. ｉｏｎｉｏｎｃｒｉｔｅｒ（３）赤池の情報量基準（Ａｋａｉｋごｓｉｎｆｏｒｍａｔ，ＡＩＣ）目的変数の将来の観測値ｙの分 β ａ）を考え，ｙの真の分布ｇ（）と予測分布ｆ（ｙ布に対する推定量としてｆ（ｙｙｌｏ， ……，ｐｌｂａｃにＬｅｉｂｌｌ）の間のＫｕｅｒの情報量で測った距離をできるだけ小さくするとｌａｏ， ……， βｐ７８.

(10) . 重回帰分析によるＩＴＰＡ臨床モデルの検討. いう観点から導入された，モデル選択の一般的基準である，ｐ個の説明変数をもつ重回帰モデルの場合，ＡＩＣ（）＝－２× （最大対数尤度）十２× （モデルの自由パラメータ数）ｐ一喝唯物＋ー）十ｎ‘噂. Ｓｅｐ） ‘ 十２（ｐ＋２）. と表わされる．ＡＩＣは小さいほど望ましい．とおおよそ３つの方法があるとされる本稿ではモデルの良さの基準を「赤池のＡＩＣ」（Ａｋａｉｋごｓ．. ｉｎｆｏｒｍａｔｉｉｉｏｎ）に置いたｔｅｒｏｎｃｒ．. なお，実際の分析にあたっては富士通パーソナルコンピュータＦＵＪＩＴＳＵＭＩＣＲ０７７（ＦＭ‐ ）を，用いた．また，プログラムは「パソコン統計解析ハンドブック１１多変量解析編」（田中豊他編共立出版１９）に記載されているものをＦＭ‐ ８４７用に改良修正して使用した．. ５，重回帰分析の結果先に述べたプログラン（「ＭＲＥＧ２」と呼ぶ）を使用した結果を，ＤＥＰＥＨＤＥＮＴＶＡＲＩＡＢＬＥ× （１についてすべて出力したのが表１０から表２３までである．表１０には１０個の変数（下位検査）について，平均値（ＭＥＡＮ）ＶＡＲＩＡＮＥ分散Ｃ（ＳｄａｉｏｎＳＤ）サンプルの）偏差値ｔ（ａｎｒｄｄｅｖｉａｔ，，，最小値（ＭＩＮ）ＭＡＸ最大値（）が出力されている．表１１の上三角は各変数の相関行列（ｌｉｔｃｏｒｒｅａｏｎ，ｉｘ），ｍａｔｒ. 下三角は分散共分散行列. ｉｉａｎｃｅｍａｔ（ｖａｒｉｘ）である表１２は目的変数ａｎｃｅｃｏｖａｒｒ．. （ＤＥＰＥＮＤＥＮＴＶＡＲＩＡＢＬＥ）とそれを説明する説明変数（ＩＮＤＥＰＥＮＤＥＨＴＶＡＲＩＡＢＬＥ）のすべて，及び回帰係数の検定統計量Ｆｏ（偏下値）を出力したものである表１３から表２１までが変．ｉｍｉｂａｃｋｗａｒｄｅｌｉｏｎｗｅ数減少法（ｔｈｏｄ）による分析結果である表１３の中でＭｕｌｎａｔｉｐｌｌａｔｅｃｏｒｒｅ ‐ ．ｉｔｏｎとは重相関係数のことであり，Ｒ‐Ｓｑｕａｒｅとは決定係数（Ｒ２），ＡｄｄＲＳｔｊｕｓｅ－ｑｕａｒｅとは自由度調整ずみの決定係数（Ｒ２）ことであるＡＩＣとは赤池の情報量基準（Ａｋａｉｋごｓｉｆｉｔｎｒｍａｏｏｎｃｒ．ｉｔｅｒｉｉｏｎ）である，またＣｐｓｔａｔｔｓｃは先に述べたマローズの基準である．ｌｉ不偏分散（ＡｎａｓｏｆＶａｒｉａｎｃｅ）の中で用いられているＤ，Ｆｙｓとは自由度のことであり（Ｎ－Ｐ－，. １）（Ｎはサンプル数Ｐは説明変数）によって示されるＲｅｇｒｉｉｄｕａ１とはｅｓｓｏｎとは回帰でありＲｅｓ，残差のことである．この分散分析は回帰の有意性を検定するために必要となる，ｉｏｎｃｏｅｆｆｉｉｔａｎｄ下段の項でＢＥＴＡとは回帰係数（ｒｅｇｒｅｓｓ），ｓｃｅｎｔ，ＢＥＴＡとは標準回帰係数. ｉｏｎｃｏｅｆｔａｎｄａｒｄｒｅｇｒｅｓｓｆｉｉｉｌｉ（ｉａｌｒｅｇｒｅｓｓｔｉｏｎｓ），ｐａｒｔｃｅｎｔａｌｃｏｒｒｅａｔｏｎとは偏相関係数（ｐａｒｆｆｉｉｉｄｄＢＥＴＡｔａｎａｒ），ｓｃｏｅｃｅｎｔとは標準回帰係数（ｓｔａｎｄａｒｄｒｅｇｒｅｓｓｏｎｃｏｅｆｆｉｃｉｅｎｔ），ｅｒｒｏｒｏｆ. ＢＥＴＡとは標準誤差（ｔａｎｄａｒｄｅｓｒｒｏｒ：推定値の標準偏差）Ｆとは回帰係数検定の値，ＵＩＦとは分散拡大要因であることを示している．最後にＳＴＥＤ，Ｈ０とは説明変数の出し入れ回数を表わしている，. この表１３から表２１の出力結果を見るとＳＴＥＰ３のＡＩＣがすべての出力結果の中でＡＩＣ，Ｎｏ１が最小であることが分る．従って，目的変数 ×（１）を説明する最適モデルは説明変数×（）３ｌｏ），×（，× （）６７））によって構成されると考えられる．そして表２２にはこの最適モデル（線形関数モデル）８，×（，×（によって予測される結果を表わしているＹとは目的変数の実測値でありその値によるこのモデ．，ルの予測値がＹｈａｔである．なおＲｅｉｄｕａ１とは誤差分散の推定値であり残差平方和（ｓｉｌｓｕｍｄｕａｒｅｓ，７９.

(11) . 亀畑義彦・大嶋謙一ｏｆｓｑｕａｒｅ）と呼ばれる．. １１）の重回帰分析による最適モデルの選択の結果，予測式の設定と予測値にもと表２３は目的変数×（ｔの値である．なおＮｏｌかグラフ化したものである．棒グラフはＹｈａプルの予測得点をずいたサンらＮＯＩＯは表９に示された年令段階の各々に対応して，Ｎｏ１とは３才のこと，以下ＮＯＩ０とは７才６ヶ月のことである．８才と８才６ヶ月については省略してある．最後に最適モデルを構成する各説明変数について，実際の下位検査名を記した，. ６，重回帰分析結果のまとめｌｏはでを掲げると以下のと１）から×（以上分析した結果，最適モデルとされた予測式を目的変数×（おりとなる．（×はまぎらわしいので×に替えるものとする．） ① ② ③ ④ ⑤. ⑥. ０ｘ（１０）－０３０２ｘ（６） ×（１）＝２２．４６５十０．５６７ｘ（７）十０．５５６ｘ（３）十０．２７０ｘ（８）－０２９ ×（２）＝１６β３３十０４１３ｘ（５）十０．３１９ｘ（７）十０．１５２ｘ（４）－００７４ｘ（９）. ０ｘ（７）１０）十０．２６７ｘ（６）－０４０ ×（３）＝１８．３７２十１．０４８ｘ（１）十０．４４６ｘ（ ×（４）＝１５６３３十０９４０ｘ（２）十０．６４２ｘ（１）十０，２３８ｘ（１０）－０３５５ｘ（８）. ）－０２３８（×（１）１００２ｘ（９）－０２３８ｘ（ ×（５）＝１６８７５十０９８８ｘ（２）十０．３８８ｘ（８）十０．２. ８８７ｘ（８）－１ユ３９ｘ（１） ×（６）＝１９７３３十１２８２ｘ（７）十０．. ×（７）＝１４．４６５十０．７１１ｘ（１）十０．６７８ｘ（２）十０，２９１ｘ（１０）十０．２８８ｘ（６）－０３２７ × （３）－０．４１７ｘ（８） ⑦. ⑧ ⑨ ⑩. ×（８）＝１４．６５３十０．８６６ｘ（１）十０．５３７ｘ（５）十０．３８２ｘ（６）－０，８０６ｘ（７））－２，２７３ｘ（２） ×（９）＝２１．２２１十２．２３６ｘ（５）十０，８８０ｘ（１０. ）＝１６．０４８十０．７７１ｘ（３）十０．６６７ｘ（７）十０．４９４ｘ（８）十０，４４１ｘ（４）十０．２２３ｘ（９） ×（１０－１．２３０ｘ（１１）－－０．８８４ｘ（５）. ７．重回帰分析と１ＴＰＡ臨床モデルの検討これまで述べてきた重回帰分析の結果から表６にみるＩＴＰＡの臨床モデルを考察してみると，すべての下位検査が他の下位検査によって説明されていることが考察される．１個の目的変数（１個の下位検査）を説明するのに正の値をもった説明変数（他の下位検査）が最低で２個最高で５個，. 平均すると３個以上必要になる．また負の値をもった説明変数は平均すると１個以上必要であることが判る．. 次に聴覚－音声回路と視覚－運動回路における表象水準に着目してみると，各々の回路で測定される下位検査どおりの相関があまり強いとは言えず，各々の回路が互いにからみ合った相関関係を示していることである．. 自動水準における上記の二つの回路は相互作用が表象水準よりも複雑であった．また，表象水準と自動水準との相関を考えてみると，書象水準独自の下位検査，また自動水準独自の下位検査はみあたらず，相互の相関関係が複雑にからみ合っていることが分る．. ＩＴＰＡの下位検査能力は，それぞれ特定回路の特定水準における特定過程の能力これらのことは「. ８０.

(12) . 重回帰分析によるＩＴＰＡ臨床モデルの検討. と仮定されている．したがって他の回路，水準，過程による影響を受けない，あるいは影響を最小ｉｌ化した単一（）で純粋（ｎｇｓｅ）な能力を測定する課題であること」（ｅＩＴＰＡの理論とその活用」「ｐｕｒ旭出学園教育研究所１９７５日本文化科学社）という仮定が当を得ていることになるか否か深く検討することが必要となるであろう．同書に述べられている様にＩＴＰＡの限界がここに見られるので. ある．同書によればＩＴＰＡの限界とは次のように説明されている「．ＩＴＰＡの過程次元における下位概念である受容，連合，表現は，それが言語行動の伝達過程上の一連性をもった概念であるために，完全な単一として現実に取り出すことは不可能である」（ｏｐｃ２ｔ９）「第３の限界は自動水準に，ｉ．，．，ｐおける構成機能にみられる，もともとこの水準は表象水準と同じように三つの過程を分離することができず水準全体として測定する形をとっていることも問題といえようしかしもっと重大なこと，は，この水準の理論的背景にあるオズグッドの理論そのものが新しい言語学の立場から批判を受けている点にある．オズグッドはことばを何度も繰り返して使用するうちにその構造や活用を習得す. るといった帰納的方法による習慣体系として言語をうえているがチョムスキーらに代表される新，しい言語理論では，こうした単なる経験の積み重ねだけで複雑な言語を習得することは不可能であるとしている，」（ｏｐｉ２９～３０ｔ，ｐｐ），ｃ．. 参考文献本論の中で述べられていない文献について掲げたｌｉｎｇｕｉｉｉｌｉｔｉｉ１．ＰｓｙｃｈｏｔｉｉｏｎＳａｍｕｅＩＡ，ｋｉｓｃＬｅａｒｎｎｇＤｉｉｎｉｆｓａｂｉｅｓ：Ｄｉａｇｎｏｓｓａｎｄｒｅｍｅｄｉｋａｔｒｋ＆ｕ′ ｒｅｄＤ．ｋｒ. ＩＴＰＡによる学習能力障害の診断と治療」三木安正・上野一彦・越智啓子１ｌ１訳「９７９４日本文化科学社７２．情報理論宮川洋１９７９コロナ社こ３，」・理学研究法第１巻方法論八木員他１９７５東京大学出版会４．心理学研究法第１７巻モデル構成印東太郎１９７３東京大学出版会５，教育と心理のための推計学岩原信九郎１９６５日本文化科学社ｉｉ６．Ｔｈｅｏｒｌｇａｒｄｌ９４８ＰｒｅｎｔｅｓｏｆＬｅａｒｎｉｌ１ｎｇ５／ｅＧｏｒｄｏｎＨ．Ｂｏｗｅｒ＆ＥｒｎｅｓｔＲ．ＨｉｃｅＨａｉｌｉＩＭｅａｓｕｒｍｅｎｔＪｕｍ：Ｃ．Ｎｕｎｎａｌｌ７．ｌｎｔｒｏｄｕｃｔｏｎｔｏｐｓｙｃｈｏｌ１ｏｇｃａｙ，Ｊｒｌ９７０ＭＣＧｒｏｗＨｉ. ８，多変量解析入門１． □ 河口至商１９７３森北出版ｉｔＣｏｕｒ９．ＡＦｉｒｓｓｅｉｎＦａｃｔｏｒＡｎａｌｓＡｎｄｒｅｗＬｅ９３訳因子分析入門共祐順１９７ｙｓ７８サイエンｙｌ，Ｃｏｍｒス社１０９東京大学出版会７，因子分析法第２版芝祐順１９Ａｌｒｏｄｕｃｔｉ１１ｌｉｏｎｔｏＬｉｎｅａｒＲｅｇｒｅ鮎ｉｏｎａｎｄＣｏｒｒｅａｔｏｎＡ９７６訳直線回帰と相関並木，ｎｎｔ，Ｌ．Ｅｄｗａｄｓ，１博他１９７８慶応通信１２７３東京大．改訂版ＩＴＰＡによって測定された心理言語機能の発達に関する因子分析上野一彦・渡部洋１９Ｉ学教育学部紀要ＶＯ１３．. ｌｏｇｉｌａｎｄＲｅｍｏｄｉ１３ｉｌｄｒｅｎｗｉｉｃａＩＡｐｐｒａｉｓａｔｈＬｅａｒｎｉｌｉｉｉｋｏａＩＴｅａｃｈｉｎｇｏｆＣｈｔｎｇＤｉｓａｂｅｓｋａｚｕｈ．ＴｈｅｐｓｙｃｈｏｌｌｉＵＥＮＯＢｕｉＵｎｉｔｉｔｙＳｅｅｎ。ｆＴ。ｋｙｏＧａｋｕｇｅｒｖｅｒｓ．１３０１９７９. ９８２富士通１４．ＦＭ－７ユーザーズマニュアルシステム仕様１ＦＭ－７Ｆ－ＢＡＳＩＣ入門１９８４富士通１５．ＦＭ－７Ｆ－ＢＡＳＩＣ文法書１９８４富士通１６．. １７９８４富士通，ＦＭ－７ユーザーズマニュアルシステム解説１Ｆ１８，－ＢＡＳＩＣ活用ソフト. ワープロとグラフ. 潮. 守１９８４山海堂. １９／１０編集部１９８５工学社．ＦＭ－７月１活用研究２２０本稿に掲げた表１から表９まＩＴＰＡの理論と活用」（本稿中に紹介）によるものである「では．．（亀畑義彦本学教授旭川分校・大嶋謙一北海道手稲養護学校教諭）８１.

(13)