2020.8.12 前期最終授業

 激動の（？）前期授業が本日無事に終了しました。遠隔授業の功罪についてはすでに多くのところで論じられていますが，実際に半年間やってみて，教員の予想を超えて学生の満足度が高いことに驚きました。

とくに私の授業では学部・大学院ともオンデマンド方式（youtubeにあげたビデオを期間内に聴講してレポート）にしたのですが，「何度でも見返せる」という意見のほか，「相手がビデオなので英語を発音するのも恥ずかしくない」（学部の英語の授業），「機器やソフトを使った演習などは対面授業より細部がよくわかる」（大学院の言語学授業）など，肯定的な感想が多かったようです。

ただ，学生は総じて課題に追われ，物をじっくり考えたり，人と対話を深めて思考を展開するという機会は少なかったようです。後期以降，神戸大は遠隔を「原則」継続の見込みですが，後期の私の授業では，許可がとれれば，若干の対面指導を加えられたらと考えています。

2020.8.11 神戸大学附属小学校教員研究プロジェクト指導

表記のプロジェクトで，附属小学校の教員の方の国語の研究プロジェクトの指導をオンラインで実施しました。

このプロジェクトでは，子供たちの対話によって理解が進化するプロセスの解明を目指しています。指導では試行データを量的に分析し，3名の子供の発話内容の特性を客観的に抽出する処理手法などについて助言を行いました。

プロジェクトでは，アンケートデータと発話データの組み合わせ分析を行っていますが，試行分析でも面白い結果が示唆されました。よく話す子供は対話に満足感を持つが理解の深化は限定的。よく聞く子供は対話への満足感は低いが理解は進化し認識の更新が起こりうる，という関係がありそうです。

【終了】2020-2024 [延長] 科研（萌芽：マインドスケープ研究）進捗報告

最終更新日　2024/3/31

2020～2022年度（※延長で2023年度まで） 科研（挑戦的萌芽）「言語から見た日米マインドスケープ比較：データサイエンス志向型小説研究の試行」（20K20699）

コーパスに収録する日本の三大文芸誌：『新潮』『群像』『文學界』

◎このエントリの位置付け
本エントリは，報告書「科学研究における健全性の向上について」（日本学術会議，2015年3月6日）の(2)-1および(2)-5アで指摘されている「研究ノート」の電子版として位置付けています。その都度の準備の状況・実験の過程・問題点などを時系列的に記録し，誤記の修正などを除き，過去の内容は変更しないこととします。

◎事業目的（科研申請時）
米語コーパスの原型とされるBrown Corpusの「小説セクション」のサンプリング基準を日本語に適用し，Brownと比較可能な日本語均衡小説コーパスを構築した上で，日米小説データの言語分析に基づく計量的マインドスケープ比較を試行する。

◎これまでの進捗（概要）
（2020年度）
7月　採択決定
8～9月　採択にかかる諸手続きなど
10～3月　研究手法の検討，Brown Corpus収録の小説作品の調査

（2021年度）
4月　本年度のスケジューリング
5月　大学図書館蔵書調査，収集対象決定，資料収集，文字化作業着手
6月　英語4コーパスの小説の整形＋日本語化，日本語小説3年分のテキスト化，英語化
7月　日本語小説のテキスト化，英語化，形態素解析を進める
8月　検索システムの開発準備（業者打ち合わせ），英語POSデータ作成，出版社への告知
9月　検索システム開発契約，JAECS発表準備
10月　学会発表，検索システム開発継続
11月　検索システム開発継続
12月　検索システム用ウェブサイト開発，出版社に説明文書発送。
1月　検索システムの改修
2月　検索システムの公開，論文執筆，研究発表

（2022年度）
4～10月　論文執筆準備
11月　タグ付けの修正作業の検討（発注は2023以降）
12月　オンラインインタフェースのJASWRICとの共通化検討
1月　品詞タグ付け検証作業の見積もり依頼と発注
２月 1961データ検証作業
3月 1971データ検証作業

（2023年度）
4～8月　1981～2021データ検証作業
11月　日英語対応語彙表自動作成システムの構想と見積もり取得・発注
11月　更新後データによる差し替え業務の依頼
1月　更新後データについて作業指示ビデオを作成・送信
3月　データ更新作業完了、語彙表システム納品

2023年度の業務の記録========================================
JFICデータ更新作業経緯
1/13 ビデオで作業方針説明
1/25 ビデオ再送付の依頼あり
3/1 更新作業完了通知
　・「品詞」が空のデータが数件ある
　・「語彙素読み」は画面上で表示箇所がないため、今回は未使用
　・「文境界」を以前はsentence区切りに使用していたが今回はデーターがなかったため、「。」をsentence区切りとして使用
3/2 検証の結果数字が合わないので連絡

3/2付け検証

3/2 先方よりベースファイル再送の依頼あり、対応。

3/8 問題の特定

「語彙素(ハイフン抜き）」の列にて、「書字形」がハイフンだけの文字の場合に空になっており、こちらが取り込み時の誤判断の原因に。「語彙素」を空で登録するのはシステム仕様上に影響がありそうなため、「―」ハイフンとして登録する。
3/18 本システムへの新規データ反映完了。納品処理。

==========================================

========================================
複数ファイルからの統合語彙表自動作成システム開発記録

システム画面

2023
5/23 A社に見積もり依頼
6/21 予算オーバーのため交渉を打ち切り
＜開発の方向について検討＞
11/6 B社に見積もり依頼
11/7 受託可との返答
11/8 日本語だけでなく英語の処理も統合したシステムとして発注
11/9 仕様書策定
11/20 口座登録など事務手続き完了
12/24 第1次モデルの完成
12/25 不具合発生

2024
1/10 対応完了
1/10 不具合解決せずビデオにて問題を説明
1/12 微修正後に再検証するが不具合が残りビデオにて問題を説明
1/22 修正対応、作業ビデオ作製
1/25 再修正
1/31 インタフェースの文言を作成して送付
2/5 対応完了
2/7 英語処理時のエクセルのトップシートへの情報記載の依頼
2/14 英語処理時のエラー報告
2/15 対応完了、行列転換処理の決定
2/19 英語のcase sensitive/insensitiveの切り替えを実装
2/21 大幅修正
-- 英語において単語以外を削除（ここで言う「単語」とは、a-z を最低１文字含む文字列）
-- ファイルごと、単語ごとの頻度、及び総頻度を集計、表示
-- 「レンジ数」の集計（出力では「ファイル頻度」と表記しました）
-- 全ファイルの合計単語の降順にソート（この結果シートごとに違う単語順になることに注意）
-- その他（列幅の調整、列の固定化などを地味に改良）
2/22 当方指示
１）日本語の場合も、タグで補助記号となるものは結果から排除してほしい
２）日本語に、謎の空白？が出ているので、これも出ないようにしてほしい
３）その他文言修正依頼
2/26 対応完了
2/28 会計上の納品処理
3/10 出力ファイルがコード順に並ばない問題を通知
3/16 検証後出てきた問題を連絡（"part"と"part-"、"to"と"to."と"to-"が別語扱い、同じ語が別エントリに入っているものがある、myなどレマ化されていないものがある、数があわないものがある
3/18 対応通知あり、数字と記号をスペース扱いにするよう依頼
3/19 対応あり、アラビア数字を外す処理依頼
3/20 英語コーパス学会ESP-SIGでお披露目発表
3/21 日本語の「～」が単語認定されている件の修正を依頼
3/24 語彙素の犬、いぬ、イヌがまとまっていない問題の修正を依頼
3/25 対応通知
～以後の修正などは、継続科研である基盤Ｂ（WE22科研）で対応～

==========================================

◎プロジェクトの作業指針と概要（2021年12月更新）

＜日本語モジュール（メインモジュール）構築＞

(1) サンプリング方針
・日本の主要文芸誌3種を母集団とし，Brown Corpusの資料収集年次である1961年を起点として，10年ごとに文芸誌掲載の小説テキストを収集する
・データを取るのは対象年次の1月号とする（ただし神戸大図書館に欠本の場合に限って，2~3月で代替する）
・3雑誌あわせ，対象年次ごとにとる作品数は，Brown Corpusの小説（general）のサンプル数（29）を参考にして，31を基準とする（※+2とするのは問題があった場合に後で削れるように）
・ジャンルはBrownで言う「K：一般（general fiction）」とし，内容分類は行わない
・長編・短編の数の意図的なコントロールは行わないが，各号には，読み切り中編・短編のほか，長編連載の一部などが掲載されるため，母集団に対して自然な分布となる。
・文学評論・座談会・短報などは取らないが，日本の私小説の伝統もふまえ，5000字を超える文学的エッセイは対象に含める
・１テキストは5000字（※Brownは英文2000語）を原則とし，文の途中で会ってもそこで打ち切る。字数はエディタ「秀丸」による（全角空白を含める）。
・ただし，(a)（年次ごとの規定のサンプル数を満たす上で必要な場合は）4,000字以上のものを（全体の10％未満まで）含める，(b)5,000字で作業後，コピー時の読み取り不良個所（ページの中央近傍）を補綴することで5,000字を若干超えるものが出ることは許容する

秀丸の語数のカウント事例（全角空白を含めて5,000字）

・収集したデータはDeepLとみんなの自動翻訳でAIによる英訳にかけ，英語からも検索できるようにする。AI翻訳の内容は手作業で修正しない。

(2) 収録サンプル数（2021年8月17日現在）
___________________________________________________
年号　　　　文學界（BG）　群像（GZ）　新潮（SN）　　合計
____________________________________________________
1961               8                10　　　 　　 13               31  （済）
1971               10               11                10                31 （済）
1981               12                8                 11                31 （済）
1991               11               10                10               31  （済）
2001　　　　　  8                15                 8               31   （済）
2011　　　　 　13               7                 11               31  （済）
2021                8                 8                 15               31  （済）
____________________________________________________
合計　　　　　  70               69                 78              217   ____________________________________________________
・1991-SNの英語原作翻訳はデータからカット（7/8付け）
・1971-SNは３月号からデータ取得（1月欠本，2月三島特集）
・2001-BGは１月号から４本，２月号から４本

(3) 日本語小説の書き起こしにかかる処理ルール（2021/7現在）
______________________________________________
・テキストは1作品ごとにファイルを分けて入力
・ファイル名はPDF内記載のコードで入力
・文字数はカット記号の★込みで全ファイル5,000字で統一
・文字コードはUTF-8で入力
・題名・作者名などは省略
・段落頭のアキは原稿通り
・文章段落頭以外の小見出し、番号、字下げ箇所、地付き文字などはすべて詰めて入力
・空行（空改行）は1行分のみ入力
・括弧記号は全角で入力
・アルファベット略号は全角で入力
・横書きの欧文は半角で入力
・算用数字は1桁を全角、2桁以上を半角で入力
・旧かな・旧漢字は新字体で打ち直して入力
・打ち直しの判断に迷った箇所は原稿通り入力
・くの字点・踊り字「ゞゝヾヽ」はひらがな・かたかなで入力
・一部の環境依存文字、旧字体・正字、Unicode文字は新字体・拡張新字体で入力（例：躯、掴、など）
・単独で判読できない文字は■（黒四角）で代用
・ノドの黒い部分で判読できない行、途切れている行は前後に1行あけて★印を行数分入力
_________________________________________________

＜日英対照研究用英語小説モジュール（当面非公開）＞
・LOB/Brown/FLOB/FROWN/CLOB/CROWNの小説（general）を収集
・タグを抜いてプレーンテキスト化，日本語化
・日本語モジュールとの対応上，足りない部分は今後埋めていくことを予定

____________________________________________________
年号　　国　　元コーパス　　サンプル数          日本語訳作成
____________________________________________________
1961    US         Brown            29　　　　　　　　 済
1961    UK         LOB               29　　　　　　　　 済
1992    US         Frown            29　　　　　　　　 済
1991    UK         FLOB              29 　　　　　　　  済
2009    US         CROWN          29 　　　　　　　　未
2009    UK         CLOB              29　　　　　　　　未
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
・北京外大で構築されたCLOB/ CROWNは，2021/7現在，DLができなくなっている（CQP Webでのみ公開されている）
・過去に石川研究室で保存していたデータをモジュールに仮に編入（※製作者と権利関係の相談を予定）

◎月次報告

（2023年4～8月）
4/3 1971検証終了報告
4/26 1981検証終了報告
5/31 1991検証終了報告
6/5 2001検証終了報告
6/29 2011検証終了報告
8/3 2021検証終了報告と、ファイルマージ依頼。→マージ処理＋形態素列でのソートをこちらで作業して作業者に返送。最終検討（同一形態素への別品詞割り振りがないかのチェック）の依頼

（2023年3月）
3/6 作業者より1961検証データの仮納品
3/17 研究期間の延長の承認あり

3/19 作業者より1971検証データが納品、当方で確認の上、会計処理に回す

（2023年2月）
2/2 トライアルデータへのフィードバックをまとめ、作業手順説明ビデオを作り、作業者に連絡

2/6 作業者よりビデオ視聴の確認あり、再トライアル送付、謝金確認要請

2/7 再トライアルへのフィードバック返却
2/8 上記確認着信と、新スケジュールの連絡あり
2/28 作業者より1961検証データの中間報告あり、チェックしてOKだし

（2023年1月）
1/23 タグ付け検証の見積もりが到着
1/23 今年度分として1961/1971の検証を依頼
1/24 会計打ち合わせ、システム入力、科研プロジェクトの延長申請、検索システムの修正のための現在インタフェースの確認
1/25 インタフェース日本語化と修正指示を送付

1/26  インタフェース修正案受領
1/27 同上フィードバック送信

1/30 語彙素の修正作業について新マニュアルを作成し、作業者に連絡
1/31 上記について確認。行コードの追加など。作業者とメールをやりとりし、細かい仕様を固めていく、web茶まめ優先、を基本方針として。

（2022年12月）
12/10 インタフェースの改修について見積もり作成依頼

（2022年11月）
11/14 国立国語研究所にタグ付け修正作業者の紹介依頼

（2022年3-10月）
論文執筆準備、タグ付け修正方法の検討

（2022年2月）

・2/1　業者より1/26の当方依頼と照会についての対応報告。
・2/9 記号タグ付けのエラー個所を特定。」――という文字列がなぜか名詞に登録されていた。そのほか統合トップを作成。業者に作業継続を依頼。
・2/16 JFICを紹介する論文を執筆。終助詞をテーマに。
・2/17 論文ほぼ完成。
・2/18 業者と連絡。検索システムの本番サイトでの駆動を確認。研究会用に検索システムの使用ガイドを作成。その過程で，ウェブサイトの誤記を発見し修正。
※「｜」はデータのセパレータだが，検索ボックスに入れる際にはORの意味となる。
※コロケーションは半角スペースで。
・2/20 学習者コーパス研究会で発表。JFICを紹介。

（2022年1月）
・1/8 出版社からの異議申し立て期限（1/7)が経過したため作業を再開
・1/9-10 Guideページの修訂，日本語での検索のやり方をしめす注記を新規に作成

・業者宛に追加の対応依頼をまとめて送信する

・・・・・・・・・・・・・・・・・・・・・・・

(1) 全検索画面共通：Text の欄の　DeepLRをDeepLに修正する

(2) KWIC，Collocation，Freq Graphの検索画面内のYear/ SourceをすべてDataに修正する（※そのほかの画面はすでにDataになっているのでこれで不統一解消）

(3) KWIC画面，検索語ボックスの横の？マークについて。英語のポップアップはそのまま。日本語はポップアップではなく下記へのリンクとする

http://language.sakura.ne.jp/jfic/guide.html#jpn_search

※あわせて小生記載の内容，誤解がないか貴職のほうでもご確認くださいませ。

(4) Wordlist検索条件画面

Numberの横の数字がセルの上部にくっついているのを修正

 (5) Wordlist検索条件画面：LemmaをLemma/ Morpheme　に修正する（英語だとレマといいますが，日本語だと似た概念は形態素になるため）

(6) Wordlist結果画面

 ★画面上部のtypeとtokenはそれぞれ用語解説へのリンクですが，表ヘッダのWordとRaw Frequencyはリンクではなく，並べ替えのソートキーになっています。この違いが分かりにくいように思います。また，▼の意味も初心者にはわかりにくいかもしれません（ここにしかボタンがないのでこの▼記号をプルダウン表示と勘違いして押しそうになるが押しても何も出ない）

★ついては，ヘッダはリンクなしのWordとRaw Frequencyの記載だけ（PMWと同じようにする），その上に，Collocation結果画面の統計値切り替えボタンのように，Word ▲　Word ▼　Freq ▲　　Freq ▼の４種のボタンを配置し，いまどれが選ばれているのかがわかるような画面の工夫，お願いできないでしょうか？　4つのボタンの左横にはSort Key:のような言葉があるとわかりやすいかと思います。

(7) コロケーション結果画面でのtスコアですが，絶対値で表示（マイナスの場合はマイナスを出さない）ように対応いただけますか？　

(8) Freq Graphの結果画面：下記に出ているグラフのヘッダの　in the written textsは削除でお願いします

(9)Freq Graphの表示語数の検証：1961年の３冊で「行く」を調べる

※下記，2022/1/10時点では，やはりPMW調整はかかっていないようですが確認いただけますか？　（当方の誤解ならすみません）

素頻度（検索システム上） 総語数（句読点など除く，Wordlist画面で確認） 計算上のPMW値 Freq Graph表示のPMW頻度

BG 57 26174 2177.7 57

GZ 165 33459 4931.4 165

SN 144 43454 3313.8 144

(10) Collocation結果画面／Keywords結果画面

現状，句読点や空白がこちらにも出ています。Wordlistで対応をお願いしたように，Collocation，Keywordsについても句読点・空白類は削除して普通の語のみを表示，でお願いします。

・・・・・・・・・・・・・・・・・・・・・・・・・・

「行く」をサンプルに手元のベースデータとの頻度一致確認

サンプル語「行く」の頻度に関してベースデータとオンラインデータの一致を確認

・1/11 業者よりNumberの縦ずれについて照会あり，EdgeとChromeで同時発生を確認して返信。使用している図版（書棚）のライセンスを再確認。Photo ACにおいて「写真ACの写真素材は、フリーダウンロードできます・・・商用利用もOK・・・クレジット表記や許可も必要ありません」の記載を確認の上，会員登録してダウンロードして使用（1/11付け）
・1/12 業者より対応返信。ほぼすべて解決。残った問題点を同日中に返信。

　　(9)Freq Graphの表示語数の検証(PMWが合わない）

　　(10) Collocation結果画面／Keywords結果画面における記号の削除（記号がなお残る）
・1/14 業者との調整でPMWのズレの原因になっていたWordlistでの記号のカウント問題が解消。記号について形態素解析誤解析によるものと判明。調整の結果1月～2月10日にかけて本番環境に移行することに。

・1/26 下記のページを新設

統合トップ（仮）https://language.sakura.ne.jp/corpus_online.html

JFICのnotice board　　https://language.sakura.ne.jp/jfic/notice_board.html 

業者に連絡し，ICNALE都の切り分け調整を依頼。統合トップ→ICNALE/ JFIC分岐が必要。

（12月）
・12/7 業者より定時の進捗報告
　・Freq Graph/ Keywordの調整完了
　・Keywordの指定画面の調整
　・POSに関する説明や機能の実装
　・処理速度はスペックの高い本番への移行（リリース）後に再確認
・12/15　挙動検証・業者にフィードバック送信，ウェブページ作成着手

★フィードバック項目

０）全体に追加するアイコンボタン：Guide Works  Copyright

１）全体の修正
×Subaru　→　〇Shincho
×Year of Publication →　〇Year/ Source
×Texts to be analyzed →　〇Text
×English Trans (DeepLR) → 〇English Trans 1 (DeepLR)
×English Trans (NICT) → 〇English Trans 2 (NICT)
×1961(S36)など年号すべて　　→〇　1961 (S36）　（※半角空白を入れる）
×Data Sources→〇Source （Dataとる，単数形）
※画面の一番下のCopiright 2015－ → 2022-

２）各画面デザインの修正
KWIC/ Collocation
・Caseの列を追加（Wordlist画面同様英語の場合以外は選択できないようにしておく）
Collocation
・デフォで全選択に
Wordlist
・Numberの20の部分に上下センタリングかける（他の画面と同じく，画面を小さくしても行の中央に配置されるように）
・デフォでは全選択に
Freq Graph
・ComparisonをYear/ Sourceに変更
・Year/ Dataの選択ボタンは取る（要確認）
１行目　Source （デフォルトは全選択）
２行目　Year （デフォルトは全選択）※または左右配置でも可
Keywords
・Targetの左セルをその下のセルと結合。Targetと同じ行の左にYear/ Sourceが入る

３）機能別
A）KWIC 日本語の検索対象指定方法
=================================
本　　"本"
今日|昨日　　"今日" and "昨日"
本.[名詞*]　　"本" (名詞*)
その [名詞*] を　　"その なか を"/ "その 手 を"/ "その 本 を" etc
私|僕 [名詞*] は　　"僕 今日 は"/ "私 自身 は"/ "僕 自身 は" etc
==================================
・「今日」と「きょう」と「キョウ」を同時に出すには？　（語は同じで表記形がいろいろ）
・「私」と「わたし」と「ワタシ」を同時に出すには？（同上）
・「私」と「わたし」と「ワタシ」と「俺」と「おれ」と「我」と・・・・を同時に出すには？（形態素）
・名詞全部を出すには？
・POSボタンを押しても[  ]が出ないがこれは手で入れる仕様？
・本.[名詞*]　の意味は，名詞の本を探すということ？？

B）コロケーション
・デフォルトで何かが出てくるがそれがどの統計値の結果かわからない（デフォでも色をつける？）
・統計値を切り替えたとき，ボタンの色がすぐ変わるようにできないか？（現状，全体結果が再表示されるまで長い時間がかかるが，統計値のボタンの色の切り替えが起こらないので押せていないのではと何度も押す羽目になる）
・依然として時間がかかる
・tスコアの計算は正しいか？（マイナスが出る）
例　６１の３冊のみ指定　「今日」で検索　「に」頻度１，統計量-0.10？？
・英語の場合，コロケーションで出てくるターゲット語の頻度がKWICの結果とあわない
例　６１の3冊のみ指定。DeepL指定。「today」はKWICでは全22例。コロケーションでは全24例。（大文字扱いのズレ？　Caseの行をそれぞれに入れることで解決？）
※日本語でやると「今日」はどちらも29例ずつでそろう

C）単語リスト
・「、」「。」「「」」「ー」「空白」などが語としてカウントされているが，記号類・空白は排除。※PMW処理時の総語数への影響を考慮　（英語だとピリオドや記号は出ない）

D）頻度グラフ
・頻度はPMWと書いているが実際にはPMWになっていないのでは？

E）特徴語
・たとえば1961年vs全年代で比較しようとすると「It overlaps with the reference origin referrinh ahead」という注記が出るが，これは問題ないので可能にするように。（部分vs部分，部分vs全体，どちらの比較もOK）

・12/16 業者より返信。POSタグの[ ]自動挿入はICNALE含めて対応することに。当方より，追加で，KWIC出力画面他で，キーワードおよび隣接語の境界記号を入れるよう依頼。例：友達|と|小  学校 に  |行く| →　|友達|と|小|　学校　|に|行く|。昨日作成のウェブサイト，画像が出ない問題を確認。解決方法を模索中。
・12/18 出版社用の検索システム説明文書を作成。各社に事前確認依頼のため発送。何かあれば1/7までに連絡を依頼。

依頼状，前回依頼状の控え（8/17），検索システム説明文書，返信封筒を発送。

出版社用検索システム使用説明書

・その後，ウェブサイト（解説の飛び先）の作成。いちおう公開にこぎつける。

ウェブサイト（検索フォームから飛んで解説等を表示する）

・12/16 追加依頼（キーワードの| |単語区切りの不揃い修正）
・12/23 追加依頼（新規作成guideへのリンク先の誘導の依頼）
・12/24 業者からの対応レポート届く，支払い関係の調整

（11月）
・11/5 月次進捗報告確認。データベースの格納まで終了
・11/6 keyword検索時の言語設定，日本語表示時の形態素区切り表示について業者に指示入れ。
・11/15 進捗報告。日本語表示エラーの改善中。当方よりの指示。（BCCWJ準拠）
（短い文脈）KWIC表示　・・・　当該形態素を中心に前後２０形態素（全体で４０形態素）
（長い文脈）KWIC表示で当該行をクリックするとポップアップで表示・・・当該形態素を中心に前後３０形態素（全体で６０形態素）
・11/22 限定データで結果が表示されるようになる
・品詞分析の基本的なシステムもほぼ完成

・今後の改善
・文字数の縮小ないし幅を広げて行のまたがりをなくする
・作品情報へのリンクの付与
・複数条件の重複指定

・11/29 進捗報告と検証

（問題点）DLデータのduplicateが見られる。表示時のセンタリング固定について。

参考メモ（11/29にテスト実施）

サンプル語「今日」で検索。★はduplicate可能性あり。

年号　原文　　DL    　NICT

61：29件/　  23件/ 　  22件

71：32件/ 　58件★/　 28件

81：20件/ 　28件/ 　　14件

91：21件/ 　40件★/ 　17件

01：18件/ 　32件★/ 　17件

11：26件/ 　40件★/ 　20件

21：20件/ 　12件/ 　　7件

（10月）
・10/1 検索システムの導入画面（ベータ版）完成。ICNALEとログインを分岐。

共通のエントリーページ

JFIC独自のログイン

JFICの検索画面

10/2 英語コーパス学会でJFICについて発表
10/5 文芸家協会に再度メールで督促
10/5 文芸家協会より返信あり。担当者退社ということで個別作家への挨拶状の転送については否定的な感触。取次不可なら一方ほしいと連絡。
10/13 システム業者に提出するデータ形式について確認依頼。
10/14 業者よりデータ提出の要請。日本語については形態素解析データを送信。
10/15 昨日より２種の英訳データにタグ付けを実施。
作業メモ
　(1)Sketch Engineに個別ファイルは１００まで送信可
　(2)Sketch Engineの出力（vert）をコピーしてExcel上でペーストした場合，一部のデータのcsvがが壊れることが判明（ファイル後半部）。したがって次のファイルのヘッダ行が落ちる。
  (3) 各種実験の結果，Excel→開く→UTF8指定してExcelに取り込むとうまくいくことがわかる。

 (4) EMN/ EDLともやりなおし
　→10/15に作業終了。データを業者に送信。あわせてPen Treeのタグに和訳も付与して業者に送付。

<doc でヘッダが入る　→一時処理は100本まで。

（9月）
9/15 出版社の確認期限到来（支障の連絡はなし）
9/10 検索システム開発契約
_________________________________________
開発スケジュール
１・〜 9月末
　→全体的な今回の追加ご要望に関するシステム側の設計と仕様の確定
　→TOPページと、各種検索の一覧 / 詳細画面のレイアウトの構築
　　→HTML側でみられる状態まで。
2・〜10月前半
　→プログラムは未完了だが画面は見られる状況に（フィードバックなど）
3・〜10月末
　→画面を元にプログラム開始  〜  KWIC検索や、FreqGraph検索まで
4・〜12月中頃まで（おそらく前倒し可能）
　→残りのCollocation、Wordlist、Keyword検索関連と全体含めたフィードバックの予定で進行。
____________________________________________

9/17 著者宛の手紙発送について日本文芸家協会に連絡（157人217作品→１人平均1.38本）
9/20 JAECS論文の微修正
9/22 JAECSプロシ―を公開
9/22 文芸家協会に状況確認の督促メールを発送
9/23 検索システムについてエントリページのデザインを作成・業者に発送 

9/23 業者よりICNALEとの切りわけに経費上難色が示される
9/24 切り分けを再度要請。対応の返事あり。

　　　　　　　　　　

　　　　　　　　　　　　　　　　　分岐用画面のイメージ

9/29 文芸家協会にTelするがテレワーク中でTel対応中止中とのこと。再度フォームより連絡を入れる。JAECS発表用のパワポ作成，発表ビデオ撮影。

発表ビデオ（開始部）

（8月）
8/1　7/31作業にミスを発見。MNでの英訳時に，2001SN4と2001SN6を処理すべきところ，2021SN4と2021SN6を処理していた。→新規に2001のSN4とSN6をMNで処理し，MNフォルダに上書き
8/3　2011モジュールが納品。会計処理。
8/6　ICNALEの検索システムをベースに検索のモックイメージを作成。業者に送付し，見積もり依頼をとる。
8/10 開発業者とのメール質疑
8/10 Sketch Engineでタグ付け。vertファイルを個別にDLすることができなくなっていることを確認。開発業者に連絡。DLできないのは仕様とのこと。

（サポートの回答）
It is not possible in the interface. The solution would be for you to download the whole corpus and then split it to separate files by simple command in the command line, which could for example look something like this: csplit name_of_the_file_with_whole_corpus.txt '/doc id/' '{*}' .

8/11 開発業者とのZoom会議（1000～1020）　英語のPOS解析データについて，前回システムと同等での提供が可能であることを確認。
8/12 研究室で作業。2011データの英訳作成，形態素解析データ作成。日本語形態素データの統合エクセルを修正（v2に）。連番のふりなおし，年号列，雑誌名列を新設。

群像（GZ）がGNとなっていたエラーを修正。あわせて，年代別に品詞列のデータと形態素列のデータを作成。品詞については最初の列にA-B-Cの形で情報が付与されている。Antconcでは記号を認識する設定にしないとまとめて処理できない。形態素についても，アメリカ-america，私-代名詞のように意味確定（disambiguation）のためのタグがついているのでAntconcでは同様の処理が必要。JAECS論文用に，高頻度助詞を用いた分類を試行。

助詞をアイテムとしたときの70年分データの布置

※1961～1991のかたまりと，2001～2021のかたまりにわかれる。作家が世紀の分かれ目を意識したというわけではもちろんないだろうが，助詞使用は世紀の切れ目でちょうど質的に変化している可能性がある。
8/13 JAECS用の予稿論文を執筆。
8/14 上記をいちおう完成（8p）。
8/16 上限が6pであることに気づき，修正作業。内容を圧縮して6pに。（１か月ほど寝かして再チェックして投稿予定）
8/17 各出版社への通知文を作成。また作品台帳をアップデート。各社への引用作品リスト送付の準備を行う。1700 発送完了。

3文芸誌にコーパス収録を通知

8/20 システム開発業者より見積もり遅延の通知。
8/21 研究ネタメモ：「日本語学習者の作文の文体は教科書が執筆された年代の文体に影響されているのではないか？」調査
8/24 新潮社より確認通知をいただく。

（7月）
7/5 

・1971-新潮1月号（文学部から取り寄せ）を複写
・1981-新潮／文学界／群像を借りだして複写
・自宅で1971の３セット，1981の3セットをスキャン

・フルで取ると1971は32本，1981は43本。これまで31～32本で取っているので，1981はテキスト化の作品を絞る。
・現時点のデータの構造（３文芸誌，太字はテキスト化済）1961/1971/1981/1991/(未2001）/（未2011）/2021
・英語化について再検討：Deep L翻訳は訳せるところはこなれた良い翻訳になるが，一方で，同じ原文に対して表現の異なる訳が複数列挙されていたり（訳文a，訳文b，訳文cなどが並ぶ），原文の訳し飛ばしが非常に多い
・人手翻訳が理想だが，editageに翻訳させると5000字で65,000円（13円／字）。１年あたり30本として200万弱（3年600万）なので，これは予算的に不可。
・Deep L翻訳とGoogle翻訳（訳は不自然だが飛ばしはしない）を両方使う？　NICTの「みんなの翻訳」に登録。テストデータで出力実験。

7/7

・サンプルデータのエクセル台帳への登録作業を実施
・1981年データ（B16/ G12/ S15=43件）より12本を削除（コードは元表記）→31本

(a) 1981年内で重複している作家について一方を削除（4本）

　　81-G-02（中里恒子）

　　81-G-04（芝木好子）

　　81-S-10（中上健次）

　　81-B-04（水上勉）

(b) 他の年代と重複している作家（18本）のうち全体が3件以上になる作家を削除（5本）

　　81-S-01（遠藤周作）

　　81-S-08（田久保英夫）

　　81-S-11（円地文子）

　　81-G-05（大原富江）

　　81-G-12（小島信夫）

→以上を除去した場合，B=15，G=8, S=11となり，Bが多い。
(c)他の年代（1回）と重複している作家のうち，Bの掲載分を削除（3本）

　　81-B-01（庄野潤三）

　　81-B-02（阿川弘之）
　　81-B-03（芝木好子）
→以上を除去した場合，B=12，G=8, S=11，全体30となる。

※削除対象12本リスト

　　81-B-01（庄野潤三）　02（阿川弘之）　03（芝木好子）　04（水上勉）

　　81-G-02（中里恒子）　04（芝木好子）　05（大原富江）　12（小島信夫）

　　81-S-01（遠藤周作）　08（田久保英夫）10（中上健次）　11（円地文子）

→これらを除いて，連番を振り直し

→元コピーから12本を抜いてスキャンを取り直し

7/7
・1971/1981データの書き起こしを発注（作業１か月程度）

7/8

・2021の日本語データの英語化作業

・データの不足する３本のうち，連載の２本は継続号から補充することに（※来週の月曜に図書館で作業予定）

　21-G-03 【4473/ 4294字】こんにちは赤ちゃん　　→ママ（最終的にボツ化も検討）

　21-G-07 【3653/ 3617字】硝子万華鏡（第４回）→２月号から約1400字補填

　21-S-11 【4941/ 4852字】漂流（連載19）→2月号から60語程度補填

・CLOB/ CROWNについての情報の整理（※現在DLサイトが停止中）

7/9

・2000年以降のデータを含めるようになったことと，翻訳システムを二重化する（DL＋Google）可能性が出てきたことを前提に，ファイルネームのルールを修正。一括変換。

旧：EJ-61-US-01 （オリジナル英語，日本語訳，1961年，米国，通番01）

新：E-JDL-1961-US-01 （オリジナル英語，DL（Deep Learning）による日本語訳，1961年，米国，通番01）
・Google翻訳でUKデータの日本語訳作業を行ったが17本で受け付けられなくなる・

・NICTの「みんなで翻訳」（汎用エンジン）に切り替えて訳文の作成

個々のテキストごとに反訳の再現率が出る（70％程度のものが多い）

【英語原文（1961-UK-01冒頭）】   
'Are you sure you're quite fit?  It's terrible weather.  '  He turned round to face his colleague. For some esoteric reason Fairbanks always completed the buttoning of his flies in the main area of the lavatory.   'Good morning, Harold,  ' he said.   'I'm pretty chipper, thanks, considering.  '

【みんなの翻訳】

「あなたは本当にぴったりですか。ひどい天気ですね。」彼は振り向いて同僚に向かった。

いくつかの難解な理由で、フェアバンクス駅はいつもトイレのメインエリアでハエのボタンを留めていた。「おはよう、ハロルド。」と彼は言った。「ありがとう、考えてみると、私はとても頭がいいんだよ。」
【DeepL翻訳】

   「本当に体力があるのか？ ひどい天気だよ」。 と言って、同僚の方を振り向いた。何か難解な理由があって、フェアバンクスはいつも便所のメインエリアでズボンのボタン付けを済ませるのだ。  おはようございます、ハロルド」と彼は言った。  私はとても元気だよ、ありがとう。 

★コロケーションなどはある程度取れており検索補助としては実用レベルか？

【日本語原文（2021-BG-01冒頭】
今日はおれの誕生日だった、おれは十七歳になった、セヴンティーンだ。家族のものは父も母も兄も皆な、おれの誕生日に気がつかないか、気がつかないふりをしていた。それで、おれも黙っていた。夕暮に、自衛隊の病院で看護婦をしている姉が帰ってきて、風呂場で石鹸を体じゅうにぬりたくっているおれに、《十七歳ね、自分の肉をつかんで見たくない？》といいにきた。

【みんなの翻訳】

Today was my birthday, and I was seventeen years old, Seventeen. All the family members, father, mother and brother, either did not notice my birthday or pretended not to notice it. So I kept silent. At the end of the evening, my sister, who is a nurse at a Self-Defense Forces hospital, came back to me, and I was rubbing soap all over my body in the bathroom. Seventeen years old, don't you want to grab your flesh and see it?

【DeepL翻訳】
Today was my birthday, I turned seventeen, I'm a seventeen year old. Everyone in my family, my father, mother, and brother, either didn't know it was my birthday or pretended not to. So I kept quiet about it. At dusk, my sister, who worked as a nurse at a Self-Defense Forces hospital, came home and asked me, "You're seventeen, don't you want to grab your own flesh and see what it looks like?

統合検索例（英語：Original＋MN英訳＝209本における"young woman"）

冒頭コードがEのものは英語原作，Jのものは日本語原作

7/10

・1961/91/2021の日本語小説形態素解析済データを１ファイルに統合。30万行のエクセルファイルとなった。

・この形になっていれば，経年変化，語種分析など，対応性広く有益。この後，作品コードに加え，著者名，生年，性別情報などを追加。
・基本指標について６０年間の増減を調査

・接続詞は減る，句点も読点も減る，漢語は１割，外来語は２倍増える！

7/12
・図書館で下記の２点について２月号の次号連載冒頭を補充入力
　　21-G-07 【3653/ 3617字】硝子万華鏡（第４回）→２月号から約1400字補填

　　21-S-11 【4941/ 4852字】漂流（連載19）→2月号から60語程度補填

7/13

・2011年の雑誌が図書館にないように思えたので，レファレンスに照会を出す

...............................................................................................................

石川です。科研プロジェクトの関係で，文芸誌の「群像」「新潮」「文学界」の3種について，2011年1月号および2月号をお借りしたく存じます。ただ，現在，貴館においては，これらの雑誌は「最新1年分：開架室3F-雑誌コーナー / 過去2年分：倉庫に保管(カウンターでお尋ねください) /1950-2005は書庫雑誌」という記載がなされていますが，2011年１～２月分は，過去2年分ではなく，かつ，2005年以降なのですが，これらは所蔵されていないということでしょうか？あるいは借りだし可能でしょうか？

...................................................................................................................　

7/14

・所蔵なし，との返答（なぜなのだろう。1960年代（以前）から継続収蔵してきたものがこの10年で突然途切れたというのは大学図書館として考えられない…）。amazonの古本で即時に発注。

・1971年版納品

7/15

・大学で1971年版の現物との照合作業。今回はページ境界などが黒くなっている個所はなく，★，■記号は確認されず。

7/16

・1971版は32あるため1つ削る。
・同年で２つ入っているのは吉行淳之介と小島信夫

・他年を加えた合計でもともに61/71/71の３本
・どちらかを落とす根拠がないので50音順で小島の１つを落とす（長短編バランスから連載のほうを残す）

　　71-B-02 観客　

　　71-G-08 別れる理由（その28）（「町」第37回）

・上記に伴い71のBGの連番の修正実施
・1971年版のDeepL英訳作成作業完了
・同上のみんなで翻訳英訳作成作業完了

・同上web茶豆での形態素解析，形態素台帳転記作業終了

・増補分のデータの差し替え
　　　21-G-07 【3653/ 3617字】硝子万華鏡（第４回）→２月号から約1400字補填

　　　21-S-11 【4941/ 4852字】漂流（連載19）→2月号から60語程度補填
・DeepL訳，みんな訳，web茶豆，の３点セット処理。形態素台帳の旧データを削除して新データで差し替え。全体をソートしてsequence numberを割り付け。

7/17
・作品台帳の欠損データ（開始ページ数）を補填，連載にコードを付与，連載の連番表記を統一

7/22
・1981年版が納品。即日支払い処理完了。
・1981年版について２種の英訳を作成。

7/23
・1981年版について形態素データを作成。

7/24

・英語コーパス学会の口頭発表に申込。____________________________________________________________

「1961-2021日本語小説コーパス」の構築：日英小説対照研究の新しい可能性
"1961-2021 Japanese Fiction Corpus" : For a New Comparative Study of Japanese/ English Fictions
構築中の「1961-2021日本語小説コーパス」について報告する。これはBrown Corpusの標本抽出年である1961年を起点として，2021年まで，10年ごとの間隔で3大文芸誌（「新潮」「文学界」「群像」）に掲載された日本語の小説とその英訳（機械翻訳2種）を収集するものである。本コーパスは，60年間にわたる日本語の表記・表現・文体の変化の研究に活用できる。また，付随する英訳データをBrown/ LOB（1961年），Frown/ FLOB（1991年），Crown/ CLOB（2009年）等に収集されている小説データと対照させることで，時代要因を統制した上で，日本語小説と英米小説に出現するイメージ・比喩・マインドスケープの比較研究も可能になる。発表では本コーパスの開発理念と手順，また，収集済みのデータから明らかになった知見の一部を報告する。

（参考文献）
Leech, G., & Short, M. (2007) Style in Fiction (2^nd Ed.).  Routledge.
日本文体論学会（編）（1991）『文体論の世界』三省堂.
中村明（2016）『日本語文体論』岩波書店.
__________________________________________________________

7/27
・2001納品。英訳２種，形態素データを作成。
・作業後，SN-04～08に★が残っていることを確認→木曜に研究室で現物確認する。

7/29
・研究室で現物からページ中央のカゲの部分を追加入力（SN-04～08）

7/31
・追加した５本について，英訳２種作り直し，形態素とりなおし，形態素台帳のデータ差し替え。

（6月）

6/2 群像1961/1991，文学界1961/1991 以上４セットの書き起こしを発注

・DeepLなどで英日相互翻訳データをつくり，4元検索を可能にするシステム設計の可能性を検討

6/14 上記4セット納品。研究室で現物と照合し，ページ境界の文字つぶれ箇所を手作業で入力追加。

・Antconcで検索し，書き起こし作業者による★（複数文字が読めない），■（1文字が読めない）の箇所を悉皆的に調査し，該当部を原文と照合して手作業で追加。

・収集作家の氏名読み，生年・没年調査（2021/6現在収録予定作家）

姓 名 著者名かな 生 没

阿部 公房 あべ　こうぼう 1924 1993

阿部 知二 あべ　ともじ 1903 1973

池澤 夏樹 いけざわ　なつき 1945 alive

石原 慎太郎 いしはら　しんたろう 1932 alive

井上 光晴 いのうえ　みつはる 1926 1992

上林 暁 かんばやし　あかつき 1902 1980

梅崎 春生 うめざき　はるお 1915 1965

円地 文子 えんち　ふみこ 1905 1986

遠藤 周作 えんどう　しゅうさく 1923 1996

遠藤 周作 えんどう　しゅうさく 1923 1996

大江 健三郎 おおえ　けんざぶろう 1935 alive

大江 健三郎 おおえ　けんざぶろう 1935 alive

大岡 昇平 おおおか　しょうへい 1909 1988

大原 富枝 おおはら　とみえ 1912 2000

小川 国夫 おがわ　くにお 1927 2008

小川 国夫 おがわ　くにお 1927 2008

北 杜夫 きた　もりお 1927 2011

北村 鱒夫 きたむら　ますお　★調査中

金 石範 きん　せきはん 1925 alive

倉橋 由美子 くらはし 1935 2005

黒井 千次 くろい　せんじ 1932 alive

小島 信夫 こじま　のぶお 1915 2006

小林 恭二 こばやし　きょうじ 1957 alive

米谷 ふみ子 こめたに　ふみこ 1930 alive

佐藤 春夫 さとう はるお 1892 1964

澤野 久雄 さわの　ひさお 1912 1992

椎名 麟三 しいな　りんぞう 1911 1973

芝木 好子 しばき　よしこ 1914 1991

柴田 翔 しばた　しょう 1935 alive

庄野 潤三 しょうの　じゅんぞう 1921 2009

瀬戸内 寂聴 せとうち　じゃくちょう 1922 alive

外村 繁 とのむら　しげる 1902 1961

曽野 綾子 その　あやこ 1931 alive

田久保 英夫 たくぼ　ひでお 1928 2001

武田 泰淳 たけだ　たいじゅん 1912 1976

武田 繁太郎 たけだ　しげたろう 1919 1986

辻 邦夫 つじ　くにお 1925 1999

辻 邦夫 つじ　くにお 1925 1999

辻 邦夫 つじ　くにお 1925 1999

津島 祐子 つしま　ゆうこ 1947 2016

坪田 譲二 つぼた　じょうじ 1890 1982

中上 健次 なかがみ　けんじ 1946 1992

中野 幸次 なかの　こうじ 1925 2004

中山 義秀 なかやま　ぎしゅう 1900 1969

丹羽 文雄 にわ　ふみお 1904 2005

丹羽 文雄 にわ　ふみお 1904 2005

野間 宏 のま　ひろし 1915 1991

林 京子 はやし　きょうこ 1930 2017

原田 康子 はらだ　やすこ 1928 2009

日野 啓三 ひの　けいぞう 1929 2002

平林 たい子 ひらばやし　たいこ 1905 1972

古井 由吉 ふるい　よしきち 1937 2020

マキナニー ジェイ まきなにー　じぇい 1955 alive

増田 みず子 ますだ　みずこ 1948 alive

増田 みず子 ますだ　みずこ 1948 alive

三浦 哲郎 みうら　てつお 1931 2010

宮本 徳蔵 みやもと　とくぞう 1930 2011

村田 喜代子 むらた　きよこ 1945 alive

室生 犀星 むろう　さいせい 1889 1962

森 栞莉 もり　まり 1903 1987

安岡 正太郎 やすおか　しょうたろう 1920 2013

吉村 昭 よしむら　あきら 1927 2006

吉行 淳之介 よしゆき　じゅんのすけ 1924 1994

・扱い検討　
　A　同一人物が2回，3回エントリーしている例がある
　B　米国作家の翻訳は1例含まれる

6/15
・DeepL proに登録

・全データをDeepLで英訳（目視確認の結果，同じ語がその都度違う英語に訳されていたり，同じ訳文が続けて２度表示されるなど問題もあったが，内容要約程度の目的であれば実用レベルと判断）
・英語コーパスの整形

作業メモ

(1) BROWN, FROB, FROWN, FLOBのK（小説・一般）を１シートに展開し，Left関数８文字で行コードを別セルに転記。
(2) その後，=RIGHT(A1,LEN(A1)-8)式でコードを削除したセルを作成（上記の青）
(3) その後，コーパスごとの独自記号などを調査して可能な範囲で削除

==================================

LOB　　|^*   |^   ^  *'  **'   *0   **[399 TEXT K25**]  *<*4Maiden Offering*>

→削除処理

　　|(1756)   

　　^(4058)    

　　*系（取るとセルごと消えるのでママ）

FROWN/FLOB　各種開きタグ・閉じタグ・<#FROWN:K05\>　ほか

→削除処理

　　<p_>　(2707)　<p/> (2679)

　　<quote_> (1937)　<quote/> (1920) 　<quote |>(約400？)

　　<tf|> (173)　<tf_> (79)　<tf/> (77)

　　<h|> (20)

　　<?_> (89)　<?/> (89)

==================================

(4)既知の問題　LOBの*0In thisなどが取り切れていない，各種タグ残り，途中改行ほか

6/16
・４コーパスのデータクリーニング継続
・センテンス途中の改行を削除（\n→φ）

・誤植修正タグについては修正後のみを残す

・単語の頭・途中に入りこんだ数字を除去

・そのほか[QUOTE][INDENT]<foreign>などのタグ，アクサンなどを示すコードなどを目視で確認して削除
・そのほか目視で見つかった文字化け，wonﾕt ('t），.ﾓ  （文末標識？）を修正

・作業後，DeepLで邦文訳を制作

6/17
・邦文制作作業終了（29*4=116本）

6/18
・仮称　EJ-PARAFIC (English-Japanese Parallel Fiction Corpus）
・分析例

日本語作品・英語作品を区別せず，比喩「山のように」を抽出

日本語作品・英語作品を区別せず，比喩導出表現　as if～を抽出

ファイルコーディングルール（暫定）

EJ-61-UK-01  英語原作の日本語訳。1961年刊行，英国，LOBコーパスコード01番

EE-91-US-10 英語原作の英語原文。1991年刊行，米国，FROWNコーパスコード10番

JE-61-SN-01 日本語原作の英語訳。1961年刊行の新潮の作品コード01番

課題の整理

※年代別で，英語原作29×2（英・米）=58本 ＞ 日本語原作は現状31～32本（下記）

日本側を約2倍にするにはどうするか？

　対応１）　新日本を加える？（来週，データ調査予定）

　対応２）　3雑誌からのデータ収集ポイントを各年２つにする？（1月＋6月）

※対応２のほうが，データとしての性質を維持しやすい。対応２の場合，61/91に続く2021データを加えれば，90年間スパンでの観察が可能に。（英語の2021は自作が必要）

・web茶まめでタグ付けを試みるが処理不可のものや，処理してもデータがからのものが出る

・3種のうち，本日現在amazonで購入可能な雑誌（群像1月，新潮1月，文学界1月／文学界6月）をとりあえず購入（群像と新潮の6月号は次回購入）

6/19

・web茶まめのトラブル理由を整理

(a)「数字処理」オプションを入れるとこけるものがある→オプションはずす

(b) テキスト中に<のタグがあるとその前で処理が中断→< >を悉皆的に元デーデータから削除

・以上の下準備を行って，179本を順次処理（完了）

タグ付けデータの頻度解析（各列区別せずcsvで全部読みこんだ場合）

・語彙分析に使用するには，表記形列，形態素列，品詞（大区分・中区分等）別のファイルの作成が必要。

★7/9 またこける→「ファイルから解析」（※「解析してみる」でなく）

6/20

・分量について再考。英語で５８本と考えず，英国２９，米国２９，日本３１～３２と考えると今のままのほうが整合性が高い（英語vs日本語なのか，英国・米国・日本と見るべきか。言語研究だけでなくマインドスケープと掲げるなら英米は区別すべきかもしれない）。その場合はここはこのままで置いておき，日本の２０２１作業を先行させるべきか。

・専門家に現在の英米の文芸誌の紹介を依頼。

6/21

・2021/1のデータをコピー

6/22

・上記をスキャン。整形し，発注へ。

・プロジェクトの今後の方向性の拡張についての6/22時点でのメモ
(1) 「言語から見た日米マインドスケープ比較」

　　→新タイトル「言語から見た日・英・米のマインドスケープ比較」

(2) サンプリングポイント：1961/1991 only

　　→新枠組み　1961/1991/2021（30年間隔3点）　※2021の英米は別途収集

　　→余力あれば1961/71/81/91/01/11/21（10年間隔7点）

(3) 日本語原作と英語原作の比較
　　→機械翻訳による対訳データを用いたパラレル比較

6/28
・図書館で1971年刊行雑誌を借りだし。
　文学界：コピー完了
　群像：１月号なし→文学部から取り寄せ依頼。

　新潮：１月号なし→文学部にもなし→1971年の２月号は三島由紀夫特集のため，3月号からデータ収集。（コピー完了）

6/29
・2021データの打ち込みが納品（※3本が5000字に不足，対応検討）
　21-G-03.txt（4,473字）
　21-G-07.txt（3,653字）
　21-S-11.txt（4,941字）

（5月）
5/4　データ入力作業の外注にかかる謝金の調査
5/6　2020年度の科研報告

・大学図書館で1961/1991刊行の書籍（「文学」）リストを作成

・「文学」でフィルタしても，いわゆる小説はほとんど存在しない
・文芸雑誌の所蔵状況を調査（すばるは1970年より，群像はさらに古いものも）
・文芸雑誌を母集団にする方向を検討

5/10　日本の主な文芸誌（創刊年はWikipediaによる）

　新潮（1904年創刊）　

　文學界 （1933年創刊）

　群像 （1946年創刊）

　文藝 （1933年創刊、季刊誌）

・Brown Corpusの元データの1961年以降刊行の「すばる」ははずす

・群像，文学界，新潮の３誌を中心に（神戸大に所蔵確認，国際文化）

・バラエティを増すため「オール読物」を検討したが所蔵なし。

・必要字数調査

翻訳会社time and space

日本語で400字の原稿を英語に翻訳すると、何ワードになるかといいますと、だいたい、200から210ワード

https://timeandspace.jp/blog/

★英語2,000語＝日本語4,000字

翻訳会社e-jesco

日本語とヨーロッパ言語の場合、日本語400字が欧文1000文字（英語の場合、約200ワード）に相当http://www.e-jesco.jp/kakaku.html#

★英語2,000語＝日本語4,000字

翻訳会社excellet

日本語で400文字の原稿を英語に翻訳すると何単語になるかといいますと、

だいたい、200から250単語になります

https://www.excellet.co.jp/blog/2017/302/

★英語2,000語＝日本語4,000字

斉藤純一氏

日本語で400字の原稿を英語に翻訳すると、何語になるかといいますと、だいたい、220語から225語になります。

https://officesait.exblog.jp/1386703/

★英語2,000語＝日本語3,600字

順番学研究所（各種統計調査結果をリポート）

http://jimclear.cocolog-nifty.com/blog/2011/12/16-799f.html

（国連文書の英語版と日本語版の比較から）1ワードはだいたい2.6文字に換算できる

★英文2,000語＝日本語5,200字

★全体を通してみると，英語2,000語＝日本語4～5,000字あたりが妥当

5/10

・大学図書館でレファレンスに大衆誌の購入方法などを相談

・新潮・文学界・群像の３雑について，書庫より1961/1991の１月号を借りだし

・うち新潮の1961/1と1991/1についてコピー＆スキャン＆ＯＣＲ（※ページの真ん中が黒くなっており，対応を検討）

・文藝家協会に著作権処理について照会（コーパス化・公開は可能）

・Brown の小説全部とcompatibleにすると128本必要だが，SFやユーモアなどは文芸誌にはほぼない。BrownのGeneral Fictionに限れば28本。

・文芸誌１冊から約10本取れる（評論やノンフィクションは除く）。雑誌３種とすれば３０冊，数のうえで28はクリアできる。

　

字数推定調査（新潮1961/1号。ページにより組が違うがおよそ1p＝1500字？）

旧かなや旧漢字が多いことにいまさらながら驚く。1961ってつい最近だと思っていたが。

作品別に冒頭10p程度をコピー（するが真ん中がどうしても複写できない）

ともかくもスキャンにかける（※コップがBrown大学グッズであるのがポイント）

5/12　発注
・新潮1961/1991を外部業者（熊本，Plain社）に入力委託（ページの真ん中は飛ばす指示で。各5000字。OCRを使わず手打ちをしていただく。旧かななどは新かな変換を依頼）

5/17

・上記あがり（※会計登録不可のため，建て替えで支払い）
5/24
・新潮のページの境界の入力漏れの箇所を研究室で現物確認して補填

・群像の1961/1991をコピー
5/31

・群像の1991をスキャン
・群像1961にはコピーミスが確認されたので研究室で再度コピーのやり直し

・神戸大図書館書庫で1961/1991の両方を含む文芸雑誌の蔵書を網羅的に探し，「新日本文学」（1945～2004終刊）を見つけ，データに加える（※1961は縮刷版になっていてコピーしやすい）
・研究室で群像1961のコピー不足分，および，文学界の1961/1991をコピー

～2020年度～

（1～3月）
3/30 
・2020年度の会計執行状況の確認（※コロナ影響で支出が予定通りできなかった）
2/15
・コーパス文体論の先行研究の調査

12/20

・コーパス文体論の書籍調査

（10月）
10/5

・Brown Corpusの小説部門の構成確認 (Manual）

・小説はジャンル別に収集されているが，「一般小説」などは具体的な内容が不明

・Brown のreplicationの前提として，作品情報リストを作る

・Generalセクションの作品リスト情報を入手，～01まで

10/6 

・～03まで追加

10/15 

・～15まで追加

（8～9月）
・内定にかかるオンライン手続きなど

...............................................................................................

Brown Corpus小説セクション（General Fiction）収録作品概要調査

・Amazonなどへのリンクを探す

・あらすじなどの情報を探して記載。作品のおおよその概要をつかむ。

K. General Fiction

Novels 20　Short Stories 9　Total 29/ 126（※約1/4がGeneral）

・K01 Christopher Davis First Family

[Davis] questions the ingenuousness （無邪気さ）of those who believe that white and colored children can go to school together, enter one another's homes and then be barred from one another's hearts.（米国市民権運動の時代の黒人と白人の交友。悲劇へ）

・K02 Clayton C. Barbeau The Ikon

"The Ikon" is a novel based upon the author's combat experiences in the Korean War（悲惨な朝鮮戦争での従軍経験）. First published in l961 and reissued in conjunction with the unveiling of the monument to those 52,249 Americans killed, 103,284 Americans wounded, and the 8177 still missing in action in the Korean War.

・K03 Tristram Coffin Not to the Swift

詳細不明。表紙にはホワイトハウスのイラスト。副題にA Novel of the Presidency。政治ものか？

Google Booksからの情報

多く使われている語句

accused administration American Appeal Asia Atlantic atomic attack August Barnes believed bomb British called Chamberlin Chicago Tribune China claimed Cold commented commitments Committee Communism Communist Congress Congressman conservative continued critics debate December defense denied Dennis economic editorial efforts Eisenhower endorsed Europe European example feared February Flynn Follette forces Foreign Policy Germany Henry History Hoover House Human Events involved isolationism issue Italy January John Johnson July June Korea Langer leaders Libby liberal MacArthur major March Marshall McCarthy Michigan military Morley Morton Nationalist needed Neumann noted November October old isolationists opposed Papers Party Peace Pearl Harbor Plan pointed political President Presidential Press Progressive proposals Regnery remained Republican Robert Roosevelt Russia Senator September Smith soon Soviet speech stressed strong Taft Thomas Truman United University Vandenberg veteran isolationists Villard voted warned Washington Wood World York　（政治もの）

・K04 W. E. B. Du Bois Worlds of Color

Du Bois（社会学者，黒人解放活動家） called his epic Black Flame trilogy （3巻本シリーズ）a fiction of interpretation. It acts as a representative biography of African American history by following one man, Manuel Mansart, from his birth in 1876 until his death.（1人の黒人の生涯を追うことで黒人の歴史を語る） ... The last book in this profound trilogy, Worlds of Color（3巻本の最終巻）, opens when Mansart is sixty and a successful and established college president. ... Worlds of Color delves into a more sinister, bleak, and doubtful future（冷たく冷笑的な未来を描く）.

・K05 David Stacton The Judges of the Secret Court

The Judges of the Secret Court, first published in 1961, is a historical novel about John Wilkes Booth （リンカーン暗殺者）and the aftermath of the assassination of President Abraham Lincoln in 1865. The book vividly portrays the setting and sentiments of the time, as well as Wilkes’ befuddled thinking （酩酊した思考）and his short-lived escape from justice, followed by the trial of those involved in the assassination.（伝記もの）

・K06 Louis Zara Dark Rider

詳細不詳だが，副題としてA novel based on the life of Stephen Crane。Craneは『赤い武功章』"The Red Badge of Courage"で知られる米国の早世の作家。

・K07 Francis Pollini Night

詳細不詳。Amazonの裏表紙画像より（画像出典：https://www.amazon.co.jp/Night-Francis-Pollini/dp/0450003396）

bitter and bloodyな朝鮮戦争，2名の米国兵士と1名の狂気の中国人査問者。中国に捕虜にされた米軍のひどい欠陥。GI捕虜に対する中国人の残虐さを描いた本。

・K08 Guy Endore Voltaire! Voltaire!

詳細不詳。下記Wikipediaの作家紹介ページより。

After his work as a screenwriter Endore published several other Freudian-tinged mysteries (Methinks the Lady..., Detour at Night) and also returned to his love of French history for biographical novels on Voltaire (Voltaire! Voltaire! [1961]), the Marquis de Sade (Satan's Saint [1965]) and Rousseau.（※フランスの歴史に基づくVoltaireの伝記小説）

・K09 Howard Fast April Morning

The story of one day in the life of a young American boy in colonial Lexington, the day on which he joined the militia and saw his father shot down by the British.（マサチューセッツのレキシントン（※独立戦争の戦闘地）のアメリカの少年。民兵組織に加入。父親が英軍に射殺される）（歴史もの？）

・K10 Gladys H. Barr The Master of & Geneva

Historical Novel Of The Life Of John Calvin（宗教改革で有名なカルバン派牧師のカルバン）, One Of The Greatest Spiritual Leaders The World Has Known. The Book Takes Us From The Year 1521, When Calvin Was Twelve, To 1555, The Year His Protestant Authority Became Absolute.（歴史伝記）

・K11 Robert Penn Warren Wilderness

副題　A Tale Of The Civil War

In the summer of 1863, Adam Rosenzweig leaves a Bavarian ghetto and sails for the United States to fight for the North in the Civil War（南北戦争）. Fired by a revolutionary idealism inherited from his father, he hopes to aid a cause that he believes to be as simple as he knows it to be just. Over the course of his journey, Adam becomes witness to a world whose complexity does not readily conform to his ideals of liberty（理想と現実のズレ）. When his twisted foot attracts unwanted attention on his voyage to America, he is threatened with return to Europe. He jumps ship in New York, only to be caught up in the violence and horror of the anti-draft riots. Eventually he reaches the Union Army, serving not as a soldier but as a civilian provisioner’s assistant. Adam’s encounters with others—among them a wealthy benefactor, a former slave, an exiled Southerner, a bushwacker and his wife—further challenge the absolutism that informs his view of the world and of his place in it.（南北戦争，歴史もの）

・K12 Gerald Green The Heartless Light

A novel with a purpose, this- that purpose to expose ""the heartless light"" of publicity at any price, even the life of a child. Here is a close-up, play by play, of what happens when a kidnapping case becomes public property.（子供が誘拐された家族に向ける残忍な好奇心の目？）

・Kl3 William Maxwell The Chateau

It is 1948 and a young American couple arrive in France for a holiday, full of anticipation and enthusiasm. But the countryside and people are war-battered, and their reception at the Chateau Beaumesnil is not all the open-hearted Americans could wish for.（1948，米国の夫婦がフランス旅行。期待していたが戦争の傷跡。欧州を開放した米国からの客がなぜ歓迎されないのか？）

・K14 Irving Stone The Agony & the Ecstasy

Irving Stone's powerful and passionate biographical novel of Michelangelo（ミケランジェロの伝記）. His time: the turbulent Renaissance, the years of poisoning princes, warring popes, the all-powerful Medici family, the fanatic monk Savonarola. 

・K15 Ann Hebson The Lattimer Legend

(読者レビューより by Patriot）

This is a terrific book. It takes place in the early 1960s but flashes back to the Civil War （米国南北戦争）in a nice blending of past and present. If you're at all familiar with the Parkersburg, WV area, you're in for a real treat. If not, it is still an excellent read.

2020.8.1 神戸大学附属中等教育学校インターンシップ生受け入れ

神戸大学附属中等教育学校インターンシップ「KUトライやる」生徒の受け入れ

神戸大石川研究室では，昨年度までの取り組みを継続し，附属中等教育学校生徒のインターンシップを受け入れます。今年度は，コロナ禍で，大学への訪問ができないため，オンライン中心のプログラムを組んでいます。「研究者の仕事を知る」というテーマのインターンシップですが，生徒さんの将来の職業選択のヒントになれば幸いです。

神戸大学附属中等教育学校インターンシップ

神戸大学石川慎一郎研究室訪問プログラム（テーマ：大学教員・研究者の仕事を知る）

●受け入れ期間　2020年8月1日～31日

●受け入れ人数　4名

●プログラム

（１）大学教員の仕事を知る１：研究

時間：8/1～8/10までの各自の空き時間

課題：上記の期間内に，下記の石川の論文（日本人男女の文末詞の使用傾向分析）を読んで，質問や感想を簡単にメモする

（URL省略）

（２）大学教員の仕事を知る２：教育

期間：8/1～8/10までの各自の空き時間

課題：上記の期間内に，大学1年生向けの石川担当の神戸大英語クラスの授業ビデオ（ELFという英語観についての解説ビデオ）を視聴し，質問や感想を簡単にメモする

（URL省略）

（３）感想・質問を送る

期間：8/1～8/10までの各自の空き時間

課題：上記の（１）と（２）の質問・感想を下記より送信する

（URL省略）

（４）大学教員にインタビューする

日時：8月14日（金） 13時〜14時30分ごろ

課題：各自でインタビュー内容を決めておき，Zoom上でインタビューする，その後，自由討議

（URL省略）

※13時の5分前に上記をクリックしてZoomに入室すること（カメラ＆マイクはon）

（５）大学での研究を体験する

日時：8月22日（土） 13時20分〜14時50分

課題：石川研究室主催の言語学の研究会（オンライン）にZoomで参加し，研究者による発表風景を見学する

（URL省略）

2020.7.31 大学院国際文化学研究科外国語教育コンテンツ論コース第2回集団指導

日時：2020年7月31日（金）10：00～11：06
形式：zoomによるオンライン形式（質疑応答のみ）（D＝8min, M＝5min）

今回，石川ゼミからは下記4名が発表しました。

10：08～10：16　中西淳

学習者コーパスに見る日本人英語学習者の前置詞使用用法分析—at・in・onの語義別頻度に注目して―

10：24～10：32　肖锦莲

教育的に重要なヘッジおよび強意詞の抽出：7種の言語指標値の統計的合成

10：40～10：48　鄧琪

漢語名詞の連体修飾用法：異なる連体標識の選択が意味機能に及ぼす影響―漢語名詞「安定」を例にしたコーパス調査―

11：01～11：06　石田麻衣子

小学校英語教育を見据えた基本名詞の用法の検討：コロケーションの観点から―小・中教科書コーパス，段階別読解教材コーパス，JEFLLコーパス，COCAを組み合わせた検討—

発表自体はあらかじめ動画でとってアップロードしておき，当日は質疑のみリアルで実施という形態で進めました。

2020.7.30 兵庫県立兵庫高等学校「総合的な探究の時間」特別講演会

 表記で講演を行いました。

講師：石川慎一郎
演題：「はじめての探究：世界と地域と私の接点」

兵庫高校は，文科省より「地域との協働による高等学校教育改革推進事業（グローカル型)」の指定を受け，ローカル（神戸）とグローバル（SDGs）の架橋を目指す意欲的取り組みをなさっています。

講演では，テーマの選定に関し，SDGsの細かい目標をいったん4つの学問領域に整理し，将来の進路希望もふまえながら研究内容を設定していくというアプローチを紹介しました。

講堂に学年の生徒さんが集まったのは今年度初だったとか。コロナ禍の中でも学びを止めない姿に感銘を受けました。

下記は同校HPの記事より転載。

2020.7.29 神戸大学国際文化学研究科博士論文最終試験

 審査委員として下記に出席しました。

日　時　　　令和２年７月２９日  １３時２０分～
場　所　　　神戸大学国際協力研究科棟６階　シミュレーションルーム
受験者　　　末澤　奈津子

対象論文は，英語教育とunconscious biasを絡めた意欲的なものでした。