人文科学研究科Graduate School of Humanities
LIN600B3(言語学 / Linguistics 600)言語学特殊研究(理論言語学・認知科学)BTopics in Linguistics B
石川 潔
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 人文科学研究科Graduate School of Humanities |
添付ファイル名Attached documents | |
年度Year | 2023 |
授業コードClass code | X0215 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 秋学期授業/Fall |
曜日・時限Day/Period | 金5/Fri.5 |
科目種別Class Type | |
キャンパスCampus | 市ヶ谷 |
教室名称Classroom name | BT7F情報実習室A |
配当年次Grade | 院人英・修士課程・専門科目 |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
カテゴリーCategory |
英文学専攻 (修士課程) |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
(Course outline)
An intermediate-level course on statistical analysis of experimental data.
(Learning objectives)
Generalized liner mixed-effects model building for data not normally distributed on the one hand, and for linguistics data that need generalizations not only over participants but also stimuli.
(Learning activities outside of classroom)
Read papers employed those techniques taught, and try analyzing (possibly fake) data using them.
(Grading Criteria /Policy)
In-class participations 50 %, final exam 50%
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
外国語教育や音声学は昔から実験科学分野だが、近年は統語論研究においても実験研究への志向が見られる。しかし、実験計画法や(実験データの処理のための)統計学は、日本の言語学教育の一部になっているとは言いがたい。よって、教育・音声・統語解析・理論言語学を専門とする皆様のために、実験データ分析の中級レベルの導入を行いたい。
<講義題目>心理言語学データの分析法(中級編)
到達目標Goal
本来このような大学院科目は、履修者のニーズに応じて内容自体を変えるべきであり、具体的に何を目指すかは履修者の希望と照らし合わせて決定する。しかしここでは、担当者の守備範囲の例示として、混合効果一般化線形モデルの入門を挙げておく。その場合の到達目標は以下の通り:
・正規分布しないデータ(特定の選択肢の「選択率」やコーパスでのカウント数など)を一般化混合モデルで分析できるようになること。
・伝統的な分散分析では扱えない、実験参加者に加えて言語刺激についても一般化が必要になる通常の心理言語学実験のデータを、混合効果モデルで分析できるようになること。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」「DP3」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
以下の授業計画は、混合効果一般化線形モデルの入門の例。但し、その場合でも、具体的な進度・内容は例示に過ぎない。試験(練習問題を含む)に際しては、模範解答、講評などのフィードバックを与える予定。
いずれにせよ、輪読形式にはならない予定。
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching:対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]:環境整備
統計環境 R の導入
2[対面/face to face]:モデルの構築という考え方
線形回帰、およびその統計量の意味
3[対面/face to face]:線形回帰モデルの構築法
最小二乗法、最尤法
4[対面/face to face]:重回帰分析の基礎1
複数の変数による予測
5[対面/face to face]:重回帰分析の基礎2
モデル全体としての予測と、個々の予測変数の寄与度との、違い
6[対面/face to face]:重回帰分析の基礎3
モデル間の比較による、個々の予測変数の寄与度の評価
7[対面/face to face]:重回帰分析の基礎4
分布に関する前提
8[対面/face to face]:線形モデル
伝統的な分散分析や t 検定の、線形回帰モデルとしての表現
9[対面/face to face]:選択率データの分布
2項分布、arcsine square-root transformation、logit transformation
10[対面/face to face]:ロジスティック回帰1
ロジット及びロジスティック関数、線形予測子、リンク関数、separation
11[対面/face to face]:混合効果モデル1
固定因子および変量因子の概念
12[対面/face to face]:混合効果モデル2
subject analysis と item analysis
13[対面/face to face]:混合効果モデル3
変量因子にもとづく傾き・切片
14[対面/face to face]:この先の勉強に向けて
分布のシミュレーション、ベイズ統計学に向けて
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
本授業の準備学習・復習時間は、各2時間を標準とします。
パソコンの基本的な操作法の知識は事前に得ておくことが望ましい(わからない箇所は教員または周囲に尋ねること)。
また、上記の授業計画の場合は、
・実験技法を学んだら、同じ(または似た)技法を使った他の論文を自分で読んでみる。
・統計技法を学んだら、同じ(または似た)技法を使った他の論文を自分で読んでみたり、自分の手持ち(または架空)のデータを分析してみる。
といった作業を行うと良いでしょう。
テキスト(教科書)Textbooks
なし。
参考書References
Baayen, R. H. (2008). Analyzing Linguistic Data. Cambridge
University Press.
久保拓弥 (2012). 『データ解析のための統計モデリング入門―
一般化線形モデル・階層ベイズモデル・MCMC 』
東京:岩波書店.
Windter, B. 2019. Statistics for Linguists: An Introduction
Using R. Routledge
その他、適宜指示。
成績評価の方法と基準Grading criteria
平常点 50 %、学期末試験 50 %
学生の意見等からの気づきChanges following student comments
N/A.
担当教員の専門分野等
<専門領域> 理論言語学(統語論、意味論)、心理言語学(音声知覚、文理解)
<研究テーマ> 音声知覚の単位と様式、アスペクトの実時間処理、読みにおける視覚処理と音韻処理の関係
<主要研究業績>
http://www.i.hosei.ac.jp/~kiyoshi/research.html を参照。