More Related Content Similar to 2017 09-01-gengo Similar to 2017 09-01-gengo (11) 2017 09-01-gengo6. コーパスの設計
手法と環境
• 自己ペース読文法
– linger
• 視線走査法
– EyeLink 1000 (SR Research),
– tower mount, 1000Hz
• ディスプレイ
– EIZO FlexScan EV2116W
– 1920x1080 (Full-HD, 1080p)
– MS 明朝24pt
– 最大 5 行 x 53 文字
– 文節境界にスペースありとスペースなし
2017/09/01 SVM2017 6
8. コーパスの設計
被験者のグループ化
• 24人の日本語母語話者
– 2015年8月~12月に実験を実施
2017/09/01 SVM2017 8
Group 視線走査法 自己ペース読文法
1 A 境界なし B 境界あり C 境界なし D 境界あり
2 A 境界あり B 境界なし C 境界あり D 境界なし
3 C 境界なし D 境界あり A 境界なし B 境界あり
4 C 境界あり D 境界なし A 境界あり B 境界なし
5 B 境界なし A 境界あり D 境界なし C 境界あり
6 B 境界あり A 境界なし D 境界あり C 境界なし
7 D 境界なし C 境界あり B 境界なし A 境界あり
8 D 境界あり C 境界なし B 境界あり A 境界なし
11. コーパスの設計
視線走査実験データ の言語資源化
2017/09/01 SVM2017 11
読み時間の指標 概要
First Fixation Time (FFT) Interest Area (文節の表示範囲) に最初に視線が入った
ときの停留時間
First-Pass Time (FPT) Interest Area に最初に視線が入ってから、左右どちらか
に出るまでの停留時間の合計
Regression Path Time (RPT) Interest Area に最初に視線が入ってから、右に出るまで
の停留時間の合計
Second-Pass Time (SPT) Total Time(Total) – First-Pass Time(SPT)
Total Time (Total) Interest Area の停留時間の合計
視線走査順から元テキスト単語順への変換
13. コーパスの設計→視線走査実験データ の言語資源化
データ形式(1/2)
2017/09/01 SVM2017 13
Column Name Type Description Example
surface factor 表層文字列 “初年度決算も”
time int 読み時間 (ms) 750
logtime num 対数読み時間 2.87
measure factor 読み時間集計手法 “EyeTrack:FFT”,
“EyeTrack:FPT” ...
sample factor サンプル名 {“A”, “B”, “C”, “D”}
article factor 記事情報 “00001_A_PN1c_00001_A
A_1”, ...
metadata_orig factor 文書構造タグ “titleBlock”, “authorData”, ..
metadata factor 修正文書構造タグ “titleBlock”, “authorData”, ..
14. Analysis
Data format (2/2)
2017/09/01 SVM2017 14
Column Name Type Description Example
sessionN int セッション順 {1,2}
articleN int 記事呈示順 {1,2,3,4,5}
screenN int 画面呈示順 {1,2,...,21}
lineN int 行(画面縦方向) {1,2,3,4,5}
segmentN int 文節番号(画面横方向) 1,2,3,...
sample_screen factor 画面識別子 {“A_1”,“A_2”,..., “D_15”}
length int 文字数 6
space factor 文節間に空白をいれる
かいれないか
{“0”, “1”}
subj factor 実験協力者ID “U100729”
dependent int 係る文節数 0, 1, 2, ...
17. BCCWJ-EyeTrack 単体の分析
被験者属性による分析
2017/09/01 SVM2017 17
線形混合モデルに基づく分析
• データ処理
– メタデータ “authorsData”, “caption”, “listItem”, “profile”, and “titleBlock” を排
除
– ゼロ秒データ(視線停留なし)を分析対象から排除
• 外れ値除去
– ± 3-SD 以上のデータポイントを除去
• レイアウト要因 (固定因子):
– is_first, is_last, is_second_last
• 進行順(固定因子):
– articleN, screenN, lineN, segmentN
logtime ~
space * sessionN + length + dependent +
is_first +
is_last + is_second_last + articleN + screenN +
lineN + segmentN + rspan + voc + (1 | article)
• 文字長(固定因子): length
• 係る文節数(固定因子): dependent
• 記事(ランダム因子): article
対数読み時間(logtime)に対する
被験者属性を評価
記事がランダム効果
22. 節分類
名詞修飾節(連体節)
2017/09/01 SVM2017 22
大分類 中分類 小分類 パターン
名詞修飾節 補足語修飾節 限定的 連体形+名詞
非限定的 連体形+固有名詞
内容節 非限定的 連体形+思考・発言名詞
縮約形修飾節 連体形+因果名詞
機能的表現 形式名詞修飾節 連体形+形式名詞
文末表現相当 連体形+名詞+述部
慣用的表現 連体形+名詞+述部
副詞節相当 連体形+名詞+で
その他 用言+接続表現 ...からの...
23. 節分類
副詞節(1)
2017/09/01 SVM2017 23
大分類 中分類 小分類 パターン
副詞節 時 事態の時 時(に)(は), てから
事態の継続期間 時から、まで(は)
因果関係 原因 ので,故,事で
結果 ため, たことから
理由根拠 から, をもって
条件・譲歩 法則的 ば
偶有的 と,たら,たところ
仮想的 としたら,とすると
反事実的 たら~(だろう)
譲歩 ても
24. 節分類
副詞節(2)
2017/09/01 SVM2017 24
大分類 中分類 小分類 パターン
副詞節 付帯状況・様態 付帯状況 つつ,ながら,まま
様態 とおり, ふうに
逆接 が,けれど,のに
目的 ため,べく,よう
程度 くらい,ほど
前提 からには,以上は
手段 ことで, ことによって
二者関係 一方で, より, のと同様
相関 とともに, につれ
判断,主観 とは, ようでは, からして
28. 節分類の頻度
BCCWJ-EyeTrack と BCCWJ-ToriClause の重複部分
名詞修飾節 94 副詞節 83 並列節 28
補足語修飾節 61 時 5 手段 7 順接的並列 27
内容節 19 因果関係 20 二者関係 2 逆接的並列 1
縮約形修飾節 6 条件・譲歩 5 相関 1
機能的表現 7 付帯状況 10 判断・主観 2 補足節 64
その他 1 逆接 8 限定 1 名詞節 28
目的 3 独立 8 疑問節 2
前提 2 その他 9 引用節 34
2017/09/01 SVM2017 28
29. 分析 線形混合モデルに基づくモデリング
2017/09/01 SVM2017 29
• データ処理
– メタデータ “authorsData”, “caption”, “listItem”, “profile”, and “titleBlock” を排
除
– ゼロ秒データ(視線停留なし)を分析対象から排除
• 外れ値除去
– ± 3-SD 以上のデータポイントを除去
• レイアウト要因 (固定因子):
– is_first, is_last, is_second_last
• 進行順(固定因子):
– articleN, screenN, lineN, segmentN
logtime ~ space * sessionN + lengthN +
dependent
+ is_first + is_last + is_second_last
+ articleN + screenN + lineN + segmentN
+ MS? + FU? + HR? + HS?
+ (1| subj) + (1|article)
• 文字長(固定因子): length
• 係る文節数(固定因子): dependent
• 実験協力者(ランダム因子): subj
• 記事(ランダム因子): article
対数読み時間(logtime)に対する
節分類(固定因子)を評価
大分類と中分類の
2種のモデルを作成
30. 節の中分類 分析結果(Table 3)
名詞修飾節
2017/09/01 SVM2017 35
SELF FFT FPT SPT RPT TOTAL
MSa
補足語修飾
節
-0.028***
(0.002)
-0.027***
(0.010)
-0.057***
(0.013)
-0.002
(0.026)
-0.064***
(0.015)
-0.065***
(0.013)
MSb
内容節
-0.005
(0.011)
-0.026
(0.018)
-0.050**
(0.022)
0.075*
(0.045)
-0.080***
(0.027)
-0.045**
(0.023)
MSc
縮約形修飾
節
-0.022
(0.019)
0.028
(0.002)
-0.017
(0.039)
-0.090
(0.066)
-0.037
(0.047)
-0.010
(0.041)
MSd
機能的表現
-0.063***
(0.018)
-0.051*
(0.026)
-0.001
(0.033)
-0.094
(0.062)
-0.028
(0.040)
-0.030
(0.035)
MSe
その他
0.044
(0.048)
0.057
(0.064)
0.007
(0.081)
-0.155
(0.115)
0.004
(0.098)
-0.002
(0.085)
*p<0.1; **p<0.05; ***p<0.01
31. 名詞修飾節(MS)
補足語修飾節(MSa) と内容節(MSb)
補足語修飾節【関係節 内の関係】:
「被修飾名詞が修飾節内述部と格関係にあるもの」
SELF で読み時間が短くなる
(1) 幼稚園から大学まで通った青山学院では、
【MSa200:名詞修飾節:補足語修飾節:非限定的】
(読売新聞2001 年[ BCCWJ: 00001_A_PN1c_00001_A_1])
内容節【関係節 外の関係】 :
「被修飾名詞が発言・思考・事柄に関する意味を持ち、被修飾名詞と修飾節が
同格にあるもの」
SELF で読み時間が短くならない
SPT で読み時間が長くなる(二度見が多い)
(2) 支払利息や減価償却費の計上額が少ない傾向がある。
【MSb:名詞修飾節:内容節】
(北海道新聞2002 年[ BCCWJ: 00005 A PN2e 00001 A 2])
2017/09/01 SVM2017 36
次に来る格要
素を予測する
ことにより、
読み速度が
速くなる?
32. 節の中分類 分析結果(Table 3)
副詞節 (a-f)
2017/09/01 SVM2017 37
SELF FFT FPT SPT RPT TOTAL
FUa
時
-0.005
(0.021)
-0.138***
(0.038)
-0.100***
(0.047)
0.108
(0.095)
-0.019
(0.057)
-0.066
(0.049)
FUb
因果関係
-0.059***
(0.011)
-0.012
(0.018)
-0.055**
(0.022)
-0.032
(0.045)
-0.047*
(0.027)
-0.075***
(0.023)
FUc
条件・譲歩
-0.068***
(0.021)
-0.034
(0.032)
-0.114***
(0.040)
-0.210***
(0.077)
-0.111
(0.049)
-0.158
(0.042)
FUd
付帯状況・
様態
-0.022
(0.015)
-0.077***
(0.024)
-0.115***
(0.030)
-0.059
(0.054)
-0.132***
(0.036)
-0.089***
(0.031)
FUe
逆接
0.076***
(0.017)
-0.009
(0.027)
-0.067**
(0.034)
-0.078
(0.060)
-0.080*
(0.041)
-0.059*
(0.035)
FUf
目的
-0.045*
(0.027)
-0.019
(0.049)
-0.158***
(0.061)
0.116
(0.172)
-0.150**
(0.074)
-0.191***
(0.064)
*p<0.1; **p<0.05; ***p<0.01
33. 節の中分類 分析結果(Table 3)
副詞節 (h-n)
2017/09/01 SVM2017 38
SELF FFT FPT SPT RPT TOTAL
FUh
前提
-0.073**
(0.033)
-0.063
(0.048)
-0.145**
(0.060)
0.027
(0.095)
-0.035
(0.072)
-0.106*
(0.063)
FUi
手段
-0.001
(0.018)
-0.055
(0.028)
0.021
(0.035)
-0.134
(0.071)
0.015
(0.043)
-0.002
(0.037)
FUj
二者関係
-0.096***
(0.033)
-0.008
(0.061)
-0.131*
(0.076)
-0.073
(0.134)
-0.006
(0.092)
-0.099
(0.079)
FUk
相関
-0.024
(0.047)
-0.038
(0.090)
-0.158
(0.112)
-0.274
(0.211)
-0.192
(0.135)
-0.183
(0.117)
FUl
判断・主観
-0.018
(0.033)
-0.134**
(0.063)
-0.075
(0.079)
-0.135
(0.175)
-0.085
(0.095)
-0.130
(0.083)
FUn
限定
0.031
(0.047)
0.077
(0.070)
0.119
(0.083)
0.032
(0.105)
0.084
(0.091)
*p<0.1; **p<0.05; ***p<0.01
34. 節の中分類 分析結果(Table 3)
副詞節 (o-p)
2017/09/01 SVM2017 39
SELF FFT FPT SPT RPT TOTAL
FUo
独立
-0.036**
(0.017)
-0.002
(0.027)
-0.054
(0.034)
0.050
(0.069)
-0.004
(0.041)
-0.048
(0.035)
FUp
その他
-0.012
(0.016)
-0.073***
(0.027)
-0.148***
(0.034)
-0.141*
(0.080)
-0.174***
(0.041)
-0.183***
(0.036)
*p<0.1; **p<0.05; ***p<0.01
35. 副詞節(FU)
因果関係(FUb) と付帯状況・様態(FUd)
因果関係:
「従属節と主節で表される事態間の因果関係を表すもの」
SELF で読み時間が短くなる
(3) 「しゃべるのが得意なんだから、能力を生かしてみたら」と、
【FUb300:副詞節:因果関係:理由根拠】
(読売新聞2001 年[ BCCWJ: 00001_A_PN1c_00001_A_1])
付帯状況・様態:
「ある動作に付随する状態や並行的に行われている動作、またはその際の様態
を表すもの」
SELF で読み時間が短くならない
FFT, FPT で読み時間が短くなる
(4) もみじの木にとまって仲良く寄り添う二羽のキジバト。
【FUd100:副詞節:付帯状況・様態:付帯状況】
(産経新聞2001 年[ BCCWJ: 00002_A_PN1d 00001_B_1])
2017/09/01 SVM2017 40
SELF と FFT,
FPT との
齟齬?
36. 節の中分類 分析結果(Table 3)
並列節
2017/09/01 SVM2017 41
SELF FFT FPT SPT RPT TOTAL
HRa
順接的並列
-0.018**
(0.010)
-0.021
(0.015)
-0.071***
(0.019)
-0.038
(0.039)
-0.058**
(0.023)
-0.072***
(0.035)
HRb
逆接的並列
-0.003
(0.047)
0.103
(0.066)
0.047
(0.083)
-0.208
(0.173)
-0.136
(0.100)
0.018
(0.087)
*p<0.1; **p<0.05; ***p<0.01
37. 節の中分類 分析結果(Table 3)
補足節
2017/09/01 SVM2017 42
SELF FFT FPT SPT RPT TOTAL
HSa
名詞節
-0.073***
(0.009)
-0.020
(0.015)
-0.072***
(0.019)
-0.056
(0.038)
-0.063***
(0.023)
-0.078***
(0.020)
HSb
疑問節
-0.008
(0.033)
0.019
(0.048)
-0.063
(0.060)
-0.098
(0.096)
-0.023
(0.073)
-0.045
(0.063)
HSc
引用節
-0.023***
(0.009)
-0.029**
(0.014)
-0.040**
(0.018)
0.036
(0.033)
0.010
(0.021)
-0.032*
(0.018)
*p<0.1; **p<0.05; ***p<0.01
38. 補足節(HS)
名詞節(HSa) と引用節(HSc)
名詞節:
「『節+形式名詞(こと・の・ところ)』の形で、格助詞を伴って主節の述語を補う要素とな
る節」
SELF, FPT, RPT, TOTAL で読み時間が短くなる
(5) 「タイミングよくまぶたを閉じてくれたことで、独特な雰囲気の写真になりま
した。」
【HSa100:補足節:名詞節:コト型】
(産経新聞2001 年[ BCCWJ: 00002_A_PN1d 00001_B_1])
引用節:
「引用の形式で主節の述部を補う要素となる節」
SELF, FFT, FPT, TOTAL で読み時間が短くなる
SELF, TOTAL は名詞節ほど読み時間が短くならない
SPT, RPT で読み時間が短くならない
(6) シャープの携帯情報端末「ザウルス」のコンテンツを5月中旬から販売すると
発表した。
【HSc200:補足節:引用節:間接引用】
(産経新聞2001 年[ BCCWJ: 00015_A_PN1d 00002_B_5])
2017/09/01 SVM2017 43
41. 分類語彙表番号の文節への写像
文節内自立語主辞(長単位)の情報を利用
2017/09/01 SVM2017 46
1 体の類 2 用の類 3 相の類 未定義語・他
1150 357 125 21
業務と 演じた 激しい しかし
.1 関係 .2 主体 .3 活動 .4 生産物 .5 自然
663 285 596 69 28
会談し, 政府の 決定し, 補助金を もみじの
統語分類(類)の頻度と例
意味分類(部門)の頻度と例
列名 データ型 摘要
WLSP_LUW_A factor 分類語彙表における類(統語分類)
WLSP_LUW_B factor 分類語彙表における部門(意味分類)
42. 分析 線形混合モデルに基づくモデリング
2017/09/01 SVM2017 47
• データ処理
– メタデータ “authorsData”, “caption”, “listItem”, “profile”, and “titleBlock” を排
除
– ゼロ秒データ(視線停留なし)を分析対象から排除
• 外れ値除去
– ± 3-SD 以上のデータポイントを除去
• レイアウト要因 (固定因子):
– is_first, is_last, is_second_last
• 進行順(固定因子):
– articleN, screenN, lineN, segmentN
logtime ~ space * sessionN + lengthN +
dependent
+ is_first + is_last + is_second_last
+ articleN + screenN + lineN + segmentN
+ WLSP_LUW_A + WLSP_LUW_B
+ (1| subj) + (1|article)
• 文字長(固定因子): length
• 係る文節数(固定因子): dependent
• 実験協力者(ランダム因子): subj
• 記事(ランダム因子): article
対数読み時間(logtime)に対する
分類語彙表番号(類・部門)
43. 結果
分類語彙表番号関連のみ抜粋
SELF FFT FPT SPT RPT TOTAL
WLSPLUWA2
用の類 (vs. 体の類)
-0.047***
(0.004)
-0.038***
(0.006)
-0.096***
(0.007)
-0.029**
(0.014)
-0.088***
(0.009)
-0.101***
(0.008)
WLSPLUWA3
相の類 (vs. 体の類)
-0.036***
(0.005)
-0.003***
(0.008)
-0.056***
(0.010)
-0.034*
(0.020)
-0.054***
(0.012)
-0.071***
(0.010)
WLSPLUWAFALSE
未登録語等(vs. 体の類)
-0.030
(0.019)
0.020
(0.061)
-0.075
(0.076)
-0.031
(0.299)
-0.109
(0.092)
-0.160**
(0.079)
WLSPLUWB.2
主体 (vs. 関係)
0.001
(0.004)
0.014**
(0.006)
0.018**
(0.007)
0.011
(0.013)
0.005
(0.009)
0.018**
(0.008)
WLSPLUWB.3
活動(vs. 関係)
-0.007**
(0.003)
0.015***
(0.005)
0.024***
(0.006)
0.012
(0.011)
0.021***
(0.007)
0.023***
(0.006)
WLSPLUWB.4
生産物 (vs. 関係)
0.017***
(0.007)
0.005
(0.010)
0.022*
(0.013)
0.009
(0.021)
0.018
(0.015)
0.037***
(0.013)
WLSPLUWB.5
自然(vs. 関係)
0.014
(0.010)
0.034**
(0.015)
0.017
(0.019)
0.054
(0.034)
0.024
(0.023)
0.040**
(0.020)
事例数 17,628 13,232 13,232 4,769 13,232 13,232
2017/09/01 SVM2017 48
44. 結果
分類語彙表番号関連のみ抜粋
SELF FFT FPT SPT RPT TOTAL
WLSPLUWA2
用の類 (vs. 体の類)
-0.047***
(0.004)
-0.038***
(0.006)
-0.096***
(0.007)
-0.029**
(0.014)
-0.088***
(0.009)
-0.101***
(0.008)
WLSPLUWA3
相の類 (vs. 体の類)
-0.036***
(0.005)
-0.003***
(0.008)
-0.056***
(0.010)
-0.034*
(0.020)
-0.054***
(0.012)
-0.071***
(0.010)
WLSPLUWAFALSE
未登録語等(vs. 体の類)
-0.030
(0.019)
0.020
(0.061)
-0.075
(0.076)
-0.031
(0.299)
-0.109
(0.092)
-0.160**
(0.079)
WLSPLUWB.2
主体 (vs. 関係)
0.001
(0.004)
0.014**
(0.006)
0.018**
(0.007)
0.011
(0.013)
0.005
(0.009)
0.018**
(0.008)
WLSPLUWB.3
活動(vs. 関係)
-0.007**
(0.003)
0.015***
(0.005)
0.024***
(0.006)
0.012
(0.011)
0.021***
(0.007)
0.023***
(0.006)
WLSPLUWB.4
生産物 (vs. 関係)
0.017***
(0.007)
0.005
(0.010)
0.022*
(0.013)
0.009
(0.021)
0.018
(0.015)
0.037***
(0.013)
WLSPLUWB.5
自然(vs. 関係)
0.014
(0.010)
0.034**
(0.015)
0.017
(0.019)
0.054
(0.034)
0.024
(0.023)
0.040**
(0.020)
事例数 17,628 13,232 13,232 4,769 13,232 13,232
2017/09/01 SVM2017 49
統語分類の比較
FFT 以外の指標で
用の類<相の類<体の類
意味分類の比較
FPTとTOTALの指標で
関係<{主体,活動,生産物,自然}
55. 分析
線形混合モデル
2017/09/01 SVM2017 60
• データ処理
– メタデータ “authorsData”, “caption”, “listItem”, “profile”, and
“titleBlock” を排除
– ゼロ秒データ(視線停留なし)を分析対象から排除
• 外れ値除去
– ± 3-SD 以上のデータポイントを除去
• レイアウト要因の追加
– is_first, is_last, is_second_last
logtime ~ space * session + lengthN + dependent
+ is_first + is_last + is_second_last
+ articleN + screenN + lineN + segmentN
+ infostatus + definite + specificity + animacy + sentience + agentivity + commonness
+ (1| subj) + (1|article)
56. 結果まとめ(一般)
Fixed Effect SELF FFT FPT SPT RPT Total
length + - + + + +
space=T 0 0 - - - -
dependent 0 0 0 0 0 0
sessionN 0 0 0 0 0 0
articleN - 0 0 0 0 0
screenN - - - - - -
lineN - - - 0 - -
segmentN - 0 - - - -
is_first=T + 0 + 0 + +
is_last=T + 0 0 - + 0
is_second_last=T - 0 + 0 + +
space=T:sessionN 0 0 0 0 0 0
61
+: t-value > 1.96
-: t-value < -1.96
0: others文字列長
読み時間 +
空白入り
読み時間 -
係り受け影響なし
呈示順 読み時間 -
レイアウト要因
2017/09/01 SVM2017
57. 結果まとめ(情報構造)
Fixed Effect SELF FFT FPT SPT RPT Total
infostat=discourse-old (vs. d-new) 0 0 0 0 0 0
definite=indefinite (vs. definite) 0 0 0 0 0 0
specificity=specific (vs. either) + 0 + 0 + +
specificity=unspecific (vs. either) 0 0 0 0 0 0
animacy=inanimate (vs. animate) 0 0 + 0 0 0
sentience=insentient (vs. either) 0 0 0 0 0 0
sentience=sentient (vs. either) 0 0 + 0 + 0
agentivity=both (vs. agent) 0 0 0 0 0 0
agentivity=neither (vs. agent) 0 0 0 0 0 0
agentivity=patient (vs. agent) 0 0 0 0 0 0
commonness=h-new (vs. bridging) + 0 0 0 0 +
commonness=h-old (vs. bridging) - 0 0 0 0 0
commonness=neither (vs. bridging) 0 0 0 0 0 0
62
+: t-value > 1.96
-: t-value < -1.96
0: others
2017/09/01 SVM2017
58. 結果まとめ(情報構造)
Fixed Effect SELF FFT FPT SPT RPT Total
infostat=discourse-old (vs. d-new) 0 0 0 0 0 0
definite=indefinite (vs. definite) 0 0 0 0 0 0
specificity=specific (vs. either) + 0 + 0 + +
specificity=unspecific (vs. either) 0 0 0 0 0 0
animacy=inanimate (vs. animate) 0 0 + 0 0 0
sentience=insentient (vs. either) 0 0 0 0 0 0
sentience=sentient (vs. either) 0 0 + 0 + 0
agentivity=both (vs. agent) 0 0 0 0 0 0
agentivity=neither (vs. agent) 0 0 0 0 0 0
agentivity=patient (vs. agent) 0 0 0 0 0 0
commonness=h-new (vs. bridging) + 0 0 0 0 +
commonness=h-old (vs. bridging) - 0 0 0 0 0
commonness=neither (vs. bridging) 0 0 0 0 0 0
63
+: t-value > 1.96
-: t-value < -1.96
0: others情報状態
有意差なし
情報状態
有意差なし
動作主性
有意差なし
2017/09/01 SVM2017
59. 結果まとめ(情報構造)
Fixed Effect SELF FFT FPT SPT RPT Total
infostat=discourse-old (vs. d-new) 0 0 0 0 0 0
definite=indefinite (vs. definite) 0 0 0 0 0 0
specificity=specific (vs. either) + 0 + 0 + +
specificity=unspecific (vs. either) 0 0 0 0 0 0
animacy=inanimate (vs. animate) 0 0 + 0 0 0
sentience=insentient (vs. either) 0 0 0 0 0 0
sentience=sentient (vs. either) 0 0 + 0 + 0
agentivity=both (vs. agent) 0 0 0 0 0 0
agentivity=neither (vs. agent) 0 0 0 0 0 0
agentivity=patient (vs. agent) 0 0 0 0 0 0
commonness=h-new (vs. bridging) + 0 0 0 0 +
commonness=h-old (vs. bridging) - 0 0 0 0 0
commonness=neither (vs. bridging) 0 0 0 0 0 0
64
+: t-value > 1.96
-: t-value < -1.96
0: others
FFT, SPT
有意差なし
2017/09/01 SVM2017
60. 結果まとめ(情報構造)
Fixed Effect SELF FPT RPT Total
specificity=specific (vs. either) + + + +
specificity=unspecific (vs. either) 0 0 0 0
animacy=inanimate (vs. animate) 0 + 0 0
sentience=insentient (vs. either) 0 0 0 0
sentience=sentient (vs. either) 0 + + 0
commonness=h-new (vs. bridging) + 0 0 +
commonness=h-old (vs. bridging) - 0 0 0
commonness=neither (vs. bridging) 0 0 0 0
65
+: t-value > 1.96
-: t-value < -1.96
0: others
・特定性: 特定 SELF, FPT, RPT, Total で時間がかかる
・有情性: 有情 RPT で時間がかかる
・共有性: 非共有 SELF, Total で時間がかかる
共有 SELF で早くなる
FPT: 無生 +
FPT: 有情 +
おそらく打ち消しあう
強いて言うなら
<無生, 有情> が遅い2017/09/01 SVM2017