[論文レビュー] Characterizing the Influence of Features on Reading Difficulty Estimation for Non-native Readers

Yi-Ting Huang, Meng Chang Chen+1 more|arXiv (Cornell University)|Aug 29, 2018

Text Readability and Simplification参考文献 26被引用数 3

ひとこと要約

本研究では、語彙的、構文的、および新しい心理言語的特徴（語の習得年齢、WordNetからの語の意味、文単位の構文解析木の高さ）を統合することで、非ネイティブ英語学習者向けに特化した読解難易度推定モデルを提案する。モデル選択にはベイジアン情報量基準（BIC）を用い、著者らは語数、語の習得年齢、解析木の高さを組み合わせたモデルが、ネイティブ話者向けに設計された従来のモデルよりも優れた性能を示すことを示している。

ABSTRACT

In recent years, the number of people studying English as a second language (ESL) has surpassed the number of native speakers. Recent work have demonstrated the success of providing personalized content based on reading difficulty, such as information retrieval and summarization. However, almost all prior studies of reading difficulty are designed for native speakers, rather than non-native readers. In this study, we investigate various features for ESL readers, by conducting a linear regression to estimate the reading level of English language sources. This estimation is based not only on the complexity of lexical and syntactic features, but also several novel concepts, including the age of word and grammar acquisition from several sources, word sense from WordNet, and the implicit relation between sentences. By employing Bayesian Information Criterion (BIC) to select the optimal model, we find that the combination of the number of words, the age of word acquisition and the height of the parsing tree generate better results than alternative competing models. Thus, our results show that proposed second language reading difficulty estimation outperforms other first language reading difficulty estimations.

研究の動機と目的

• 非ネイティブ英語読者に特化した読解難易度推定ツールの欠落を埋めるため。
• 語の習得年齢や語の意味といった心理言語的要因が、ESL学習者の読解難易度にどのように影響するかを調査するため。
• 構文的複雑さ（解析木の高さを含む）が、第二言語学習者の読解性に及ぼす影響を評価するため。
• 既存の第一言語ベースの読解難易度推定器を上回るモデルを構築し、検証するため。
• 非ネイティブ文脈における正確な読解レベル予測のための最適な特徴の組み合わせを特定するため。

提案手法

• 著者らは、語数、構文解析木の高さ、語彙的複雑さの指標を含む、言語的特徴のセットを収集・分析する。
• 外部ソースから得られる、語や文法構造が通常いつ習得されるかという心理言語的データを統合する。
• 語の意味情報はWordNetから抽出し、語彙的曖昧さとその理解困難さへの影響を評価する。
• 文間の暗黙の意味的関係をモデル化して、話題展開レベルの複雑さを捉える。
• これらの特徴に基づいて読解レベルを予測する線形回帰モデルを訓練する。
• 最適な特徴の組み合わせとモデルアーキテクチャの選定に、ベイジアン情報量基準（BIC）を用いる。

実験結果

リサーチクエスチョン

• RQ1 非ネイティブ英語読者にとって、読解難易度に最も顕著に影響を与える言語的特徴は何か？
• RQ2 語の習得年齢や語の意味といった心理言語的要因は、読解性推定にどのように寄与するか？
• RQ3 解析木の高さで測定される構文的複雑さは、ESL学習者の読解難易度にどの程度影響を与えるか？
• RQ4 新しい特徴を組み合わせたモデルは、ネイティブ話者向けに設計された従来のモデルを上回ることができるか？
• RQ5 非ネイティブ読解文脈における読解レベル予測のための最適な特徴の組み合わせは何か？

主な発見

• 語数、語の習得年齢、解析木の高さの組み合わせが、非ネイティブ読者向けの読解難易度予測において最も優れた性能を示した。
• 語の習得年齢といった心理言語的特徴を含めることで、語彙的・構文的特徴のみを用いたモデルに比べ、モデルの精度が著しく向上した。
• 本モデルは、既存の第一言語ベースの読解難易度推定器を上回り、とりわけ第二言語学習者が直面する課題を的確に捉えていた。
• ベイジアン情報量基準（BIC）により最適なモデル構成が特定され、読解性モデル構築における特徴選択の重要性が裏付けられた。
• WordNetからの語の意味の統合により、非ネイティブ文脈における語彙的難易度のより洗練された理解が可能になった。
• 結果から、構文解析木の高さは、構文処理能力が限定された学習者にとって、読解難易度の強力な予測要因であることが示された。