JP5925140B2 - 幼児語彙理解難易度評価装置と幼児語彙検索装置と幼児語彙分類装置と、それらの方法とプログラム - Google Patents

Description

本発明は、幼児の語彙学習過程における語彙理解の難易度を評価する幼児語彙理解難易度評価装置と幼児語彙検索装置と幼児語彙分類装置とそれらの方法とプログラムに関する。

従来、発達心理学の分野では、親の回答に基づくアンケート調査において語彙チェックリストを用いた大規模集団データで語彙の特徴を捉えてきた。この手法では、非特許文献１に示すように語彙チェックリスト法の横断データから算出した各語彙の「５０％到達日齢」（５０％の子供が語彙を理解している日齢時点）が何時かを調べ、それを語彙の理解日齢としていた。

幼児の全員がすぐ理解あるいは発話できる単語を選ぶことは、分かり易い幼児教材を作成する上で重要である。また、逆に幼児の全員がすぐには理解あるいは発話できない単語を選ぶことも、問題の難易度を調整する上では重要である。しかし、これまで、単語の特徴として、幼児の全員がすぐに理解あるいは発話できるという情報を利用することはなかった。

今までは、どの日齢で単語を獲得するかは図１に示すような表で提示されてきた。図１は、各語彙を理解する幼児の割合を示す。１行目は、各語彙を理解した日齢、２行目以降は各語彙を理解した幼児の割合を示す。

従来は、この表から、例えば５０％の幼児が理解した日齢を求め、単語の難易度とすることが行われていた。

小椋たみ子、綿巻徹、「日本のこどもの語彙発達の基準研究：日本語マッカーサー乳幼児言語発達質問紙から」発達・療育研 2008. vol.24,3-42. 小林哲生、南泰浩、永田昌明、「縦断および横断データを用いた幼児早期現語の獲得日齢の特定」言語処理学会第１８回年次大会、P2-3,2012.

しかし、従来は、この表から対象語が、幼児全員がすぐ理解できる単語なのか、あるいは、すぐ発話できるのかを調べ、単語選択に利用する考えはなかった。その理由としては、理解のための累積語獲得確率分布を、全ての単語について求めるのが難しいことが挙げられる。

理解する語彙を調べるアンケートでは、幼児が理解したと思われる語彙の数が多くなると、各々の語彙について正確なデータを得ることが難しくなる。つまり、理解する語彙数は急速に増加する傾向があるため、個々の語彙を理解しているか否かの切り分けが曖昧になる。そのために図１に、パターンを付して示すように、例えば、「あり」、「かに」、「かば」、「かめ」のように、理解する幼児が５０％に到達しない語彙がデータの上で多く発生する。

本発明は、このような課題に鑑みてなされたものであり、累積語彙獲得確率分布から計算できる分布の広がり（傾き）を利用する新しい考えに基づいて幼児語彙の理解の難易度の評価を可能にする幼児語彙理解難易度評価装置と幼児語彙検索装置と幼児語彙分類装置と、それらの方法とプログラムを提供することを目的とする。

本発明の幼児語彙理解難易度評価装置は、ロジスティック関数近似部と、習得日齢算出部と、習得期間算出部と、を具備する。ロジスティック関数近似部は、複数の幼児の語彙学習過程における語彙ｉの習得時期ｘ_ｉと習得割合ｆ（ｘ_ｉ）を入力として、語彙ｉ毎に習得時期ｘ_ｉと習得割合ｆ（ｘ_ｉ）との関係をロジスティック曲線で近似する。習得日齢算出部は、ロジスティック関数を用いて、α％習得日齢と当該αよりも小さいβ％のβ％習得日齢とを求める。習得期間算出部は、α％習得日齢とβ％習得日齢を入力として、語彙ｉの習得期間を算出し、当該習得期間を語彙ｉの理解難易度として出力する。

また、本発明の幼児語彙検索装置は、幼児語彙理解難易度評価装置と語彙検索部を具備する。幼児語彙理解難易度評価装置は、累積理解割合ｆ（ｘ_ｉ）をモデル化したロジスティック曲線から語彙ｉの理解難易度を算出する。語彙検索部は、その理解難易度と外部から入力される検索条件とを比較することで、検索条件に合致する語彙ｉを検索する。

また本発明の幼児語彙分類装置は、上記した幼児語彙理解難易度評価装置と語彙分類部とを具備する。語彙分類部は、語彙理解難易度評価装置で計算された理解難易度とα％習得日齢とを入力として、理解難易度とα％習得日齢を、語彙ｉに対応させたベクトルとして構成し、理解難易度とα％習得日齢の値に応じて語彙ｉを分類する。

本発明の幼児語彙理解難易度評価装置によれば、累積語彙獲得確率分布から、幼児語彙の理解の難易度を評価する新しい指標を提供することを可能にする。また、この発明の幼児語彙検索装置は、その新しい指標を用いることで、理解難易度に応じた幼児語彙の検索を行うことを可能にする。また、この発明の幼児語分類装置は、理解難易度に応じて幼児語彙を分類することを可能にする。このように本願発明の各装置は、幼児語彙の研究や教育の分野に資する効果を奏する。

ある語彙を理解する幼児の割合を日齢ごとに記録したデータを示す図。 獲得語彙ｉを「はい」とした場合の獲得時期ｘと累積発話割合ｆ（ｘ）との関係の例を示す図。 獲得語彙ｉを「ばーば」とした場合の獲得時期ｘと累積発話割合ｆ（ｘ）との関係の例を示す図。 本発明の幼児語彙理解難易度評価装置１００の機能構成例を示す図。 幼児語彙理解難易度評価装置１００の動作フローを示す図。 本発明の幼児語彙理解難易度評価装置２００の機能構成例を示す図。 本発明の幼児語彙理解難易度評価装置３００の機能構成例を示す図。 本発明の幼児語彙理解難易度評価装置４００の機能構成例を示す図。 幼児語彙理解難易度評価装置４００の動作フローを示す図。 発話語彙ロジスティック関数近似部４１０の動作フローを示す図。 習得日齢計算部４２０のより具体的な機能構成例を示す図。 習得日齢計算部４２０の動作フローを示す図。 本発明の幼児語彙検索装置５００の機能構成例を示す図。 幼児語彙検索装置５００の動作フローを示す図。 本発明の幼児語彙分類装置６００の機能構成例を示す図。 幼児語彙分類装置６００の動作フローを示す図。

以下、この発明の実施の形態を図面を参照して説明する。複数の図面中同一のものには同じ参照符号を付し、説明は繰り返さない。

〔発明の考え〕
実施例の説明の前に、この発明の幼児語彙の理解の難易度を評価する新しい考え方を説明する。この発明の幼児語彙理解難易度の評価方法は、複数の幼児の語彙学習過程における語彙ｉの習得時期ｘ_ｉと習得割合ｆ（ｘ_ｉ）との関係から成る習得率確率分布を、ロジスティック曲線で近似し、その確率密度の広がりから理解難易度を評価する方法である。

習得確率分布として累積発話確率を用いて式（１）でモデル化した例を図２と図３に示す。関数をモデル化するに当たっては、最小二乗法や尤度最大化手法を用いる。この場合、非線形な関数の最適化が必要になるので、最急降下法などの手法を用いて最適なパラメータを求める。何れの手法も周知であり、詳しい説明は省略する。

語彙の累積発話割合ｆ（ｘ_ｉ）を式（１）でモデル化した例を図２，図３に示す。図２は、獲得語彙を「はい」とした場合の幼児の累積発話割合である。図３は、獲得語彙を「ばーば」とした場合の幼児の累積発話割合である。

図２，図３に示すロジスティック曲線はＳ字型の曲線であり、最初は緩やかに増加した後に傾きが急になった後に再び増加量が穏やかになる変化を示す。パラメータｃ _ｉ は、その語彙の累積発話割合の傾きであり、ｂ _ｉ はロジスティック曲線のオフセット量を表す。ａ _ｉ は累積発話割合の上限を決める値である。ｃ _ｉ が大きくなるとＳ字曲線の中央部分の傾きが急になり、ｂ _ｉ が大きくなるとＳ字曲線が獲得時期ｘの大きい方に移動する関係にある。

つまり、Ｓ字曲線の中央部分の傾きが急であれば、短い日齢で発話する習得の容易な単語であることが分かる。パラメータｃ _ｉ の大小で語彙の習得の難易度を評価することが可能である。

また、獲得語彙に関する累積理解割合は、上記した理由で正確なデータを得ることが難しい。そこで、この発明では、発話は語彙を理解した後に行われる点に着目する。つまり、人は語彙を理解してからその語彙を発話する関係を、利用することで理解する幼児が５０％に到達しない語彙がデータの上に多く発生する場合でも、正確に理解難易度を算出可能にする工夫を施している。詳しい説明は後述する。

〔幼児語彙理解難易度評価装置〕
図４に、この発明の幼児語彙理解難易度評価装置１００の機能構成例を示す。その動作フローを図５に示す。幼児語彙理解難易度評価装置１００は、ロジスティック関数近似部１１０と、習得日齢算出部１２０と、習得期間算出部１３０と、制御部１４０と、を具備する。幼児語彙理解難易度評価装置１００は、例えばＲＯＭ、ＲＡＭ、ＣＰＵ等で構成されるコンピュータに所定のプログラムが読み込まれて、ＣＰＵがそのプログラムを実行することで実現されるものである。

ロジスティック関数近似部１１０は、複数の幼児の語彙学習過程における語彙ｉの習得時期ｘ_ｉと習得割合ｆ（ｘ_ｉ）を入力として、語彙ｉ毎に習得時期ｘ_ｉと習得割合ｆ（ｘ_ｉ）との関係をロジスティック曲線で近似する（ステップＳ１１０）。ロジスティック曲線は、例えば上記した式（１）に示す関数である。

習得日齢算出部１２０は、ロジスティック関数近似部１１０で近似したロジスティック曲線を用いて、α％習得日齢とα％よりも小さいβ％のβ習得日齢とを求める（ステップＳ１２０）。ここで、α％は例えば５０％、β％は例えば２０％を用いる。α％とβ％の組み合わせは、α＞βの関係が保たれれば、どのようなものであっても良い。ここでは、データとして５０％以下のものも含まれるため（図１）、信頼性を考慮して全ての語彙ｉでデータの存在する２０％と、幼児の半分が習得する５０％の２つを用いた。

また、式（１）の係数ａ _ｉ は０〜１の間の値であり、一般に式（１）の関数の値はこの係数未満となることから、５０％の値は、その係数が示すパーセントの値未満で設定（例えばａ _ｉ ＝０.７のときは７０％未満）することがより適切である。また２０％は、ロジスティック曲線（Ｓ字曲線）の下側の変曲点より小さくならない１０％以上で設定することが望ましい。

習得期間算出部１３０は、α％習得日齢とβ習得日齢を入力として、語彙ｉの習得期間を（α−β）算出し、その習得期間を語彙ｉの理解難易度として出力する（ステップＳ１３０）。ステップＳ１１０〜ステップＳ１３０の動作は、全ての語彙ｉについての処理が終了するまで繰り返される（ステップＳ１４０のＮｏ）。この繰り返し動作の制御は制御部１４０が行う。

実施例１で示した幼児語彙理解難易度評価装置１００によれば、幼児語彙の理解難易度を評価するための新しい指標を提供することができる。なお、幼児語彙理解難易度評価装置１００に入力する習得時期と習得割合とからなる累積語彙獲得確率分布には、二つの種類が存在する。用いる累積語彙獲得確率分布を限定した幼児語彙理解難易度評価装置を、次に変形例として説明する。

〔変形例１〕
図６に、この発明の幼児語彙理解難易度評価装置２００の機能構成例を示す。幼児語彙理解難易度評価装置２００は、用いる累積語彙獲得確率分布を、幼児が語を理解する割合（幼児語理解割合）としたものである。幼児語彙理解難易度評価装置２００は、幼児語彙理解難易度評価装置１００のロジスティック関数近似部１１０が、ロジスティック関数近似部２１０に置き換わったものであり、習得日齢算出部１２０と習得期間算出部１３０は、参照符号から明らかなように同じものである。

ロジスティック関数近似部２１０は、習得時期ｘｉを語彙ｉの理解時期ｘｉ、習得割合ｆ（ｘｉ）を累積理解割合ｆ′（ｘｉ）として、理解語彙ｉ毎にロジスティック曲線を描く次式の関数をモデル化し、

理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を算出する。

〔変形例２〕
図７に、この発明の幼児語彙理解難易度評価装置３００の機能構成例を示す。幼児語彙理解難易度評価装置３００は、用いる累積語彙獲得確率分布を、幼児が語を発話した割合（幼児語発話割合）としたものである。幼児語彙理解難易度評価装置３００は、幼児語彙理解難易度評価装置１００のロジスティック関数近似部１１０のみが、ロジスティック関数近似部３１０に置き換わったものである。

ロジスティック関数近似部３１０は、習得時期ｘ_ｉを語彙ｉの発話時期ｘ_ｉ、習得割合ｆ（ｘ_ｉ）を累積発話割合ｆ（ｘ_ｉ）として、発話語彙ｉ毎にロジスティック曲線を描く関数を上記した式（１）モデル化し、発話語彙パラメータａ_ｉ，ｂ_ｉ，ｃ_ｉを算出する。

変形例として示した幼児語彙理解難易度評価装置２００，３００は、幼児語彙理解難易度評価装置１００と同様に、幼児語彙の理解難易度を評価するための新しい指標を提供することができる。但し、上記したように幼児が理解する語彙を調査するには、難しさが伴う。そこで、理解する幼児が５０％に到達しない単語が多く存在する場合でも、理解難易度を算出できるように工夫したこの発明の幼児語彙理解難易度評価装置４００を、実施例２として次に説明する。

図８に、この発明の幼児語彙理解難易度評価装置４００の機能構成例を示す。幼児語彙理解難易度評価装置４００は、発話語彙ｉの獲得時期ｘ_ｉと累積発話割合ｆ（ｘ_ｉ）と、理解語彙ｉの獲得時期ｘ_ｉと累積理解割合ｆ′（ｘ_ｉ）と、を入力として理解語の到達日齢を推定するものである。ここでは、ｆ（ｘ_ｉ）≦ｆ′（ｘ_ｉ）の拘束そのものを使うのは困難なので代わりに、ａ_ｉ≦ａ′_ｉという拘束を使う。

〔累積発話割合〕
累積発話割合ｆ（ｘ_ｉ）は、非特許文献１で述べている語彙に関するアンケートに回答してもらい、幼児が新たに発話した語彙を把握することで取得する。具体的には、幼児が言葉を覚え始める時期よりも少し前から３歳程度までの期間で、数ヶ月おきに１００人程度の母親に上記したアンケートに回答してもらう。表１に、語彙「あーあ」を発話する幼児の累積発話割合ｆ（ｘ_ｉ）を例示する。

表１に示すデータを、幼児が発話する全ての語彙について求める。

〔累積理解割合〕
累積理解割合ｆ′（ｘ_ｉ）は、幼児が語彙を理解する割合であり、累積発話割合ｆ（ｘ_ｉ）と同様にして取得する。表に、語彙「あーあ」を理解する幼児の累積理解割合ｆ′（ｘ_ｉ）を例示する。

表２に示すデータを、幼児が理解する全ての語彙について求める。理解する語彙と発話する語彙は、同じ語彙ｉである。

幼児語彙理解難易度評価装置４００（図８）は、発話語彙ロジスティック関数近似部４１０と、発話語彙パラメータ保存部４５０と、理解語彙ロジスティック関数近似部４６０と、理解語彙パラメータ保存部４７０と、習得日齢算出部４２０と、習得期間算出部１３０と、制御部４４０と、を具備する。その動作フローを図９に示す。幼児語彙理解難易度評価装置４００は、例えばＲＯＭ、ＲＡＭ、ＣＰＵ等で構成されるコンピュータに所定のプログラムが読み込まれて、ＣＰＵがそのプログラムを実行することで実現されるものである。

発話語彙ロジスティック関数近似部４１０は、複数の幼児の語彙学習過程における発話語彙ｉの発話時期ｘ_ｉ（獲得時期）と累積発話割合ｆ（ｘ_ｉ）を入力として、発話語彙ｉ毎にロジスティック曲線を描く上記した式（１）の関数をモデル化し、発話語彙パラメータａ_ｉ，ｂ_ｉ，ｃ_ｉを算出する（ステップＳ４１０）。

図１０に、ステップＳ４１０を詳しく示す。発話語彙ロジスティック関数近似部４１０は、式（１）で累積発話割合ｆ（ｘ_ｉ）をモデル化する（ステップＳ４１００）。モデル化するとパラメータａ_ｉがａ_ｉ＞１となることがある。累積発話割合ｆ（ｘ_ｉ）が１を越えることは無いので、この場合（ステプＳ４１０１のＹｅｓ）は、ａ_ｉ＝１としてパラメータｂ_ｉ，ｃ_ｉを再計算する（ステップＳ４１０２）。発話語彙パラメータａ_ｉ，ｂ_ｉ，ｃ_ｉは、発話語彙パラメータ保存部４５０に保存される（ステップＳ４５０）。

理解語彙ロジスティック関数近似部４６０は、上記語彙学習過程における発話語彙ｉと同じ語彙ｉの理解時期ｘ_ｉと累積理解割合ｆ′（ｘ_ｉ）を入力として、理解語彙ｉ毎にロジスティック曲線を描く上記した式（２）の関数をモデル化し、理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を算出する（ステップＳ４６０）。理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′は、理解語彙パラメータ保存部４７０に保存される（ステップＳ４７０）。

習得日齢算出部４２０は、発話語彙パラメータ保存部４５０と理解語彙パラメータ保存部４７０に保存された両パラメータを入力として、理解と発話の関係に基づいて理解語彙の５０％到達日齢である理解語彙５０％習得日齢と理解語彙２０％習得日齢を計算する（ステップＳ４２０）。５０％習得日齢の計算は、ｆ′（ｘ_ｉ）＝０.５、２０％習得日齢の計算はｆ′（ｘ_ｉ）＝０.２とおいて、例えばニュートン法を用いて行う。又は、他の最適化手法を用いてもよい。

習得期間算出部１３０は、５０％習得日齢と２０％習得日齢を入力として、語彙ｉの習得期間を算出し、その習得期間を語彙ｉの理解難易度として出力する（ステップＳ１３０）。制御部４４０は、全ての語彙ｉについて終了するまでステップＳ４１０〜Ｓ１３０までの処理を繰り返す（ステップＳ４４０）。

以上のように動作することで、この発明の幼児語彙理解時期推定装置１００は、理解する語彙を調べるアンケート結果のデータ中に５０％を超えて理解する日齢データが無くても理解語彙の５０％習得日齢を推定することができる。

〔習得日齢算出部〕
図１１に、習得日齢算出部４２０のより具体的な機能構成例を示す。その動作フローを図１２に示す。

習得日齢算出部４２０は、パラメータ比較設定手段４２１と、習得日齢計算手段４２２と、を備える。パラメータ比較設定手段４２１は、発話語彙パラメータ保存部４５０に保存された発話語彙パラメータａ_ｉと、理解語彙パラメータ保存部４７０に保存された理解語彙パラメータａ_ｉ′と、を入力として両パラメータの大きさを比較する（ステップＳ４２１１）。

ａ_ｉ′＜ａ_ｉの場合（ステップＳ４２１１のＹｅｓ）は、ａ_ｉ′＝ａ_ｉとして式（２）による理解語彙ロジスティック関数近似の再計算を行う（ステップＳ４２１２）。ａ_ｉ′≧ａ_ｉで且つａ_ｉ′＞１の場合（ステップＳ４２１３のＹｅｓ）は、ａ_ｉ′＝１として式（２）による理解語彙ロジスティック関数近似の再計算を行う（ステップＳ４２１４）。パラメータ比較設定手段４２１は、両パラメータａ_ｉ，ａ_ｉ′の比較結果と、ロジスティック関数を再近似した理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を習得日齢計算手段４２２に出力する。

習得日齢計算手段４２２は、両パラメータａ_ｉ，ａ_ｉ′の比較結果と、再計算した理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′と、理解語彙パラメータ保存部４７０に保存された理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′と、を入力として、上記再近似した理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′又は上記理解語彙パラメータ保存部４７０に保存された理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′のどちらかを用いて５０％習得日齢と２０％習得日齢を計算する（ステップＳ４２２）。

習得日齢計算手段４２２は、理解語彙パラメータａ_ｉ′が発話語彙パラメータａ_ｉよりも小さい場合（ステップＳ４２２１のＹｅｓ）、又は、理解語彙パラメータａ_ｉ′が１より大きい場合（ステップＳ４２２２のＹｅｓ）、にパラメータ比較設定手段４２１で再近似した理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を用いて５０％習得日齢と２０％習得日齢を計算する（ステップＳ４２２３）。

理解語彙パラメータａ_ｉ′が発話語彙パラメータａ_ｉの大きさ以上で且つａ_ｉ′以下の場合（ステップＳ４２２２のＮｏ）は、理解語彙パラメータ保存部４７０に保存された理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を用いて５０％習得日齢と２０％習得日齢を計算する（ステップＳ４２２４）。このように動作することで、５０％を超えて理解する日齢データが無くても理解語彙の５０％習得日齢を推定することができる。

〔習得日齢の具体例〕
上記した幼児語彙理解難易度評価装置４００で、５０％習得日齢と２０％習得日齢を求めた結果を表３に示す。データは、１６９９名に回答してもらったMacarthur乳幼児言語発達質問紙の語と身振り版（４４８語）、語と文法版（７１１語）を使って、幼児が発話した語彙のチェックを行ったものを用いた。

表３は、社会語に分類される幼児語彙について、発話習得日齢と理解習得日齢のそれぞれの５０％習得日齢と２０％習得日齢と習得期間を示す。習得期間が８０日以下の語を調べると、表３に示していないが、“ありがとう”、“いただきます”、“ごちそうさま”、“だめ”、“ちょうだい”、“どうぞ”、“はい”、“ばいばい”、などの単語が該当する。これらの語は、幼児全員が同時に獲得するような語である。

習得期間が１３０日以上の語彙を調べると、表３に示すような“あーあ”、“ガーガー”、“こけこっこ”、などの語が該当する。これらの語は、２０％の幼児が習得してから、５０％の幼児が習得するまで１３０日以上を必要とするものである。このように、この発明の幼児語彙理解難易度評価装置は、幼児語彙を定量的に分析するための新たな指標を提供することができる。

〔応用例１〕
この発明の幼児語彙理解難易度評価装置１００，２００，３００，４００を利用することで、検索条件に応じた幼児語彙を検索する幼児語彙検索装置を構成することができる。図１３に、この発明の幼児語彙検索装置５００の機能構成例を示す。その動作フローを図１４に示す。

幼児語彙検索装置５００は、幼児語彙理解難易度評価装置２００と、語彙検索部５１０と、制御部５４０と、を具備する。幼児語彙理解難易度評価装置２００は、上記（図６）したものである。語彙検索部５１０は、幼児語彙理解難易度評価装置２００が出力する語彙ｉの理解難易度と、外部から入力される検索条件とを入力として、語彙ｉ毎の理解難易度と検索条件とを比較することで、検索条件に合致する語彙ｉを検索する（ステップＳ１３０）。

検索条件には、習得期間や習得日齢を設定する。例えば、習得期間を１３０以上と設定すると上記した表３に示した、例えば“あーあ”、“ガーガー”、“こけこっこ”、の語が検索された語彙として出力される。なお、幼児語彙理解難易度評価装置２００と組み合わせる例で説明を行ったが、幼児語彙理解難易度評価装置には上記した何れの装置を用いても良い。

〔応用例２〕
幼児語彙検索装置としては、多数の幼児語について語彙ｉに対応付けて発話語彙パラメータと理解語彙パラメータをデータベースとして蓄積し、利用者から任意の検索条件を受け付けて、検索条件に合致する語を出力する装置も考えられる。

〔応用例３〕
図１５に、この発明の幼児語彙分類装置６００の機能構成例を示す。その動作フローを図１６に示す。幼児語彙分類装置６００は、幼児語彙理解難易度評価装置１００と、語彙分類部６１０と、制御部６４０と、を具備する。

幼児語彙理解難易度評価装置１００は、上記（図４）したものである。語彙分類部６１０は、幼児語彙理解難易度評価装置１００で計算された習得期間とα％習得日齢とを入力として、習得期間とα％習得日齢を、語彙ｉに対応させたベクトルとして構成し、習得期間とα％習得日齢の値に応じて語彙ｉを分類する（ステップＳ６１０）。

α％を例えば５０％とすると、αはガウス分布の平均を意味する。また、習得期間は、ガウス分布の分散（σ）に対応する値である。よって、幼児語彙分類装置６００は、幼児語彙をいくつかのガウス分布に分類することもできる。

分類するクラスタリング手法には、既存の各種の手法を用いることが可能である。幼児語彙分類装置６００により、幼児語彙をいくつかのクラスタに分類することができるので、幼児の発達に合わせた学習単語のグループ分けを行うことができる。

また、このようなクラスタリング手法を、発話、理解の両方のパラメータを同時に扱うようにしても良い。そうすることで、発話時と理解時の両方を同時に考慮した単語クラスタの分類を行うことも可能になる。

上記装置における処理手段をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、各装置における処理手段がコンピュータ上で実現される。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、DVD（Digital Versatile Disc）、DVD-RAM（Random Access Memory）、CD-ROM（Compact Disc Read Only Memory）、CD-R（Recordable）/RW（ReWritable）等を、光磁気記録媒体として、MO（Magneto Optical disc）等を、半導体メモリとしてEEP-ROM（Electronically Erasable and Programmable-Read Only Memory）等を用いることができる。

また、このプログラムの流通は、例えば、そのプログラムを記録したDVD、CD-ROM等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記録装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

また、各手段は、コンピュータ上で所定のプログラムを実行させることにより構成することにしてもよいし、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

本発明は、幼児を対象としたオーダーメード型教育の分野で利用することができる。

Claims (11)

1. 複数の幼児の語彙学習過程における語彙ｉの習得時期ｘ_ｉと習得割合ｆ（ｘ_ｉ）を入力として、語彙ｉ毎に上記習得時期ｘ_ｉと上記習得割合ｆ（ｘ_ｉ）との関係をロジスティック関数で近似するロジスティック関数近似部と、
   上記ロジスティック関数を用いて、α％習得日齢と当該α％よりも小さいβ％のβ％習得日齢とを求める習得日齢算出部と、
   上記α％習得日齢と上記β％習得日齢を入力として、上記語彙ｉの習得期間を算出し、当該習得期間を語彙ｉの理解難易度として出力する習得期間算出部と、
   を具備する幼児語彙理解難易度評価装置。
2. 請求項１に記載した幼児語彙理解難易度評価装置において、
   上記ロジスティック関数近似部は、
   上記習得時期ｘ_ｉは、上記語彙ｉの理解時期ｘ_ｉ、上記習得割合ｆ（ｘ _ｉ ）は累積理解割合ｆ′（ｘ_ｉ）として、理解語彙ｉ毎にロジスティック曲線を描く次式の関数をモデル化し、
   

   

   
   理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を算出するロジスティック関数近似部であることを特徴とする幼児語彙理解難易度評価装置。
3. 請求項１に記載した幼児語彙理解難易度評価装置において、
   上記ロジスティック関数近似部は、
   上記習得時期ｘ_ｉは、上記語彙ｉの発話時期ｘ_ｉ、上記習得割合ｆ（ｘ_ｉ）は累積発話割合ｆ（ｘ _ｉ ）として、発話語彙ｉ毎にロジスティック曲線を描く次式の関数をモデル化し、
   

   

   
   発話語彙パラメータａ_ｉ，ｂ_ｉ，ｃ_ｉを算出するロジスティック関数近似部であることを特徴とする幼児語彙理解難易度評価装置。
4. 請求項１に記載した幼児語彙理解難易度評価装置において、
   上記ロジスティック関数近似部は、
   上記習得時期ｘ_ｉは、上記語彙ｉの理解時期ｘ_ｉ、上記習得割合ｆ（ｘ _ｉ ）は累積理解割合ｆ′（ｘ_ｉ）として、理解語彙ｉ毎にロジスティック曲線を描く次式の関数をモデル化し、
   

   

   
   理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を算出する理解語彙ロジスティック関数近似手段と、
   上記理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を保存する理解語彙パラメータ保存手段と、
   上記習得時期ｘ_ｉは、上記語彙ｉの発話時期ｘ_ｉ、上記習得割合ｆ（ｘ_ｉ）は累積発話割合ｆ（ｘ _ｉ ）として、発話語彙ｉ毎にロジスティック曲線を描く次式の関数をモデル化し、
   

   

   
   発話語彙パラメータａ_ｉ，ｂ_ｉ，ｃ_ｉを算出する発話語彙ロジスティック関数近似手段と、
   上記発話語彙パラメータａ_ｉ，ｂ_ｉ，ｃ_ｉを保存する発話語彙パラメータ保存手段と、
   を備え、
   上記習得日齢算出部は、
   上記理解語彙パラメータ保存手段と上記発話語彙パラメータ保存手段に保存された両パラメータを入力として、理解語彙パラメータａ_ｉ′と発話語彙パラメータａ_ｉの大きさを比較した結果に基づいて、再近似した理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′又は保存された理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′のどちらかを用いてα％習得日齢とβ％習得日齢を計算するもの、
   であることを特徴とする幼児語彙理解難易度評価装置。
5. 請求項２に記載した幼児語彙理解難易度評価装置と、
   当該幼児語彙理解難易度評価装置が出力する上記語彙ｉの理解難易度と、外部から入力される検索条件とを比較することで、当該検索条件に合致する上記語彙ｉを検索する語彙検索部と、
   を具備する幼児語彙検索装置。
6. 請求項１に記載した幼児語彙理解難易度評価装置と、
   当該幼児語彙理解難易度評価装置で計算された上記習得期間と上記α％習得日齢とを入力として、上記習得期間と上記α％習得日齢を、上記語彙ｉに対応させたベクトルとして構成し、上記理解難易度と上記α％習得日齢の値に応じて上記語彙ｉを分類する語彙分類部と、
   を具備する幼児語彙分類装置。
7. 複数の幼児の語彙学習過程における語彙ｉの習得時期ｘ_ｉと習得割合ｆ（ｘ_ｉ）を入力として、語彙ｉ毎に上記習得時期ｘ_ｉと上記習得割合ｆ（ｘ_ｉ）との関係をロジスティック関数で近似するロジスティック関数近似過程と、
   上記ロジスティック関数を用いて、α％習得日齢と当該α％よりも小さいβ％のβ％習得日齢とを求める習得日齢算出過程と、
   上記α％習得日齢と上記β％習得日齢を入力として、上記語彙ｉの習得期間を算出し、当該習得期間を語彙ｉの理解難易度として出力する習得期間算出過程と、
   を備える幼児語彙理解難易度評価方法。
8. 請求項７に記載した幼児語彙理解難易度評価方法において、
   上記ロジスティック関数近似過程は、
   上記習得時期ｘ_ｉは、上記語彙ｉの理解時期ｘ_ｉ、上記習得割合ｆ（ｘ _ｉ ）は累積理解割合ｆ′（ｘ_ｉ）として、理解語彙ｉ毎にロジスティック曲線を描く次式の関数をモデル化し、
   

   

   
   理解語彙パラメータａ_ｉ′，ｂ_ｉ′，ｃ_ｉ′を算出するロジスティック関数近似過程であることを特徴とする幼児語彙理解難易度評価方法。
9. 請求項８に記載した幼児語彙理解難易度評価方法と、
   当該幼児語彙理解難易度評価方法が出力する上記語彙ｉの理解難易度と、外部から入力される検索条件とを比較することで、当該検索条件に合致する上記語彙ｉを検索する語彙検索過程と、
   を備える幼児語彙検索方法。
10. 請求項７に記載した幼児語彙理解難易度評価方法と、
    当該幼児語彙理解難易度評価方法で計算された上記習得期間と上記α％習得日齢とを入力として、上記習得期間と上記α％習得日齢を、上記語彙ｉに対応させたベクトルとして構成し、上記理解難易度と上記α％習得日齢の値に応じて上記語彙ｉを分類する語彙分類過程と、
    を備える幼児語彙分類方法。
11. 請求項１乃至４の何れか１項に記載した幼児語彙理解難易度評価装置、又は請求項５に記載した幼児語彙検索装置、又は請求項６に記載した幼児語彙分類装置としてコンピュータを動作させるためのプログラム。

Images