ベイズ混合効果モデルと事前学習済み言語モデルによるL2前置詞学習の再分析

arXiv cs.AI / 2026/4/6

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本研究は、ベイズ混合効果モデルとニューラルモデリング手法の両方を用いて、中国人学習者の英語前置詞のパフォーマンスデータを再分析する。
それは先行する頻度論的（frequentist）結果を概ね再現する一方で、学習者の能力、課題の種類、そして特定の刺激文に関する新たな相互作用も明らかにする。
著者らは、データセットのスパース性と学習者の多様性が高いことを踏まえると、ベイズ手法が特に有益であると主張する。
本研究は、事前学習済み言語モデルの確率を、文法性および学習可能性（learnability）の予測因子として用いるための有望な方向性を示唆する。

Abstract

英語の前置詞の理解を測定する2つのテストに対する、中国人学習者の介入前後の応答データセットを分析するために、ベイズモデルとニューラルモデルの両方を用います。結果は概ね、頻度論的解析による先行研究の知見を再現するとともに、学生の能力、課題の種類、刺激文のあいだに存在する重要な相互作用を新たに明らかにします。データの希薄さに加え学習者間の多様性が高いことから、ベイズ手法が最も有用であることが示されます。しかし同時に、言語モデルの確率を文法性および学習可能性の予測因子として用いる可能性も見えてきます。