Embed Size (px)
Citation preview
学習者の
ライティング方略は
現実の
ライティングプロセスに
反映されるか
本研究の内容
• 概要
–ライティングプロセスを記録して、ライティング方略との連関を観察
• 結果
–学習者のライティング方略はライティングプロセスに反映される
川口 勇作 名古屋大学大学院生
第85回外国語教育メディア学会
全国研究大会
於：千里ライフサイエンスセンター
2015/8/5
背景＞本研究＞総括
研究背景
• L2のライティングプロセスに関する研究
–3つの下位プロセス（e.g., Hayes & Flower,
1980）
•書き始める前の計画
•中盤の文章化
•終盤の推敲
–計画や推敲はライティング方略ともみなされる（e.g., Yamanishi, 2009）
研究背景
• Sasaki（2002）
–ライティングプロセスに関する質的研究
•学習者のWPを刺激再生法にて収集
•熟達度ごとに比較
•高熟達度学習者ほど、書き始める前に文章構成をする傾向がある
–「包括的計画」方略
研究背景
• 質的研究から量的研究へ
–質的研究における生態学的妥当性の課題（e.g., Pavlenko, 2007）
–量的研究法の採用
•質問紙調査（e.g., Petrić & Czárl, 2003; Yamanishi, 2009）
•キー入力記録システム（e.g., Stevenson, Schoonen
& de Glopper, 2006）
–より正確な記録が可能
研究背景
• Yamanishi（2009）
–日本人大学生の、熟達度間の使用方略の差異を比較
• 4つの下位尺度を持つ質問紙を使用
–包括的計画・局所的計画・推敲・回避
•学習者のライティング方略を量的に操作化
•高熟達度学習者は低熟達度学習者より包括的な計画をより多く用いる傾向
研究背景
• 川口・室田・後藤（2014）
–ライティングプロセスの傾向を量的に操作化
•増加語数の時系列推移を、ポアソン分布モデルおよび線形回帰モデルに当てはめ
–ポアソン分布モデル：下位プロセスが明確な、望ましい語数の時系列推移と近似
–線形回帰モデル：書き始めから終了まで語数が伸び続けるという時系列推移と近似
0 5 10 15 20 25 30
0.0
0.2
0.4
0.6
0.8
1.0
Example
Time
Wo
rd n
um
be
r ra
tio
0 5 10 15 20 25 30
0.0
0.2
0.4
0.6
0.8
1.0
Lambda=10
Time
Wo
rd n
um
be
r ra
tio
計画
文章化
推敲
0 5 10 15 20 25 30
0.0
0.4
0.8
Lambda = 1
Time
Word
Num
ber
Ratio
0 5 10 15 20 25 30
0.0
0.4
0.8
Lambda = 5
TimeW
ord
Num
ber
Ratio
0 5 10 15 20 25 30
0.0
0.4
0.8
Lambda = 10
Time
Word
Num
ber
Ratio
0 5 10 15 20 25 30
0.0
0.4
0.8
Lambda = 15
Time
Word
Num
ber
Ratio
0 5 10 15 20 25 30
0.0
0.4
0.8
Lambda = 20
Time
Word
Num
ber
Ratio
0 5 10 15 20 25 30
0.0
0.4
0.8
Lambda = 25
Time
Word
Num
ber
Ratio
研究背景
• 川口・室田・後藤（2014）
–ライティングプロセスの傾向を量的に操作化
•当てはめによって得られた値をライティングプロセスの傾向を示す指標とし、各種エッセイ評定との相関を検証
•線形回帰モデルに当てはまりがよいほどエッセイ評定が高い傾向
研究背景
• 本研究の主眼
–プロセスをモデルフィッティングして得られる指標と、学習者のライティング方略には、連関が見込まれる
•学習者が使用する方略とプロセスの傾向を示す各種指標との相関関係を検証
研究背景
• 考えられる仮説
–包括的計画方略を用いる学習者は、サブプロセスが明確なプロセス（＝ポアソン分
布への当てはまりがよく、λ値も大きく、切片は小さい）を示す
–局所的計画方略を用いる学習者は、手を止める回数（＝語数が増加しない時間）が多い
研究課題
1. 学習者のライティング方略は、ライティングプロセスの傾向を示す指標と連関を示すか
2. ライティング方略と相関関係にある指標はなにか
背景＞本研究＞総括
本研究
• 調査参加者（N = 21）
–日本の大学に在籍する英語学習者
•大学生・大学院生
•平均のTOEICスコアは756（SD = 178.18）
–中～高熟達度の学習者
–3大学よりサンプリング
本研究
• 手順
–TOEFLライティングセクションのトピックを使用
•テクノロジーについて/家族について
•メモ用紙を同時に配布
–30分のエッセイライティング
• WritingMaetriX（草薙他, 2015）で記録
作文時のイメージ
本研究
• ライティング方略に関する尺度（Yamanishi,
2009）
–項目を一部修正
–元の33項目から、信頼性を大きく下げている1項目を削除し、32項目を分析に使用
• 包括的計画（k = 10, α = .71）
• 局所的計画（k = 6, α = .53）
• 推敲（k = 8, α = .85）
• 回避（k = 8, α = .77）
本研究
• 分析方法
–以下の項目を変数とする多変量相関分析（スピアマンの順位相関）
•カイ二乗値
–ポアソン分布モデルへの当てはまりのよさを示す（小さければ小さいほど当てはまりがよい）
• λ値
–学習者のライティングプロセスの傾向を示す
本研究
• 分析方法
–以下の項目を変数とする多変量相関分析（スピアマンの順位相関）
•傾き・切片
•決定係数 R2
–線形回帰モデルへの当てはまりのよさを示す
–大きければ大きいほど当てはまりがよい
本研究
• 分析方法
–以下の項目を変数とする多変量相関分析（スピアマンの順位相関）
•推敲回数 –語数が減少したデータポイント数
•局所的計画の回数
–語数が変化しなかったデータポイント数
•ライティング方略に関する尺度の回答 –包括的計画・局所的計画・推敲・回避
分析
• 記述統計の算出
• 多変量相関分析
–無相関検定
–相関係数のブートストラップ信頼区間の算出
•小規模標本のため
–グラフィカルモデリング
結果 • 記述統計（N = 21）
M SD 最小値 中央値 最大値 歪度 尖度 SE
包括的計画 2.88 0.44 2.00 2.90 3.50 -0.57 -0.73 0.10
局所的計画 2.86 0.48 1.83 2.83 3.67 -0.39 -0.72 0.10
回避 2.36 0.51 1.50 2.25 3.38 0.28 -1.06 0.11
推敲 3.00 0.54 2.12 3.00 4.00 0.27 -1.12 0.12
語数 258.33 116.77 88.00 244.00 561.00 0.76 -0.05 25.48
λ 16.04 1.97 12.45 15.94 20.36 0.49 -0.14 0.43
χ2 57.52 60.70 0.33 34.41 187.03 0.70 -1.01 13.25
傾き -24.14 21.57 -61.53 -23.99 6.53 -0.24 -1.43 4.71
切片 9.29 4.34 3.21 8.63 19.87 0.69 -0.48 0.95
R2 0.98 0.02 0.92 0.99 1.00 -1.35 0.53 0.01
LP回数 2.95 3.07 0.00 2.00 10.00 1.09 -0.02 0.67
推敲回数 0.86 0.85 0.00 1.00 3.00 0.71 -0.26 0.19
GP
2.0 3.0
0.59 -0.21
2.5 3.5
0.77 0.41
14 18
0.25 -0.16
-60 -20
-0.34 0.43
0.92 0.98
-0.01 0.06
0.0 2.0
2.0
3.5
-0.55
2.0
3.5
LP
-0.22 0.65 0.55 0.59 -0.42 -0.68 0.53 -0.10 0.36 -0.54
AV
-0.20 -0.51 -0.26 0.03 0.32 -0.53 -0.24 0.02
1.5
3.0
-0.08
2.5
4.0
RR
0.40 0.26 -0.18 -0.31 0.40 0.21 0.03 -0.58
Words
0.29 -0.06 -0.69 0.98 0.38 -0.14
100-0.20
14
20
Lambda
-0.26 -0.78 0.34 -0.25 0.48 -0.23
Poisson.chisq
0.36 -0.11 0.60 -0.79
0150
-0.08
-60
0 Intercept
-0.74 0.04 -0.42 0.14
Slope
0.31 -0.07
515
-0.14
0.9
2
R.2
-0.58 -0.12
NLP
06
0.06
2.0 3.0
0.0
2.5
1.5 2.5 100 400 0 100 5 15 0 4 8
NR
GP
2.0 3.0 2.5 3.5 14 18 -60 -30 0 0.92 0.96 0.0 1.0 2.0 3.0
2.0
3.0
2.0
3.0 r = 0.65
p = 0.0013rs = 0.59
p = 0.0047
LP
r = -0.37p = 0.101rs = -0.21p = 0.3518
r = -0.27p = 0.2332rs = -0.22p = 0.3431
AV
1.5
2.5
2.5
3.5 r = 0.75
p = 1e-04rs = 0.77p = 1e-04
r = 0.65p = 0.0014rs = 0.65
p = 0.0013
r = -0.19p = 0.4017rs = -0.2
p = 0.3873
RR
r = 0.46p = 0.0368rs = 0.41
p = 0.0631
r = 0.53p = 0.0142rs = 0.55
p = 0.0101
r = -0.52p = 0.0168rs = -0.51p = 0.0184
r = 0.41p = 0.0677
rs = 0.4p = 0.0715
Words
100
400
14
18 r = 0.31
p = 0.1658rs = 0.25
p = 0.2806
r = 0.57p = 0.0064rs = 0.59p = 0.005
r = -0.17p = 0.4673rs = -0.26p = 0.2602
r = 0.27p = 0.2369rs = 0.26
p = 0.2496
r = 0.15p = 0.5267rs = 0.29
p = 0.2086
Lambda
r = -0.09p = 0.6867rs = -0.16p = 0.4854
r = -0.3p = 0.1858rs = -0.42p = 0.0575
r = -0.06p = 0.805rs = 0.03
p = 0.9081
r = -0.15p = 0.5194rs = -0.18p = 0.4281
r = 0.04p = 0.8479rs = -0.06p = 0.7842
r = -0.2p = 0.3882rs = -0.26p = 0.2618
Poisson.chisq
0100
-60
-20 r = -0.39
p = 0.0827rs = -0.34p = 0.1301
r = -0.64p = 0.0018rs = -0.68p = 7e-04
r = 0.36p = 0.1067rs = 0.32
p = 0.1571
r = -0.32p = 0.1528rs = -0.31p = 0.1764
r = -0.6p = 0.004rs = -0.69p = 8e-04
r = -0.75p = 1e-04rs = -0.78
p = 0
r = 0.34p = 0.1328rs = 0.36
p = 0.1084
Intercept
r = 0.46p = 0.0357rs = 0.43
p = 0.0535
r = 0.51p = 0.0173rs = 0.53
p = 0.0131
r = -0.53p = 0.0145rs = -0.53p = 0.0135
r = 0.4p = 0.069rs = 0.4
p = 0.0735
r = 0.99p = 0
rs = 0.98p = 0
r = 0.15p = 0.5263rs = 0.34
p = 0.1269
r = -0.03p = 0.8866rs = -0.11p = 0.6409
r = -0.64p = 0.0017rs = -0.74p = 2e-04
Slope
515
0.9
20.9
8
r = -0.08p = 0.7358rs = -0.01p = 0.9528
r = -0.31p = 0.1734rs = -0.1
p = 0.6608
r = -0.37p = 0.1018rs = -0.24p = 0.2928
r = -0.03p = 0.8965rs = 0.21
p = 0.3654
r = 0.35p = 0.1187rs = 0.38
p = 0.0908
r = -0.5p = 0.0208rs = -0.25p = 0.2796
r = 0.47p = 0.0328
rs = 0.6p = 0.0046
r = 0.2p = 0.3904rs = 0.04
p = 0.8545
r = 0.33p = 0.1495rs = 0.31
p = 0.1725
R.2
r = 0.18p = 0.4309rs = 0.06
p = 0.8114
r = 0.4p = 0.0716rs = 0.36
p = 0.1074
r = 0.12p = 0.605rs = 0.02p = 0.929
r = 0.17p = 0.4746rs = 0.03
p = 0.8907
r = -0.27p = 0.2294rs = -0.14p = 0.5497
r = 0.57p = 0.0068rs = 0.48
p = 0.0276
r = -0.63p = 0.0022rs = -0.79
p = 0
r = -0.38p = 0.0856rs = -0.42p = 0.059
r = -0.22p = 0.3357rs = -0.07p = 0.769
r = -0.73p = 2e-04rs = -0.58p = 0.0056
NLP
04
8
2.0 2.5 3.0 3.5
0.0
2.0 r = -0.52
p = 0.0159rs = -0.55p = 0.0097
r = -0.46p = 0.0367rs = -0.54p = 0.0116
1.5 2.5
r = -0.06p = 0.7901rs = -0.08p = 0.7421
r = -0.51p = 0.0173rs = -0.58p = 0.0059
100 300 500
r = -0.11p = 0.6246rs = -0.2
p = 0.3906
r = -0.27p = 0.2288rs = -0.23p = 0.3195
0 50 150
r = -0.14p = 0.5552rs = -0.08p = 0.7384
r = 0.07p = 0.7587rs = 0.14p = 0.544
5 10 15 20
r = -0.06p = 0.8055rs = -0.14p = 0.5501
r = 0.13p = 0.5654rs = -0.12p = 0.602
0 2 4 6 8
r = -0.12p = 0.6133rs = 0.06
p = 0.8015
NR
GP
2.0 3.0 2.5 3.5 14 18 -60 -30 0 0.92 0.96 0.0 1.0 2.0 3.0
2.0
3.0
2.0
3.0 r = 0.65
p = 0.0013rs = 0.59
p = 0.0047
LP
r = -0.37p = 0.101rs = -0.21p = 0.3518
r = -0.27p = 0.2332rs = -0.22p = 0.3431
AV
1.5
2.5
2.5
3.5 r = 0.75
p = 1e-04rs = 0.77p = 1e-04
r = 0.65p = 0.0014rs = 0.65
p = 0.0013
r = -0.19p = 0.4017rs = -0.2
p = 0.3873
RR
r = 0.46p = 0.0368rs = 0.41
p = 0.0631
r = 0.53p = 0.0142rs = 0.55
p = 0.0101
r = -0.52p = 0.0168rs = -0.51p = 0.0184
r = 0.41p = 0.0677
rs = 0.4p = 0.0715
Words
100
400
14
18 r = 0.31
p = 0.1658rs = 0.25
p = 0.2806
r = 0.57p = 0.0064rs = 0.59p = 0.005
r = -0.17p = 0.4673rs = -0.26p = 0.2602
r = 0.27p = 0.2369rs = 0.26
p = 0.2496
r = 0.15p = 0.5267rs = 0.29
p = 0.2086
Lambda
r = -0.09p = 0.6867rs = -0.16p = 0.4854
r = -0.3p = 0.1858rs = -0.42p = 0.0575
r = -0.06p = 0.805rs = 0.03
p = 0.9081
r = -0.15p = 0.5194rs = -0.18p = 0.4281
r = 0.04p = 0.8479rs = -0.06p = 0.7842
r = -0.2p = 0.3882rs = -0.26p = 0.2618
Poisson.chisq
0100
-60
-20 r = -0.39
p = 0.0827rs = -0.34p = 0.1301
r = -0.64p = 0.0018rs = -0.68p = 7e-04
r = 0.36p = 0.1067rs = 0.32
p = 0.1571
r = -0.32p = 0.1528rs = -0.31p = 0.1764
r = -0.6p = 0.004rs = -0.69p = 8e-04
r = -0.75p = 1e-04rs = -0.78
p = 0
r = 0.34p = 0.1328rs = 0.36
p = 0.1084
Intercept
r = 0.46p = 0.0357rs = 0.43
p = 0.0535
r = 0.51p = 0.0173rs = 0.53
p = 0.0131
r = -0.53p = 0.0145rs = -0.53p = 0.0135
r = 0.4p = 0.069rs = 0.4
p = 0.0735
r = 0.99p = 0
rs = 0.98p = 0
r = 0.15p = 0.5263rs = 0.34
p = 0.1269
r = -0.03p = 0.8866rs = -0.11p = 0.6409
r = -0.64p = 0.0017rs = -0.74p = 2e-04
Slope
515
0.9
20.9
8
r = -0.08p = 0.7358rs = -0.01p = 0.9528
r = -0.31p = 0.1734rs = -0.1
p = 0.6608
r = -0.37p = 0.1018rs = -0.24p = 0.2928
r = -0.03p = 0.8965rs = 0.21
p = 0.3654
r = 0.35p = 0.1187rs = 0.38
p = 0.0908
r = -0.5p = 0.0208rs = -0.25p = 0.2796
r = 0.47p = 0.0328
rs = 0.6p = 0.0046
r = 0.2p = 0.3904rs = 0.04
p = 0.8545
r = 0.33p = 0.1495rs = 0.31
p = 0.1725
R.2
r = 0.18p = 0.4309rs = 0.06
p = 0.8114
r = 0.4p = 0.0716rs = 0.36
p = 0.1074
r = 0.12p = 0.605rs = 0.02p = 0.929
r = 0.17p = 0.4746rs = 0.03
p = 0.8907
r = -0.27p = 0.2294rs = -0.14p = 0.5497
r = 0.57p = 0.0068rs = 0.48
p = 0.0276
r = -0.63p = 0.0022rs = -0.79
p = 0
r = -0.38p = 0.0856rs = -0.42p = 0.059
r = -0.22p = 0.3357rs = -0.07p = 0.769
r = -0.73p = 2e-04rs = -0.58p = 0.0056
NLP
04
8
2.0 2.5 3.0 3.5
0.0
2.0 r = -0.52
p = 0.0159rs = -0.55p = 0.0097
r = -0.46p = 0.0367rs = -0.54p = 0.0116
1.5 2.5
r = -0.06p = 0.7901rs = -0.08p = 0.7421
r = -0.51p = 0.0173rs = -0.58p = 0.0059
100 300 500
r = -0.11p = 0.6246rs = -0.2
p = 0.3906
r = -0.27p = 0.2288rs = -0.23p = 0.3195
0 50 150
r = -0.14p = 0.5552rs = -0.08p = 0.7384
r = 0.07p = 0.7587rs = 0.14p = 0.544
5 10 15 20
r = -0.06p = 0.8055rs = -0.14p = 0.5501
r = 0.13p = 0.5654rs = -0.12p = 0.602
0 2 4 6 8
r = -0.12p = 0.6133rs = 0.06
p = 0.8015
NR
分析
• 多変量相関分析・無相関検定の結果
–以下の変数間に有意な相関がみられた
•包括的計画方略－推敲回数
•局所的計画方略－語数、λ、傾き、切片、推敲回数
•回避方略－語数、傾き
•推敲方略－推敲回数
分析
• 無相関検定の結果
–他にも、ライティング方略と中程度の相関を示す変数があったものの、無相関検定の結果が有意でなかった
–以降の考察では、有意でなかった変数を除外
分析
• 相関係数のブートストラップ信頼区間の確認
–無相関検定の結果有意だった項目のみ、ブートストラップ信頼区間を算出
•統計解析環境Rの「RVAideMemoire」パッケージを使用
–信頼区間に逆の符号が含まれる場合、考察から除外
分析
• 相関係数のブートストラップ信頼区間の確認
語数 λ 切片 傾き 推敲回数
GP [-.79, -.23]
LP [.16, .80] [.14, .80] [-.86, -.38] [.15, .77] [-.81, -.14]
AV [-.81, -.04] [-.80, -.11]
RR [-.82, -.19]
分析
• 相関係数のブートストラップ信頼区間の確認
–区間は広いものの、逆の符号をとる変数はなく、いずれも中程度の相関といえる
GP
2.0 3.0
0.59 -0.21
2.5 3.5
0.77 0.41
14 18
0.25 -0.34
5 10 15 20
0.43
2.0
3.0
-0.55
2.0
3.0 LP
-0.22 0.65 0.55 0.59 -0.68 0.53 -0.54
AV
-0.20 -0.51 -0.26 0.32 -0.53
1.5
2.5-0.08
2.5
3.5 RR
0.40 0.26 -0.31 0.40 -0.58
Words
0.29 -0.69 0.98
100
400
-0.20
14
18 Lambda
-0.78 0.34 -0.23
Intercept
-0.74
-60
-20
0.14
515 Slope
-0.14
2.0 2.5 3.0 3.5 1.5 2.5 100 300 500 -60 -30 0 0.0 1.0 2.0 3.0
0.0
2.0NR
-0.51
-0.53
0.53
-0.54
0.55
-0.55-0.58
-0.58
0.59
0.59
0.6
0.65
-0.68
-0.69
-0.74
0.77
-0.78
-0.79
0.98
GP
LP
AV
RR
Words
Lambda
Poisson.chisq
Intercept
Slope
R.2
NLP
NR
分析
• 多変量相関分析の結果
–以下の変数間に相関がみられた
•包括的計画方略－推敲回数
•局所的計画方略－語数、λ、傾き、切片、推敲回数
•回避方略－語数、傾き
•推敲方略－推敲回数
背景＞本研究＞総括
考察
• 包括的計画方略と、推敲回数との間に負の相関
–包括的計画を用いるほど、推敲回数が少ない
•最初に全体的な構成をする学習者ほど、修正を行わない？
•一方で、推敲回数は局所的計画とも負の相関（後述）
-0.51
-0.53
0.53
-0.54
0.55
-0.55-0.58
-0.58
0.59
0.59
0.6
0.65
-0.68
-0.69
-0.74
0.77
-0.78
-0.79
0.98
GP
LP
AV
RR
Words
Lambda
Poisson.chisq
Intercept
Slope
R.2
NLP
NR
考察
• 局所的計画方略と、λ値・カイ二乗値・切片・推敲回数との間に相関
–局所的計画を用いるほど、λが大きい
• λは計画の時間が長くなればなるほど（＝包括的計画をよく用いるほど）大きくなるという仮説とは逆の結果
– 30分という短い時間の場合、λは計画時間の長さには敏感ではない？
-0.51
-0.53
0.53
-0.54
0.55
-0.55-0.58
-0.58
0.59
0.59
0.6
0.65
-0.68
-0.69
-0.74
0.77
-0.78
-0.79
0.98
GP
LP
AV
RR
Words
Lambda
Poisson.chisq
Intercept
Slope
R.2
NLP
NR
考察
• 局所的計画方略と、λ値・カイ二乗値・切片・推敲回数との間に相関
–推敲回数とは負の相関
•後述
–カイ二乗値とは正の相関
•局所的計画方略を用いる学習者ほど、ポアソン分布モデルに当てはまらない
-0.51
-0.53
0.53
-0.54
0.55
-0.55-0.58
-0.58
0.59
0.59
0.6
0.65
-0.68
-0.69
-0.74
0.77
-0.78
-0.79
0.98
GP
LP
AV
RR
Words
Lambda
Poisson.chisq
Intercept
Slope
R.2
NLP
NR
考察
• 回避方略と、語数・傾きとの間に負の相関
–回避方略を行う学習者ほど、産出量が少ない傾向がある
–時間制限があるため、語数を多く書くために回避方略を多用した可能性
–トピックによる影響もある？
-0.51
-0.53
0.53
-0.54
0.55
-0.55-0.58
-0.58
0.59
0.59
0.6
0.65
-0.68
-0.69
-0.74
0.77
-0.78
-0.79
0.98
GP
LP
AV
RR
Words
Lambda
Poisson.chisq
Intercept
Slope
R.2
NLP
NR
考察
• 推敲方略と、推敲回数との間に負の相関
–理論的に考えにくい
–推敲回数の操作化の方法を再考する必要がある
-0.51
-0.53
0.53
-0.54
0.55
-0.55-0.58
-0.58
0.59
0.59
0.6
0.65
-0.68
-0.69
-0.74
0.77
-0.78
-0.79
0.98
GP
LP
AV
RR
Words
Lambda
Poisson.chisq
Intercept
Slope
R.2
NLP
NR
考察
• 全体的に、方略と現実のライティングプロセスには関係がある傾向
–学習者のライティング方略はライティングプロセスに反映される
–方略とプロセスを示す指標とは（一部不可解
なものもあるが）基本的には連関を示している
課題
• 小規模標本の問題
–無相関検定・ブートストラップ信頼区間を踏まえて考察した
–それでも、推定精度が低い可能性、サンプルに偏りがある可能性は排除しきれない
–より大きなサンプルサイズで、高精度な推定が必要
課題
• 測定具について
– Yamanishi（2009）
• 因子的妥当性・信頼性は考慮されていない
– Petrić & Czárl （2003） • データが適していなかったという理由から因子分析は実施していない
–妥当性を満たす、より精度の高いライティング方略尺度は必要
課題
• 推敲回数の操作化について
–包括的計画、局所的計画、推敲方略のいずれとも負の相関
•理論的に考えにくい
–どの程度の語数の増減が推敲に当たるのかを再考する必要
教育的示唆
• ライティング方略はライティングプロセスに反映される
–明示的なライティング方略指導によって、ライティングプロセスが変化する可能性
–それに付随して、プロダクトの質にも影響がある？
結論
•学習者のライティング方略は…
–学習者のライティングプロセスに反映される
–プロセスを示す多くの指標と複雑な関係を持つ
参考文献 Hayes, J., & Flower, L. (1980). Identifying the organization of writing processes. In L. W. Gregg & E. R.
Steinberg (Eds.), Cognitive processes in writing (pp. 3–30). Hillsdale, N.J.: Lawrence Erlbaum
Associates.
川口勇作・室田大介・後藤亜希 (2014). 「エッセイライティングにおける増加語数の時系列推移傾向はエッセイ評価を予測するか―線形回帰モデルおよびポアソン分布へのフィッティングを用いて―」『第40回全国英語教育学会徳島研究大会発表予稿集』306–307.
草薙邦広・阿部大輔・福田純也・川口勇作 (2015). 「学習者のライティングプロセスを記録・可視化・分析する多機能型ソフトウェアの開発：WritingMaetriX」『外国語教育メディア学会中部支部研究紀要』26, 23–34.
Pavlenko, A. (2007). Autobiographic narratives as data in applied linguistics. Applied Linguistics,
28, 163–188.
Petrić, B., & Czárl, B. (2003). Validating a writing strategy questionnaire. System, 31, 187–215.
Sasaki, M. (2002). Building an empirically-based model of EFL learners’ writing processes. In S.
Ransdell & M-L. Barbier (Eds.), New directions for research in L2 writing (pp. 49–80).
Amsterdam: Kluwer Academic.
Yamanishi, H. (2009). Japanese EFL learners’ use of writing strategies: A questionnaire survey. The
Bulletin of the Writing Research Group, JACET Kansai Chapter, 8, 53–64.
お問い合わせ先
名古屋大学大学院生
川口 勇作 [email protected]
学習者のライティング方略は…
学習者のライティングプロセスに反映される
プロセスを示す多くの指標と複雑な関係を持つ
https://sites.google.com/site/kwsk3939/
包括的計画
1. はじめに大まかに書いて，後で細かな修正をしながら書く
2. 内容がまとまるように文の順番を考えながら書く
3. 内容をまとめるための表現を考えながら書く
4. 表現に一貫性があるようにして書く
5. 物語調で書こうとする
6. 日本語で考えを整理してから，英語で書く
7. 課題で何が要求されているかを考えながら書く
8. 課題の趣旨を読者に伝えるように書く
9. 課題内容をよく理解してから書く
10. 結び（文章のオチ）の表現に気を遣って書く
局所的計画
1. 冠詞や単数形や複数形に注意しながら書く
2. 語と語の組み合わせ（イディオムなど）を考えながら書く
3. 思いついた英語の表現が日本語の意味にあっているか考えながら書く
4. 思いついた複数の表現から，最もふさわしい表現を選びながら書く
5. 次にどのような内容を書こうか考えながら書く
6. 書きやすい表現を使えるように，書く内容を調整した
7. 定型的な表現（決まった言い回し）を気にしながら書く
推敲
1. 課題を見直して，書いた内容を修正する
2. 課題を見直して，足りない情報を書き足す
3. 書いた内容を見直して，表現が簡潔になるように修正する
4. 書いた内容を見直して，全体的な表現（文章の構成など）を修正する
5. 書いた内容を見直して，足りない情報を付加する
6. 書いた内容を見直して，内容のまとまりが良くなるように修正する
7. 書いた内容を見直して，不要な情報を削除する
8. 書いた内容を見直して，部分的な表現（文法，つづりなど）を修正する
回避
1. どのように書こうか考えたが，あきらめて作文を終了する
2. 書いている途中に違和感を覚えても，そのまま書き進める
3. 書きたい内容はあっても，表現が思い浮かばなかったら書かない
4. 書きにくそうな箇所は書かない
5. 日本語では書けても英語で表現するのが難しい内容は書かない
6. 書き足りない内容があったが，書くと大変そうだったから書かない
7. 書こうとした内容はあったが，ぼろを出さないように書かない
8. 文のつながりがおかしいと感じた箇所があっても，気にしないようにする
