# TEDトークを用いたおもしろい研究 おはようございます。心理学者の仁平です。心理学に触れる一日一語のお時間です。 この番組では心理学の専門用語を毎日一つずつ紹介しています。 今日の一語はアクセント差別という言葉です。 私も初めて聞いたんですけど、英語の非ネイティブの人が話すスピーチというのがネイティブの人と比べてどうなのかということを調べた。 面白い研究になっています。方法論が新しくてすごく勉強になりました。ぜひ聞いていってもらえれば嬉しいです。 先にお知らせをさせていただきたいと思うんですが、また今週も生配信をしたいと思っております。 日曜日、明日ですかね。明日の16時からにしますかね。 16時から生配信をしたいと思います。 近況とかを報告したりとかコメント返したりとかしたいので、ぜひ集まっていただけると嬉しいです。 よろしくお願いします。 今日の一語、アクセント差別とは何かというところなんですが、英語だとアクセンティズムという言葉があるみたいです。 本当に初めて聞きました。話し方や発音の違いを手がかりに、話者の能力、信頼性、好意度などを不当に低く評価したり、不利益に扱いをすることを指します。 今回の研究はスピーチ環境、特に公共でのスピーチ、本当にいろんな人が見るようなスピーチ環境において、エンゲージメントにどう繋がるかということを調べた研究です。 お馴染みというかみんな大好き、テッドトークをまずは研究1で使ってまして、その後の追々する研究でもうちょっと実験的なことをしてます。 このテッドトークの研究がすごく面白くて、データ数的には5367本のテッドトークを使っています。 文字起こしの合計語数は927万5、1本の放送あたり大体1700語ぐらいを使っているそうです。 テッドって視聴数もそうですし、あとはいいね数ですね。 この視聴数といいね数がエンゲージメントの指標になっています。 ここまでは結構わかるかなと思います。 一番今回見たい変数としてはアクセントの違い。 これが計算できるみたいですね。 Pythonのマイプロソディという関数パッケージなんでしょうかね。 を使って発音スコアを推定することができるそうです。 これは誰でもできると思うので、自分のやつもやってほしいなと思うんですけど、現実を見るのが怖いので。 あれですが、計算できると。 100がネイティブだとすると、そこからの100から差し引いてというスコア可能仕方をしているのか。 だから高いほど非母語的であると非ネイティブ的な発音であるというふうに点数化できるそうです。 このさっき言った5千何百本みたいなテッドの音声を使って数値化しているということです。 ここからもすごい面白くて、非ネイティブってことはアクセント以外にもいろんな要素が違うわけですよね。 その要素をできるだけ潰していくっていう作業をします。 ここが統制変数といったりしますけど、これが本当に心理学、別に心理学だけじゃないかもしれないんですけど、 統計を使ういろんな学問で本当に肝になっている部分かなと思います。 例えばトピックですね。 トピックを絞るので、文字起こししたものを自然言語処理で解析をするとトピックが分かるんですよ、大体。 トピック数も計算するときに絞ることができて、この例えば10分の話の中で20トピックに絞るとすると、 前半では教育の話をしていて、途中では企業の話をしてみたいなトピックが分かるわけですよね。 そのトピックによってエンゲージメント変わりそうじゃないですか。 だからどうだろう、なかなか言い当てることは難しいんですけど、 ネイティブほど面白いトピックを話しているみたいなことになったら、 トピックがよりエンゲージメントを説明しているはずなので、予測しているはずなので、その要因を潰すことをします。 なのでトピックをこのモデルに入れる計算の統計に入れる。 そうするとトピックじゃないネイティブのアクセントの部分だけ抽出できる。 これは一例ですね。他にもいろいろ面白いので、ここだけ話したかったんですけどね。 他には写真から人種を推定する。 5千何百本というデータ数になると、5千くらいだったら何とか人理系できなくもないんですけど、こういういろんなサブ的な変数じゃないですか。 こういうサブ的な変数はAIを使ったりとかするととても便利。 ということで喋っている人の写真から人種を特定する。 これぐらいだったら確かに精度はとても高そうなんで使えると。 だからネイティブはおそらく白人の方が相対的には多いはずじゃないですか。 だから白人の方が話してるからエンゲージメントが高いんだっていう理由を潰すのがこの人種の話。 これはすごく重要なところだと思いますし、あとは名前からジェンダーゲッサーっていうジェンダーを予測する。 これも多分AIだと思うんですけど、精度どれくらいかわかりませんが、性別もデータとして入れる。 これも潰す。 次の面白くて、これ全部面白いですよね。 知名度を今度潰します。 これどうするかというと、Google検索で結果件数、例えば筆割人平というふうに調べたら何件ヘッドするんでしょうか。 やってみるか。 余談がすごいけどいいや。 今って件数パッと出てくるんでしたっけ。 どこに書いてるんだろう。 ちょっとわかんないや。 Googleには出てきませんが、この件数がわかるじゃないですか。 この件数でそれをデータに入れる。 なのでネイティブほど知名度が高い人が多くてっていう理由を潰すってことです。 こういうことをどんどんやっていくと、今回見たかったアクセントの非ネイティブ具合っていうのが、 エンゲージメントに与える影響だけをっていうことは言えないんですよ。 無限にそういうのってあるので。 でもできるだけ考えつくことをできる方法で消していくっていうことが、 本当にこれ研究者の腕の見せどころかなと思うので、 個人的にはめちゃくちゃワクワクしてこの論文読んでました。 あともっと簡単なことで言うと、動画の長さもちろん入れるし、 公開した年数、古い方がいい年数多そうじゃないですか、みたいなのももちろん入れるし、 テッドに掲載された日数とかも入れるしっていうこととかね。 こういうのを全部入れてどうなんだってことを調べる。 結構もう無数に満足しちゃってるんですけど、 結果を言うと、仮説通りですね。 やはりアクセントスコアが高い、非ネイティブ度が高いほど、 視聴数、いいね数ともに低い傾向があったそうです。 とても非ネイティブで英語を喋らないといけない、 たまに推奨しないといけない顔としては残念な結果なんですけども、 しょうがないなとも思う。しょうがないなとも思う。 っていう結果でした。 これがまず1個目で言いたかったこと。 こういう現実場面のデータを使ってやるっていうのはすごく面白いなと思います。 この後は実験の方ですよ。 こういう事象が現実場面で確認されたので、 本当にそれだけに絞ってやってみようということをします。 研究にはどういうことをしたかというと、 同一人物が同一のTED風のスクリプトを読み上げるということをします。 アメリカアクセント、カナダアクセント、 あとはペルシアアクセントのバージョンを作成するそうです。 これは音声のみで内容となおさ揃えるということをします。 音声だけなので、もちろん顔とかは関係ないですし、 同一人物ってどういうことなんだろう。 アクセントを喋れる人いますよね、いろんな。 そういうことなのかな。 要素を極限に減らして、 ヒネイティブアクセントの影響を調べるということをします。 実験ではメカニズム的なことも知りたいので、他にもいろいろ聞いてます。 まずはエンゲージメントで言うと、 面白い、どれくらい面白いかと思ったか、 いいねしたいと思ったか、 この音声をシェアしたいと思ったかという、 これがエンゲージメントの指標になります。 他にも理解のしやすさということを聞いてみたりとか、 あとはどれくらいこの話し方が温かいと思ったかという、 なんていうんですかね、ウォームズそのままか、 温かさを聞いたりとか、 あとはこの人は有能知能がある、知識があるみたいなことも聞いたりします。 ということをすることによって分かったことが、 やはり非標準アクセント、こうでいうとペルシアアクセントのほうが、 エンゲージメント意図が低くなりやすいそうです。 これが何で説明されるかというと、 先ほど言った温かさ、 非ネイティブアクセントの音声だと温かさの評価が低くて、 だからエンゲージメント意図も低くなるという関係性です。 これちょっと因果関係までは媒介分析言えないので、 これがなかなかややこしいところなんですけど、 関係性としてはそういう続く関係になっていたと。 あとは理解のしやすさもそうで、 非標準アクセント、非ネイティブアクセントは、 理解がしにくくてエンゲージメントが低くなるということですね。 同じことを喋っているんだけども、 そこの処理の流暢性といったりしますけど、 残念ながら低くなるというのが分かったというのが、 今回の研究結果でございました。 研究結果は自分にとっては重要なんですけど、 あまり気にしなくてもいいのかなと思います。 しょうがないですね。伝わればいいんじゃないですか。 伝わるように心を込めて話すのを意識して、 もちろん僕もまだまだ英語に苦手意識があって、 うまくいかないなと思うことがいつもなんですけど、 頑張りたいなと思うというのが結果的な感想ですね。 あとは方法論的な感想でいうと、 やっぱり変数の作り方が痺れますね。 こういう論を読むと研究っていいなと思うね。 論文を読んで勉強して、 これを今度また自分の研究に生かすということをね、 検証してみたいなと思いました。 顔写真から人種を測定してとか、 知名度をGoogle検索の検索数で指標化してとか、 考えつくと思えば考えつくかもだけどね、 美しいなと思いました。 そういうの伝わってたらいいんですけどね。 この興奮がちょっとでも変やな。 研究者が話す意義ってそこにあるじゃないですかね。 内容だけ話してこういう結果でしたっていうのはね、 論文を読めば誰でも分かるっちゃ分かると思うんですけど、 ここが肝ですよと。 ここがこの論文の一番輝いている部分ですよというのが、 自分の仕事かなと思ってますので、 たまにお付き合いいただけると嬉しいです。 最後まで聞いてくださってありがとうございました。 今日もいい一日にしていきましょう。 陳平でした。心込めて。