発達言語研究における動作動詞と結果動詞を測定するためのスケーラブルなツール
本研究は、大規模言語モデルとRoBERTa分類器を用いて、文脈中の動作動詞と結果動詞を自動識別する計算手法を提案し、平均精度89.6%を達成した。言語学的情報に基づくプロンプトで注釈を生成し、VerbNetのカバレッジを436クラスに拡張。発達研究における動詞意味論のスケーラブルな測定ツールを提供する。
最近、arXivに投稿された研究（論文ID: 2605.16654）で、文脈中の動作動詞と結果動詞を自動的に測定するスケーラブルな計算ツールが提案されました。この研究はDivyesh Pratap Singhら7名の著者によるもので、2026年5月15日に提出され、論文タイトルは「A Scalable Tool for Measuring Manner and Result Verbs in Developmental Language Research」です。
言語習得研究において、動作動詞（例：「走る」）と結果動詞（例：「到着する」）はイベント構造の異なる側面を符号化し、幼児の初期動詞学習を理解する上で重要な区別とされています。しかし、大規模な注釈リソースが不足しているため、この区別を大規模に測定することは困難でした。そこで研究者らは、大規模言語モデル（LLM）を活用した計算手法を開発しました。
具体的には、言語学的に情報を与えたプロンプトを用いて、LLMによりMASCおよびInterCorpコーパスから文レベルの注釈データを生成しました。これにより、VerbNetの既存注釈部分を436クラスに拡張しました。次に、これらの注釈に基づいてRoBERTaベースの分類器を訓練し、既存の注釈項目と新たに専門家が注釈したセットを含む3つのゴールドスタンダードデータセットで評価した結果、平均精度89.6%を達成しました。この論文は全12ページで、計算と言語（cs.CL）および人工知能（cs.AI）の分野に分類されています。
このツールは、発達言語学や他の言語データセットにおける動詞意味論の研究を支援するスケーラブルな測定手段として提示されています。ただし、境界事例や混合動作/結果動詞、および下流の発達応用についてはさらなる検証が必要であると著者らは指摘しています。このツールのコードとデータは公開されており、関連分野の研究者にとって有用なリソースとなります。