国際英語コーパス

国際英語コーパス( ICE ) は、世界中の 英語のさまざまなバリエーションを表すテキスト コーパスのセットです。英語が第一言語または第二公用語である 20 を超える国または国グループが含まれています。

世界の英語の構文を比較するコーパスを編纂するというシドニー・グリーンバウムの目標は、チャールズ・F・マイヤー教授によって達成されたICEプロジェクトとなった。シドニー・グリーンバウムは、国際的な研究者チームが、書き言葉と話し言葉の両方で比較可能な各国の英語のバリエーションを収集することを期待していた。 ^[1]比較可能なバリエーションとは、イギリス英語、アメリカ英語、インド英語であり、これらはコンピュータコーパスで表現される。^[2]コーパスは、研究者が英語のバリエーションの構文を比較するために使用される。^[3] ICEコーパスが完成すると、出現した英語のバリエーションの包括的な言語分析が行われる。^[4] ICEの進行中の研究は、さまざまな地域で国際的なチームによって実施されている。^[5]このプロジェクトは、世界中の英語の比較研究のための資料を収集することを主な目的として1990年に始まりました。世界中の23の研究チームが、それぞれの国または地域の英語のバリエーションの電子コーパスを準備しています。各ICEコーパスは、1989年以降に作成された英語の話し言葉と書き言葉の100万語で構成されています。 ^[6]ほとんどの参加国にとって、ICEプロジェクトは国語の多様性に関する初めての体系的な調査を促進しています。構成要素コーパス間の互換性を確保するため、各チームは共通のコーパス設計と、文法注釈の共通スキームに従っています。

各コーパスには、ブラウンコーパスに使用されたサンプリング方法に従って、2000語のテキスト500件、計100万語が含まれています^[7]。ただし、ブラウンコーパスやランカスター・オスロ・バーゲン（LOB）コーパス（または英国国立コーパスなどのメガコーパス）とは異なり、テキストの大部分は音声データから得られています。

ICEコーパスはコーパスあたり100万語しかなく、現代の基準からすると非常に小さいと考えられています。^[8] ICEコーパスには、綴り字で書き起こされた口語英語の60％（60万語）が含まれています。プロジェクトの生みの親であるシドニー・グリーンバウムは、ランドルフ・クィルクとヤン・スヴァルトヴィクのオリジナルのロンドン・ルンド・コーパス（LLC）での協力に倣い、話し言葉の優位性を主張しました。逐語的な書き起こしを重視するこの点で、ICEは、議会や法律の言い換えなどを含む他の多くのコーパスとは一線を画しています。

コーパスは、1990 年以降のデータのみで構成されています。データ収集の対象は、英語で教育を受けた成人で、データの帰属先の国で生まれたか、幼少期に移住した人々です。^[7]さまざまな年齢層の男性と女性の音声とテキストのサンプルがありますが、コーパスの Web サイトでは、「ただし、その割合は人口全体の割合を表すものではありません。政治や法律などの専門職では女性が平等に代表されておらず、これらの分野での言説の量も同じではありません」と明記しています。^[7]

ICEの英国コンポーネントであるICE-GBは、Quirkら^{[9]の詳細な} 句構造文法で完全に解析されており、分析は徹底的にチェックされ完了しています。この分析には、コーパス全体の品詞タグ付けと解析が含まれます。ツリーバンクは、ICE Corpus Utility ProgramまたはICECUPソフトウェアを使用して徹底的に検索および調査できます。詳細については、ハンドブックを参照してください。^[10]

ICEの個々のコーパス間の互換性を確保するために、各チームは共通のコーパス設計と文法注釈の共通スキームに従っています。^[11]現在、多くのコーパスがICEの公式Webページからダウンロードできますが、ライセンスが必要なものもあります。ただし、公開の準備ができていないものもあります。^[12]

研究者や言語学者は、コーパスのデータに注釈を付ける際に特定のガイドラインに従います。そのガイドラインは、国際英語マニュアル・ドキュメンテーションコーパスに掲載されています。注釈の3つのレベルは、テキストマークアップ、単語クラスタグ付け、構文解析です。^[13]

文章や段落の解析などのオリジナルのマークアップやレイアウトは保存され、オリジナルであることを示す特別なマーカーが付いています。音声データは綴り通りに転写され、ためらいや誤った開始、休止などのインジケーターが付いています。^[13]

品詞とも呼ばれる語句クラスは、文中での機能に基づいた語句の文法カテゴリです。

英国のテキストは、ロンドン大学ユニバーシティ・カレッジで開発され、英語の包括的な文法を使用する ICE タグ付けツールによって、自動的に語句のタグ付けが行われます。

その他の言語は、PENN TreebankとCLAWSタグセットを使用して自動的にタグ付けされます。タグは手動で修正されることはありませんが、定期的に品質チェックが行われます。^[13]

文は自動的に解析され、必要に応じて、コーパス専用に作成された構文ツリー エディターである ICECUP を使用して手動で修正されます。

依存関係の解析もDependency Parser Pro3GreSによって自動的に行われます。結果は手動で検証されません。^[13]

アイルランドは現在、データに実用的な注釈を組み込んでいる唯一の参加国です。

以下はICEのサブセクションであり、括弧内は各カテゴリとサブカテゴリのコーパス数を示しています。^[7]

国際英語コーパスに関する書籍や、そのコーパスに部分的に基づいた書籍が数多く出版されている。^[14]

• カリブ海における英語：ジャマイカとトリニダードにおけるバリエーション、スタイル、基準（2014年）ダグマー・デューバー著
• ヴァレンティン・ヴェルナー著『世界の英語における現在完了形：統一性と多様性の図表』（2014年）
• マリアンヌ・フントとウルリケ・グート著『世界規模の統一性と多様性のマッピング：コーパスに基づく新英語の研究』（2012年）
• クラウディア・ランゲ著『インド英語の話し言葉の文法』（2012年）
• オックスフォード現代英語文法(2011) Bas Aarts 著
• 英語の付属副詞(2010) ヒルデ・ハッセルガルド著
• ICAMEジャーナル第34号（2010年）
• 英語文法入門（2009年）シドニー・グリーンバウム、ジェラルド・ネルソン著
• 『新英語における語形成：コーパスに基づく分析』（2008年）トーマス・ビアマイヤー著
• World Englishes第 23 巻第 2 号 (2004)の特別号
• 自然言語の探究：国際英語コーパスの英国部分での作業（2002年）ジェラルド・ネルソン、ショーン・ウォリス、バス・アーツ著
• 世界各国の英語を比較する: 国際英語コーパス(1996) シドニー・グリーンバウム著
• オックスフォード英語文法（1996年）シドニー・グリーンバウム著

現在の参加国リストは次のとおりです（* = 利用可能）:

• オーストラリア
• カメルーン
• カナダ*
• 東アフリカ（ケニア、マラウイ、タンザニア）*
• フィジー
• ガーナ
• イギリス*（解析済み）
• 香港*
• インド*
• アイルランド*
• ジャマイカ*
• マルタ
• マレーシア
• ニュージーランド*
• ナイジェリア* (タグ付き)
• パキスタン
• フィリピン*
• シエラレオネ
• シンガポール*
• 南アフリカ
• スリランカ
• トリニダード・トバゴ
• アメリカ合衆国*

• コーパス言語学
• 英国国立コーパス
• BYU アメリカ英語コーパス

• 国際英語コーパスのウェブサイト