論文の概要: Accurate but Natural? Diagnosing Grammatical and Idiomatic Gaps in Japanese EFL Writing
- arxiv url: http://arxiv.org/abs/2608.09289v1
- Date: Mon, 10 Aug 2026 08:42:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.166075
- Title: Accurate but Natural? Diagnosing Grammatical and Idiomatic Gaps in Japanese EFL Writing
- Title（参考訳）: 正確だが自然か : 日本語EFL書記における文法的・慣用的なギャップの診断
- Abstract要約: 本研究では,非自然性から構造誤差を分離する層状LLM補正パイプラインを提案する。
CEFR-J文法抽出器を用いて精度ギャップと慣用ギャップの2つの診断尺度を定量化する。
結果は、明確な記事、第三者の特異な-s、モーダル(可能ならば)は、かなりの精度の難しさを示す。
2次元の指導型は、誤り率と慣用的ギャップをマッピングし、正確だが文法的な項目とエラーが発生しやすいか、複雑な形式を区別する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Second language writing research distinguishes grammatical accuracy from native-like idiomaticity, yet automated writing evaluation often conflates these dimensions. This study introduces a layered LLM-correction pipeline that isolates structural errors from unnaturalness by generating literal error corrections and idiomatic revisions for 3,830 English writing samples from 120 Japanese junior high school students. Applying the regex-based CEFR-J grammar extractor, we quantify two diagnostic measures: accuracy gaps (structures attempted but incorrectly produced) and idiomatic gaps (grammatically correct structures underused or overused relative to native norms). Results reveal distinct patterns: definite articles, third-person singular -s, and modals (would, could) exhibit significant accuracy difficulties, while -ing forms and hypothetical modals (would) show the largest idiomatic underuse, with simple present verbs, subject-verb-object patterns, and modal can conversely exhibiting the most pronounced overuse. A two-dimensional instructional typology maps error rates against idiomatic gaps, distinguishing accurate but overused grammar items from error-prone or avoided complex forms requiring targeted production practice. This framework advances pedagogical feedback by enabling teachers to diagnose whether learner difficulties arise from inaccurate execution, structural avoidance, or L1-mapped overreliance, supporting evidence-based interventions tailored to the specific needs of each learner.
- Abstract（参考訳）: 第二言語書記研究は、文法的精度とネイティブライクな慣用性とを区別するが、自動筆記評価はしばしばこれらの次元を混同する。
本研究は,120人の日本人中学生を対象に,3,830の英文文サンプルに対して,リテラル誤り訂正と慣用的修正を発生させることにより,構造誤差を不自然から分離する層状LLM補正パイプラインを提案する。
本稿では,regex-based CEFR-J文法抽出器を用いて,精度ギャップ(不正確に生成される構造)と慣用ギャップ(自然ノルムに対して過小評価されるあるいは過小評価される構造)の2つの診断尺度を定量化する。
定冠詞・三人称単数形・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞(形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形容詞・形・形容詞・形容詞・形で表される。
2次元の指導型は、誤り率と慣用的ギャップをマッピングし、正確だが過度に使われた文法項目を、目標とする生産練習を必要とする複雑な形式と区別する。
この枠組みは、教師が不正確な実行、構造的回避、L1マップによる過度信頼から学習者の困難を診断し、各学習者の特定のニーズに合わせたエビデンスに基づく介入を支援することによって、教育的フィードバックを促進する。
関連論文リスト
- LLM Reasoning Predicts When Models Are Right: Evidence from Coding Classroom Discourse [0.18268488712787334]
大規模言語モデル(LLM)は、大規模に教育対話を自動的にラベル付けし分析するために、ますます多くデプロイされている。
本研究では,LLMが生成した推論がモデル自身の予測の正確性を予測するのに有効かどうかを検討する。
授業の対話から30,300人の教師の発話を分析し,複数の最先端LPMでラベル付けし,指導的移動構造とそれに伴う推論を行った。
論文 参考訳（メタデータ） (2026-02-10T14:38:13Z) - Grammaticality Judgments in Humans and Language Models: Revisiting Generative Grammar with LLMs [0.0]
伝統的な生成文法では、主語・副詞の逆転や寄生的ギャップのライセンスのような文法性の体系的なコントラストが、内部的、階層的な文法の証拠として扱われる。
表面形状のみを訓練した大規模言語モデル(LLM)が,これらのコントラストを基礎となる構造表現を再現するかどうかを検証した。
論文 参考訳（メタデータ） (2025-12-11T09:17:35Z) - Do What? Teaching Vision-Language-Action Models to Reject the Impossible [53.40183895299108]
VLA(Vision-Language-Action)モデルは、さまざまなロボットタスクにおいて強力なパフォーマンスを示している。
Instruct-Verify-and-Act(IVA)を提案する。
実験の結果,IVAはベースラインよりも97.56%の精度で虚偽の前提検出精度を向上させることがわかった。
論文 参考訳（メタデータ） (2025-08-22T10:54:33Z) - Annotating Errors in English Learners' Written Language Production: Advancing Automated Written Feedback Systems [25.047364950581265]
本稿では,各エラーのエラータイプと一般化可能性をモデル化するアノテーションフレームワークを提案する。
我々は、注釈付き学習者の誤りとそれに対応する人間によるフィードバックコメントのデータセットを収集する。
我々は、フィードバックを生成するためのキーワード誘導、キーワードフリー、テンプレート誘導の評価を行う。
論文 参考訳（メタデータ） (2025-08-09T04:06:18Z) - Inconsistent Tokenizations Cause Language Models to be Perplexed by Japanese Grammar [27.3347020320559]
日本語の「第一人精神述語制限」文法点に直面する言語モデルの難易度を測定した。
さらに, 代用文法モデルを用いて, 代用文法パターンを用いて代用文法文を生成する場合, トークン化問題により最も自然な文が出力されることを防止できることを示す。
論文 参考訳（メタデータ） (2025-05-26T07:08:47Z) - Subtle Errors in Reasoning: Preference Learning via Error-injected Self-editing [59.405145971637204]
eRror-Injected Self-Editing (RISE) と呼ばれる新しい好み学習フレームワークを提案する。
RISEは、事前定義された微妙なエラーをピボットトークンに注入する。
RISEの有効性を検証する実験では、Qwen2-7B-Instructでの優先学習により、GSM8Kでは3.0%、MATHでは7.9%が顕著に改善され、トレーニングサンプルは4.5Kに留まった。
論文 参考訳（メタデータ） (2024-10-09T07:43:38Z) - Towards preserving word order importance through Forced Invalidation [80.33036864442182]
事前学習された言語モデルは単語の順序に敏感であることを示す。
我々は,単語順序の重要性を維持するために強制的無効化を提案する。
実験の結果,強制的無効化は単語順に対するモデルの感度を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2023-04-11T13:42:10Z) - Improving Pre-trained Language Models with Syntactic Dependency
Prediction Task for Chinese Semantic Error Recognition [52.55136323341319]
既存の中国語のテキスト誤り検出は主にスペルと単純な文法的誤りに焦点を当てている。
中国の意味的誤りは、人間が容易に認識できないほど過小評価され、複雑である。
論文 参考訳（メタデータ） (2022-04-15T13:55:32Z) - Extracting Grammars from a Neural Network Parser for Anomaly Detection
in Unknown Formats [79.6676793507792]
強化学習は、ある未知のフォーマットで文を解析するために、人工知能を訓練する技術として、最近約束されている。
本稿では、ニューラルネットワークから生成規則を抽出し、これらの規則を用いて、ある文が名目か異常かを決定する手順を提案する。
論文 参考訳（メタデータ） (2021-07-30T23:10:24Z) - On the Robustness of Language Encoders against Grammatical Errors [66.05648604987479]
我々は、非ネイティブ話者から実際の文法的誤りを収集し、これらの誤りをクリーンテキストデータ上でシミュレートするために敵攻撃を行う。
結果,全ての試験モデルの性能は影響するが,影響の程度は異なることがわかった。
論文 参考訳（メタデータ） (2020-05-12T11:01:44Z) - Limits of Detecting Text Generated by Large-Scale Language Models [65.46403462928319]
誤情報キャンペーンで使用される可能性があるため、長く一貫性のあるテキストを生成できる大規模な言語モデルが危険であると考える者もいる。
ここでは、仮説テスト問題として大規模言語モデル出力検出を定式化し、テキストを真あるいは生成されたものと分類する。
論文 参考訳（メタデータ） (2020-02-09T19:53:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。