作文対訳DB
操作画面へのリンク
日本語学習者による日本語作文と，その母語訳との対訳データベース（作文対訳DB） オンライン版
ユーザ登録はこちら，
作文抽出はこちらをクリックしてください。
「対訳作文DB」を使用した研究成果の一覧は，こちらをクリックしてください。
※重要なお知らせ
旧サーバ（www2.kokken.go.jp/eag）上で「作文対訳DB」の利用者登録をいただいた方が，このサーバ上のデータ・ツールをご利用いただく際には，新たにこのサーバ上で利用者登録をし直していただく必要がございます。このサーバ上で新規に公開を始めるデータ・ツールがあるため，改めて利用規約をご確認いただく必要があるからです。
お手数ではございますが，旧サーバで既にご登録いただいている方も，こちらから改めてご登録をお願いいたします。
過去の新着情報はこちら
1. データベースの概要
このデータベースは，
- 日本語学習者による日本語作文（参考資料として，日本語母語話者による日本語作文も含む）
- 作文執筆者本人による1.の母語訳(またはもっとも楽に書ける言語への翻訳)
- 日本語教師等による1.の添削（ただし一部のみ）
- 作文執筆者・添削者の言語的履歴に関する情報
これらの情報の相互関係を概念図で表現すると以下のようになります。2.の「母語訳」は，書き手本人が書きたかった内容を母語で表現しなおしたものとして「書き手側情報」，3.の「添削」は，読み手がその文章をどのようにして読んだかを示すものとして「読み手側情報」ととらえることができます。
国立国語研究所では1999年以来，日本国内外において上記の各種データを収集し，日本語教育関係者，日本語学・対照言語学等の研究者に利用していただいてまいりました。
2009年10月，従来未公開であったデータの整備を進めるとともに，データ抽出システムを大幅に改良し，またサーバも変更して，このデータベースを改めて再公開することといたしました。現在，このwebページからご利用いただける作文データ数は1,575件となっています。
2009年のデータベース改定による変更点はこちらをご覧ください。
このオンライン版データベースをご利用いただく前には，ユーザ登録が必要になります。ユーザ登録を希望される場合は，こちらをクリックしてください。すでにユーザ登録がお済みで，データベースをご使用なさりたい方は，こちらをクリックしてください。登録されたメールアドレスと，パスワードをお尋ねする画面が開きます。
2. データ収集国・データ数
2009年の改定で公開するデータの収集国とデータ数は，以下のとおりです。| 収集国名 | データ数 | 備考 |
|---|---|---|
| オーストリア | 4編 | |
| ベルギー | 30編 | |
| 中国 | 79編 | |
| ブラジル | 105編 | |
| ドイツ | 18編 | |
| フィンランド | 37編 | |
| フランス | 98編 | |
| ハンガリー | 9編 | |
| インドネシア | 80編 | |
| インド | 119編 | 執筆者1人あたり，原則として2編の作文を執筆 |
| カンボジア | 110編 | |
| 韓国 | 239編 | |
| マレーシア | 147編 | 従来，マレーシアの国記号としては"ml"を使っていたが，今後はISO3166-1に準拠し，"MY"に変更 |
| モンゴル | 42編 | |
| ポーランド | 17編 | |
| スロベニア | 12編 | |
| アメリカ | 44編 | 執筆者1人あたり，4～5編の作文を執筆 |
| シンガポール | 86編 | |
| タイ | 141編 | |
| ベトナム | 73編 | |
| 日本 | 82編 | うち，日本語母語話者のものが66編，中国語母語話者のものが9編，韓国語母語話者のものが7編 |
※上記作文数は「その国で収集された作文の数」を表していることにご注意ください。例えば，フランスで収集されたデータが98編あるからといって，98編の作文の執筆者がすべてフランス語を母語としているわけではありません。また，日本で収集されたされたデータには，日本語母語話者が執筆したものも，学習者が執筆したものも含まれています。ただし，執筆者が対訳に使用した言語（または自己申告の母語）は，ファイル名によって分かるようになっています。
※従来，一部の作文データ（中国・韓国・日本・マレーシア・タイで収集したもののすべてと，シンガポール・ベトナムで収集したものの一部)については，CD-ROM版でのみ公開をしてまいりましたが，現在はオンライン版でも公開をおこなっております（公開形態の変更について，詳細は，こちら をご覧ください）。
3. 作文データ・母語訳データ数
このデータベースに収録された日本語作文データ・母語訳データは，以下のような形式で保存されています。| ファイル形式 | 日本語データ | 母語訳データ |
|---|---|---|
| テクストファイル | 必ずあり | 基本的にあり（カンボジア，モンゴル，ベトナム※1，インド※2，で収集したデータを除く） | pdfファイル | 一部あり※3 | アジア諸国（インドを除く）で収集したデータのみあり | 手書き原稿をスキャンしたjpgファイル | ほとんどあり※4 | インド※2のみあり |
※1：プロジェクト初期（1999～2000年頃）に収集した母語訳データ（主として アジア諸国で収集したデータ）は，当時のコンピュータではテクスト ファイルとして表示させることができない可能性があったため，pdfと しても保存されています。また，文字コードの関係で，テクストファイル として保存することが自体ができなかった言語（カンボジア語，モンゴル語， ベトナム語）については，pdfファイルの形でのみ保存されています。
※2：インドで収集した母語訳データ（ヒンディー語，ベンガル語，マラティ語 など）は，テクスト化自体が困難でしたので，手書きのものをスキャンした jpgファイルの形で保存されています。
※3：プロジェクト初期（1999～2000年頃）に収集した日本語作文データは，当時 日本国外のコンピュータでは日本語のテクストファイルをうまく表示できない 可能性があったため，日本語データもpdf化されています。
※4：オリジナルデータが手書きである日本語作文データは，原稿用紙をそのまま スキャンしたjpgファイルの形でも保存されています。執筆者本人が コンピュータ上で文章を書いている場合は，jpgファイルは存在しません。
執筆者は，先に日本語作文を書きあげてから，そのあと自分自身で母語（またはもっとも文章を書くのが得意な言語）への翻訳をしています。意訳・抄訳でなく，日本語で書いたことをそのまま母語でも書くように依頼しておりますので，母語としてはやや不自然な表現が混じっていることもあります。
4. 作文課題
このデータベースに収録された作文は，以下10種類の課題のいずれかに基づいて書かれています。
- あなたの国の行事について
- たばこについてのあなたの意見
- ワープロソフトについてのあなたの意見
- 外国からの援助についてのあなたの意見
- あなたの国の料理について
- 外国語の学習についてのあなたの意見
- あなたの国の歴史上の大きな事件
- 学校の教育についてのあなたの意見
- 大学受験についてのあなたの意見
- 仕事についてのあなたの意見
このほか少数ですが，上記以外の課題に基づいて書かれたもの，どの課題について書かれたか不明なものも含まれています。
執筆者が作文執筆の時に参照した具体的な課題文は，こちらをご覧ください。
5. 添削データ
このデータベースに収録された日本語作文のうち，一部のものについては添削情報が付与されています。添削情報は，以下2種類の形式のいずれか，あるいは両方で保存されています。
- 画像(jpg)ファイル
- 紙に書かれた学習者作文（学習者の手書き原稿のコピーまたは，テクスト化された作文を印字したもの）に対し，添削者が赤字で添削情報を書き込んだものを画像として保存したもの。
- xmlファイル
- 置換・削除・挿入・コメント等の添削情報をxmlタグに変換し，オリジナル作文のファイルの中に埋め込んだもの。
- 母語認定が困難である場合がある（日常会話ではX語を使用しているが，文章を書く時にはY語のほうが得意，など）
- インドのような多言語国家では学習者の母語は多様であり，また実際にさまざまな言語が対訳言語として使用されてもいるため，母語または対訳使用言語をキーとすると煩雑になる
- 対訳言語としてA語を用いている学習者の作文データのみを抽出する
- 「B」という課題で書かれている作文データのみを抽出する
- C国で収集した作文データのみを抽出する
- 学習歴が○年未満の学習者が書いた作文データのみを抽出する※
- D語を母語とする添削者の添削データのみを抽出する
- 複数の添削者が添削をおこなっている作文データと，それに対する添削データを一括抽出する
- ｢データ・ツール使用規約」を読み，その内容に同意する
- 登録ページからお名前・メールアドレスを送信する(送信した時点で「規約」に同意したものとみなされます)
- 国立国語研究所のサーバからパスワードを受信したら，「データベース利用ログインページ」にアクセスし，登録したメールアドレスと送られたパスワードを入力する（このパスワードは，｢発話対照DB」「作文添削システムXECS」を使用する際にも使います）
添削情報付きxmlファイルは，スタイルシートを介してブラウザで表示させることで，手書き添削に近い出力を得ることができます。また，xmlファイルをダウンロードし，添削タグに対して，あるいは添削後の文字列に対して検索をおこなうことも可能となります。
以下に，添削情報付きxmlファイルを，スタイルシートを介してブラウザで表示させた例を示します。
----
現在公開している添削情報は以下のとおりです（第3期の添削情報は非公開です）。
期 収集年 添削対象作文ファイル数 添削者属性 添削者母語 添削者数 1つの作文に対する添削数 添削ファイル形式 第1期 2000 233 日本語教師 日本語／その他（添削対象作文の執筆者と同じ母語） 43 1または2（2の場合，1つは日本語母語話者教師，もう1つは非母語話者教師によるもの） jpg/xml 第2期 2001 20 日本語教師／一般人 日本語／韓国語（1名のみ） 24 24 xml 第4期 2005 10 日本語教師（経験3年以上）／日本語教師（経験3年未満）／教師志望者 日本語 43 43 xml
第1期の添削情報は，基本的には1つの作文に対し，1人の日本語教師が添削をしています。しかし一部のデータについては，1つの作文に対し，日本人教師と外国人教師（作文執筆者と同じ母語を持つ教師）が添削をおこなっています。
第2期，第4期の添削情報は，1つの作文に対し，多数の添削者（第2期は24名，第4期は43名）が添削をおこなっていますので，添削者間の添削観点の違いを比べることができます。また第4期については，添削者が「日本語教育歴豊富群（3年以上）」，「教育歴寡少群（3年未満）」，「日本語教師準備群（日本語教師になるための勉強をしているが，教育経験はない）」という3つのカテゴリに分かれていますので，カテゴリごとの比較を行うこともできます。
6. ファイル名
従来，このデータベースに掲載された作文データのファイル名は，「作文収集国」を表す英字2文字と，執筆者個人を特定するための数字3文字を基本として名づけられていました（例えば，「韓国における協力者の3人目が，日本語で書いた作文」は「kr003j」という名前になっていました）。執筆者の「母語」や「対訳に使用した言語」ではなく「作文収集国」をファイル命名のキーとしたのは，
しかしながら，今後海外だけでなく，日本国内でも学習者の作文データを収集していくことを考えると，「作文収集国」のみを命名のキーとすることは実際的ではありません（日本国内で収集したデータについては，執筆者の母語にかかわらずすべてjpのカテゴリに入ってしまうため）。一方で，同じZ語母語話者であっても，日本国内の学習者と海外の学習者とでは習得の条件が違うため，「どの国で収集した作文か」という情報も依然として重要であると考えられます。
またこれまでは，「添削情報の付与された日本語作文」のファイル名も，添削収集時期によって命名規則が異なっており，効率的なファイル抽出が難しい状況にありました。
そこで2008年3月，データベースに収録されたデータ全体を整理しなおし，新しいファイル命名規則の下，全ファイルのリネームをおこなうことにいたしました。
新しいファイル名では，データ収集国だけでなく，「そのデータが何語で書かれているか」「執筆者が対訳言語として使用している言語はなにか」「どの作文課題で書かれているか」等の情報もファイル名内で表現されています。
新しいファイル命名規則は，こちらをご覧ください。
7. データ抽出用インデックスの概要
このデータベースには，極めて多様な作文データ（日本語・母語），作文に対する添削データが収録されています。これらのデータの中から，任意の条件に適合するデータのみを効率的に抽出するため，2008年4月，「ファイル抽出用インデックス」を大幅に改良いたしました（これにより，以前のファイル抽出インデックスとインターフェースが変更になっております。この点ご了解ください）。
このインデックスを使用することで，例えば，
※ただし，執筆者の学習歴データは自己申告に基づくもので，研究用データとして 信頼性の高いものではありません。学習歴データは，あくまでも参考として お使いください。
データ抽出の際に使用できる条件の詳細は[[こちら|taiyakuDB/exman]]をご覧ください。
8. このデータベースをオンラインで利用するには
このデータベースは無償で利用していただけますが，利用に先立って「利用者登録」が必要です。登録には以下の手順が必要になります。
登録を希望される方は，こちらをクリックしてください。なお，データベースのリニューアルに伴い，データベースの使用規約を一部変更しました。旧サーバ上で利用登録をお済ませの方も，いま一度規約をご確認のうえ，新サーバ上での再登録をお願いいたします。
9.このデータベースの使用成果
国立国語研究所では，この「作文対訳データベース」を用いた研究をおこない，これまでに3冊の報告書を刊行しています。
日本語教育のためのアジア諸言語の対訳作文データの収集とコーパスの構築
作文対訳データベースの多様な利用のために
日本語学習者の書き言葉に対する対照言語学的・文章論的研究
また，このデータベースは所外の方々にもご利用いただいています。「作文対訳データベース」を使用した研究成果のうち，私どもが把握しているものの書誌情報を，以下のページで公開しています。
taiyakuDB/seika
作成: 2004年3月23日
最新更新：2010年4月14日
