IntEx Lab建構CEFR-J等級推算模型，證實說話量與英語熟練度評估之間的相關性

在非營利型一般社團法人HelloWorld（所在地：沖繩縣沖繩市，代表理事：野中 光、冨田 啓輔）內推動多樣性社會實踐調查與研究活動的「IntEx Lab（國際交流研究所，※）」，日前宣布在東京外國語大學投野研究室的協助下，利用自由發言（Free Speech）語音成功建構了統計式CEFR-J等級推算模型。同時，透過運用該模型進行的大規模調查，確認了發言量與英語熟練度評估之間的相關性，證明了該模型的有效性。

本次建構模型所使用的數據，是由合作夥伴HelloWorld株式會社所提供，透過AI英語學習工具「WorldClassroom」取得，且無法識別個人的統計數據。
※「IntEx」為International Exchange / International Experience的總稱。指無論實體或線上，以跨文化理解等為目的，人與人進行國際交流活動的總體概念。此外，「IntEx」為合作夥伴HelloWorld株式會社的註冊商標。

■ 本研究的背景
為實現具實效性的英語教育，觀察學校教育對兒童及學生能力發展的貢獻程度，並將其應用於改善課堂教學是不可或缺的。然而，民間企業提供的許多評估工具，往往伴隨著沉重的費用負擔，或需要佔用有限的上課時間來進行測驗，這在學校現場的導入上形成了障礙。CEFR-J是以歐洲語言共同參考架構（CEFR）為基礎，專為日本英語教育使用而建構的新型英語能力參考框架。但由於判斷CEFR-J等級需要專家的人工介入，導致其在公共教育體系中的普及面臨挑戰。

因此，IntEx Lab致力於建構此模型，目標是實現一個「能在確保一定可靠性的前提下，針對大量受測對象推算口說能力的CEFR-J等級」的系統，以解決金錢、時間及人力等問題，並將測量英語能力達成度的機制落實到學校現場。
此外，為了對學校教育做出貢獻，指出能有效提升學生英語能力的教學內容與課綱，他們也同時進行了運用該模型的大規模調查。

■ 研究概要與結果
<推算邏輯的設計>
在本研究中，針對從「WorldClassroom」取得的600件自由發言語音數據，在東京外國語大學投野研究室的協助下賦予了「正確的CEFR-J標籤」。團隊便以此正確數據為基礎，著手建構機器學習模型。

<大規模調查概要>
- 驗證對象期間設為「開始：2025年4月〜6月，結束：2025年12月」，並在期間前後收集相同主題的自由發言語音。
- 使用上述邏輯，針對3,779名國小、國中、高中生，調查其學習前後的CEFR-J等級推算值在目標期間內的變動。

<大規模調查結果>
- 不論是國小、國中還是高中，演講中的「說話量」皆對CEFR-J推算等級的提升有著顯著的貢獻。另一方面，提升的能力特徵趨勢則因學制（年齡層）而異。

各學制的趨勢：
- 國小：在用於CEFR-J等級推算的評估項目中，可見到「流暢地持續說話」這項能力的成長，這對整體等級的提升做出了貢獻。
- 國中：說話量的差異，直接反映在CEFR-J推算等級的差異上。
- 高中：除了具備與國中相同的趨勢外，獲得「句型的複雜性」也能帶動等級的提升。

■ 對學校教育的啟發
本模型將從英語演講語音數據中萃取的特徵與CEFR-J推算等級進行了統計學上的連結。結果顯示，透過分析被判定為「CEFR-J推算等級（≒英語能力）提升」的學生的語音數據特徵，為綜合英語能力的提升指出了應重點訓練的方向。

在不斷累積英語知識的同時，能即興運用這些知識的「自動化」訓練，在提高未來的教育效果上似乎變得更加重要。此外，為了增加說話量，研究結果也暗示：國小階段練習「用完整句子流暢表達」、國中階段練習「表達具連貫性的內容」，以及高中階段練習「提升文章結構能力並即興表達」，將是提升口說能力最有效的做法。