【アブストラクト】
言語類型論は語順や助数詞の有無といった特徴量によって言語を分類する分野である。 類型論の特徴量は独立ではなく、依存関係があることが知られており、特 徴量の依存関係から言語間で一般に成り立つ性質 (普遍性) が議論されてきた。 この問題には、人間の手作業よりも、計算機による統計的推論が適していると考えている。 個々の手がかりが不確実であり、そのため、候補が組み合わせ爆発を起こすからである。 本講演では、計算モデルを用いる従来研究を概観するとともに、 この問題を教師なし表現学習として定式化できることを議論する。

【アブストラクト】
この講演では，社会言語学分野におけるデータの紹介を中心に， どのような観点で分析がなされてきたか，また，これまで分析 されてこなかったことにどのようなものがあるのかを検討する。 社会言語学には，データの二次分析に適したデータが数多くあるにも かからわず，データ設計に関わる問題から，十分には活用されて こなかった経緯がある。それらの問題点と解決法を取りあげ， 社会言語学データの利活用にむけた議論を展開したい。

【アブストラクト】
この講演では「0個，1個，2個，…」と数えられるカウントデータの簡単な統計モデルを紹介したい． 一般化線形モデル (GLM)の一部であるポアソン回帰とロジスティック回帰のモデルとそのあてはめは，カウントデータにおける「直線」あてはめとでもいうべき基本である．カウントデータそのものをあつかうならポアソン回帰，比率ならロジスティック回帰と使い分けることが多いが，じつはポアソン回帰の使いかたを工夫するとロジスティック回帰と等価な結果が得られる．この性質をつかうと多項分布のあてはめが簡単になったり，さらに階層ベイズモデル化も加えることによって「スパースな単語の集合」などにも対応できる可能性がある．言語研究の経験がない演者が，生態学のデータ解析との類似点などから思いついた，このようなGLM応用の方法を会場の皆さんと議論してみたい．

【アブストラクト】
TwitterなどのSNSの普及により，言語処理の応用の可能性が大幅に広まっている．例えば，地震の把握，風邪やインフルエンザなどの疾患のサーベイランスや，選挙の予想まで，様々なアプリケーションが実現されているが，これが可能なのは，静的な従来のコーパスと異なり，SNSデータが，時系列で，かつ，位置情報と紐付いた形で蓄積されるテキストであり，トポロジカル（立体感のある）なコーパスであるからである．しかし，SNSから得られたデータを実際の社会のデータと比較すると，時として大きな乖離が見られる場合がある．なぜ，この乖離が起こるのか，言語処理や言語学を超えた認知モデルとして，この問題を議論したい．

【アブストラクト】
眼球運動測定技術の進歩により, これを応用した研究は1970年代半ばより急速に増加した。 特に, 心理言語学と呼ばれる言語の処理メカニズムを対象とする研究分野では, 過去40年近くに渡りこの実験手法によって多くの重要な研究成果が得られてきた。 本発表では, 眼球運動測定から得られる注視時間データ、中でも読み実験から得られる データと視覚世界パラダイムと呼ばれる視覚刺激を用いた実験手法から得られるデータの 2つのデータタイプについて, 統計分析方法を議論する。 加えて未だ広く用いられている, 自己ペース読み課題などから得られる反応時間としての 読み時間データの分析方法についても検討し, データタイプ間の質的及び量的特性の差異, それに基づく分析方法の違いを議論する。
分析アプローチとして線形混合モデルを軸に, 実際の心理言語実験データにおいて, どのように被験者及び実験刺激の個体差によるランダムな影響, また興味対象である 実験要因による影響の被験者及び実験刺激間の不均一性を考慮した上で, 実験操作による真の影響を探り検定すべきか考察する。