教育とデータ分析 以前行われたアメリカの調査によると、就学前の教育によって、子供の将来の所得向上や生活保護受給率の低下が見込められる。(J.Heckman -Science(2006);(2013))しかし、長期的効果を持った教育とはどのようなものか。教育分野のデータ分析に基づく議論は全世界的に捗っているとは言えない。
スペインにあるIDIBELLのClément Françoiら研究者は、「言葉」と「メロディー」は幼児が人生の早い段階で抽出できる基本的な要素だが、旋律的な豊かさ が出生直後の子供が言葉の抽出 を容易にするかどうかはまだ検証されていないことに注目し、新生児を対象に、音程的に平坦な場合と音程的に豊かな場合における音節の連続的な流れから言葉の形態を抽出する能力 について実験しデータ分析した。
音楽と幼児の言語能力の関係性調査をモデル化 Clément Françoiらの研究成果の要点は以下の通りである。
課題 ・メロディーの豊かさが、新生児の語彙に与える影響は、まだ検証されていない
解決手法 ・音程を変化させる場合と一定な場合において、新生児の言葉の形態を抽出する能力について調べる
結果 ・音程が豊かな場合 と一定な場合 の差異を見出した結果、豊かさが幼児の言語能力の発達の関連因子であると分かった
以下で詳しく説明する。
豊かなメロディーは新生児を育てるか 言葉やメロディは、幼児が幼い頃に聴覚入力から抽出することができる基本的な要素である。 旋律的豊かさが、出生直後の言葉の形の抽出を容易にするかどうかはまだ検討されていない。
音程の変化と言語の抽出力の関連性 28人の新生児を対象に、音程的に平坦な場合と音程的に豊かな場合における音節の連続的な流れから言葉の形態を抽出する能力について実験した。
新生児のEEGデータを取得し、実験から18ヶ月後の語彙を調べた。
実験結果をデータ分析した。 また、18か月後の表現語彙を予測する機械学習モデルを作った。
3.5分間の学習段階(左側、学習フェーズ)の後、テスト(右側、テストフェーズ)を実行した。そこでは、構造(例えば、ABC(正しい形)はCBA(間違った形)になる)に違反する単語形式がストリーム中に擬似的にランダム配置された。 平坦音程条件では、すべての音節が同じ音程で話され、従って単語セグメンテーションに対する唯一の手がかりが隣接音節間の遷移確率である音節の単調な流れをもたらした。 旋律的に豊かな条件では、各音節は固有の音程に関連し、従って遷移確率と音程変調が単語セグメンテーションに使用できる歌われた音節の連続ストリームをもたらした。 青色の線は、学習フェーズとテストフェーズの両方において平坦音程条件で使用される一定の音程を表す。 赤色の線は、学習フェーズとテストフェーズの両方において旋律が豊かな条件で使用される可変音程を表す。両条件において、節持続時間を350msに設定し,従って1050msの三音節擬似語に導いた。 メロディーの豊かさが発達を促す Clément Françoiらは、メロディーの初期における利点を言語獲得する上での収束する神経的および計算的に示した。 音程が豊かな場合と一定な場合で異なる脳の動きを見出し、歌われた状態においてのみ言葉の形が間違っていることの検出に成功した。 さらに、多重回帰分析および交差検証分析により実証されたように、歌の流れに対する新生児脳応答で18か月後の表現語彙を予測した。 これらの知見は、韻律音声処理における初期神経の個人差が後の言語結果の良い指標であり幼児の言語能力の発達の関連因子と考えられることを示唆した。
学習エフェクトの時間経過。両方の条件(平らで旋律的に豊かな)における学習フェーズの各ブロック(太線=1番目のブロック、点線=2番目のブロック)の間に記録された27人の新生児にわたるF3電極でのERPを総合平均する。 等電圧地形図は、各学習ブロックの200ms〜500msのレイテンシーバンドにおける平均振幅の分布を示している。 F3電極でのERPを、26人の新生児にわたって、両方の条件でのテストフェーズの適切および不適切な単語(実線=正しい、点線=間違っている)について、総合平均する。 地形図は有意時間窓における違法語の平均振幅の分布を示した。 学習および試験段階における新生児の脳反応と、MCDIおよびBayley-III言語サブスケールから得られた表現語彙尺度との間の関連。 (A) 散布図は、生のMCDIスコアとBayley-IIIの言語サブスケールスコアの両方と、全チャネルおよび各条件について平均した学習脳ダイナミクスとの間の相関を示す。FDR補正後の旋律的に豊かな状態では、MCDIスコアと学習脳力学の間にわずかに有意な相関が観察された(n=4比較、P<0.05)。(B) 散布図は、生のMCDIスコアとBayley-III言語サブスケールスコアとの間の相関、およびすべてのEEGチャンネルにわたって平均化された二つの時間ウィンドウについての差波形の平均振幅(不正なマイナスの正規語)を示す。 旋律的に豊かな条件におけるMCDIスコアと第二のMMRの間の相関は、FDR補正(n=4比較、P<0.05)の影響を受けず、赤色で強調されている。 学習フェーズの結果(左):平坦な音程(赤)と旋律的に豊かな条件(青)のための200msから500msの待ち時間帯域でのERP平均振幅の学習変調。バーは、二つの学習ブロック内の全てのチャネル(SEMを使用)にわたる平均振幅を示す。 平坦な音程条件と比較して、旋律的に豊かなな場合はERP変調の逆パターンを観測した。 テストフェーズの結果(右):棒グラフは、適切な単語および不適切な単語の300msから400msおよび800msから900msのレイテンシバンド(SEMを使用)における平均的な脳の反応を示す。有意差が認められたのは旋律的に豊かな状態のみであった(青いバー)。
研究紹介は以上だ。
このように機械学習により効果的な幼児教育が発展すると、将来は幼児がより効率的に言語を身につけられるようになるかもしれない。
この記事で取扱った論文:C. François, M. Teixidó, S. Takerkart, T. Agut, L. Bosch & A. Rodriguez-Fornells, “Enhanced Neonatal Brain Responses To Sung Streams Predict Vocabulary Outcomes By Age 18 Months”, Scientific Reports, 7, 12451 (2017) DOI