はじめに

言語テスト学会の第26回（2023年度）全国研究大会（9/9-10 @ 東北大学）で下記のタイトルでワークショップをやります（私のWSは10日午前です）。

Rを用いた一般化線形混合モデル（GLMM）の分析手法を身につける:言語研究分野の事例をもとに

過去の資料について

資料を準備している中で，私自身が最初にLME関係でウェブに上げた資料がslideshareにあり，それが有料版でないとダウンロードできないことに気づきました。そこで，その資料をそのままspeakerdeckにもアップロードしました。

2014年の資料なのでもう9年前になり，かなり古いですが，全く知らない人にとってはわかりやすいのかなと思います。

その後，2016年には下記のテクニカルレポートを書きました。

田村祐（2016）「外国語教育研究における二値データの分析－ロジスティック回帰を例に－」『外国語教育メディア学会中部支部外国語教育基礎研究部会2015年度報告論集』29–82. [リンク]

Rでロジスティック回帰をやる方法についてコードとともに解説したものです。このレポートをベースにしたワークショップも2019年に行いました。

田村祐（2019)　「統計ワークショップ」JACET英語語彙・英語辞書・リーディング研究会合同研究会. 早稲田大学. （2019年3月9日）[資料]

そして，2021年にはこれまでに書いたり話したりしたものよりももう少し違う視点からの講演も行いました。

今回の内容

今回のワークショップは，2019年にやったロジスティック回帰がメインですが，もう少し「泥臭く」，実際に出版された次の論文のデータを使って，下処理のところからモデリングのところまでをやる予定です。

Terai, M., Fukuta, J., & Tamura, Y. (2023). Learnability of L2 collocations and L1 influence on L2 collocational representations of Japanese learners of English. International Review of Applied Linguistics in Language Teaching. https://doi.org/10.1515/iral-2022-0234 

この論文のデータはOSFで公開されているものですので，どなたでもアクセスできます。

Terai, M., Fukuta, J., & Tamura, Y. (2023, June 7). Learnability of L2 Collocations and L1 Influence on L2 Collocational Representations of Japanese Learners of English. https://doi.org/10.17605/OSF.IO/ZQE56

この研究の分析ではカテゴリカル変数は使っていないのですが，カテゴリカル変数も扱いたいなと思ったので，データは Terai et al. (2023)ですが，論文中に行っている分析とは異なる分析をする予定です。

当日使用する資料は下記のページにまとめています（当日ギリギリまで投影資料は微修正すると思います）。

https://github.com/tam07pb915/JLTA_2023_WS

投影資料を直接ウェブでご覧になりたい方は，下記のURLで投影資料をご覧いただけます。

https://tam07pb915.github.io/JLTA_2023_WS/

一応前半は理論編，後半は実践編となっていて，Rのコードをアウトプットに文章の解説を入れています。ごちゃごちゃして見にくいかもしれませんがご容赦ください。

今回のWSは3時間ですが，たぶんそれだけでは消化不良になると思うので，私が過去に公開している他の資料と合わせて読んでいただくと良いのではと思います。

おわりに

統計関係の話は専門家ではないのですが定期的にお声がけいただき，そのたびに勉強し（なおし）ているような気がします。

仙台までお越しになれないという方も，学会ウェブサイトにて動画が後日公開されるようですので，そちらをご覧いただければと思います。また動画が公開されましたらこのブログ記事にも追記します。

なにをゆう　たむらゆう。

おしまい。

追記（2023年9月13日）

動画が公開されたようです。前後半に分かれています。