『BTSJ1000人日本語自然会話コーパス（2023年3月NCRB連動 完成版）』について

3. 本コーパスの概要と活用法

本コーパスに収録された会話は、「会話フォルダ」ごとに、会話収集の目的や会話の条件が記されています。会話参加者の年齢・性別などの社会的属性、および、話者同士の関係等の条件が統制された形で集められていますので、様々な観点から比較・対照研究ができるようになっています。

「会話フォルダ」のデータの概要については、以下の表1「『BTSJ1000人日本語自然会話コーパス』（514会話、127.1時間）に収録されている会話データの概要」と表2「BTSJコーパスに収録されている音声データおよびNCRBに収録されている動画データ」をご参照ください。また、より詳細な情報が必要な場合には、本フォルダ内の「3.コーパスに収録されているデータの情報一覧」というexcelファイルの「①会話フォルダ情報」シートをご参照ください。会話データ自体は、「4.コーパスのトランスクリプト・音声」の中の、条件ごとにまとめられた「サブフォルダ」に収録されています。「3.コーパスに収録されているデータの情報一覧」（excelファイル）で、会話フォルダごとの会話収集目的や条件を確認し、各人の研究目的に適した会話データを使用することを推奨します。

「総合的会話分析」のアプローチでは、人間の相互作用としての「会話分析」のためには、会話自体の分析のみならず、データの収集法、被験者の属性など、「録音された会話」以外の部分の分析も、極めて重要だと捉えています。会話フォルダごとに、実験計画や話者の年齢・性別・社会的属性等のデータも収録されていますので、是非、分析にご活用ください。

表1 『BTSJ1000人日本語自然会話コーパス』（514会話、127.1時間）に収録されている会話データ⁶の概要

• 会話フォルダ番号： 本コーパスにおける会話フォルダの通し番号
• 会話フォルダ名： 会話フォルダ内のデータの特徴を表す名前
• 各フォルダ内の会話の特徴： データを収集したときの条件などを簡潔に示したもの
• 会話の通し番号： 本コーパスすべての会話（514会話）の通し番号
• 音声： フォルダ内の音声データの有無
• 動画： NCRB上の動画データの有無

※動画は、『BTSJコーパス』には同梱されておりません。NCRB上で視聴できます。

※表は横スクロールで閲覧できます。

表2 『BTSJコーパス』に収録されている音声データおよびNCRBに収録されている動画データ

4.「コア会話」⁸について

本コーパスの概要は表1に示した通りですが、その中でも条件が明確で、且つ、現状で多数を占める会話群を「コア会話」と位置づけてまとめてあります。「コア会話」とは、次の条件を満たす会話データ群です。

話者の社会的属性が「大学（院）生」、話者同士の関係は「同等」、会話のジャンルは「雑談」、話者同士の面識の度合いが「初対面」か「既知（友人）」、会話者の性別の組み合わせが「男同士」か「女同士」か「男女」です。本コーパス全514会話のうち296会話がこれに該当します。

各会話フォルダに含まれる「コア会話」の数を以下の表3に示し、「コア会話」に関する音声データおよびNCRB収録の動画データの有無と会話数について、表4に示します。「コア会話」のすべて、或いは、一部を分析対象として使いたい場合は、表3に記されている「コア会話」を含む「会話フォルダ番号」や「会話フォルダ名」から会話の特徴を掴んだ上で、「3.本コーパスに収録されているデータの情報一覧」（excelファイル）の「②個別会話情報」シート（会話の時間や話者数などの情報）を参照し、Excelのフィルタ機能や検索機能を使って、目的に合う会話を抽出して活用してください。もちろん、これらの機能は「コア会話」以外の会話を検索するときにも利用できます。

表3 『BTSJ日本語自然会話コーパス（トランスクリプト・音声）2022年3月NCRB連動版』（474会話，118.5時間）の「コア会話」の概要

※表は横スクロールで閲覧できます。

表4 『BTSJコーパス』の「コア会話」の音声データおよびNCRB収録の動画データ

5. 本コーパスの引用について

宇佐美まゆみ監修（2023）『BTSJ1000人日本語自然会話コーパス』（514会話、127.1時間）を利用した研究を、論文等、何らかの形で発表する際は、必ず以下の正式名称を出典として明記してください。

【引用文献リストや資料リスト等に記載する場合】

＜日本語の場合＞

宇佐美まゆみ監修（2023）『BTSJ1000人日本語自然会話コーパス』、科研基盤研究(A)「語用論的分析のための日本語1000人自然会話コーパスの構築とその多角的研究」（研究代表者：宇佐美まゆみ）及び、国立国語研究所、機関拠点型基幹研究プロジェクト「日本語学習者のコミュニケーションの多角的解明」（2016～2021）

＜英語の場合＞

USAMI, Mayumi (ed.) (2023) Building of a Japanese 1000 person natural conversation corpus for pragmatic analyses and its multilateral studies, and NINJAL Institute-based projects: Multiple Approaches to Analyzing the Communication of Japanese Language Learners.

本コーパスが，少しでも皆さんの研究のお役に立てば幸いです。

国立国語研究所 日本語教育研究領域 宇佐美まゆみ

【注】

1.本コーパスは、平成23-26年度科学研究費補助金基盤研究A（課題番号23242027）「自然会話リソースバンク構築による世界的教材共有ネットワーク実現のための総合的研究」（研究代表者：宇佐美まゆみ）の支援を得て構築したものを、2016年度より国立国語研究所の機関拠点型基幹研究プロジェクト「日本語学習者のコミュニケーションの多角的解明」、サブ・プロジェクト「日本語学習者の日本語使用の解明」（リーダー：宇佐美まゆみ）として引継ぎ、さらに、2018年度からは、一部、平成30-33年度科学研究費補助金基盤研究A （課題番号18H03581）「語用論的分析のための日本語1000人自然会話コーパスの構築とその多角的研究」（研究代表者：宇佐美まゆみ）の支援を得てデータ整備を行い公開するものである。

In addition to the sub-project: Studies on the language use of Japanese language learners (leader: Mayumi Usami) of NINJAL Institute-based projects: Multiple Approaches to Analyzing the Communication of Japanese Language Learners, the building of this corpus was partially supported by Grant-in-Aid for Scientific Research (A): The global study for worldwide sharing network building of teaching materials based on natural conversation resource bank: Leader Mayumi Usami, 23242027, 2011~2014, and Grant-in-Aid for Scientific Research (A): Building of a Japanese 1000 person natural conversation corpus for pragmatic analyses and its multilateral studies: Leader Mayumi Usami, 18H03581, 2018~2021.

2.宇佐美まゆみ（1999）「談話の定量的分析言語社会心理学的アプローチ」『日本語学』18(11)、明治書院: 40-56.

3.宇佐美まゆみ（2008）「相互作用と学習－ディスコース・ポライトネス理論の観点から」西原鈴子・西郡仁朗編『講座社会言語科学 第4巻 教育・学習』、ひつじ書房：150-181.

4.宇佐美まゆみ(2019）「改訂版：基本的な文字化の原則 (Basic Transcription System for Japanese: BTSJ) 2019年度版」(ただし、2019年以前に整備されたデータについては、それ以前のバージョンを用いている場合もある) .

5.宇佐美まゆみ（2019）「BTSJ文字化入力支援・自動集計・複数ファイル自動集計システムセット（2019年改訂版）」『語用論的分析のための日本語1000人自然会話コーパスの構築とその多角的研究』平成30年度～令和3年度　科学研究費補助金基盤研究（A)-(課題番号18H03581) （研究代表者：宇佐美まゆみ）研究成果

6.データ提供者は，以下の方々です（50音順）。
李恩美，伊集院郁子，宇佐美まゆみ，カチマレク・ミロスワバ，北見奈津子，木林理恵，金銀美，木山幸子，仇暁妮，黄瓊芸，施信余，鄭賢児，鈴木(伊藤)麻美，関崎博紀，蘇玉萍，高森絵美，張鈞竹，鄭榮美，藤田朋世，松本剛次，松本紫帆，宮武かおり，林君玲

7.この会話フォルダは「既知（友人）」の会話フォルダであるが、収録時の都合で、「初対面」の会話データが一部含まれている。詳細は、ファイル「本コーパスに収録されている会話データの情報一覧」を参照。

8.本コーパスの2022年3月NCRB連動版では、母語場面のみを「コア会話」としていたが、本完成阪では、接触場面のものも条件を満たす会話は、「コア会話」に含めている。

【本コーパスに関する問い合わせ先】

国立国語研究所
『BTSJ日本語自然会話コーパス』事務局　btsjcorpus@ninjal.ac.jp

【付記】

本コーパスには、8つの前身となるコーパスがあります。宇佐美研究室では、1997年頃から、多様な場面・言語（日本語、韓国語、中国語、英語など）の自然会話データを収集し、『BTS（Basic Transcription System）による多言語話し言葉コーパス』の構築に取り組んできました。以下に、これまでに研究成果として公開していたコーパスを参考までにまとめます。

1. 『BTSによる多言語話し言葉コーパス－日本語会話1（日本語母語話者同士の会話）2007年版』116会話，1435分54秒（約24時間）
2. 『BTSによる多言語話し言葉コーパス－日本語会話2（日本語母語話者と学習者の会話）2007年版』35会話，691分11秒（約11時間）
3. 『BTSJによる日本語話し言葉コーパス－日本語会話1（初対面・友人，雑談・討論・誘い）』99会話，1604分（約27時間）
4. 『BTSJによる日本語話し言葉コーパス（トランスクリプト・音声）2011年版』294会話，4000分31秒（約66時間）
   （上記①から③のコーパスに，新たに44会話（約4時間）のトランスクリプト・音声データを追加。また，既存のトランスクリプトに音声データ92会話（約14時間）を追加）
5. 『BTSJ日本語自然会話コーパス（トランスクリプト・音声）2018年版』合計333会話，総時間4746分24秒（約79時間）（そのうち音声付きデータは203会話，2402分22秒（約40時間）
   （上記④のコーパスに，新たに39会話753分15秒（約12時間）のトランスクリプトと音声データを追加し，また，既存のトランスクリプトに，音声データ24会話401分5秒（約6時間40分）を追加した。整備にあたっては，話者記号などを話者や会話の特徴がより分かりやすい記号に変更し，トランスクリプトの記号の表記は，当時の最新版である『基本的な文字化の原則（BTSJ: Basic Transcription System for Japanese）2015年改訂版』に統一するなど，全面的に改訂を行った）
6. 『BTSJ日本語自然会話コーパス（トランスクリプト・音声）2020年版』合計377会話，総時間5526分56秒（約92時間）（そのうち音声付きデータは247会話，3182分54秒（約53時間））
   （上記⑤のコーパスに，新たに69会話780分32秒（約13時間）のトランスクリプトと音声データを追加した。新データ追加にあたっては，トランスクリプトの記号の表記を，当時の最新版である『基本的な文字化の原則（BTSJ: Basic Transcription System for Japanese）2019年改訂版』に統一した）
7. 『BTSJ日本語自然会話コーパス（トランスクリプト・音声）2021年3月版』は合計446会話，総時間6753分8秒（約112.5時間）（そのうち音声付きデータは316会話，4419分6秒（約73.5時間））
   （上記の⑥のコーパスに新たに会話を追加したほか，「会話フォルダ名」をより分かりやすいものに変更し，全体の統一を図った。⑥のコーパスに収録されていた会話（トランスクリプトと音声）の内容に関して変更はない）
8. 『BTSJ日本語自然会話コーパス（トランスクリプト・音声）2022年3月NCRB連動版』合計474会話、総時間約118.5時間