言語理解研究における眼球運動データ及び読み時間データの統計分析

摘要

言語理解に関する実験的研究は科学技術の進歩と共に過去30年ほどで飛躍的に前進した．以前には導入の困難だった眼球運動測定機もその低価格化と共に広く普及し，現在では世界の多くの研究室で眼球運動測定研究が行われている．しかし，このように量的データの収集が容易になった一方で，このような研究で得られるデータの量は機器の性能向上と共に増大しており，その分析方法は統計解析理論の前進，および様々な分析ツールの開発により複雑化している．そこで本稿では，言語理解研究における眼球運動測定実験，中でも視覚世界実験と読み実験によるデータ，そして自己ペース読み課題を用いた読み時間のデータに対して，現在広く利用されていて，かつ特別なリソースを必要としない分析方法を解説する．主に線形混合モデル及び一般化線形混合モデルを用いたデータ解析手法を中心に紹介し，これらのモデルを慎重に且つ論理的な手順をもつて適用することは今までのデータの集約を必要とした分散分析などの手法と比べて多くの利点があることを説明する．%Research on language comprehension has made significant advances over the last 30 years or so largely owing to technological advances that have enabled researchers to conduct chronometric studies with little required cost.Furthermore,eye-tracking devices,which have played an important role in advancing the research on language comprehension,were once only available to well-funded laboratories,but are now within many researchers'reach.Although the collection of time-encoded data is easier than ever,appropriate han-dling of such data often requires not-so-straightforward statistical modeling.In this paper,we discuss statistical methods for analyzing eye-movement data from visual world and reading studies as well as reading times from the self-paced reading task.We argue that careful and reasonable application of Linear Mixed-Effects models as well as Generalized Mixed-Effects models can offer great advantages in many ways over traditional analyses such as ANOVA that require data aggregation over participants or items.