Wiktionary as a Crowdsourced Lexicon for English Dialects

言語は単一の、固まったブロックではありません。それは、どこに立っているかによって変化し、移り変わる生きた風景なのです。ロンドンで一つの意味を持つ言葉が、オークランドでは全く異なる意味を持ったり、あるいはムンバイでは存在すらしないこともあります。何十年もの間、こうした言語的領域をマッピングしてきた人々は、どの言葉を収録すべきか決定するために、専門家チームが長年を費やして編纂した伝統的な辞書に頼ってきました。しかし、言語の世界は、いかなる編集者チームの追随をも上回る速さで動いています。これは、世界中で話されている多くの多様な英語において特に顕著です。コンピュータや人工知能が普及するにつれ、これらの地域的な違いを理解する方法を教える必要性が高まっています。もしコンピュータが、ニュージーランドのフレーズとアメリカのフレーズの違いを判別できなければ、それを使う人々を理解することに失敗してしまいます。これは、標準的な英語のみに基づいて構築されたシステムが、人々が実際に話す豊かで多様な方法に苦戦することが多いため、テクノロジーにおける公平性の問題を引き起こします。

これを解決するために、研究者たちは、膨大かつ最新の言語データを収集するための新しい方法を探しています。有望なソースの一つは、誰でも編集できる自由なオンライン辞書である「ウィクショナリー（Wiktionary）」です。少数の給与を支払われた専門家によって書かれる伝統的な書籍とは異なり、ウィクショナリーは、世界中のボランティアが項目、定義、例文を追加する、クラウドソースによるプロジェクトです。研究者が投げかけた問いは、単純ですが困難なものでした。「この開かれたコミュニティ構築型の辞書は、英語の多様な方言のための信頼できる地図として機能し得るのか？」ということです。具体的には、ウィクショナリーが有名なオックスフォード英語辞典（OED）と同じくらい地域的な言葉をカバーしているのか、そしてそこに見られる言葉が、実際に人々がソーシャルメディアで行っている会話の中に現れるのかどうかを調べたかったのです。

研究者たちは、イギリス英語やアメリカ英語といったよく知られたものから、インド、ケニア、フィリピンなどの多様な形態に至るまで、12の異なる国家的な英語のバリエーションについて、ウィクショナリーの内容をオックスフォード英語辞典と比較することから始めました。その結果、伝統的な辞書は標準的なアメリカ英語やイギリス英語の規模においては依然としてわずかに優位にあるものの、ウィクショナリーは他の多くの地域において、より広い範囲をカバーしていることが分かりました。カナダ、アイルランド、オーストラリア英語のようなバリエーションについては、ウィクショナリーは伝統的な辞書よりも大幅に多くの項目を含んでいました。その差は、英語の伝統的な「インナーサークル（中心圏）」以外の国々で話されている英語において、さらに顕著でした。伝統的な辞書にはケニア英語やパキスタン英語の項目が全くなかった一方で、ウィクショナリーにはこれらのバリエーションに対して数百の項目がありました。このことは、コミュニティ主導のモデルが、専門の編集者が完全に見落としたり、まだ記載する時間がなかったりする言葉を捉える上で、極めて優れていることを示唆しています。

これらの言葉が現実の世界で実際に使われているかどうかをテストするために、チームはソーシャルメディアを利用しました。彼らは、人気のあるオンラインフォーラムであるReddit（レディット）の、国別のコミュニティからの何百万もの投稿やコメントを調査しました。彼らは、これらのデジタルコミュニティを地理的な場所の代用（プロキシ）として扱い、ニュージーランドのコミュニティに投稿している人々は、おそらくニュージーランド英語を使用していると仮定しました。そして、各国のウィクショナリーに記載されている言葉が、対応するオンラインコミュニティの中で頻繁に登場するかどうかを確認しました。結果は、強い結びつきを示しました。人々が書いたメインの投稿を見たとき、ウィクショナリーで見つかった言葉は、まさに期待される場所に現れていました。例えば、ニュージーランド特有の言葉はニュージーランドのコミュニティで最も多く見られ、インドの言葉はインドのコミュニティで最も多く見られました。この一致は、ウィクショナリーが単なる言葉のリストではなく、人々が日々のデジタル生活の中でどのように話しているかを反映していることを示唆しています。

しかし、この研究は、テキストの「種類」が大きく影響することも明らかにしました。辞書とソーシャルメディアのデータの関連性は、人々が書いたメインの投稿を見ているときは非常に強かったのですが、人々が返信として残すコメントを見ると、その結びつきは大幅に弱まりました。コメント欄では、より会話的であり、しばしば他の言語の言葉と混ざり合っていました。例えば、ニュージーランドのコミュニティでは、ニュージーランド英語のように見える言葉の中には、実はタガログ語（フィリピンの言語）の一般的な単語であるものがありました。これは、両言語が似た綴りを共有しているためです。このことは、一つの課題を浮き彫りにしました。辞書は有用ですが、人々が速いペースのインタラクティブな会話の中で使う言語は、非常に乱雑であり、多くの異なる要因に影響される可能性があるということです。研究者たちは、辞書は、クイックなやり取りが行われるコメントスレッドよりも、メインの投稿のような、より形式的または構造化されたテキストに対して最も効果的に機能することを発見しました。

また、研究は言葉がどのように形成されるかについても詳しく調査しました。彼らは、ニュージーランド英語のためにウィクショナリーで見つかった新しい言葉のパターンを、伝統的な辞書と比較しました。その結果、二つの言葉を組み合わせたり、言葉の意味をわずかに変えたりするといった、言葉を作る際に用いられるパターンにおいて、非常に高い一致が見られました。これは、たとえウィクショナリーがボランティアによって書かれていたとしても、彼らが項目を作成する際の論理的なルールは、専門の言語学者が従うものと同じであることを示唆しています。研究者たちは、ウィクショナリーがフレーズや慣用句（特定の意味を持つ言葉のグループ）を含めることに特に優れていることを指摘しました。これらは伝統的な辞書では欠落しがちな要素です。このことは、クラウドソースによるリソースが、形式的な書籍が時として置き去りにしてしまう、言語の色彩豊かで表現力豊かな側面を理解する上で、特に価値があることを示しています。

最終的に、本論文は、ウィクショナリーが、特に言語テクノロジーにおいて歴史的に過小評価されてきた地域にとって、英語の方言を理解するための強力で実行可能なツールであると結論付けています。それは専門的な辞書の必要性を置き換えるものではなく、言語がどのように進化しているかについて、より速く、より包括的で、より最新の視点を提供することで、それらを補完するものです。研究者たちは、このデータを使用する際には注意が必要であると警告しています。特に、異なる言語が混ざり合ったり、文脈によって言葉の意味が変わったりするオンライン上の会話を扱う場合には注意が必要です。しかし、多数派だけでなく、すべての人々に適した、公平で正確な言語ツールを構築するという目標において、この開かれたコミュニティ構築型の辞書は、重要なパズルのピースを提供しています。それは、人々が自らの言語を記録するために集まったとき、深く正確でありながら、驚くほど幅広いリソースを生み出すことができるということを示しているのです。