
重い音を少し軽くしてでも 全体のリズムを整える #71
Latin の iambic shortening と cretic shortening から考える、英作文で複雑な文をどう軽くするか
前回は、Latin の Extended Minimality Effects を通して、短くしすぎると語として成立しない、という話を見ました。
今回の範囲では、第4章のまとめから 4.5 Except meets Only に入ります。
ここで重要になるのは、これまで見てきた2つの一般化が1つの文法の中で出会うことです。
1つ目は、Do Something Except When です。
普段はあることをするが、上位制約にぶつかると止まる、という型です。
2つ目は、Do Something Only When です。
普段は何もしないが、上位制約に必要とされるときだけ変える、という型です。
第4章 4.5 では、この2つがLatinの中で同時に働く場面が扱われます。
本記事では、これまでの議論として、Latin では語末音節は基本的に extrametrical だが、単音節語や2音節語で非解析にすると語やfootが成立しない場合には例外的に解析されること、foot は基本的に望ましい形を取るが、2音節語では NONFINALITY と FTBIN の相互作用で例外が出ること、stress は基本的に端寄りや非語末を好むが、重い音節がある場合にはその重さが勝つこと、接辞は基本的に端に置かれるが、音節構造をよくするために少し内側へ入ることが整理されています。
第4章のまとめ
例外は、規則の失敗ではなく、上位制約の勝利です
これまで見てきた現象をまとめると、どれも同じ形をしています。
普段は語末を避ける。
しかし、語として成立しなくなるなら語末を使う。
普段は重い音節を目立たせる。
しかし、位置制約が強ければ端寄りの候補が勝つ。
普段は接辞を端に置く。
しかし、端に置くと音節構造が悪くなるなら少し内側へ入る。
これらは、個別の例外ではありません。
すべて、制約ランキングの結果です。
本記事では、minimality や extrametricality の背後にある複雑な依存関係は、韻律形の原理どうしの相互作用から生じるとされ、この領域を理論的に整理できることがOTの強い根拠になると述べられています。
英作文でも同じです。
普段は短い文が安全です。
しかし、複雑な論理関係を示すには、because、although、however、therefore などが必要になることがあります。
普段は文末を重くしすぎないほうがよいです。
しかし、結論の中心語なら文末に置く必要があります。
普段は I think を多用しないほうがよいです。
しかし、明確に自分の立場を示す場面では有効です。
つまり、例外に見える選択は、学習者がでたらめに書いているからではなく、別の上位制約を守っているから起こる可能性があります。
Except meets Only
止める力と、必要なときだけ変える力が同じ文法で働きます
4.5 のタイトルは Except meets Only です。
これは非常に重要です。
これまで、Except When は、基本的に起こるものが、上位制約によって止められる話でした。
Only When は、基本的には起こらないものが、上位制約によって必要なときだけ起こる話でした。
4.5 では、この2つが同じ現象の中で重なります。
本記事では、4.5 の目的として、nonfaithful parsing が、これまで見てきた minimality、extrametricality、prominence effects とどう相互作用するかを、Latin をより細かく見ながら示すと説明されています。
英作文に置き換えると、こうです。
学習者は、文をできるだけ元の意味に忠実に保ちたいです。
しかし、文法や読みやすさのために、元の表現を変える必要がある場合があります。
たとえば、
長い because 節を削る
関係詞節を2文に分ける
難しい語を簡単な語に戻す
文末の重い補足を別文へ移す
I think を消して客観的にする
although を but に変えて構造を軽くする
これらは、入力や下書きへの忠実性を破ります。
しかし、文全体の調和を上げるためには必要な場合があります。
つまり、英作文修正では、何を残すかだけでなく、どの忠実性違反をあえて許すかが重要になります。
Latin の iambic shortening
難しいリズムを作るくらいなら、長い母音を軽くする
Latin では、LH のような2音節語が問題になります。
L は軽音節、H は重音節です。
LH は、foot として見ると扱いにくい形です。
なぜなら、Latin では望ましいfootは、重すぎず、しかも二分的なtrocheeとしてまとまりやすい形だからです。
Pre-Classical Latin では、このLH型の語が、時にLL型のように短くなることがあります。
つまり、重い語末音節の重さを少し軽くして、よりよいfootを作るのです。
本記事では、Terence や Plautus の時代の Pre-Classical Latin では、/LH/ の2音節語が任意に LL として出ることがあり、これは iambic shortening と呼ばれると説明されています。/amoː/ のような形が、より望ましいtrocheeを作るために短化する例として示されています。
ここでの発想は、とてもOT的です。
もともとの長さを保つことは大切です。
しかし、その長さを保つとfootの形が悪くなる場合があります。
そのとき、長さへの忠実性を破ってでも、全体の韻律構造を整える候補が選ばれます。
英作文でいう iambic shortening
複雑な表現を軽くして、文全体を安定させる
英作文でも、似たことがあります。
学習者が高度な表現を使おうとします。
しかし、その表現が文全体の構造を重くしすぎる場合、より軽い表現へ戻すことがあります。
たとえば、最初に次のように書いたとします。
Although AI tools are beneficial for students in terms of improving the efficiency of their academic writing process, they may cause a decline in independent thinking skills.
意味はかなり豊かです。
しかし、初心者や中級者にとっては、構造が重すぎるかもしれません。
これを次のように軽くすることがあります。
AI tools are useful for students, but they may reduce independent thinking.
ここでは、Although 構文、beneficial for students in terms of、academic writing process などが軽くなっています。
内容の一部は失われています。
しかし、文全体は安定します。
これは、英作文における iambic shortening 的な修正です。
重い表現を少し短くして、全体の構造をよくするのです。
cretic shortening
3音節の中でも、真ん中が取り残される形は避けたい
Latin では、/LH/ だけでなく、/HLH/ のような形も問題になります。
この形は、Greek lyric meters の cretic foot にちなんで、cretic shortening と呼ばれる現象につながります。
/HLH/ のような語では、H と H の間に L が挟まれます。
そのまま解析すると、中央の軽音節がうまくfootに入らなかったり、最後に悪いfootが残ったりします。
そこで、語末のHを軽くして、/HLL/ のようにすることで、よりよいtrocheeの連続を作ります。
本記事では、Mester の分析を受けて、/HLH/ 型の語も Pre-Classical Latin では HLL へ任意に短化することがあり、これは cretic shortening と呼ばれると説明されています。また、/HLL/ を (H)(LL) と解析すれば、すべての音節をbimoraic trocheeに入れられる一方、(H)L(H)、(H)LH、(H)(LH) のような解析には、取り残された音節や悪いfinal trocheeが生じると説明されています。
つまり、問題は単なる長さではありません。
全体のfoot構造です。
どこかの音節が取り残される。
悪いfootが最後に残る。
これを避けるために、入力の重さへの忠実性を少し破ります。
英作文でいう cretic shortening
文の中間に取り残された情報を、文全体に組み込み直す
英作文でも、中央に取り残されたような情報が出ることがあります。
たとえば、次の文を考えます。
AI tools are useful, students writing skills, but they should not depend on AI too much.
students writing skills が、文の中でうまく構造化されていません。
意味材料としては重要です。
しかし、前後の文構造にきちんと組み込まれていません。
これを修正するなら、次のようにできます。
AI tools are useful for improving students writing skills, but students should not depend on AI too much.
または、
AI tools can improve students writing skills. However, students should not depend on AI too much.
ここでは、取り残された情報を、前の文の目的語構造に入れるか、独立文にしています。
これは、Latin の cretic shortening に似ています。
全体の構造の中でうまくfootに入らない要素を、そのまま残すのではなく、少し形を変えて文全体に組み込み直すのです。
非忠実な解析は、悪いことではなく、上位制約のための選択です
PARSE-µ を破ってでも、よいfootを作る
4.5 の重要な点は、nonfaithful parsing、つまり入力の一部を忠実に解析しないことが、単なる誤りではないということです。
Pre-Classical Latin の短化では、入力にある長さ、具体的にはモーラが、出力では完全には解析されません。
その結果、音声的には短母音になります。
本記事では、Mester が Remove µ という特別な修復規則を提案したのに対して、OT では repair strategy を通常の構造割り当て資源から独立したものとは認めず、入力にあるモーラを構造的に未解析のままにする PARSE-µ 違反として扱うと説明されています。Pre-Classical Latin では、PARSE-µ が下位化されることで、長母音が音声的に短くなる候補が、局所的には非忠実だが全体として最適になるとされています。
ここで大切なのは、忠実性違反が常に悪いわけではないということです。
忠実性は大切です。
しかし、より上位の韻律制約を満たすためなら、破られます。
英作文でいう PARSE-µ 違反
元の情報を一部解析しないことで、文全体を安定させる
英作文でも、元の下書きにあった情報をすべて完成文に入れるとは限りません。
むしろ、全体の文を安定させるために、あえて一部を出力しないことがあります。
たとえば、下書きに次の内容があったとします。
AI tools are useful for students because they can improve writing speed, reduce grammar mistakes, provide many ideas, and help students communicate with people from other countries.
この文は内容が多いです。
しかし、1文に入れるには重すぎます。
学習者がこれを次のように短くしたとします。
AI tools help students improve their writing.
ここでは、writing speed、grammar mistakes、ideas、communication などが削られています。
これは内容の損失です。
しかし、文全体は安定しています。
つまり、英作文においても、PARSE-µ 的な忠実性違反が起こります。
元の情報の一部を解析しない。
それによって、よりよい文を作る。
この修正は、単なる劣化ではなく、上位制約を満たすための選択として読めます。
Classical Latin と Pre-Classical Latin の違い
同じ制約でも、PARSE-µ の順位が変わると出力が変わります
Classical Latin では、量は安定しており、PARSE-µ は高く保たれます。
つまり、入力の長さはしっかり出力に反映されます。
一方、Pre-Classical Latin の短化registerでは、PARSE-µ が下がります。
そのため、入力の長さを完全には解析しない候補が勝てるようになります。
本記事では、Classical Latin では PARSE-µ が該当制約に対して undominated であり、長さが安定する一方、Pre-Classical Latin の shortening register では PARSE-µ が下位化され、長母音が音声的短母音として現れると説明されています。
これは、英作文にとても似ています。
同じ学習者でも、状況によって忠実性の順位が変わります。
時間に余裕があるときは、内容を多く残します。
試験時間が短いときは、内容を削って安全な文にします。
添削後のリライトでは、細かい内容を復活させるかもしれません。
つまり、英作文にも register や task condition によるランキング差があります。
英作文の register 差
試験、授業、研究要旨では、残す情報が変わります
たとえば、同じテーマであっても、書く場面によって文の作り方は変わります。
IELTS の短時間作文では、安全で明確な文が優先されます。
研究要旨では、情報密度が高く、用語の正確さが優先されます。
授業内の練習では、習った構文を使うことが優先されるかもしれません。
note風の記事では、読みやすさと導入の分かりやすさが優先されます。
つまり、同じ入力内容でも、どの情報を出力に残すかは文脈によって変わります。
これは、Classical Latin と Pre-Classical Latin の PARSE-µ の違いに似ています。
keystroke logging 研究では、タスク条件ごとに、どの情報が削られやすいか、どの文法項目が保持されやすいかを見ることができます。
WSP と RHTYPE
よいfootを作るために、長さを変える
Pre-Classical Latin の短化で重要になるのは、WSP と RHTYPE です。
WSP は、重い音節はstressを受けるべきだという制約です。
RHTYPE は、言語が好むfootの型を表します。
Latin では、trochaic なfootが重要です。
/LH/ のような形は、wretched trochee、つまり望ましくないtrocheeを作ります。
そこで、H を軽くして LL にすることで、よりよいfootができます。
本記事では、/LH/ の2音節語では、(L H) のような悪いtrocheeを避けるために、語末のHを軽く解析する候補が選ばれ、/HLH/ の語でも同様に、全体をよりよいbimoraic trocheeへ組み込むために短化が起こると説明されています。
英作文では、これは、文全体の型をよくするために、局所情報を軽くする修正に対応します。
たとえば、長い理由をそのまま1文に残すと、文の型が崩れます。
そこで、理由の一部を削る。
または、2文に分ける。
または、抽象語を簡単な語に変える。
これは、文全体の rhythm type を整える修正です。
英作文でいう WSP と RHTYPE
重要情報を残しつつ、文の型を整える
英作文では、重い情報は残したいです。
しかし、文型が崩れるなら、情報の置き方を変える必要があります。
たとえば、次の文です。
AI tools are useful for students to improve writing speed grammar mistakes ideas and communication.
情報は多いですが、文型が崩れています。
修正例はこうです。
AI tools are useful because they help students improve their writing speed and reduce grammar mistakes.
ここでは、ideas and communication が削られました。
内容は少し減りました。
しかし、文型は整いました。
あるいは、削らずに分けるなら、
AI tools help students improve their writing speed and reduce grammar mistakes. They can also give students new ideas for communication.
このように、重い情報をすべて1つのfootに押し込むのではなく、複数の文に分けて整えることもできます。
修正は、保存ではなく再解析です
書いた情報をどう構造化し直すか
4.5 の Latin 分析から得られる大きな示唆は、修正は単なる保存ではなく再解析だということです。
入力にあるものをそのまま残すだけでは、よい出力にならないことがあります。
ときには、入力の一部を未解析にし、ときには別の構造へ組み込み直します。
これは、英作文修正そのものです。
下書きには、たくさんの情報があります。
しかし、完成文では、その情報を全部そのまま並べるのではありません。
どの情報を主節にするか。
どの情報を理由節にするか。
どの情報を例にするか。
どの情報を削るか。
どの情報を別文にするか。
これが再解析です。
keystroke logging では、この再解析が、削除、挿入、移動、置換として観察できます。
今回のまとめ
今回の範囲では、第4章 4.4 のまとめから 4.5 Except meets Only の導入、そして Latin の iambic shortening と cretic shortening の入口を整理しました。
重要なポイントは次の通りです。
第4章のまとめでは、Except When 型の一般化が複数整理される
Latin では、語末音節は基本的に extrametrical だが、単音節語や2音節語では語やfootの成立のために解析される
foot は基本的に独立した望ましい形を取るが、2音節語では NONFINALITY と FTBIN の相互作用により例外が出る
stress は基本的に端寄り、または非語末を好むが、重い音節がある場合にはその重さが勝つ
接辞は基本的に端に置かれるが、音節構造をよくするために少し内側へ入ることがある
4.5 では、Except When 型と Only When 型が同じ文法内で出会い、nonfaithful parsing が minimality、extrametricality、prominence effects と相互作用する
Pre-Classical Latin では、/LH/ の2音節語が任意に LL として現れる iambic shortening がある
/HLH/ 型の語も HLL へ短化することがあり、これは cretic shortening と呼ばれる
これらの短化は、悪いtrocheeや未解析音節を避け、よりよい韻律構造を作るために起こる
OT では、Mester の Remove µ のような特別な修復規則ではなく、PARSE-µ 違反として、入力のモーラを未解析にする候補を評価する
Classical Latin では PARSE-µ が高いため長さが保たれるが、Pre-Classical Latin の shortening register では PARSE-µ が下がり、短化候補が勝てる
英語ライティング研究に引き寄せると、今回の最大の示唆は、学習者は文全体のリズムや構造をよくするために、元の情報への忠実性を一部破ることがあるということです。
長い理由を削る。
高度な語を簡単な語に戻す。
関係詞節を2文に分ける。
because 節を短くする。
文末の重い補足を削る。
これらは、単なる内容損失ではありません。
文全体を安定させるための nonfaithful parsing かもしれません。
keystroke logging を使えば、学習者がどの情報を未解析にし、どの情報を残し、どの情報を別文へ移したのかを追えます。
Latin の iambic shortening と cretic shortening は、英作文における複雑な文の軽量化、内容削減、文型安定化を分析するための強い比喩になります。