昔話の計量テキスト分析――舌切雀

◆はじめに

以下はKH Coder（無償版：version 3.Beta.08e）を用いた昔話の計量テキスト分析である。昔話の類話の比較にツールを利用できないか試行してみた。

手持ちの資料が限られるため、分析の対象となる元データの文字数が少ないものの（※本来であれば5000字以上は欲しい）、分析自体は正常に処理されていると判断した。

KH Coderの操作に慣れる目的も兼ねて行った作業で、コーディングルールの記述の事例集、あるいは速習用のチュートリアルとしてでも読んで頂ければ……といったところである。

なお、KH Coderでよく用いられるのは共起ネットワークと対応分析とのことで、それ以外はおまけパートと思って頂いて構わない。操作に習熟するにはコーディングルールの記述に慣れるのが第一である。

◆ファイル

各ファイルをダウンロードしてKH Coderに読み込ませれば同様の分析が再現可能である。

ダウンロード - ca_pb_027_sitakirisuzume.xlsx

ダウンロード - ca_pb_027_codingrules.txt

ダウンロード - kh_coder_startingedition_sagyotejunsho.txt （※作業手順書）

※「H5」とはHTMLでいうところのヘッダー（見出し）・レベル5で本文に相当すると考えればよい。
※[コーディング単位]は「文／段落／H5」から選べるが、状況に応じて適切と思われるものを選択する必要がある。処理が上手くいかないと感じた場合、コーディング単位を切り替えると上手く処理されるケースがままある。

※公式マニュアルでは「集計単位」という用語が使われている。共起関係について、

・「文」では一文単位での分析
・「段落」では段落単位の分析
・「H5」では表計算ソフトのセル単位とされ、改行を含めた一セルの中身全体が分析単位となる

※レファレンスでも索引で「コーディング単位」の項目は設けられていない。操作性に関わる重要項目であるものの、その仕様について不明瞭な感はある。
※当ブログの場合、表計算ソフトのフォーマットで読み込ませているからH5固定でいいだろうと思い込んでいたら、さにあらずだった。

◆あらすじ

・「舌切雀」（未来社『石見の民話』）
正直な爺さんと欲の深い婆さんがいた。爺さんは一羽の雀を可愛がって買っていた。いつも山に行くときには、雀や雀、行ってくると我が子に言うように別れをして行った。ある日婆さんは糊を煮ておいて川へ洗濯に行った。その留守に雀は糊をみんな食べてしまった。婆さんは帰ってみると糊がないので腹をたてて雀の舌を切って追い出した。爺さんは山から帰って今帰ったと何遍も呼んだが、雀の姿が見えないので婆さんに訊くと、婆さんは糊を全部食べてしまったので腹がたったから舌を切り取って追い出したと言った。爺さんは可哀想なことをした言って泣きながら舌切雀、舌切雀と言って山へ雀を訪ねに出かけた。すると馬を洗っている男がいたので、ここを舌切雀が通らなかったか尋ねると、馬を洗った汁を馬桶にいっぱい飲んだら舌切雀の行った方角を教えてあげると言った。爺さんは馬を洗った汁など何でもないと言って、その汁をガブガブ飲んだ。馬洗いは向こうの藪へ行ったと教えた。爺さんは藪へ行って探したがいないので、また山を越えて先へ進んでいった。すると谷川の傍で牛を洗っている男がいたので、ここを舌切雀が通らなかったか尋ねると、牛洗いは牛を洗った汁を牛桶にいっぱい飲んだら教えてあげると言った。爺さんは牛を洗った汁くらい何でもないと言ってその汁を飲んだので、牛洗いはこの曽根を下りて向こうの竹藪でタラタラ血を流した雀がいると教えてくれた。爺さんは喜んで、雀、お宿はどこだと訪ねていった。すると雀は口から血をたらしながら、お爺さんおいで、こちらでござると言って雀の宿へ案内した。そしてお茶やお菓子、色々とご馳走を出して、しまいに土産につづらをあげると言って重いつづらと軽いつづらを出した。爺さんは年をとったから軽い方がよいと言って小さいつづらを貰って帰った。婆さんはそれを見ると、長らく置いた雀だから、自分も行ったらつづらをくれるだろうと訪ねていった。途中婆さんはつづらが欲しいばかりに馬の洗い汁を馬桶にいっぱい、牛の洗い汁を牛桶にいっぱい飲んで雀の所へ行った。雀は婆さんを見ると、婆さん舌を切られて苦しい。今度あなたの傍へ寄ったら、羽でも切られてしまうかもしれないと言ってとりあわない。わざわざ訪ねてきた婆さんは雀のご馳走も食べられず、馬の洗い汁と牛の洗い汁で腹をだぶだぶさせながら、ようやく重いつづらを見つけ出し、これこれと言って取り上げて背負って帰った。早速開けてみると、中には汚いスズや茶碗のかけらに蛙や蛇の骨ばかり。宝どころか命が助かったのが何よりであった。しかし、悪いことをした婆さんはそれから病気になって死んでしまった。

・「ふしぎな玉」（日本標準『島根のむかし話』）
昔、あるところに爺さんと婆さんがいて、爺さんは毎日山へ芝刈りに行って、婆さんは家で洗濯をしていた。爺さんが昼になったので弁当を出して食べていたら、雀が来て爺さんの弁当箱の中へ入って、ちょいちょいと飯を食べた。これは可愛い鳥だとちょいと捕まえて弁当箱に入れて持って戻った。婆さんに見せたら、これは雀だと言った。爺さんはチョン、チョン言うから「ちょん」だと思ったと言った。それでちょんと名づけた。あくる日、爺さんが山へ行くとき、婆さんにちょんが逃げないように気をつけてくれと言って山へ行った。婆さんは糊付けしようと思って糊を煮た。糊付けするには洗濯しなければならない。それで婆さんが川へ行くときにちょんに隣の猫が来て糊を舐めるといけないから番をしておれと言って出かけた。ところが、戻ってみたら鳥かごの口は開いているし、鍋の糊は空っぽだった。婆さんは番をしていなかったのかと怒ったけれど、ちょんはチョンチョン言ってるだけだった。あれだけ頼んだのに。それなら隣の猫が来て舐めたのかもしれないと隣へ行ってお前、うちの糊を舐めなかったかと言ったら、猫の口の周りには糊はついていなかったので、それならちょんが舐めたのかもしれないと帰ってみたら、ちょんは口の周りどころか体中に糊をつけていた。それで婆さんが怒ってハサミで舌を切ってしまった。それからその舌を皿に入れて窓の所にやっておいた。爺さんが戻ってきてちょんはどうしたか聞いたら、婆さんは舌を切ったらどこかに逃げてしまっていないと答えた。かわいそうなことをしたものだ。それならその舌を提げて探しにいくと言って出ていった。婆さんは大層ご機嫌が悪いけれども、爺さんは舌を提げて舌切雀どっこどこ、舌切雀どっこどこと舌切雀を探していった。そうしたら、牛を連れた男が牛を追い出して来ていたので、舌切雀がいなかったか聞いた。そうしたら、この牛の小便を飲んだら言って聞かせると言った。そのとき牛がいい具合に小便をしたので椀に入れて飲んだ。そうしたら、そこの先の藪にいるから行ってみなさいと言って行った。ありがとうと言って行った。それからまた探していったけれども中々竹藪がなかった。そうする内に今度は馬を連れた男に合ったので舌切雀はいなかったか聞いた。すると、いることはいるけれど、この馬の小便を飲んだら言って聞かせると言ったので、なんぼでも飲むから言って聞かせてくれと言って、馬が小便をしたのを椀で飲んで聞いたら、雀は竹藪にいるから行ってみなさいと言った。ありがとうと言ってまた舌切雀を探していったら、婆さんが川で大根を洗っていた。それで婆さんに舌切雀のいる所はどこか聞いたらそこの竹藪だから行ってみなさいと言った。ありがとうと言って行ってみたら、そこの先が竹藪で、チョンチョン言っていた。お前、こんなところにいたか。舌を切られたというから舌をつけてやろうと思ってやって来たぞと言ったら、雀が喜んで、まあ、よく来てくださった。まあ、上がってくださいと言って餅をついたりご馳走してもてなした。爺さんは沢山食べたから帰ると言ったら、それならこの玉をあげるから持って帰りなさい。三つ頼むなら、何でも叶えてもらえるからと言ったので、爺さんは喜んでその玉を持って帰った。帰ってから婆さんにこんな土産をくれたけれど、願い事を頼んでこの玉を振ると叶えてもらえるそうだと言った。そうしたら、婆さんが自分が舌を切ったから今更頼めないが、土産をくれたものなら頼もうか。幾ら小さくてもいいから家を建ててもらいたいと答えたので、それならきれいな家を建ててもらってやろうとその玉を三遍振ったら綺麗な家が建った。次は子供が欲しいと玉を振ったら可愛い子供が出てきた。それから小遣いがないといけないから、また玉を振ったらお金が出てきた。婆さんは悪いことをしたけれど、爺さんが良かったから家を建ててもらったり子を授けてもらったりお金を頂いたり、いい暮らしをした。

◆コーディングルール

※コーディングルールのキーワードは重要と判断したものを人力でピックアップしている。そのため、恣意性を伴う分析となる。

※活用形でなく基本形で入力する。

※[前処理]→[語の抽出結果を確認]でキーワードがどのように分節されているか検索すると結果の一覧[語の抽出結果]が表示される。

※[Result]から確認したい行をクリックして選択、画面下の[詳細表示]ボタンをクリックするとサブ画面が表示され、活用形や基本形が確認できる。

※昔話では「否定／肯定」「肯定／否定」と属性が変化することが多いと考え、否定詞「ない」「まい」「ぬ」「ん」、また禁止を意味する「な」を共通のコードとして設定している。

※[関連語検索]で否定詞の共起語の一覧を表示させたところ、日本の昔話のように掌編レベルのボリュームだと、物語の動因となる箇所に関する語句が上位に表示される傾向が強いのではないか……といった印象があり、検証作業中である。

※無償版では強制抽出語の指定が機能制限で事実上使用できないため以下のような手法をとっている。

＊欲深い
欲 and 深い
＊雀
雀 or '舌切雀' or 'ちょん'
＊藪
藪 or 竹藪
＊願い事
家 or 子供 or お金
＊良い
いい or 良い

＊ない
ない
＊ぬ
ぬ
＊ん
ん
＊るな
'るな'
＊るまい
'るまい'

＊正直
正直
＊爺さん
爺さん
＊婆さん
婆さん
＊山
山
＊糊
糊
＊洗濯
洗濯
＊舌
舌
＊切る
切る
＊追い出す
追い出す
＊馬
馬
＊男
男
＊汁
汁
＊牛
牛
＊血
血
＊宿
宿
＊ご馳走
ご馳走
＊つづら
つづら
＊重い
重い
＊軽い
軽い
＊宝
宝
＊病気
病気
＊死ぬ
死ぬ
＊猫
猫
＊皿
皿
＊小便
小便
＊玉
玉
＊三つ
三つ
＊悪い
悪い

◆共起ネットワーク

・[コーディング単位]を[H5]に設定する。

※[描画する共起関係（edge）の選択]で「係数」を「0.2」から「0.3」に修正する。
※[強い共起関係ほど濃い線に]にチェックを入れる。

Jaccard係数が0.3以上はかなり強い共起関係にあることを示しているが、分析対象となる元データの文字数が少ないため係数が高めに出てしまう傾向にあるため、こうしている。

※Jaccard係数は共起関係（※ある言葉に続いて出てくる関係）の強さを表し 0≦係数≦1 の範囲の値をとる。

【Jaccard係数】
・0.1 →関連あり
・0.2 →強い関連あり
・0.3以上 →とても強い関連あり
※ただし、あくまで目安であって絶対ではない。

ざっと確認したところ、共通するキーワードが中央のサブグラフ（バブルが島状に集まった一塊）に表示され、類話によって異なるキーワードがそれぞれのサブグラフとして周辺に表示される形となっている。

※なお、各バブル間の距離や配置に意味はない。

◆対応分析

・[コーディング単位]を[H5]に設定する。

※[外部変数]は[タイトル]のまま続行。
※[差異が顕著なコードを分析に使用]で上位「40」とした。また[バブルプロット]にチェックを入れている。これらは文字の重なりを極力避けるためである。
※文字が重なって読みづらい場合、オプション画面の[コード選択]で不要なコードのチェックを外してもよい。

x、y軸上の原点（0.0）から点線が伸び交差した箇所が原点となる。原点から離れるほど特徴的なキーワードだと分析される。

原点付近に「雀」「追い出す」「爺さん」「ご馳走」といったキーワードが多数プロットされている。未来社版では「病気」「死ぬ」「宝」といったキーワードが原点から離れてプロットされている。日本標準版では「三つ」「玉」「小便」といったキーワードが特徴的なキーワードとされている。

◆解釈

ほぼ同じ展開であるが結末が大きく異なり、未来社版では婆さんは欲張って大きなつづらを選んだ結果、病気となって死んでしまう。一方、日本標準版でも婆さんは酷いことをするのだが、爺さんの善行で許され、爺さんとともに宝を授かる結末となっている。

◆階層的クラスター分析

・[コーディング単位]を[文]に変更、実行するとデンドログラム（樹状図）で可視化される。

※キーワード指定しても可。

概ねストーリーに沿った内容でクラスター化されている。

※当ブログの場合、[コーディング単位]が[段落][H5]だと、コードを全て選択するとエラーが返される結果となった。

◆クロス集計

・[コーディング単位]を[文]に変更、[集計]する。

※「タイトル」で集計をかけた。

クロス集計をかけたところ、「汁」「つづら」といったキーワードでカイ（χ）2乗値で相関関係を示す結果（※マーク）が得られた。

マップとして描画したところ、「汁」「つづら」といったキーワードの残差が大きく（濃く）表示される結果となった。バブルとしては「雀」「爺さん」が大きく描画された。

◆KWICコンコーダンス

現状ではテキストマイニングのツールに文脈を読む性能はないため実際に該当箇所を読んで人力で判断する他ない。KWICコンコーダンスでキーワード指定すれば指定したキーワードがどのような文脈で用いられているか一覧で抽出される。

◆関連語検索

・[集計単位]を[文]に変更、[集計]する。
・[Search Entry:]の一覧からキーワードを選択してダブルクリックすると[Result]に指定したキーワードの品詞や共起関係が表示される。

※[Result:]から行指定してダブルクリックするとKWICコンコーダンスに遷移する。
※[Result:]の一覧から範囲指定して[コピー]したものを表計算ソフトやテキストファイルにペーストすることも可能である。

[＃直接入力]を指定して「タラタラ」といったキーワードで検索すると関連語が一覧で表示される。

◆属性の転倒

・「ない」の結果上位一覧

N	抽出語	品詞	全体	共起	Jaccard
1	舌	名詞C	17 (0.250)	8 (0.421)	0.2857
2	言う	動詞	31 (0.456)	10 (0.526)	0.25
3	汁	名詞C	4 (0.059)	4 (0.211)	0.2105
4	男	名詞C	4 (0.059)	4 (0.211)	0.2105
5	婆さん	名詞	23 (0.338)	7 (0.368)	0.2
6	洗う	動詞	5 (0.074)	4 (0.211)	0.2
7	雀	名詞C	24 (0.353)	7 (0.368)	0.1944
8	爺さん	名詞	18 (0.265)	6 (0.316)	0.1935
9	切る	動詞	7 (0.103)	4 (0.211)	0.1818
10	飲む	動詞	8 (0.118)	4 (0.211)	0.1739

・「ぬ」の結果上位一覧

N	抽出語	品詞	全体	共起	Jaccard
1	これこれ	感動詞	1 (0.015)	1 (1.000)	1
2	見つけ出す	動詞	1 (0.015)	1 (1.000)	1
3	取り上げる	動詞	1 (0.015)	1 (1.000)	1
4	背負う	動詞	1 (0.015)	1 (1.000)	1
5	重い	形容詞	2 (0.029)	1 (1.000)	0.5
6	ご馳走	サ変名詞	3 (0.044)	1 (1.000)	0.3333
7	腹	名詞C	3 (0.044)	1 (1.000)	0.3333
8	訪ねる	動詞	4 (0.059)	1 (1.000)	0.25
9	食べる	動詞	5 (0.074)	1 (1.000)	0.2
10	洗い	名詞	5 (0.074)	1 (1.000)	0.2

雀の悪戯に怒った婆さんによって舌を切られてしまい、雀はいなくなってしまう。それを探しに爺さんは出かけるが……といった粗筋となっている。

短いお話の中で属性の転倒を多用するのが昔話の特徴の一つと考えられる。

ここで「／」（スラッシュ）を「転倒」を意味する記号として用いる。スラッシュは様々な場面で用いられていて文脈依存的な記号という欠点もあるが、視覚的にはイメージしやすいと判断した。

・［雀｜舌：正常／切られた］
・［雀｜家：在／不在］
・［爺さん｜つづら：小さい／宝］
・［婆さん｜つづら：大きい／ガラクタ］

こういった風にお話を転がしていると分析できる。婆さんは欲張って大きいつづらを選んだ結果「生／死」へと転倒してしまう。

◆類似度行列

・[コーディング単位]を[文]に変更して[集計]。Jaccard係数がマトリクス形式で確認できる。

・ある列を選択して画面右下の[コピー（選択列）]をクリックすると、当該のキーワードに関するJaccard係数がコピーされるので、それを表計算ソフトにペーストするといった利用が可能となる。

※当ブログでは[コーディング単位]が[段落][H5]の場合、Jacccard係数が1.0～0.5といった結果がほとんどで、意味のない結果となった。

◆多次元尺度構成法

・[コーディング単位]を[文]に変更して実行。
・共起関係を確認したいキーワードを指定。
・次元を「2」から「3」に変更して実行、三次元のマップとした。

爺さんが雀を探して歩く場面に関連したキーワードを指定したところ、「馬」が離れた位置にプロットされた。

※選択するキーワードによって相対的な位置関係は変わり得る。

※実行すると指定したキーワードの幾つかが除外されるとメッセージが表示される。テキストのボリューム不足のためか無償版の仕様によるものか判断がつかない。
※当ブログの事例では「文」以外、「段落」と「H5」では除外されるキーワードが増える傾向となった。

◆自己組織化マップ

[コーディング単位]を[文]に変更して実行。

記述内容が視覚的に整理され、類似性の高い内容が近くに配置される。概ねストーリーに沿った形で各クラスターが表示される。

※当ブログの事例では「文」以外、「段落」と「H5」ではエラーが返される結果となった。
※クラスター化の計算を繰り返すため処理に時間がかかるので要注意。
※クラスターの配置、距離に意味はない。

◆トピックの推定

・[ツール]→[文書]→[トピックモデル]→[トピックの推定]を選択。
・[集計単位]を[文]に変更。
・[OK]ボタンをクリックすると、[トピックの推定結果]画面が表示される。

・各トピックで高い確率で出現する語句がリストアップされる。
・[＃1]といった欄をクリックすると、文書検索画面が表示される。

◆ベイズ学習による分類

・[ツール]→[文書]→[ベイズ学習による分類]→[外部変数から学習]を選択。
・[分類の単位]を[文]に変更。
・[学習する外部変数]は[書名]に変更する。
　※「タイトル」のままでもよし。
・[OK]ボタンをクリックすると、ファイルの保存画面が表示されるので、任意のファイル名を記述して保存する。

・[ツール]→[文書]→[ベイズ学習による分類]→[学習結果ファイルの内容を確認]を選択。ファイル選択画面が開くので、先ほど保存したファイルを指定して開く。すると[学習結果ファイル]画面が開くので内容の確認を行う。

※[学習結果を用いた自動分類]については割愛する。

※[トピックの推定]と[ベイズ学習による分類]は固有名詞などを強制抽出語としてあらかじめ指定しておかないと正確に分析されないケースが生じる。正式に利用したい際は有償版の購入をお勧めする。当ブログのはあくまでテストケースとしてのものである。

※[トピックの推定]と[ベイズ学習による分類]はコーディング・ルールに依らない分析手法となるが、筆者の能力的に追及はしない。

◆参考文献
・『日本の民話 34 石見篇』（大庭良美／編, 未来社, 1978）pp.285-288.
・『島根のむかし話』（島根県小・中学校国語教育研究会／編著, 日本標準, 1976）pp.49-57.
・『動かして学ぶ！はじめてのテキストマイニング』（樋口耕一, ナカニシヤ出版, 2022）
・『社会調査のための計量テキスト分析　【第２版】　内容分析の継承と発展を目指して』（樋口耕一, ナカニシヤ出版, 2020）