在非营利型一般社团法人HelloWorld（所在地：冲绳县冲绳市，代表理事：野中 光、冨田 启辅）内推动多样性社会实践调查与研究活动的「IntEx Lab（国际交流研究所，※）」，日前宣布在东京外国语大学投野研究室的协助下，利用自由发言（Free Speech）语音成功建构了统计式CEFR-J等级推算模型。同时，通过运用该模型进行的大规模调查，确认了发言量与英语熟练度评估之间的相关性，证明了该模型的有效性。 本次建构模型所使用的数据，是由合作伙伴HelloWorld株式会社所提供，通过AI英语学习工具「WorldClassroom」取得，且无法识别个人的统计数据。 ※「IntEx」为International Exchange / International Experience的总称。指无论实体或在线，以跨文化理解等为目的，人与人进行国际交流活动的总体概念。此外，「IntEx」为合作伙伴HelloWorld株式会社的注册商标。 ■ 本研究的背景 为实现具实效性的英语教育，观察学校教育对儿童及学生能力发展的贡献程度，并将其应用于改善课堂教学是不可或缺的。然而，民间企业提供的许多评估工具，往往伴随着沉重的费用负担，或需要占用有限的上课时间来进行测验，这在学校现场的导入上形成了障碍。CEFR-J是以欧洲语言共同参考架构（CEFR）为基础，专为日本英语教育使用而建构的新型英语能力参考框架。但由于判断CEFR-J等级需要专家的人工介入，导致其在公共教育体系中的普及面临挑战。 因此，IntEx Lab致力于建构此模型，目标是实现一个「能在确保一定可靠性的前提下，针对大量受测对象推算口说能力的CEFR-J等级」的系统，以解决金钱、时间及人力等问题，并将测量英语能力达成度的机制落实到学校现场。 此外，为了对学校教育做出贡献，指出能有效提升学生英语能力的教学内容与课纲，他们也同时进行了运用该模型的大规模调查。 ■ 研究概要与结果 在本研究中，针对从「WorldClassroom」取得的600件自由发言语音数据，在东京外国语大学投野研究室的协助下赋予了「正确的CEFR-J标签」。团队便以此正确数据为基础，着手建构机器学习模型。 - 验证对象期间设为「开始：2025年4月〜6月，结束：2025年12月」，并在期间前后收集相同主题的自由发言语音。 - 使用上述逻辑，针对3,779名国小、国中、高中生，调查其学习前后的CEFR-J等级推算值在目标期间内的变动。 - 不论是国小、国中还是高中，演讲中的「说话量」皆对CEFR-J推算等级的提升有着显著的贡献。另一方面，提升的能力特征趋势则因学制（年龄层）而异。 各学制的趋势： - 国小：在用于CEFR-J等级推算的评估项目中，可见到「流畅地持续说话」这项能力的成长，这对整体等级的提升做出了贡献。 - 国中：说话量的差异，直接反映在CEFR-J推算等级的差异上。 - 高中：除了具备与国中相同的趋势外，获得「句型的复杂性」也能带动等级的提升。 ■ 对学校教育的启发 本模型将从英语演讲语音数据中萃取的特征与CEFR-J推算等级进行了统计学上的链接。结果显示，通过分析被判定为「CEFR-J推算等级（≒英语能力）提升」的学生的语音数据特征，为综合英语能力的提升指出了应重点训练的方向。 在不断累积英语知识的同时，能即兴运用这些知识的「自动化」训练，在提高未来的教育效果上似乎变得更加重要。此外，为了增加说话量，研究结果也暗示：国小阶段练习「用完整句子流畅表达」、国中阶段练习「表达具连贯性的内容」，以及高中阶段练习「提升文章结构能力并即兴表达」，将是提升口说能力最有效的做法。