Methodology / 分析方法 — Literary Dialect in Dickens Project

対象は11作品（小説10作品と短篇・スケッチ集 Sketches by Boz）です。 このページは、現在公開している11作品比較ネットワークの語形選定・原典・カウント方式・発話者リンクの根拠と限界を説明します。旧６作品版の説明を流用せず、実際の dataset.json と data/book_summary.csv の集計に基づいています。

11対象作品 / Works

555作品別の語形数合計 / Work–form types

429全作品の異なり語形 / Distinct forms

729語形–話者の対応候補 / Links

重要： これらは探索的に選定された候補データの集計です。全非標準的スペリングの網羅的抽出、全トークンの話者特定、地域方言の確定的分類を示すものではありません。

1. Research scope / 対象作品と原典

分析対象の本文は Project Gutenberg の電子テキストに基づきます。GITenberg に収録された対応版の全文文字列を用いて候補語形の存在と whole-book frequency を照合しています。６作品から11作品への拡張では、以下の５作品を新たに追加しました：Our Mutual Friend、Barnaby Rudge、Hard Times、Little Dorrit、Sketches by Boz。

作品 / Work	刊行開始年	PG eBook	語形数	対応候補数	話者区分
Nicholas Nickleby	1838	#967	183	204	9
The Pickwick Papers	1836	#580	39	76	3
Oliver Twist	1837	#730	41	64	6
Martin Chuzzlewit	1843	#968	29	47	4
David Copperfield	1849	#766	36	50	6
Bleak House	1852	#1023	45	61	4
Our Mutual Friend	1864	#883	33	45	6
Barnaby Rudge	1841	#917	19	27	5
Hard Times	1854	#786	64	74	4
Little Dorrit	1855	#963	24	29	6
Sketches by Boz	1833	#882	42	52	6
合計 / Total	—	11 eBooks	555	729	作品内で区分

*The Pickwick Papers* などの作品名は書名慣例に従ってイタリック体で表示しています。開始年は書誌的な目安であり、比較対象の統一出版年を示しません。Sketches by Boz は小篇を収めた作品集であり、長篇小説10作品との比較では小篇単位・場面単位の層別化が必要です。

版の差異、歴史的正書法、表記の近代化、句読点の変換、OCR・入力誤り、ハイフンやアポストロフィの符号化（' と ’）が語形の一致件数に影響する可能性があります。

2. Candidate extraction / 候補語形の選定

本データは、自動的な未知語検出のみに依存した辞書ではなく、登場人物の発話場面を手がかりに作成した探索的候補リストです。特徴的な音声表象、地域語彙、非標準的短縮、社会語・人物固有の話法などを候補に含め、作品本文中での文字列出現を照合しました。既存６作品の暫定的な語彙選定を引き継いでいるため、作品間の収録率が均一だとは限りません。

分析カテゴリーはデータ中の category に記録しています。以下は実際のカテゴリー名称と、その解釈です。

Category	分類の意味	例・注意
`phonetic / regional`	地域的発音を模した綴り	例：coom, thot（John Browdie のヨークシャー方言描写）
`phonetic / consonant`	子音の変化を模した綴り	例：wot, vith（ロンドンの口語発音表象）
`phonetic / lisp`	発話障害等の個人差に基づく発音表象	例：thquire, thith（Sleary の発話）
`phonetic / eye dialect`	発音・視覚的逸脱の候補	綴りの逸脱が実際の発音差を必ずしも含意しない点に注意
`regional / lexical`	地域的・口語的語彙	例：nowt, mun
`idiolect`	人物固有の表現	例：demnition（Mantalini）, umble（Heep）
`non-standard contraction`	非標準の短縮・省略	例：p’raps, wi’
`colloquial / abbreviated`	一般口語にも見られる省略	例：’em—方言に固有とは限らない
`sociolect / idiolect`	社会層・個人に関連付く候補	人物の教育・職業・演出的振舞いとの関連を別途検証

一般的な don’t, I’m などの短縮は、それだけで地域方言を証明しません。また、pint のように標準語彙でもある文字列や id のような短い綴りは文脈なしでは判定不能です。Eye dialect、実際の音韻差、俗語、時代的異綴りは、研究上分離して扱う必要があります。

3. Speaker attribution / 発話者との対応付け

ネットワークの各リンクは、ある作品内で特定の話者ラベルに関連付けられた候補語形を表します。発話者帰属は、固有の台詞・発話に隣接する地の文・会話の交替・人物の発音特性などを手掛かりに行った予備的なものです。リンクはトークンごとの確定アノテーションではありません。

sample-confirmed：当該話者の発話に関連する用例を部分的に確認したラベル。その語の全出現を当該話者が発したことは意味しません。
speaker review required：現段階で当該話者への帰属を追加検証すべき候補。
Other speakers、episodic speakers 等：複数の人物をまとめた便宜的な集合ラベルであり、一個人ではありません。

一人の人物が語を発したことと、作品中にその語形が何度現れたかは異なる問いです。確証には、各出現の前後文脈、話者の明示的な帰属表現（said X 等）、会話連鎖、入れ子引用を確認する作業が必要です。

4. Counting and interpretation / 頻度・集計単位

whole_book_frequency は、対象電子テキスト全体で候補語形と一致する文字列の件数です。対象が直接話法であること、関連付けられた人物が発したこと、当該箇所が方言であることを保証しません。地の文、序文、引用内引用、別人物による反復、綴りの同形異義が混入し得ます。

集計単位を区別してください：

555 work–form types：各作品に登録されている異なり語形数の合計。同一語形が２作品に存在すれば２件として数えます。
429 distinct forms：11作品の登録語形をまとめ、大小文字とアポストロフィの基本的な揺れをそろえて重複を除いた件数。
729 character–form links：作品内の話者ラベルと語形の対応候補数。トークン頻度でも発話ターン数でもありません。
Normalised frequency：発話者別の直接発話を確定し、話者別総発話語数を求めた後に初めて算出できます。現データから語形頻度/１万語の人物間比較は行いません。

相対頻度の将来的な基準例は 10,000 × speaker-form tokens / all tokens in the same speaker’s verified direct speech です。異綴りの話者別頻度の分子・分母が同一の媒体・層・版から得られることが前提です。

5. Discourse levels / 直接話法と引用の階層

引用符で囲まれたテキストが必ずしも人物の直接発話とは限りません。書簡、広告、手紙の朗読、語り手による資料引用、思考の直接提示、回想中の会話などが存在し、単純な引用符抽出は偽陽性を生みます。特に、外側の語り、回想の語り、内側の会話という複数階層を明示的に分ける必要があります。

引用の媒体：口頭発話／書面／心内発話・思考／不明。
表現方式：直接引用／間接報告／自由間接話法。
機能：対話、聞き手をもつ長い独話、独白、引用文書、朗読など。
話者と語りの階層：発話者ID、聞き手ID、埋め込み階層、引用元、確証水準。

将来的には、会話の開始・終了位置と各語形出現位置をそろえ、テキストの長い独話を複数の発話ターンに誤分割せず、同一人物の台詞中に埋め込まれた別人物の発話を独立して記録します。

6. Comparative design / 11作品比較の際の注意

本プロジェクトは、Dickens による地域差、階層差、話者固有性の文学的再現（literary representation）を比較します。実際の方言音声を直接記録した資料ではありません。人物ごとの役割や発話量、年代、舞台、ジャンル、発音の誇張、話者の社会的地位が綴りの分布に影響します。

比較例	検討できる特徴	注意すべき点
John Browdie — Nicholas Nickleby	thot, coom, loike	ヨークシャー方言の表象と口語的省略を区別。
Sam / Tony Weller — The Pickwick Papers	wery, vith, wot	父子の発話と入れ子の小話を区別。
Gamfield / Barney — Oliver Twist	chimbley / bister	異なる社会音声的表象をまとめて扱わない。
Mrs Gamp — Martin Chuzzlewit	inwallable	人物の口癖や語形成の癖として検証。
Uriah Heep / Mr Peggotty — David Copperfield	umble / obleeged	人物造形と地方口語を分けて扱う。
Jo — Bleak House	nothink, wos	語り手による Jo の言葉の再提示と直接台詞を区別。
Rogue Riderhood / Sloppy — Our Mutual Friend	p’raps / wery	ロンドン下層民の一括りの方言化を避ける。
Ned Dennis — Barnaby Rudge	helegant, dewoted	h の付加と音の交換は地域帰属の証拠ではない。
Stephen Blackpool / Sleary — Hard Times	mun / thquire	北部地方の語形と話者固有の発音表象を分離。
Plornish / Marshalsea turnkey — Little Dorrit	wery / ackney	看守や下層民の発話を個別に同定。
episodic speakers — Sketches by Boz	werry, vith	作品内小篇・場面・職種を分析単位にする。

7. Network semantics / ネットワークの読み方

11作品をまとめた画面は作品–綴りの共有関係を表示します。作品を選択した画面は話者ラベル–綴りの二部ネットワークを表示します。これは「候補語形との対応」の可視化であり、文字列一致の有無以外の解釈は未確定の場合があります。表示上限・検索フィルタによって図に現れないノードもあるため、完全な一覧を検討する際は CSV を用いてください。

線の有無・太さ・配置は、話者の発話回数、語形の特異性、直接話法での相対頻度、人物間の距離を表しません。sample-confirmed と speaker review required の表示を使い分けてください。

8. Dataset and reproducibility / データ項目・再現性

閲覧用ファイルのほか、以下をダウンロードできます：

dataset.json：作品情報、語形―話者の候補リンク、用例サンプル。
data/book_summary.csv：11作品の集計。
data/dialect_character_links.csv：候補リンクの行単位データ。
Research / 11作品の詳細調査：５作品拡張分を中心とした調査内容。

Field	Meaning / 解釈
`book_id`, `book`	作品IDと作品名。
`character`	暫定的な話者名、または集合ラベル。
`form`	対象版から確認した候補異綴り。
`standard`	文脈に依存する推定標準形・グロス。
`category`	上記に示す暫定的な分類。
`whole_book_frequency`	作品の電子テキスト全文での文字列一致頻度。発話者別頻度ではありません。
`attribution_status`	`sample-confirmed` または `speaker review required`。
`source_url`	参照した Project Gutenberg 書誌情報へのリンク。

再現実験では、使用した電子テキストのバージョン、SHA-256 等のハッシュ、検索の正規表現、Unicode 正規化方法、境界条件、大文字小文字の扱い、原文位置と話者帰属根拠を記録してください。今回の配布データには、全トークンの位置アノテーションや校訂版横断の照合表は含みません。

9. Validation roadmap / 今後の検証手順

11作品すべての発話を入れ子引用・書簡・独話を区別してセグメント化する。
発話者ID、章・小篇ID、オフセット、上下文脈、直接／間接などのモードを記録する。
全候補語のコンコーダンスを検査し、誤一致・標準語との同形異義・語彙形を精査する。
二重注釈や判定基準表によって、話者帰属と分類の再現性を検証する。
発話者別の総語数で頻度を正規化し、作品・章・職業・地域・ジャンルの差を統制して比較する。

引用する際には個々の用例を原文で再確認してください。本サイトは探索的研究資料であり、大学の公式刊行物ではありません。