# Art5 日本語言語分析パイロット計画

## 目的と問い

原研究の National Valence Index を日本語へそのまま移植するのではなく、青空文庫の公開ページで確認できる短い抜粋を使い、肯定・否定・幸福関連語の単純な出現傾向を再現する。測る対象は日本人の幸福度ではなく、選んだ作品抜粋の語彙傾向である。

## 事前固定

- 対象年代群: 1900年代（明治後期）、1910年代（大正期）、1920〜30年代（昭和初期）。各群2作品。
- 作品選定: 青空文庫の公式HTMLページで本文と書誌情報を確認でき、著作権保護期間満了として公開されている作品から、年代と著者が重ならないように選ぶ。ジャンルは小説中心だが、1920〜30年代は童話を1作品含む。
- 使用データ: 各公式ページで閲覧できる短い抜粋のみ。全文を取得・再配布しない。抜粋は分析用の最小データで、出典URLと出典行相当の節を manifest に固定する。
- 語彙辞書: 肯定語、否定語、幸福関連語を事前に固定。語は表記揺れを含む部分文字列として数える。幸福関連語は肯定語と重複し得る。
- 除外条件: タイトル、著者名、底本情報、青空文庫の注記、ルビ括弧、句読点、空白、改行を除外。本文抜粋中の旧字体・旧仮名は主分析では保持する。
- 集計単位: 作品抜粋ごと。分母は除外後の日本語文字数。出現率は1000文字あたりの辞書語のヒット数。抜粋内の同一語の重複は数えるが、辞書語同士の重複も各カテゴリで独立に数える。
- 感度分析: (A) 旧字体・全角等を Unicode NFKC で正規化、(B) 作品を1本ずつ除外、(C) 主分析辞書から抽象的な語（「信」「愛」「正」）を外した保守辞書、を実行する。

## 解釈上の制約

6作品の短い抜粋であり、年代差、著者・ジャンル・場面選択、青空文庫収録作品の偏りを分離できない。よって時代の幸福度、国民感情、因果関係は推定しない。結果は再現可能な小規模パイロットの観察値としてのみ扱う。

## 再実行

python.exe evidence/analyze_language.py を Art5 ディレクトリから実行する。入力は evidence/corpus-manifest.csv、出力は evidence/results/。