Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
TBLTの課題・展望・指導の工夫/keles-seminar43
Search
Yu Tamura
December 23, 2017
Education
2.2k
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
TBLTの課題・展望・指導の工夫/keles-seminar43
田村祐(2017) 「TBLTの課題・展望・指導の工夫」第43回KELESセミナー. 龍谷大学梅田キャンパス.
Yu Tamura
December 23, 2017
More Decks by Yu Tamura
See All by Yu Tamura
第二言語習得研究における 明示的・暗示的知識の再検討:この分類は何に役に立つか,何に役に立たないか
tam07pb915
0
7.1k
Distributive Reading and Conceptual Plurality in Second Language Acquisition / J-SLA2024
tam07pb915
0
240
英語教育とSLA研究の距離感: 理論と実践は往復するべきか / 2023-11-04_LET-Kansai-Symposium_Tamura
tam07pb915
0
3.4k
豊富な産学連携・地域連携と連動させた「考動力」人材育成プロジェクト主催・関西大学キャリアセンター共催 「第2弾 社会人に聞く! 多様な博士のキャリア」/ 2023-10-28_my-advice-to-phd-students
tam07pb915
0
2.2k
生成系AIが(英語)教師の代わりにやってくれること / 2023-06-24_what-generative-AI-can-do-for-us_censored
tam07pb915
3
3.7k
ChatGPTの英語教材への活用 / 2023-02-25_chat-gpt_teaching-materials
tam07pb915
1
5.4k
一般化線形混合モデルの実践:気をつけたい3つのポイント / 2021-11-06 LMM and GLMM
tam07pb915
2
9.5k
タスク・ベースの言語指導とはなにか,どうやって実践するか / 2021-10-30-TBLT
tam07pb915
0
2.9k
R入門の入門 / 2018methoken-R-workshop
tam07pb915
0
290
Other Decks in Education
See All in Education
2026年度秋学期 統計学 講義の進め方と成績評価について (2026. 9. 28)
akiraasano
PRO
0
250
組合せ最適化特論
tasusu
0
230
【ainiチャット操作ガイド】
ainischool
0
130
Web Architectures - Lecture 2 - Web Technologies (1019888BNR)
signer
PRO
0
3.7k
学習者データを「見る」:外国語教師のためのデータの入力、分析、解釈方法
uranoken
0
440
DRUGS ACTING ON THE PERIPHERAL NERVOUS SYSTEM
pawan_pharm
0
170
響け!ユーフォニアムと考える「決め方」/Thinking About Decision-Making with Sound! Euphonium
3l4l5
1
200
人間のために、人間と共に働く時代の終わりの始まり
frievea
0
240
2026年度秋学期 統計学 第3回 クロス集計と感度・特異度,データの可視化 (2026. 10. 13)
akiraasano
PRO
0
260
ちいかわを読め
uchi8977
1
410
1014
cbtlibrary
0
180
Modulo : abc
robintux
0
240
Featured
See All Featured
How to Get Subject Matter Experts Bought In and Actively Contributing to SEO & PR Initiatives.
livdayseo
0
220
Digital Projects Gone Horribly Wrong (And the UX Pros Who Still Save the Day) - Dean Schuster
uxyall
1
3.4k
JAMstack: Web Apps at Ludicrous Speed - All Things Open 2022
reverentgeek
1
640
Efficient Content Optimization with Google Search Console & Apps Script
katarinadahlin
PRO
1
930
Claude Code どこまでも/ Claude Code Everywhere
nwiizo
68
59k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
141
35k
We Analyzed 250 Million AI Search Results: Here's What I Found
joshbly
2
2k
SEO for Brand Visibility & Recognition
aleyda
0
4.8k
Max Prin - Stacking Signals: How International SEO Comes Together (And Falls Apart)
techseoconnect
PRO
0
490
Build The Right Thing And Hit Your Dates
maggiecrowley
39
3.5k
Unsuck your backbone
ammeep
672
58k
Impact Scores and Hybrid Strategies: The future of link building
tamaranovitovic
0
460
Transcript
TBLTͷ ՝ɾలɾࢦಋͷ 201712݄23 ؔӳޠڭҭֶձ ୈ43ճKELESηϛφʔ ԙɹཾ୩େֶେࡕകాΩϟϯύε
֓ཁ • ͡Ίʹ • ݱঢ়ͷࢦಋͷ࣮ଶ • TBLTͷ՝ • ࢦಋͷ •
ൃͷస • TBLTͷ࣮ફ͕ͨΒ͢มԽ • ݁ 2
֓ཁ • ͡Ίʹ • ݱঢ়ͷࢦಋͷ࣮ଶ • TBLTͷ՝ • ࢦಋͷ •
ൃͷస • TBLTͷ࣮ફ͕ͨΒ͢มԽ • ݁ 3
• ઌେֶӃͷ༑ਓʢจֶઐ߈ʣʹݴΘΕͨ͜ͱ • ʮλεΫͷຊങͬͨΜΑʂͰ͞ɼͨΉͨΉͬͯλ εΫͷݚڀͱ͔͚ͬͯͨͬʁͬͯͳ͍Αͳʁʯ ͡Ίʹ 4 Anecdote
• Task-based Language TeachingʹڵຯΛͬͨ ͷ • ʢ࣮ʣम࢜จͰҙࣝߴ༲λεΫ ʢconsciousness-raising taskʣΛѻͬͨݚڀΛͬ ͍ͯͨʢTamura,
2015ʣ • λεΫؔ࿈ͷຊΛಡΜͰΠϯεύΠΞ͞Εͨ • ͕͍ࣗͬͯͯʮָ͍͠ʯͱࢥ͑Δतۀ͕͔ͨͬ͠ ͨ ͡Ίʹ 5 Anecdote
• େֶӃͷઌഐʹݴΘΕͨ͜ͱ • ʮ͓લΒλεΫͱ͔TBLTͱ͔ݴͬͯΔ͚Ͳ͞ɼͦ Εͬͯཁ͢Δʹ߹ੑͷ͋Δڭҭͬͯ͜ͱͩΖʁʯ ͡Ίʹ 6 Anecdote 2
• “What is task?””What is TBLT”େࣄͰ͋Δ ͚ΕͲɼʮ͜ΕλεΫͩʗλεΫ͡Όͳ͍ʯ ͱ͍͏ٞΛ͍ͨ͠Θ͚Ͱͳ͍ • ʮλεΫʢTBLTʣ͔Ͳ͏͔ʯͱ͍͏͜ͱΑΓʮ͋
Δ׆ಈʯͱʮֶशͷඪʯͷؒʹ߹ੑ͕͋Δ͔Ͳ ͏͔͕େࣄ • ඪɼධՁɼγϥόεࢦಋܭըɼҰतۀͷߏɼ तۀͷ׆ಈͱ͍༷ͬͨʑͳϨϕϧͰ߹ੑΛอͭ ͨΊͷಓ۩ͱͯ͠ͷλεΫ ͡Ίʹ 7 Anecdote 2
• ઌͷͱ͋Δतۀʹͯʢେֶͷ࠶ཤΫϥεʣ • Լమͷ࿏ઢਤΛݟͯ͋Δॴͷߦ͖ํΛઆ໌͢Δ λεΫ • λεΫͷޙʹɼʮXXઢʹΔʢTake XX Lineʣʯɼ ʮXXӺͰΓ͑ΔʢChange
trains at XX stationʣʯ ͳͲΛઆ໌ • SAͱͯ͠དྷͯ͘Ε͍ͯΔ্ڃֶੜͷҰݴ • ʮTake XX Lineͱ͔ɼChange trains at XXͱ͔͑ͳ͔ͬ ͚ͨͲͰ͖·ͨ͠ʯ • ͜Εѱ͍͜ͱͳͷ͔ʁतۀࣦഊͳͷ͔ʁ ͡Ίʹ 8 Anecdote 3
• ڭՊॻʹࡌ͍ͬͯΔରྫɼڭࢣ͕ߟ͍͑ͯΔ ͋Δݴޠදݱ͚͕ͩλεΫΛୡ͢ΔͨΊͷ། Ұͷํ๏Ͱͳ͍ • ࢲͷڭत؍ • ҎԼͷΧοίΛຒΊΔ͜ͱΑΓ… • ʢɹɹʣJR
Line. (JRઢʹΔʣ • ʢɹɹʣtrains at XX station. ʢXXӺͰΓ͑Δʣ • ৽େࡕӺͰʮ͋ͷϋϧΧεߦ͖͍ͨʯͱݴΘΕͨ ࣌ʹઆ໌ͯ͋͛͠ΒΕΔ͜ͱͷํΛେࣄʹ͍ͨ͠ ͡Ίʹ 9 Anecdote 3
֓ཁ • ͡Ίʹ • ݱঢ়ͷࢦಋͷ࣮ଶ • TBLTͷ՝ • ࢦಋͷ •
ൃͷస • TBLTͷ࣮ફ͕ͨΒ͢มԽ • ͓ΘΓʹ 10
• ʮतۀʹ͓͚ΔɼੜెͷӳޠʹΑΔݴޠ׆ಈ࣌ ؒͷׂ߹ʯʢӳޠڭҭ࣮ࢪঢ়گௐࠪɼจ෦Պֶলʣ • ֶशࢦಋཁྖʹܝࡌ͞Ε͍ͯΔҙຯͰͷʮݴޠ׆ಈʯ तۀ࣌ؒͷͲΕ͘Β͍ͷׂ߹ΛΊ͍ͯΔͷ͔ • ʮݴޠ׆ಈʯͱɼඞͣ͠ൃలతͳ׆ಈͰ͋ΔΘ͚Ͱ ͳ͍ •
ಛʹதֶߍֶशࢦಋཁྖʹܝࡌ͞Ε͍ͯΔͷ • ಡΉ͜ͱͷྫɿॻ͔Εͨ༰Λߟ͑ͳ͕Βಡͨ͠Γɼͦͷ ༰͕දݱ͞ΕΔΑ͏ʹԻಡ͢Δ ݱঢ়ͷࢦಋͷ࣮ଶ 11 ݴޠ׆ಈ
• தֶߍ ݱঢ়ͷࢦಋͷ࣮ଶ 12 ݴޠ׆ಈ
) ) ) ) ) ) ) ) ) த த த ͓͓ΉͶݴޠ׆ಈΛߦ͍ͬͯΔ Ҏ্ͷ࣌ؒɼݴޠ׆ಈΛߦ͍ͬͯΔ ະຬͷ࣌ؒɼݴޠ׆ಈΛߦ͍ͬͯΔ ͋·Γݴޠ׆ಈΛߦ͍ͬͯͳ͍
• ߴߍ ݱঢ়ͷࢦಋͷ࣮ଶ 13 ݴޠ׆ಈ
) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ίϛϡχέʔγϣ ϯӳޠ** ίϛϡχέʔγϣ ϯӳޠ* ӳޠදݱ*** ӳޠදݱ** ӳޠදݱ* ͓͓ΉͶݴޠ׆ಈΛߦ͍ͬͯΔ Ҏ্ͷ࣌ؒɼݴޠ׆ಈΛߦ͍ͬͯΔ ະຬͷ࣌ؒɼݴޠ׆ಈΛߦ͍ͬͯΔ ͋·Γݴޠ׆ಈΛߦ͍ͬͯͳ͍
• ʮतۀʹ͓͍ͯ࣍ͷΑ͏ͳ͜ͱΛͲͷ͘Β͍ߦ ͍·͔͢ʁʯʢதߴͷӳޠࢦಋʹؔ͢Δ࣮ଶௐࠪ2015ɼ ϕωοηڭҭ૯߹ݚڀॴʣ • ͋͘·Ͱ֘ͷ׆ಈΛߦ͏සΛਘͶΔ࣭ͳ ͷͰɼ૬ରతͳׂ߹Θ͔Βͳ͍͜ͱʹҙ 14 ࢦಋͷ༰ ݱঢ়ͷࢦಋͷ࣮ଶ
15 தֶߍ
16 தֶߍ
17 ߴߍ
18 ߴߍ
• ʮӳޠΛࢦಋ͢Δࡍɼ࣍ͷ͜ͱͲΕ͘Β͍ॏ ཁͩͱࢥ͍·͔͢ʁ·ͨɼͦΕͧΕʹ͍ͭͯ͋ ͳͨࣗͲͷఔ࣮ߦ͍ͯ͠·͔͢ʁʯʢதߴ ͷӳޠࢦಋʹؔ͢Δ࣮ଶௐࠪ2015ɼϕωοηڭҭ૯߹ݚڀ ॴʣ 19 ڭһͷҙࣝ ݱঢ়ͷࢦಋͷ࣮ଶ
20 ݱঢ়ͷࢦಋͷ࣮ଶ
21 ݱঢ়ͷࢦಋͷ࣮ଶ
• ੜె͕ӳޠΛ͏ػձΛ֬อ͢Δ͜ͱ͕ॏཁͩͱߟ ͑ͭͭɼͦͷ͜ͱΛͳ͔ͳ͔࣮ߦͰ͖͍ͯͳ͍ • ͳͥͩΖ͏͔ʁ • ӳޠΛ͏ػձΛ֬อ͢Δࢦಋํ๏͕Θ͔Βͳ͍ʁ • Γํ͑͞Θ͔Εঢ়گվળ͞ΕΔʁ •
ຊʹͦ͏ʢͦΕ͚ͩʣͩΖ͏͔ʁ • ʢSLAʣݚڀऀͷɼݚڀʹجͮ͘ࢦಋ๏Λʮݱʯͷ ڭһʹत͚ͨΒӳޠڭҭྑ͘ͳΔతͳൃ݁ߏφΠʔ ϒͰʁʢࣗռΛࠐΊͯʣ 22 ڭһͷҙࣝ ݱঢ়ͷࢦಋͷ࣮ଶ
• ӳޠतۀʹݶΒͣ৬্ͷΈͨ͘͞Μ͋Δ ͷͰͳ͍͔ • தߴڭһ๊͕͍͑ͯΔΈʹͲͷΑ͏ͳͷ͕͋ Δ͔ • ʮ࣍ͷΑ͏ͳΈΛͲΕ͘Β͍ײ͍ͯ͡·͔͢ʯ ʢϕωοη࣮ଶௐࠪ2015ΑΓʣ 23
ڭһͷΈ ݱঢ়ͷࢦಋͷ࣮ଶ
24 ݱঢ়ͷࢦಋͷ࣮ଶ
• ੜెʹֶशश׳͕ʹ͍͍ͭͯͳ͍ • ੜెؒͷֶྗ͕ࠩେ͖ͯ͘तۀ͕͠ʹ͍͘ • तۀ४උͷ͕࣌ؒेʹऔΕͳ͍ • ڭՊࢦಋҎ֎ͷߍঠͷࣄ͕ෛ୲ ʢ࣮ଶௐࠪ2015ΑΓʣ 25
ڭһͷΈ ݱঢ়ͷࢦಋͷ࣮ଶ
• ӳޠ͕ۤखͳֶशऀʹର͢Δྀࢦಋڭһ ͷࣄ • ڭһͷࢹ͔Βݟͯɼੜెͷͭ·͖ͮͷݪҼͲ͜ ʹ͋Δͷ͔ • ʮӳޠʹରͯۤ͠खҙࣝͭ·͖ͣΛײ͍ͯ͡Δੜ ెͲͷΑ͏ͳ͜ͱ͕ݪҼͩͱࢥ͍·͔͢ʁʯʢ࣮ ଶௐࠪ2015ΑΓʣ
26 ੜెͷͭ·͖ͮ ݱঢ়ͷࢦಋͷ࣮ଶ
27 ݱঢ়ͷࢦಋͷ࣮ଶ
• ӳޠʹݶΒͣɼֶशश׳͕͍ͭͯͳ͍ • ӳޠʹݶΒͣɼֶशࣗମͷҙཉ͕͍ • ୯ޠʢൃԻɾ௲ΓɾҙຯʣΛ֮͑Δͷ͕ۤख ʢ࣮ଶௐࠪ2015ΑΓʣ 28 ੜెͷͭ·͖ͮ ݱঢ়ͷࢦಋͷ࣮ଶ
• ʮTBLTͬͯΈ·͠ΐ͏ʯͱ͍͏ͱ͖ʹɼ • ʮΓͨͯ͘Ͱ͖ͳ͍ʯঢ়گʹ͍ࠐ·Ε͍ͯΔͱ ͍͏ՄೳੑΛഉআʢ͋Δ͍ݟͯݟ͵;Γʣͯ͠͠·ͬ ͯΑ͍͔ • ֶߍશମͰʮֶशश׳ͷఆணʯͱ͍͏՝ʹऔΓΜ Ͱ͍Δͱͨ͠ΒɼӳޠͷतۀͲ͏ͳΔͩΖ͏͔ •
ԻಡɼൃԻɼจ๏ͳͲͷॏࢹɼʮجૅɾجຊͷఆ ண͕Ͱ͖͍ͯͳ͍ʯͱ͍͏ݱঢ়ͷରԠʁ • ৽͍͜͠ͱΛ͍ͬͯΔ༨༟͕ͳ͍ͱ͍͏ͷΛ൱ఆ͢ Δ͜ͱ͍͠ 29 ڭһͷΈ ݱঢ়ͷࢦಋͷ࣮ଶ
• ·ͣʮϚΠφʔνΣϯδʯ͔Βελʔτͯ͠ΈΔ • দଜ͞ΜͷఏҊ1ͭͷղܾࡦ • ڭՊॻطଘͷ׆ಈΛΞϨϯδ • ࣮ɼࣗͷतۀ͕͢ͰʹλεΫɾϕʔεͷൃʹ ͍͔ۙ •
λεΫͷج४ʹরΒ͠߹Θͤͨ׆ಈͷઃܭ • ଳ׆ಈͱͯ͠ͷλεΫ • ͚ͩͲͬͺΓΓӽ͑ͳ͚ΕͳΒͳ͍น • ڭՊॻɾγϥόεɾධՁ 30 TBLTͰ͖Δͷ͔ ݱঢ়ͷࢦಋͷ࣮ଶ
֓ཁ • ͡Ίʹ • ݱঢ়ͷࢦಋͷ࣮ଶ • TBLTͷ՝ • ࢦಋͷ •
ൃͷస • TBLTͷ࣮ફ͕ͨΒ͢มԽ • ͓ΘΓʹ 31
• ڭՊॻ͕͋Δ • จ๏γϥόεʢಛʹதֶʣ • λεΫΛΒͤͨΒͲ͏ධՁͨ͠Β͍͍ • ͜ΕΒͷͳ͔ͥଟ͘ͷ߹େֶʹͯ ·ͬͨΓ͍ͯ͠Δʢҹʣ TBLTͷ՝
32 தߴͰ࣮ફ͢Δͱ͖
• ڭՊॻ͋ΔͷʹλεΫɾϕʔεແཧ • ͨͩͰ͑͞Δ͜ͱΓͩ͘͞Μ • ϓϥεΞϧϑΝͰԿ͔Δ༨༟ͳͲͳ͍ • ʮڭՊॻΛऴΘΒͤΔʯͱ͍͏ൃ • ڭһֶशऀʢ͋Δ͍อޢऀʁʣɼڭՊॻΛඈ
͢͜ͱʹରͯ͠߅ײ͕͋Δʁ • ͍ΘΏΔʮಉ྅ʯ͍ؔͯ͠Δʁ • ڭՊॻΒͳ͍͚ͯ͘ͳ͍ͷͩͱͯ͠ • ίϛϡχέʔγϣϯʢΛࢤͨ͠ʣ׆ಈʹཁҙ TBLTͷ՝ 33 ڭՊॻͷ
• ాɾాଜɾ܀ాʢ2017ʣJALT Journal • தֶߍڭՊॻʹܝࡌ͞Ε͍ͯΔίϛϡχέʔγϣϯ ׆ಈ͕λεΫͷج४Λຬ͔ͨ͢Ͳ͏͔Λௐࠪ • ݁Ռ • ΄ͱΜͲ͕ύλʔϯϓϥΫςΟεͱมΘΒͳ͍Α͏ͳ
׆ಈ • ʮΪϟοϓ͕͋Δʯͱ͍͏؍࠷ຬͨ͞Ε͍͢ • ʮֶशऀࣗͷϦιʔεΛ͏ʯͱ͍͏؍࠷ຬ ͨ͞Εʹ͍͘ TBLTͷ՝ 34 ڭՊॻͷ
• ͳͥίϛϡχέʔγϣϯ׆ಈ͕ύλʔϯϓϥΫςΟ εͳͷ͕ͳͷ͔ʁ • ίϛϡχέʔγϣϯ׆ಈ͕ߦΘΕΔతͱ׆ಈΛ௨ ͯ͠ಘΒΕΔͷͱͷ߹ੑ • ݴޠशಘͷػձͱͳΔҙຯͷΓͱΓ͕ൃੜ͠ͳ͍ • ൃ༰ΛݴޠԽ͢Δͱ͍͏ମݧ͕Ͱ͖ͳ͍
• ాଞʢ2017ʣʹࣗΒ൷ධΛ͢Δͱ͢Ε… • ࣮ࡍͷतۀڭՊॻʹ࣮ʹߦΘΕ͍ͯΔ͔ • ڭՊॻʹܝࡌ͞ΕͨҎ֎ͷ͜ͱߦΘΕ͍ͯͳ͍͔ TBLTͷ՝ 35 ڭՊॻͷ
• จ๏γϥόεͱ͍͏ • ڭՊॻͷߏ͕֮ͦͦ͑Δ->࿅श͢Δ->ͬ ͯΈΔͱͳ͍ͬͯΔ • ͲΜͳλεΫ͕͋Δ͔ɼ͋Δ1ͭͷλεΫΛͲ͏ ֦ͬͯு͍ͯ͘͠ͷ͔ʢͳΜͱ͔ʣΘ͔ͬͯ ɼ୯ݩɾֶظɾɼͱ͍ͬͨεύϯͰतۀΛ ߏͮ͠Β͍
• ͱ͘ʹɼͦ͏࣮ͨ͠ફͷੵ͕গͳ͍ • ݴ͏қ͘ߦ͏͠ʢͳΜͰͦ͏Ͱ͢ΑͶʣ TBLTͷ՝ 36 γϥόεͷ
• λεΫΒ͍͍͚ͤͨͲɼͲ͏ͬͯධՁ͠ ͨΒ͍͍ʁ • Ͱ͖͔ͨͰ͖ͳ͔͔͍ͬͨͬͯ͏͚ͲͦΕͲ ͏ͬͯஅ͢Δͷʁ • ͦΜͳʹԿճλεΫͷग़དྷΛධՁ͢ΔͳΜͯ ແཧ •
ఆظςετͲ͏͢Δͷʁ • Ͳ͏͚ͬͯͭͨΒ͍͍ʁ TBLTͷ՝ 37 ධՁͷ
֓ཁ • ͡Ίʹ • ݱঢ়ͷࢦಋͷ࣮ଶ • TBLTͷ՝ • ࢦಋͷ •
ൃͷస • TBLTͷ࣮ફ͕ͨΒ͢มԽ • ͓ΘΓʹ 38
1. ༰ͷࣗ༝Λʢ·ͣʣ੍ݶ 2. ݴ͍͔͚ͨͬͨͲݴ͑ͳ͔ͬͨ͜ͱʹண 3. 2ճ܁Γฦͯ͠Γ͍ͨ ࢦಋͷ 39 ࡾݪଇʢݸਓతʣ
• ͦͷҰ • ༰ͷࣗ༝Λʢ·ͣʣ੍ݶ • ࠷ॳ͔Βݴ͏༰͕ࣗ༝ͩͱɼͦͦ༰͕ࢥ͍ ු͔ͳͯ͘׆ಈʹͳΒͳ͍ • తʹʮ͏·͍ʯ͜ͱ͕ݴ͑Δ΄͏͕͍͍͚ΕͲɼ ΈΜͳ͕ΈΜͳͦ͏͡Όͳ͍
• ରͷେ·͔ͳྲྀΕ࠷ॳʹఏࣔͯ͠OK • ྫɿʮ·ͣ૬खͷ̋̋Λ࣭ͯ͠Έ·͠ΐ͏ʯ • ྫɿʮ͕̋̋Θ͔ͬͨΒɼ☓☓ΛఏҊͯ͠Έ·͠ΐ͏ʯ ࢦಋͷ 40 ࡾݪଇʢݸਓతʣ
• ͦͷೋ • ݴ͍͔͚ͨͬͨͲݴ͑ͳ͔ͬͨ͜ͱʹண • ͦͷʮΪϟοϓʯΛຒΊΔͷ͕ڭࢣͷͷݟͤͲ ͜Ζ • ڭࢣ͕ͦͷͰύοͱ͑Λࢥ͍͚ͭͳ͍͜ͱ ͨ·ʹ͋Δ…
• ʮݴ͑ͳ͔ͬͨ͜ͱʯΛγΣΞ͢Δͱ͖ཁҙ ʢஏ͞Β͠తͳ͜ͱʹͳΒͳ͍Α͏ʣ ࢦಋͷ 41 ࡾݪଇʢݸਓతʣ
• ͦͷࡾ • 2ճ܁Γฦͯ͠Γ͍ͨ • ·ͣԿڭ͑ͣʹͬͯΈΖͱݴ͏ͷʹ1ճͰ Ͱ͖ΔΑ͏ʹͳΒͳ͔ͬͨΒμϝ͓͔͍ͩ͠ • ʮͦΜͳ࣌ؒͳ͍ʯʢ͏ͬ ࢦಋͷ
42 ࡾݪଇʢݸਓతʣ
• ےτϨɼجૅମྗҭɼ͜ΕΒʮθϩʹ͠ͳ͍ͯ͘ ͚ͳ͍ʯͱ͍͏͜ͱͳ͍ • ʮࢼ߹ͷதͰʹͭ͘ମྗʯ͋Δ͜ͱࣄ࣮ • ͔͠͠ɼ͔ͱ͍ͬͯମྗ্Λࢦͨ͠τϨʔχϯάΛ ͠ͳ͍ͱ͍͏͜ͱͰͳ͍ • ԿͷͨΊʹͲͷ׆ಈΛΔͷ͔ɼͱ͍͏ҙຯ͚͕ࣗ
ͷதʹͰ͖͍ͯΔ͔ • Why Իಡʁ • Why γϟυΠϯάʁ • Why σΟΫςʔγϣϯʁ ࢦಋͷ 43 ےτϨΞϦ
• දग़ܕλεΫͷ߹ • ४උ࣌ؒΛઃ͚Δ • ϖΞͰߦ͏λεΫͷ߹ɼख़ୡֶ͕͍शऀಉ࢜ ͷϖΞʹͳΒͳ͍Α͏ʹྀ • ཧղܕλεΫͷ߹ •
શମͱͯ͠ͷඪʮཧղͰ͖ΕୡʯͰ͖Δ͜ ͱͱ͢Δ • ૣ͘ऴΘͬͯ͠·͏ֶशऀʹɼཧղͰ͖ͨ͜ͱΛ ݩʹ͔ͯͦ͜͠Β࢈ग़ʹͭͳ͛ΔλεΫͳͲΛ༻ҙ ͓ͯ͘͠ ࢦಋͷ 44 ख़ୡͷҧ͍ΛͲ͏͢Δ͔
• Ϟδϡʔϧ੍ • ڭՊॻΔ࣌ؒͱλεΫΔ࣌ؒΛ͚Δʢಠཱͯ͠ӡ ༻ʣ • ڭՊॻΔ࣌ؒʢࣝΛʹ͚ͭΔ࣌ؒʣ • λεΫΛΔ࣌ؒʢݴޠӡ༻ͷ͔ͪΒΛʹ͚ͭΔ࣌ؒʣ •
ଳ׆ಈ • ʮतۀͷ࠷ॳʹ୯ޠςετʯͱಉ͡Α͏ʹतۀ࣌ؒͷҰ ෦ʹλεΫΛׂΓͯΔͱ͍͏ൃ • ඞͣ͠तۀͱؔ࿈͚ͮΑ͏ͱ͠ͳͯ͘OK ࢦಋͷ 45 Ϟδϡʔϧ੍ͱଳ׆ಈ
• 100ຬʹͨ͠ΓɼධՁͷϧʔϒϦοΫΛ࡞͢Δͷ ݁ߏͳෛ୲ʢϧʔϒϦοΫେࣄ͕ͩʣ • ϧʔϒϦοΫ·Ͱߦ͔ͣͱɼߦಈͱͯ͠Ͱ͖͔ͨͰ͖ͳ ͔͔ͬͨΛஅͰ͖ΔΑ͏ͳඪඞཁ • গͳ͘ͱʑͷतۀʹ͓͚ΔλεΫɼ • ʮୡͰ͖ͨʯɾʮҰ෦͕ୡͰ͖ͨʯɾʮୡͰ͖ͳ͔ͬ
ͨʯͷΑ͏ͳධՁ • Φϒβʔόʔ͕ධՁ • ֶशऀ͕ࣗࣗݾධՁ • ֶظதʹͬͨෳͷλεΫͷ͏͍ͪͭ͘Ͱ͖͍ͯΔ͔ ͦͷୡ߹͍ͰධఆΛ͚ͭΔ ࢦಋͷ 46 ධՁ͡Όͳͯ͘ྑ͍
• ʮͰ͖Δ͜ͱʯɾʮෆશ͕ͩͰ͖Δ͜ͱʯɾʮ·ͩ Ͱ͖ͳ͍͜ͱʯΛՄࢹԽʢCan DoϦετʣ • ☓ ʮจ๏͕Γͳ͍ʯɾʮ୯ޠ͕Γͳ͍ʯ • ☓ ʮࠓͤͨʯ
• ☓ ʮ୯ޠͷখςετࠓຬͩͬͨʯ • ͋͘·ͰɼʮߦಈͷܗͰʯੵ͍ͯ͘͠ • ̋ʮϏσΦΛݟͳ͕Β༰Λ૬खʹ͑ΒΕͨʯ • ̋ʮஅͷཧ༝Λݴ͏͜ͱ͕Ͱ͖ͨʯ ࢦಋͷ 47 ධՁͷੵ
֓ཁ • ͡Ίʹ • ݱঢ়ͷࢦಋͷ࣮ଶ • TBLTͷ՝ • ࢦಋͷ •
ൃͷస • TBLTͷ࣮ફ͕ͨΒ͢มԽ • ͓ΘΓʹ 48
• ʮͰ͖ΔΑ͏ʹͤͯ͋͛͞ΒΕΔ͔ʯΛߟ͑Δ ͱʮڭ͑ΒΕΔʯ༰ݮͬͯ͠·͏͔͠Ε ͳ͍ • ʮ͍ͬͯͯ΄͍͜͠ͱʯͱʮͰ͖ΔΑ͏ʹͳͬͯ ΄͍͜͠ͱʯΛ͚ͯߟ͑Δ • ༰ʹংྻΛ͚ͭΔʢ͜Ε͚ͩͰ͖ͯ΄͍͜͠ͱ Կ͔ʣ
ൃͷస 49 ࣌ؒͳ͍͕…
• ৴པੑ͕ߴ͍λεΫධՁͲ͏ͳΔ͔ • ߴ͍ධՁ ʹ ըҰతͳύϑΥʔϚϯε • શһ͕λεΫୡʹଟ༷ੑͳ͠ • ৴པੑΛ͋Δఔ٘ਜ਼ʹͯ͠…
• ଟ༷ͳύϑΥʔϚϯεʹΑΔʮλεΫͷୡʯΛೝ ΊΔ • λεΫͷୡҎ֎ͷ؍ͰՃ͢Δ͜ͱΛೝΊΔ 50 ݫີͳධՁͷฐʢখઘɼpcʣ ൃͷస
• ͍·ɼतۀͰ͍ͬͯΔ׆ಈΛͲͷ͘Β͍ͷස ͰɼͲͷ͘Β͍ʮݫີʹʯධՁ͍ͯ͠·͢ ͔ʁ • ୯ݩͱ͍͏·ͱ·ΓͰͷධՁΛߟ͑ΕɼλεΫΛ ͔ͬͨΒධՁ͕૿͑ΔΘ͚Ͱͳ͍ • ධՁࢿྉ͕طଘͷ׆ಈ͔ΒλεΫʹมΘΔ͚ͩ •
ʮࣝʯϖʔύʔͰଌΔʢͷͰ͍͍ʣͱͯ͠ɼ ʮදݱʯɾʮཧղʯɾʮؔҙଶʯλεΫͷύϑΥʔ Ϛϯεʹͱ͍ͮͯධՁͯ͠ΈͨΒͲ͏Ͱ͠ΐ͏ 51 ධՁࢿྉͲ͏ͯ͠·͔͢ ൃͷస
• ͜Μͳ࣮ફใࠂͲ͏Ͱ͔͢ʁʼʢಛʹʣӳޠڭҭܥ ͷֶձӡӦΛ͞Ε͍ͯΔํʑ • ʮ͜ΜͳλεΫͷतۀߟ͑·ͨ͠ʯ • ʮଳ׆ಈͰλεΫΛ1ֶظͬͯΈ·ͨ͠ʯ • ʮ͜͏͍͏λεΫͰେࣦഊ͠·ͨ͠ʯ etc.
• λεΫͷΞΠσΞ͕ࡌ͍ͬͯΔॻͷڭࡐू͕͋ͬ ͨΒ… • Έͳ͞Μങ͍·͔͢ʁ • ͲΜͳڭࡐू͕΄͍͠Ͱ͔͢ʁ ൃͷస 52 ࣮ફͷੵ
• த෦۠ӳޠڭҭֶձͰͷηϛφʔͰͷ͜ͱ • ʮֶशऀʹʹண͚͍ͤͨ͞εϐʔΩϯάͷ͔ͪΒʯ Λߟ͑ͯΈ·͠ΐ͏ • ڭՊॻͷ࠶͕Ͱ͖ΔΑ͏ʹ • 1ؒӳޠͰ͠ଓ͚ΒΕΔΑ͏ʹɼetc. •
ઌੜํͷඪʮڭࣨʢͱ͍͏ಛघͳڥʣͰͳʹ ͕Ͱ͖Δ͔ʯͱ͍͏ࢹʹͳͬͯ͠·͍͕ͪͳͷͰ ൃͷస 53 ظతͳϏδϣϯ
• ʮ࠶ʯ͕Ͱ͖Δ͜ͱɼ1ؒ͠ଓ͚Δ͜ͱ… • ͦΕ͕Ͱ͖ͨΒɼֶशऀڭࣨͷ֎Ͱɼઌੜͷ͍ͳ͍ͱ͜ΖͰɼӳޠ ΛͬͯͲΜͳ͜ͱ͕Ͱ͖ΔΑ͏ʹͳΔͷͰ͠ΐ͏͔ • ͦΕࣗମ͕ѱ͍ͱ͍͏ΑΓɼ۩ମతͳݴޠ༻໘͕૾ͮ͠Β͍ • ࠶͢Δঢ়گ •
ʮࡢݟͨςϨϏʯͷ༰ʹ͍ͭͯ୭͔ͱ͢ʁ • ʮिʹಡΜͩຊʯͷ༰Λ୭͔ʹ͑Δʁ • 1ؒ͠ଓ͚Δ • ύʔςΟͰ͋·ΓΒͳ͍ਓͱʮ͋ɼ͡Ί·ͯ͠ʯͬͯͳͬͨͱ ͖ɼͱʹ͔͘ձΛଓ͚ͳ͍ͱࣦྱ͔ͩΒ1͞ͳͪ͘Όʁʁ • ͦΕͱɼʮ1ؒ͠ଓ͚ΒΕΕ͍͍ͨͯͷӳձେৎͩ Ζ͏ʯͱ͍͏͜ͱʁ 54 ظతͳϏδϣϯ ൃͷస
• ʮઌੜ͍ͭڭ͑ͯ͘ΕΔʯ->ʮڭ͑ͯ͘Εͳ͍ͱ Ͱ͖ͳ͍ʯ->ʮͰ͖ͳ͍͔ΒͬͺΓڭ͑ͨ΄͏͕͍ ͍ʯ… • ʮܕΛڭ͑ΔʯҎ֎ʹڭࢣͷׂ͋Δͱ͍͏͜ͱ • ४උ࣌ؒΛ૿͢ɼΰʔϧΛ໌֬ʹ͢ΔɼϞσϧΛݟͤΔɼ 1ର1Ͱͳ͘2ର2ʹ͢Δɼetc. •
ࣦഊͨ͜͠ͱ͕ωΨςΟϒʹͳΒͳ͍Α͏ͳྀඞཁ • ΈΜͳ͕ΈΜͳࣦഊ͠ଓ͚Δ͜ͱʹ͑ΒΕΔΘ͚Ͱ ͳ͍ 55 ʮࢠΕʯ͢Δ ʢࢲ·ͩࢠͲ͍·ͤΜ͚Ͳʣ ൃͷస
• To be honest… • ࢲӳޠؒҧ͑·͢ • ϓϩͱͯͬ͠ͱεΩϧΞοϓ͕ඞཁ • But…
• ڭࢣͱಉ͡ϨϕϧʹҾ্͖͛ΒΕͳ͍ʹࣦഊͰͳ͍ • ʮͬͱਖ਼֬ʹ…ʯͱֶशऀ͕͍͏ͱ͖ɼͦΕ • ʮ͏·͘ͳΓ͍ͨʯͱ͍͏ҙຯͳͷ͔ • ʮؒҧ͑ͨ͘ͳ͍ɼؒҧ͍͚ͬͯͳ͍ʯͱ͍͏ҙຯͳ ͷ͔ 56 ʮᘳओٛʯΛΊΔ ൃͷస
֓ཁ • ͡Ίʹ • ݱঢ়ͷࢦಋͷ࣮ଶ • TBLTͷ՝ • ࢦಋͷ •
ൃͷస • TBLTͷ࣮ફ͕ͨΒ͢มԽ • ͓ΘΓʹ 57
• ӳޠ͕ʮΘ͔ΔʯɾʮͤΔʯͱ͍͏ܦݧͷੵ ΈॏͶ͕ɼεϐʔΩϯάʹର͢Δ߅ײΛԼ͛Δ ʢAmano, 2014; ా, 2015; ాଜ, 2017ʣ •
ʮͰ͖ͳ͍ʯͱࢥ͍ͬͯΔ͚ͩͰɼ࣮ʮͰ͖ Δʯͱ͍͏͜ͱ͋Δ • ͨͩ͠ɼӳޠʹࣗ৴͕͋ΔͱʮͰ͖ͳ͍ʯͱͳ Δ͜ͱ͋Δͱ͍͏ʹҙ 58 ߅ײͷܰݮ TBLTͷ࣮ફ͕ͨΒ͢มԽ
• ҎԼͷֶྗͷࡾཁૉʹԊͬͯධՁͷ؍ཧ͞Ε Δํ • ࣝٴͼٕೳ • ٕೳʹλεΫ͕Ͱ͖Δ͜ͱ • ࢥߟྗɾஅྗɾදݱྗ •
ࢥߟྗʹλεΫ͕Ͱ͖Δ͜ͱ • அྗʹλεΫ͕Ͱ͖Δ͜ͱ • දݱྗʹλεΫ͕Ͱ͖Δ͜ͱ • ओମతʹֶशʹऔΓΉଶ • ଶʹλεΫΛ͍ͬͯΔ͜ͱ 59 ධՁ؍ͷมԽ TBLTͷ࣮ફ͕ͨΒ͢มԽ
• ౸ୡඪͱतۀઃܭͷ߹ੑͷ୲อ • ౸ୡඪΛվΊ͍ͯ͢ػձ͕Ͱ͖Δ • ඪΛҙࣝͨ͠तۀΛઃܭ͢Δػձ͕Ͱ͖Δ • ඪͱतۀͰߦ͏͜ͱͷؒʹҰ؏ੑ͕͋Δ͔Λݟ ͢ػձ͕Ͱ͖Δ ඪɾࢦಋɾධՁͷҰମԽ͕Մೳ
60 ߹ੑΛٻΊͯ TBLTͷ࣮ફ͕ͨΒ͢มԽ
֓ཁ • ͡Ίʹ • ݱঢ়ͷࢦಋͷ࣮ଶ • TBLTͷ՝ • ࢦಋͷ •
ൃͷస • TBLTͷ࣮ફ͕ͨΒ͢มԽ • ͓ΘΓʹ 61
• ࢦಋ๏ͷબ࠷ऴతʹϏϦʔϑʹΑΔ • ͨͩ͠… • ͲͷΑ͏ͳΞϓϩʔνΛબΜͰʮ߹ੑʯ୲อ ͞Εͯ΄͍͠ • ඪઃఆධՁɼͦͯ͠ࢦಋͷؒʹໃ६͕ͳ͍Α͏ ʹतۀઃܭΛ͢ΔʢͱλεΫɾϕʔεͬΆ͘ͳ͍ͬͯ
͘ʣ 62 ࠷ޙʹҰݴ ͓ΘΓʹ
Amano, S. (2014). Reducing unwillingness to speak English by using
total physical response activities in a Japanese university context. CELES Journal, 43, 153–160. ా७(2015)ʮίϛϡχέʔγϣϯλεΫΛ༻͍ͨӳޠतۀӳޠεϐʔΩϯ άʹର͢Δ߅ײΛܰݮ͢Δ͔:࣮ફใࠂʯʰ֎ࠃޠڭҭϝσΟΞֶձத෦ࢧ ෦لཁʱ26, 85–94. ా७ɾాଜ༞ɾ܀ాगᣦʢ2017ʣʮதֶߍڭՊॻʹ͓͚Δޱ಄ίϛϡχέʔ γϣϯΛࢤͨ͠׆ಈͷੳ―ୈೋݴޠशಘݚڀʹ͓͚ΔλεΫج४͔Βͷ ҳʹযΛ͋ͯͯ―ʯJALT Journal, 36, 165–182. ాଜ༞ (2017). ʮӳޠ༻ͷػձΛ૿͢λεΫɾϕʔεͷतۀ࣮ફ―εϐʔΩ ϯάʹର͢Δ߅ײʹযΛ͋ͯͯ―ʯʰ֎ࠃޠڭҭϝσΟΞֶձத෦ࢧ෦ ֎ࠃޠڭҭجૅݚڀ෦ձ2016ใࠂूʱ2–19. Tamura, Y. (2015). Reinvestigating consciousness-raising grammar task and noticing. JABAET Journal, 19, 19–47. ࢁޫཅɾླलɾদӜ৳ʢฤʣʢ2011ʣʰฏ24൛ɹ؍ผֶशঢ় گͷධՁج४ͱఆج४ɹதֶߍ֎ࠃޠʱਤॻจԽ ࢀߟจݙ 63
TBLTͷ ՝ɾలɾࢦಋͷ contact info ాଜ ༞ ໊ݹେֶେֶӃੜ
[email protected]
http://www.tamurayu.wordpress.com/ 64
ධՁ ඪ ࢦಋ ߹ੑ •ֶߍڭһ๊͕͑ΔΈΛʮͳ ͍͜ͱʯʹͰ͖ͳ͍ •ʮ༰ͷࣗ༝੍ݶʯɾʮݴ ͑ͳ͔ͬͨ͜ͱͷணʯɾ ʮ܁Γฦ͠ʯͷࡾݪଇ •ܕΛڭ͑ΔҎ֎ʹڭࢣʹ Ͱ͖Δ͜ͱ •࣮ફͱݚڀͷੵΈॏͶ •ظతͳϏδϣϯΛ࣋ͬͯ •ධՁͷݫີੑͱଟ༷ੑͷ ྀ