構成
第1期 124語 候補 148語（NGSL 1k/2k/3k）を12項目でレビューして採用（2026-09-05） 第2期 82語 BNC/COCA へ移行後、4k/5k 帯を埋めるために追加（2026-09-06） 帯別（BNC/COCA 語族帯） 1k 62 / 2k 36 / 3k 30 / 4k 40 / 5k 38
🔒 帯は語族の帯で、項目 id の接頭辞（旧 NGSL 帯）とは一致しません（51項目でずれています）。
id は probe データや決定ログが参照するので凍結し、帯だけを付け直しました。
どの帯が境界帯になっても 30 問を積めます。 Gyllstad, McLean & Stewart (2021) が推奨する
「1帯30項目以上」を全帯で満たすのが第2期の目的でした。移行直後は 3k=25 / 4k=1 / 5k=0 で、
境界帯がそこに落ちたセッションは Stage 2 を積めていませんでした。
第2期 82語の作り方（2026-09-06）
🔒 人手検査を使っていません。代わりに「機械で決まる規則」と「2モデルで測る検査」に置き換えています
（方針は /facts/decisions）。入れた規則:
| 規則 | なぜ |
|---|---|
| 候補は核 8,750 語の中からだけ選ぶ | 核の外の語は cs の分母に入っていないので、測っても数に反映されない |
| 音素が引けない語（CMUdict にない語）は候補にしない | 混同語も発音表記も作れない |
| ダミー選択肢は JMdict の常用語から採る | 片尼 瓦屋 のような語が混ざると「知らないから違う」で消せてしまい、選択肢として機能しない |
| 選択肢は日本語の文字だけを通す白リストで検査 | 禁止を足していく黒リストでは漏れる（ギリシャ文字 Δ が実際に混ざった） |
| 混同語は同じ語族を外し、語幹を6文字以上共有する語も外す | relevant に relevance を並べると、聞き取りではなく形態の取り違えで落ちる |
| 文脈文・断片のテンプレートは語ごとに回す | 同じ枠が並ぶと枠そのものが手がかりになる |
| 各帯から頻度四分位で層化して出題する | 語彙サイズの推定精度は「出題が頻度の端まで覆っていること」に依存する（/facts/scoring） |
⚠️ 第2期の82語は、第1期が受けた検査のうち 2 つをまだ受けていません。
(1) テキストだけで当てられるかの検査（/facts/cloze）、
(2) 語をまたぐ変化の判定（/facts/audio の軸B。判定が出るまで「未決」と表示します）。
断片の書き直し（2026-09-05、28本）
Stage B の断片28本を書き直しました。公開後に直す道が事実上ないためです
（Stage B の項目分析は1周に2〜4年かかります → /facts/unverified）。
| 何を | 何本 | 理由 |
|---|---|---|
| 語数合わせの詰め物を外した | 22 | then now here still のように、意味の無い語で4〜6語に合わせていたもの。詰め物の直前は縮約が起きない位置でした |
| テキストだけで当てられる断片を書き換えた | 6 | LLM3体の空所補充で当てられたもの（what a long ___ → day は3体とも1位）→ /facts/cloze |
対象語の語形は変えていないので、採点規則（同音異綴・塞いだ綴り）は影響を受けません。
書き直し後に Google Books 5-gram で再検査し、対象語が補完分布に占める割合は
最大 0.9%（at that ___ の age、6位）でした。書き直し前に差し替えた7項目は 26〜99% だったので、
同じ物差しで見て桁が違います。
縮約位置を維持できなかった8本は、espeak-ng が確実に弱形化する a / an / the / to / of / was に
置き換え、台帳の縮約タイプも更新しました。
どう作ったか
| 判断 | 使ったもの |
|---|---|
| 品詞 | WordNet ＋ Brown コーパスの品詞分布 ＋ 訳語とダミーの品詞一致。入力データの pos は148行中23行が誤っていました |
| 発音表記 | CMUdict 0.7b（パブリックドメイン、General American）から機械変換。先行版は英国式表記が52項目、欠落が3項目ありました |
| 出題語義 | JMdict と WordNet の語義数。多義でも中心義が一意に決まる語は sense を明示して出題（B2 の但し書き） |
| 正解訳 | §2.3-5「英語版の選択肢が指している語を訳す」。JMdict で逆引きして対象語に戻ることを確認 |
| 文脈文（Stage A） | 第1期は書き下ろし、第2期はテンプレート。どちらも 5〜8語・対象語を含む・全内容語が対象語と同じか易しい・語義を教えない。難易度の照合は第1期が NGSL ランク、第2期が flemma 頻度（🔒 向きが逆なので混ぜない） |
| 断片（Stage B） | 書き下ろし。4〜6語・文脈文と同一でない・対象語以外の内容語が重複しない |
見つかった不具合
B1 違反が2件ありました。Stage A と Stage B で品詞が違っていたものです。
photograph Stage A「写真」（名詞） / Stage B "can't you photograph it"（動詞） evil Stage A「悪」（名詞） / Stage B "it wasn't evil then"（形容詞）
SPEC が figure の事故として名指ししている型そのものです。両方とも断片を書き換えました。
🔒 現行の自動チェック（§4.4）に B1 を検査する項目がありません。追加を提案しています。
§4.3 の帯違反が11項目ありました（place ← quiet、labor ← dawn/dusk など）。
ランク表がなくて未実施だったチェックです。全て書き換えました。
限界
🔒 このバンクを作ったのは人間ではありません。日本語母語話者の検証（§2.3-4）と
英語母語話者の検証（§4.3）は行わないと決めました。代わりに 2 モデルの較正済み検査で置き換えています。
何が置き換えられて何が置き換えられなかったかは /facts/decisions に、
その検査自体の限界（モデル間の項目相関 r=0.429 / 共有バイアスは原理的に検出できない /
弱形の検出力は約50%）は /facts/unverified にあります。
🔒 予備の余裕は帯によって違います。公開後の項目分析で落とした分は補充します。
画面に出る信頼区間はバンクの大きさではなく出題数で決まるので、
バンクが 40 でも 35 でも境界帯から 30 問を出せる限り区間は変わりません。