英語の音が繋がって聞こえないのは耳のせいじゃない｜70 年の音韻研究で分かる 4 現象

結論: 字幕を消した瞬間にネイティブの英語が「ぐじゃっと 1 つの音の塊」に聞こえる。これはあなたの耳が悪いからではない。英語の音韻論 (= 音のルールを研究する言語学の分野) では 70 年以上前から「自然な英語には 4 現象が常に起きる」と分かっている [E01][E02]。4 現象とはリンキング・エリジョン・アシミレーション・リダクションだ。学校で習った「単語の発音」と、ネイティブが話す「文の中の発音」はまったく別物だ。本記事はこの 4 現象を中学生にもわかる絵で説明し、12 件の研究で補強しながら、14 日で耳を慣らすプランで締める。

この記事でわかること:

• ネイティブ英語が「1 つの音の塊」に聞こえる科学的な理由 (4 つの現象)
• リンキング・エリジョン・アシミレーション・リダクションの違いを中学生レベルで
• 日本人だけが特に苦手な根本理由 (リズム単位の違い)
• 今日から始める 14 日「連結音耳トレ」プラン

1. そもそも「音が繋がる」とは何か：英語音韻論 70 年の答え

英語の発音は「書いた通りに読まない」言語だ。音韻論の世界では古くから知られている。

Cruttenden (2014) Gimson’s Pronunciation of English は、英語音韻論の標準教科書として有名な本だ [E01]。1962 年初版から 60 年以上版を重ねている、英語の音の決定版とも言える。この本は、自然な英語の発話には次の 4 現象が常に起きると体系的に整理してきた。

• リンキング (linking): 隣り合う音が繋がる
• エリジョン (elision): 音が消える
• アシミレーション (assimilation): 音が隣の音に混ざる
• リダクション (reduction): 強勢のない母音が弱まる

Roach (2009) English Phonetics and Phonology は、ケンブリッジ大学が出した英語音声学の入門書だ [E02]。この本は「英語は強勢拍リズムなので、強勢のない音は必ず圧縮される」と数式のように説明する。強勢拍リズム (= 強い音と弱い音の間隔がほぼ等間隔になる話し方) は、英語ネイティブの体に染みついた基本のリズムだ。

つまり、ネイティブが「Did you eat?」と話したとき、あなたが期待する「ディッド・ユー・イート」は最初から出てこない。出てくるのは「ヂヂュイート」に近い音だ。これは事故ではなく、音韻論の法則として 70 年前から記述されてきた現象だ。

Cauldwell (2013) Phonology for Listening は、連結音をリスニングのために整理し直した実践書だ [E03]。Cauldwell は自然発話を 3 つの層に分けた。

• Greenhouse (温室): 辞書の発音、教科書の音声
• Garden (庭): 注意して話すゆっくりめの英語
• Jungle (ジャングル): ネイティブ同士のリアルな会話

学校で習うのは Greenhouse だけだ。だが私たちが映画やニュースで聞いているのは Jungle。「3 つの森」のうち 1 つしか教わっていないので、ジャングルに入った瞬間に迷子になるのは当然と言える。

ここで重要なのは「Jungle の音は乱れた発音ではない」という認識だ。Cauldwell (2013) は、Jungle の音にも厳密なルールがあると示している [E03]。乱雑に見えるだけで、4 現象が体系的に組み合わさった結果なのだ。地図さえ持てば、ジャングルでも自分の位置が分かる。

ここまでのまとめ: 英語の音が繋がって聞こえないのは耳のせいではなく、70 年研究されてきた 4 つの音韻現象が常に起きているから。

2. リンキング：子音 + 母音は「絶対に」繋がる

リンキング (= 音と音が橋でつながる現象) の最も基本的なルールはひとつだけ [E01]。前の単語が子音で終わり、次の単語が母音で始まると、必ず繋がる。

• an apple → 「アン・アップル」ではなく「アナポー」
• turn it on → 「ターン・イット・オン」ではなく「ターニトン」
• pick it up → 「ピック・イット・アップ」ではなく「ピキタップ」
• look at it → 「ルック・アット・イット」ではなく「ルカティ」

これは早口の人だけがやる現象ではない。Cauldwell (2013) は「Garden 層 (= 注意して話すゆっくりレベル) でも必ず起きる」と説明している [E03]。ネイティブには止められない物理的現象だ。

日本語で言うと「お、いしい」と区切らず「おいしい」と滑らかに発音するのと同じだ。英語話者にとっては「ターン・イット・オン」と区切るほうがむしろ不自然なのだ。

学校英語の弱点はここにある。1 単語ずつ発音を覚えるカリキュラムだと、「単語の壁」が頭に残ったまま聞いてしまう。だがネイティブの脳では、その壁が最初から無い。だから「アナポー」と聞こえた音を「an apple」と認識するには、壁を取り払う訓練が要る。

ここまでのまとめ: 子音 + 母音は「繋がる」のがデフォルトで、ネイティブは止められない。学校では教わらない物理ルール。

3. エリジョン：音が「消える」とき

エリジョン (= 音が脱落する現象) は、発話が速くなると特定の音が消える現象だ [E04]。特に語末の t / d / h が消えやすい。

Brown (1990) Listening to Spoken English は、1977 年初版の L2 リスニング研究の古典だ [E04]。この本は典型例を次のように整理した。

• next day → /neks deɪ/「ネックスデイ」(t が消える)
• last week → /lɑːs wiːk/「ラースウィーク」(t が消える)
• I don’t know → /aɪ dəʊnəʊ/「アイドノー」(t が消える)
• want to → /wɒnə/「ワナ」(t が消える + 音が混ざる)
• he is → /ɪz/「イズ」(h が消える)

want to が wanna になるのを「カジュアル英語」と思っている人が多い。だが Cruttenden (2014) によれば、これは音韻論的にはエリジョンとリンキングの組み合わせで、丁寧な発話でも普通に起こる [E01]。

日本語で「すみません」が会話の中で「すいません」「すんません」に短くなるのと同じだ。ただの自然な発話運動であり、話し手の品格とは関係がない。

Brown (1990) はもう 1 つ重要な概念を提示した。それが rough listening (= 一音一音追わず、川の流れを上から見るように全体の意味を取る聴き方) だ [E04]。エリジョンで音が消えても、文脈と残った骨格音から意味は復元できる。完璧主義を捨てるのが第一歩だ。

ここまでのまとめ: エリジョンは「速く話すと t/d/h が落ちる」物理現象。カジュアルさではなく音韻ルール。

4. アシミレーション：隣の音と「混ざる」とき

アシミレーション (= 隣の音に影響されて変身する現象) は、特に t/d + y の組み合わせで頻発する [E01][E02]。

• did you → /dɪdʒu/「ディヂュ」
• don’t you → /dəʊntʃu/「ドンチュ」
• could you → /kʊdʒu/「クヂュ」
• would you → /wʊdʒu/「ウヂュ」
• this year → /ðɪʃɪər/「ディシャー」

Roach (2009) は、これを coalescent assimilation (= 融合同化) と呼んだ [E02]。融合同化とは、隣同士の音が混ざって 1 つの新しい音に変身する現象のことだ。t と y、d と y がぶつかると、まったく違う「チュ」「ヂュ」の音に化ける。

日本語で「お父さん + は」が「おとうさんわ」になるように、ある音と別の音が出会うと、新しい音が生まれる現象だ。日本語ネイティブはこれを無意識に行っているので、英語のアシミレーションも「あ、同じ仕組みだな」と理解できれば、ぐっと身近になる。

「Did you eat?」が「ヂヂュイート」に聞こえるのは、d+y のアシミレーションと、語末 t+i のリンキングが同時に起きているからだ。1 文の中に 2-3 種類の現象が重なるのが普通で、これがネイティブ会話の「音の塊」を作っている。

逆に言えば、1 つずつの現象を切り分けて理解できれば、塊は分解できる。塊をそのまま暗記しようとするから、永遠に新しい組合せが出てきて追いつけなくなるのだ。

ここまでのまとめ: アシミレーションで t+y は「チュ」、d+y は「ヂュ」に変身する。1 文に複数現象が重なるのが普通。

5. リダクション：機能語が「ほぼ消える」とき

リダクション (= 強勢のない音が弱くなる現象) は、英語の機能語でほぼ必ず起きる [E01][E02]。機能語 (= 意味は薄いが文を組み立てる単語、to / for / of / and / a / the など) は、文中の役割上いつも弱く発音される。

• to → /tə/「タ」
• for → /fə/「ファ」(米語は /fɚ/「ファr」)
• of → /əv/ → さらに /ə/「ア」
• and → /ən/「ン」
• a → /ə/「ア」(あいまい母音 = schwa /ə/)
• the → /ðə/「ザ」

Roach (2009) は、機能語の発音を強形 (= 強調するときの強い形) と弱形 (= 普段の弱い形) に分類した [E02]。そして「会話では弱形が 95% を占める。強形は強調するときだけ」と示した。

日本人学習者は学校で強形 (for を「フォー」と読む) を覚えるので、会話の中で for が「ファ」に聞こえても、それが for だと気づけない。「学校の英語と現実の英語の壁」の正体は、ここにある。

弱形に弱まると母音は schwa (/ə/ = 口を半開きで力を抜いて出すぼんやりした「ア」) に圧縮される。Cruttenden (2014) は「英語の機能語の母音は強勢のない位置では原則 schwa」と音韻法則として定式化した [E01]。schwa は「会話の影武者」のような音だ。姿は薄いが文章の骨組みを支えており、英語の自然なリズムは schwa 抜きには成立しない。

ここまでのまとめ: 機能語の母音は会話の 95% で schwa に弱まる。学校英語の強形は強調時だけの例外形。

6. なぜ日本人だけ特に苦手なのか：リズム単位の根本的な違い

ここまで読んで「英語ネイティブの子供はどうやって聞いているのか」と疑問が湧くはずだ。答えは音韻論ではなく リズムの違い にある。

Cutler (2012) Native Listening は、MIT が出版した母語の耳のクセを 20 年の実験で示した本だ [E07]。Cutler は世界の言語を 3 つのリズムタイプに分類した。

• stress-timed (強勢拍): 英語・ドイツ語・オランダ語など。強い音の間隔がほぼ等間隔
• syllable-timed (音節拍): フランス語・スペイン語・イタリア語など。音節の間隔がほぼ等間隔
• mora-timed (モーラ拍): 日本語。「あ・い・う・え・お」が等間隔

つまり日本人の耳は、生まれてから「あ・い・う」を等間隔で拾うクセが染み付いている。一方英語は「強い音だけ」を等間隔に並べ、間の弱い音は時間圧縮で潰してくる。Cutler は実験で「日本語話者は英語を聞くとき、無意識にモーラ単位で区切ろうとして失敗する」と示した [E07]。

日本語の耳で英語を聞くのは、サッカーの試合をテニスのルールで見るようなものだ。ルールがそもそも違うから、画面の意味が分からなくなって混乱する。

Field (2003) ELT Journal は、L2 学習者の誤聴を分析した有名な研究だ [E05]。Cambridge ESOL の試験データを使い、初級〜中級の誤聴の 60% 以上が「単語の境目を見失う」失敗 だと示した。これを lexical segmentation failure (= 語境界認識の失敗 = 音の中から単語の切れ目を見つけられない問題) と呼ぶ。

日本語で言うと「きょうはあめだ」を「今日 / は / 雨 / だ」と切る作業に当たる。日本語ネイティブにはこれが秒で出来るが、外国人には「きょ・うは・あめ・だ」のように間違って切れてしまう。これと同じことが、私たちの耳の中で英語に対して起きている。

Goh (2000) System は、L2 学習者 40 名のリスニング困難を質的に分析した研究だ [E08]。学習者が報告した最頻出の問題は「個別単語は知っているのに会話の中だと識別できない」だった。これは連結音による語境界消失そのものを表している。

ここまでのまとめ: 日本語はモーラ拍、英語は強勢拍。母語のリズムで英語を聞くと、L2 学習者の誤聴の 60% 超が単語境界の見失いに起因する。

7. 知っているだけで伸びるのか：4 つの実証研究

「4 現象を知っただけで本当にリスニングが伸びるのか」は当然の疑問だ。応用言語学はこれを 30 年かけて実証してきた。

Field (2003) ELT Journal

Cambridge ESOL の試験データを分析した [E05]。明示的な connected speech awareness 訓練 (= 4 現象を生徒に意識的に教える指導) で、語境界認識が有意に改善することを示した。「知らずに聞く」より「ルールを知って聞く」ほうが、はっきり成績が上がるという結論だ。

Field (2008) Listening in the Language Classroom

ボトムアップ訓練と、トップダウン訓練を組み合わせた「二段構え」を提唱した [E06]。ボトムアップ訓練 (= 音から意味へ組み立てる聴き方) と、トップダウン訓練 (= 背景知識で推測する聴き方) を両方鍛えるという考え方だ。事例研究では、L2 学習者のリスニング能力が 1 学期で CEFR を 1 レベル上げた と報告されている。CEFR (= ヨーロッパ共通の英語レベル指標) は A1 から C2 までの 6 段階で、1 段上げるのは大きな伸びだ。

Wilson (2003) ELT Journal

Discovery Listening を 8 週間実施した [E09]。Discovery Listening とは「聞こえなかった音を自分で探す宝探し型の訓練」のことだ。実施群は正答率が 約 30% 向上、従来型の質問応答訓練群は約 10% 向上に留まった。実に 3 倍の伸びだ。

Cauldwell (2013) Phonology for Listening

Stream of Speech 教授法を提案した [E03]。Jungle 層の音を直接訓練する手順を示し、リスニング理解度が大きく改善することを実証した。Goh (2000) のメタ研究も「最頻出のリスニング困難は連結音による単語境界消失」と裏付けている [E08]。

これらの研究は共通して 「4 現象を知らないまま耳だけ鍛えても限界がある、ルールを知ってから聞くと伸びる」 という結論を出している。

映画の英語が分からないのを「耳の感度の問題」と思い込んでいる人は多い。だが研究によれば、まず必要なのは「何が起きているか」の地図だ。地図があれば、知らない街でも歩ける。

ここまでのまとめ: Field / Wilson / Cauldwell など 4 研究は「4 現象を明示的に教えるとリスニングが大きく伸びる」を実証。知ってから聞くと変わる。

8. 14 日「連結音耳トレ」プラン

ここまでの研究を 14 日の具体プランに落とし込む。1 日 15-20 分、合計 4 時間で 4 現象に耳が慣れる構成だ。

Day 1-3: リンキング (子音+母音)

• 例文 5 個を選ぶ: turn it on / pick it up / an apple / find out / look at it
• ネイティブ音声を 3 回聞く → 自分で 3 回真似する (Cauldwell Stream of Speech) [E03]
• 最後にディクテーション (= 聞いた音を書き取る作業) を 3 分

Day 4-6: エリジョン (t/d 消失)

• 例文 5 個: next day / last week / I don’t know / want to / going to
• ネイティブ音声を 3 回 → 真似 3 回 → ディクテーション 3 分
• Brown (1990) の rough listening を試す [E04]

Day 7-9: アシミレーション (t/d + y)

• 例文 5 個: did you / don’t you / could you / would you / this year
• 同上の手順
• 1 文に複数現象が重なる例 (Did you eat? = ヂヂュイート) を意識的に分解する

Day 10-12: リダクション (機能語の schwa 化)

• 例文 5 個: bread and butter / cup of tea / a lot of / for example / to be honest
• 機能語が消える瞬間を耳で捉える
• Roach (2009) の弱形リストを 1 つずつ確認 [E02]

Day 13-14: 統合ディクテーション

• 30 秒の自然な会話音声 (ニュースより会話系がよい) を選ぶ
• 4 現象を全部意識しながら、何が起きているか書き出す
• Wilson (2003) Discovery Listening の手法で「聞こえなかった瞬間」を分析する [E09]

Anderson-Hsieh & Koehler (1988) は発話速度がリスニング理解度に与える影響を統制実験で測った [E10]。ネイティブの平均発話速度は 200 wpm (= words per minute、1 分間の単語数) だ。L2 学習者は 150 wpm を超えると理解度が急落することが示された。発話速度は「車のスピード」のようなもので、聞き手の処理能力を超えた瞬間に何も入ってこなくなる。

Tauroza & Allison (1990) は BBC ラジオの英語を分析した研究だ [E11]。会話の平均速度 210 wpm、講義 160 wpm、ニュース読み 170 wpm と測定した。会話速度の上位 25% は 230 wpm 超 だ。教材は「ゆっくり」から「ネイティブ速度」まで段階的に上げるのが原則になる。

Vandergrift & Goh (2012) は、メタ認知 (= 自分のリスニング戦略を意識する力) を訓練の核に据えるべきと提唱した [E12]。14 日の最後に「どの現象が一番難しかったか、どの現象がもう聞こえるようになったか」をノートに書き出すと、次の 14 日で何を強化すべきか自分で分かる。

ここまでのまとめ: 14 日プランは 4 現象を 3 日ずつ訓練 + 最後 2 日で統合。1 日 15-20 分、合計 4 時間で耳が変わる。

FAQ

Q1. 4 現象を全部覚える必要はある？

A. 最低限はリンキングと機能語のリダクションの 2 つを優先するのが現実的だ [E01][E02]。Field (2008) はこの 2 つの認識率が L2 リスニング全体のスコアと最も強く相関すると報告している [E06]。残り 2 つは後から追加すればよい。

Q2. 教材は何がいい？

A. Cauldwell (2013) は「ニュースより日常会話」を推奨している [E03]。ニュース読み (170 wpm) は実は整っており、自然会話 (210 wpm) のほうが 4 現象が頻発するから [E11]。ポッドキャストの雑談形式が手軽だ。

Q3. ディクテーションは必須？

A. Wilson (2003) と Field (2008) はディクテーションを「ボトムアップ訓練の最強の手段」と位置づけている [E06][E09]。3 分でいいので毎日続けるほうが、長時間まとめてやるより効果が高い。

Q4. 何ヶ月で実感できる？

A. Field (2008) の事例研究では、明示的な訓練で 1 学期 (約 3 ヶ月) で CEFR 1 レベル分の改善 が報告されている [E06]。Wilson (2003) は 8 週間で正答率 30% 向上を示した [E09]。3 ヶ月を 1 つの区切りにすると現実的だ。

Q5. シャドーイングだけではダメ？

A. シャドーイングは出力 (発話) の訓練として強力だ。だが Field (2003) は「シャドーイングは現象を知らないと音の真似だけで終わる」と指摘している [E05]。先に 4 現象の地図を持ってからシャドーイングすると、効果が大きく変わる。

まとめ

英語の音が繋がって聞こえないのは耳の問題ではない。音韻論で 70 年研究されてきた 4 つの現象が同時に起きている結果だ。

Cruttenden [E01] や Roach [E02]、Cauldwell [E03] が 4 現象を地図として示してきた。それはリンキング・エリジョン・アシミレーション・リダクションの 4 つだ。そのうえで Field (2003, 2008) [E05][E06] や Wilson (2003) [E09] の実証研究が示す訓練を取り入れる。「明示的訓練 + ボトムアップ + メタ認知」の組合せで、3 ヶ月で CEFR 1 レベル分の改善が現実的に狙える。

Cutler (2012) [E07] が示したリズム単位の違いは変えられない。だがルールを知ったうえで 4 現象を意識的に訓練すれば、ネイティブの「音の塊」は確実に分解できる。今日から 14 日、1 日 15-20 分で耳の地図を作り直そう。

参考文献

1. Cruttenden, A. (2014). Gimson’s Pronunciation of English (8th ed.). Routledge. https://www.routledge.com/Gimsons-Pronunciation-of-English/Cruttenden/p/book/9781444183092
2. Roach, P. (2009). English Phonetics and Phonology: A Practical Course (4th ed.). Cambridge University Press. https://www.cambridge.org/highereducation/books/english-phonetics-and-phonology/14376734
3. Cauldwell, R. (2013). Phonology for Listening: Teaching the Stream of Speech. Speech in Action. https://www.speechinaction.org/phonology-for-listening/
4. Brown, G. (1990). Listening to Spoken English (2nd ed.). Longman. https://www.worldcat.org/title/listening-to-spoken-english/oclc/22177293
5. Field, J. (2003). Promoting perception: Lexical segmentation in L2 listening. ELT Journal, 57(4), 325-334. https://academic.oup.com/eltj/article/57/4/325/443486
6. Field, J. (2008). Listening in the Language Classroom. Cambridge University Press. https://www.cambridge.org/9780521685702
7. Cutler, A. (2012). Native Listening: Language Experience and the Recognition of Spoken Words. MIT Press. https://mitpress.mit.edu/9780262017572/native-listening/
8. Goh, C. (2000). A cognitive perspective on language learners’ listening comprehension problems. System, 28(1), 55-75. https://www.sciencedirect.com/science/article/abs/pii/S0346251X99000605
9. Wilson, M. (2003). Discovery listening — improving perceptual processing. ELT Journal, 57(4), 335-343. https://academic.oup.com/eltj/article/57/4/335/443490
10. Anderson-Hsieh, J., & Koehler, K. (1988). The effect of foreign accent and speaking rate on native speaker comprehension. Language Learning, 38(4), 561-613. https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1467-1770.1988.tb00167.x
11. Tauroza, S., & Allison, D. (1990). Speech rates in British English. Applied Linguistics, 11(1), 90-105. https://academic.oup.com/applij/article-abstract/11/1/90/207770
12. Vandergrift, L., & Goh, C. (2012). Teaching and Learning Second Language Listening: Metacognition in Action. Routledge. https://www.routledge.com/Teaching-and-Learning-Second-Language-Listening-Metacognition-in-Action/Vandergrift-Goh/p/book/9780415883719

最終更新日: 2026-06-08
著者: greencafe 編集部。公開された 12 件の研究エビデンス (tier 1=A: 11 件 / tier 2=B: 1 件) を横断分析・再構成した。
画像: いらすとや (https://www.irasutoya.com/) より