寫(xiě)作不僅是語(yǔ)言表達(dá)的一種重要產(chǎn)出形式,而且是二語(yǔ)學(xué)習(xí)者語(yǔ)言水平高低的重要標(biāo)志之一,因此,它也是第二語(yǔ)言習(xí)得研究的重要問(wèn)題之一。研究表明,漢語(yǔ)二語(yǔ)作文質(zhì)量與詞匯
、句法
兩個(gè)因素密切相關(guān),詞匯、句法維度區(qū)別性特征的選擇與使用,是第二語(yǔ)言口語(yǔ)測(cè)試和寫(xiě)作測(cè)試評(píng)分的熱門(mén)議題之一。在大數(shù)據(jù)時(shí)代,以便捷的方式完成二語(yǔ)學(xué)習(xí)者寫(xiě)作水平(Writing Proficiency)的自動(dòng)評(píng)分,具有廣泛的應(yīng)用價(jià)值,也是目前學(xué)界研究的熱點(diǎn),選擇高效度、高信度的評(píng)價(jià)指標(biāo)則是實(shí)現(xiàn)寫(xiě)作自動(dòng)化評(píng)分的核心內(nèi)容。黃志娥等指出,在HSK自動(dòng)作文評(píng)分的研究中,指標(biāo)選取是關(guān)鍵環(huán)節(jié)之一,直接影響著評(píng)分模型的性能
。不過(guò),在以往的研究中,由于研究角度、目的和語(yǔ)料來(lái)源有效性等方面的差異,無(wú)論是在指標(biāo)的操作性定義方面,還是在測(cè)量體系的信度、效度方面,均未達(dá)成共識(shí)。
前景化概念對(duì)詩(shī)歌的解析具有重要的作用,可以從變異和過(guò)分規(guī)則化兩個(gè)角度入手,找出其語(yǔ)音、語(yǔ)相、詞匯、句法以及語(yǔ)篇等各個(gè)層次上的變異和過(guò)分規(guī)則化,更好地理解作者的選擇,欣賞前景化所帶給詩(shī)歌的美感,從而為詩(shī)歌解釋提供有力的依據(jù)。
語(yǔ)言表達(dá)的復(fù)雜度、準(zhǔn)確度和流利度(Complexity、Accuracy and Fluency,以下簡(jiǎn)稱(chēng)“CAF”),是二語(yǔ)表達(dá)中既具有協(xié)同作用又存在競(jìng)爭(zhēng)關(guān)系的維度
,因此,它們是評(píng)價(jià)二語(yǔ)學(xué)習(xí)者書(shū)面表達(dá)能力的重要特征變量,體現(xiàn)了心理語(yǔ)言的習(xí)得、表征和認(rèn)知加工機(jī)制
。近些年來(lái),基于CAF對(duì)二語(yǔ)表達(dá)水平評(píng)分的有效性的研究越來(lái)越多,其中,詞匯、句法維度的CAF指標(biāo)更是研究的熱點(diǎn),但已有的研究成果主要集中在英語(yǔ)習(xí)得領(lǐng)域。英語(yǔ)與漢語(yǔ)是兩種不同類(lèi)型的語(yǔ)言,英語(yǔ)習(xí)得研究的成果無(wú)法直接應(yīng)用在漢語(yǔ)習(xí)得與評(píng)價(jià)研究中,相較而言,漢語(yǔ)二語(yǔ)習(xí)得領(lǐng)域的相關(guān)研究較為滯后。
針對(duì)上述問(wèn)題,本文將基于中國(guó)漢語(yǔ)水平考試(以下簡(jiǎn)稱(chēng)“HSK”)大數(shù)據(jù),采取“大數(shù)據(jù)小樣本”策略,以韓國(guó)學(xué)生的HSK寫(xiě)作測(cè)試語(yǔ)料為研究對(duì)象,從詞匯和句法維度篩選、界定符合漢語(yǔ)特征的量化指標(biāo),進(jìn)而嘗試構(gòu)建更加優(yōu)化的、更具普適性的寫(xiě)作評(píng)價(jià)回歸模型,以期完善漢語(yǔ)作為第二語(yǔ)言的寫(xiě)作評(píng)價(jià)指標(biāo)體系,為漢語(yǔ)作為第二語(yǔ)言的寫(xiě)作自動(dòng)評(píng)分系統(tǒng)的設(shè)計(jì)提供借鑒,并為漢語(yǔ)二語(yǔ)寫(xiě)作教學(xué)提供參考。
本文所探討的問(wèn)題主要包括三個(gè)方面:1.詞匯和句法維度的29個(gè)典型指標(biāo)與寫(xiě)作成績(jī)的關(guān)系如何?2.在詞匯和句法兩個(gè)維度中,哪一個(gè)維度對(duì)寫(xiě)作水平的影響更大?3.由詞匯及句法指標(biāo)所構(gòu)建的韓國(guó)學(xué)生漢語(yǔ)寫(xiě)作評(píng)價(jià)回歸模型中,哪些指標(biāo)可以有效預(yù)測(cè)寫(xiě)作分?jǐn)?shù)?回歸模型的效度如何?
本研究所用語(yǔ)料來(lái)自于參加2010年4月HSK(高等)考試的韓國(guó)學(xué)生限時(shí)獨(dú)立寫(xiě)作的命題作文《員工八小時(shí)以外是否應(yīng)該自由》,依據(jù)HSK作文的標(biāo)準(zhǔn)分,將隨機(jī)選擇的90份(男、女各45份)韓國(guó)學(xué)生作文語(yǔ)料,劃分為低、中、高三個(gè)分?jǐn)?shù)段。其中,50—60分為低分段,70—80分為中分段,90分及以上為高分段。通過(guò)對(duì)語(yǔ)料進(jìn)行機(jī)器分詞、人工標(biāo)注和統(tǒng)計(jì)等處理,考察韓語(yǔ)母語(yǔ)者書(shū)面寫(xiě)作中詞匯維度、句法維度的語(yǔ)言特征表現(xiàn)。
表7需要說(shuō)明的是,a.預(yù)測(cè)變量:(常量),零形成分?jǐn)?shù)量,最常用詞比率,虛詞使用比率,話題鏈數(shù)量,話題鏈分句數(shù)量;b.因變量:作文分?jǐn)?shù)。方差分析結(jié)果顯示,模型1(
[5,39]=8.543,
<.001)是有效的?;貧w分析結(jié)果表明,虛詞使用比率、最常用詞比率、話題鏈數(shù)量、話題鏈分句數(shù)量和零形成分?jǐn)?shù)量五個(gè)參項(xiàng),最終進(jìn)入回歸模型,它們能夠解釋寫(xiě)作成績(jī)52.3%的變異(
R
=.523)。各參項(xiàng)的具體影響,如表8所示:
吳繼峰將HSK作文評(píng)分標(biāo)準(zhǔn)概括為語(yǔ)言特征和內(nèi)容質(zhì)量?jī)刹糠?/p>
,其中,詞匯維度和句法維度作為語(yǔ)言特征的兩個(gè)典型性維度,在寫(xiě)作質(zhì)量評(píng)價(jià)中起著不可忽視的作用。本研究以Read的詞匯豐富性框架為基礎(chǔ),并借鑒王藝璇
、吳繼峰
的研究方法,將詞匯層面的考察維度操作性定義為詞匯多樣性、詞匯復(fù)雜性、詞匯準(zhǔn)確性和詞頻概貌,最終選取了19個(gè)典型詞匯特征作為初始指標(biāo)體系進(jìn)行相關(guān)研究。其具體指標(biāo)及計(jì)算方法如表1所示:
觀察組的腸鳴音恢復(fù)時(shí)間、肛門(mén)自主排氣時(shí)間以及護(hù)理滿(mǎn)意度 為(16.56±8.20)h、(22.12±7.85)h、(92.14±2.15) 分;對(duì)照組的上述指標(biāo)為(38.15±14.33)h、(47.96±18.98)h、(81.23±3.65)分。
在句法維度上,Lasagabaster & Doiz認(rèn)為,“跟那些能力較差的學(xué)生相比,能力較強(qiáng)的學(xué)生的文章會(huì)更長(zhǎng)、更復(fù)雜也更準(zhǔn)確”
。在漢語(yǔ)二語(yǔ)寫(xiě)作研究中,王藝璇
、吳繼峰
的研究結(jié)果均證實(shí)了這一觀點(diǎn)。不過(guò),由于已有研究中所選取的句法指標(biāo)不同,因此,各位學(xué)者得出的結(jié)論也存在一定差異?;谶@一考慮,本研究將句法正確性和句法復(fù)雜性作為考察對(duì)象,并借鑒井茁
、吳繼峰
的研究方法,從句法正確性和復(fù)雜性?xún)煞矫孢x取了10個(gè)特征變量。其具體指標(biāo)及計(jì)算方法如表2所示:
二是實(shí)施組織優(yōu)化方略,推進(jìn)水資源一體化管理。鑒于水資源的流動(dòng)性、循環(huán)性和基礎(chǔ)性等特征,將隔斷的水連接起來(lái),推進(jìn)涉水事務(wù)一體化管理?;诹饔蛩Y源合理配置,完善流域一體化管理;按照統(tǒng)籌城鄉(xiāng)、以城帶鄉(xiāng)的要求,積極推進(jìn)城鄉(xiāng)供水統(tǒng)籌管理。加強(qiáng)水管理部門(mén)內(nèi)部、水管理部門(mén)同環(huán)保、城建等部門(mén)的協(xié)調(diào),進(jìn)一步提高水資源管理的一體化水平,從短期來(lái)看,推進(jìn)建立水資源統(tǒng)一管理機(jī)構(gòu);從長(zhǎng)期看,建立資源環(huán)境一體化管理機(jī)構(gòu),從根本上改變水資源管理分散和割裂的局面,改善水資源的總體功能。
根據(jù)上述指標(biāo)體系,我們對(duì)研究對(duì)象的寫(xiě)作語(yǔ)料逐篇進(jìn)行了指標(biāo)統(tǒng)計(jì),然后以詞匯多樣性、詞匯復(fù)雜性、詞匯準(zhǔn)確性、詞頻概貌、句法正確性和句法復(fù)雜性這6個(gè)維度的29項(xiàng)典型特征為考察對(duì)象,進(jìn)一步對(duì)韓國(guó)學(xué)生作文語(yǔ)料進(jìn)行數(shù)據(jù)標(biāo)注與統(tǒng)計(jì)檢驗(yàn),考察韓國(guó)學(xué)生在詞匯和句法維度上的語(yǔ)言表現(xiàn)特征。
本研究主要分為三個(gè)階段:首先,對(duì)語(yǔ)料進(jìn)行分詞、標(biāo)注等處理,依次采集本研究所需要的各項(xiàng)評(píng)價(jià)指標(biāo)。其次,借助SPSS25.0軟件,進(jìn)行各項(xiàng)寫(xiě)作評(píng)價(jià)指標(biāo)與寫(xiě)作成績(jī)的相關(guān)性分析,選取顯著相關(guān)的詞匯、句法指標(biāo)作為原始參項(xiàng),以被試的HSK考試寫(xiě)作分?jǐn)?shù)為因變量,分別構(gòu)建詞匯回歸模型、句法回歸模型以及詞匯句法綜合回歸模型。最后,對(duì)以上三個(gè)回歸模型進(jìn)行效度檢驗(yàn),探究詞匯和句法因素對(duì)寫(xiě)作成績(jī)的影響程度與預(yù)測(cè)效果,從而篩選出具有高效度、高信度的漢語(yǔ)二語(yǔ)寫(xiě)作水平評(píng)價(jià)指標(biāo)。
1.詞匯指標(biāo)與寫(xiě)作成績(jī)的相關(guān)性
我們首先對(duì)詞匯維度的19個(gè)指標(biāo)與寫(xiě)作成績(jī)之間的關(guān)系進(jìn)行了Pearson相關(guān)分析,結(jié)果顯示:在上述19個(gè)初始詞匯指標(biāo)中,有11個(gè)指標(biāo)與作文分?jǐn)?shù)呈顯著相關(guān)。其中,詞匯多樣性特征中的Guiraud指標(biāo)、總詞數(shù)、詞種數(shù)、虛詞數(shù)量、虛詞使用比率和連詞數(shù)量,均與寫(xiě)作成績(jī)顯著相關(guān)(
=.563,
<.01;
=.459,
<.01;
=.630,
<.01;
=.490,
<.01;
=.390,
<.01;
=.361,
<.05);詞匯復(fù)雜性特征中的復(fù)雜詞數(shù)量與寫(xiě)作成績(jī)顯著相關(guān)(
=.398,
<.01);詞匯準(zhǔn)確性特征中的無(wú)錯(cuò)誤詞匯數(shù)量與寫(xiě)作成績(jī)顯著相關(guān)(
=.385,
<.01);詞頻概貌特征中的最常用詞比率、常用詞數(shù)量和次常用詞數(shù)量,均與寫(xiě)作成績(jī)顯著相關(guān)(
=-.405,
<.01;
=.479,
<.01;
=.402,
<.01)。其余8個(gè)指標(biāo)與寫(xiě)作成績(jī)的相關(guān)性均不顯著。
先說(shuō)園。園因砧木不同分為喬化、矮化和短枝,矮砧又分為中間砧與自根砧兩種;園因建在不同地貌分為川地園、塬面園和山地園。應(yīng)根據(jù)砧木、品種、密度、立地、樹(shù)齡、樹(shù)勢(shì)等綜合作出修剪研判。如果一個(gè)果園已經(jīng)郁閉,僅在個(gè)體上做文章顯然是不夠的,必須通過(guò)間伐才能從根本上解決群體光照問(wèn)題。同理,在一株樹(shù)上先要觀察并決定大枝的去留,然后才是枝組的精細(xì)修剪。
1.句法指標(biāo)與寫(xiě)作成績(jī)的相關(guān)性
表3需要說(shuō)明的是,a.預(yù)測(cè)變量:(常量),詞種數(shù);b.預(yù)測(cè)變量:(常量),詞種數(shù),虛詞使用比率;c.預(yù)測(cè)變量:(常量),詞種數(shù),虛詞使用比率,最常用詞比率;d.因變量:作文分?jǐn)?shù)。方差分析結(jié)果顯示,模型1(
[1,43]=28.328,
<.001),模型2(
[2,42]=18.637,
<.001)和模 型3(
[3,41]=16.110,
<.001),均是有效的?;貧w分析結(jié)果顯示,詞種數(shù)、虛詞使用比率和最常用詞比率三個(gè)參項(xiàng),最終進(jìn)入回歸模型,三者能夠解釋作文分?jǐn)?shù)54.1%的變異(
R
=.541)。詞匯各變量的具體影響,如表4所示:
根據(jù)上述分析結(jié)果,我們選擇與寫(xiě)作水平存在顯著相關(guān)的Guiraud指標(biāo)、總詞數(shù)、詞種數(shù)、虛詞數(shù)量、虛詞使用比率、連詞數(shù)量、復(fù)雜詞數(shù)量、無(wú)錯(cuò)誤詞匯數(shù)量、最常用詞比率、常用詞數(shù)量和次常用詞數(shù)量作為初始參項(xiàng),以被試的作文分?jǐn)?shù)為因變量,采用逐步回歸法(Stepwise)進(jìn)行回歸分析。具體分析結(jié)果如表3所示:
回歸分析的結(jié)果顯示,詞種數(shù)(
=3.705,
<.05)、虛詞使用比率(
=3.168,
<.05)和最常用詞比率(
=-2.515,
<.05),對(duì)作文質(zhì)量的影響均顯著。許宏晨指出,標(biāo)準(zhǔn)化回歸方程適合用來(lái)描述研究結(jié)果,但非標(biāo)準(zhǔn)化回歸方程的實(shí)用性更強(qiáng)
。因此,我們采用非標(biāo)準(zhǔn)化系數(shù)來(lái)建立詞匯回歸模型:寫(xiě)作成績(jī)=60.489+0.271×詞種數(shù)+77.689×虛詞使用比率-56.799×最常用詞比率。以上三者的標(biāo)準(zhǔn)化回歸系數(shù)為:0.444>0.357>|-0.301|(詞種數(shù)>虛詞使用比率>最常用詞比率)。由此可見(jiàn),詞種數(shù)對(duì)被試的寫(xiě)作成績(jī)影響最大,虛詞使用比率和最常用詞比率的影響次之。
2.詞匯回歸模型
為了考察句法特征與韓國(guó)學(xué)生寫(xiě)作成績(jī)之間的關(guān)系,以及句法指標(biāo)對(duì)寫(xiě)作成績(jī)的預(yù)測(cè)效果,本研究采用SPSS25.0軟件,對(duì)二者進(jìn)行Pearson相關(guān)分析。相關(guān)分析的結(jié)果顯示:句法復(fù)雜性維度中的話題鏈數(shù)量(
=.345,
<.05)、話題鏈分句數(shù)量(
=.513,
<.01)和零形成分?jǐn)?shù)量(
=.483,
<.01),均與作文分?jǐn)?shù)呈顯著相關(guān);其余7個(gè)句法復(fù)雜性指標(biāo)和句法正確性指標(biāo),與寫(xiě)作成績(jī)的相關(guān)性均不顯著。
2.句法回歸模型
(2)分析條件確定定的點(diǎn),明確需構(gòu)點(diǎn).由條件可知△ACD的形狀確定,是一個(gè)頂角為138°的等腰的三角形,即可以先確定A、C、D三點(diǎn),故只需構(gòu)造點(diǎn)B;
由表6可知,以上三者的標(biāo)準(zhǔn)化回歸系數(shù)由大到小為:0.769>0.343>0.095(零形成分?jǐn)?shù)量>話題鏈分句數(shù)量>話題鏈數(shù)量),即它們對(duì)寫(xiě)作成績(jī)的影響程度逐漸減弱。相應(yīng)的句法回歸方程是:寫(xiě)作成績(jī)=53.654+0.633×話題鏈數(shù)量+0.557×話題鏈分句數(shù)量+1.084×零形成分?jǐn)?shù)量。在這三個(gè)參項(xiàng)中,只有話題鏈分句數(shù)量對(duì)寫(xiě)作成績(jī)的影響顯著(
<.05)。不過(guò),出于對(duì)回歸方程整體性的考慮以及綜合相關(guān)分析結(jié)果,我們?nèi)员A粼掝}鏈數(shù)量、零形成分?jǐn)?shù)量作為模型參項(xiàng)。
表5需要說(shuō)明的是,a.預(yù)測(cè)變量:(常量),話題鏈分句數(shù)量;b.因變量:作文分?jǐn)?shù)。方差分析結(jié)果顯示,模型1(
[3,41]=6.561,
<.01)是有效的?;貧w分析表明,話題鏈數(shù)量、話題鏈分句數(shù)量和零形成分?jǐn)?shù)量三個(gè)參項(xiàng),最終進(jìn)入回歸模型,它們能夠解釋寫(xiě)作成績(jī)32.4%的變異(
R
=.324)。三個(gè)參項(xiàng)的具體影響,如表6所示:
根據(jù)上述分析結(jié)果,我們選擇與寫(xiě)作成績(jī)存在顯著相關(guān)的話題鏈數(shù)量、話題鏈分句數(shù)量和零形成分?jǐn)?shù)量作為初始參項(xiàng),采用強(qiáng)制回歸法(Enter)進(jìn)行回歸分析,并建立句法回歸模型。具體分析結(jié)果如表5所示:
由于寫(xiě)作水平是詞匯和句法水平的綜合反映,因此,在分別考察了詞匯和句法維度對(duì)寫(xiě)作成績(jī)的影響后,我們?cè)僖詢(xún)蓚€(gè)維度中與寫(xiě)作成績(jī)顯著相關(guān)的14個(gè)指標(biāo)作為自變量,以被試的作文分?jǐn)?shù)為因變量,采用強(qiáng)制回歸法,建立詞匯句法綜合回歸模型,并參考多重共線性(Multicollinear)的分析數(shù)據(jù),對(duì)相關(guān)參項(xiàng)進(jìn)行了調(diào)整。具體結(jié)果如表7所示:
通過(guò)復(fù)習(xí)課,學(xué)生具備了相對(duì)穩(wěn)固的知識(shí)體系,具備了一定的科學(xué)探究能力與問(wèn)題解決能力。教師可以引導(dǎo)學(xué)生結(jié)合本地資源開(kāi)展多種形式的科學(xué)實(shí)踐活動(dòng),嘗試解決現(xiàn)實(shí)生活中與生物學(xué)息息相關(guān)的問(wèn)題,進(jìn)行社會(huì)責(zé)任的滲透。
為了綜合評(píng)估“一帶一路”背景下,東道國(guó)各項(xiàng)制度對(duì)中國(guó)直接投資雙邊經(jīng)濟(jì)增長(zhǎng)效應(yīng)的影響,本文將采用索洛經(jīng)濟(jì)增長(zhǎng)模型作為實(shí)證分析的理論基礎(chǔ)。索洛經(jīng)濟(jì)增長(zhǎng)模型長(zhǎng)期以來(lái)被用于分析經(jīng)濟(jì)增長(zhǎng)的理論分析和促進(jìn)經(jīng)濟(jì)增長(zhǎng)的政策研究,對(duì)經(jīng)濟(jì)增長(zhǎng)問(wèn)題研究的影響是廣泛和深遠(yuǎn)的,后期許多經(jīng)濟(jì)學(xué)家又對(duì)該模型不斷放寬并加以完善。
從表8可以看出,虛詞使用比率(
=3.188,
<.01)、最常用詞比率(
=-3.235,
<.01)、話題鏈分句數(shù)量(
=2.102,
<.05),均對(duì)作文質(zhì)量產(chǎn)生顯著影響;話題鏈數(shù)量(
=0.936,
=0.355)、零形成分?jǐn)?shù)量(
=0.396,
=0.694)的影響并不顯著。出于對(duì)方程整體性的考慮以及綜合相關(guān)分析結(jié)果,我們?nèi)员A粼掝}鏈數(shù)量、零形成分?jǐn)?shù)量,并建立詞匯句法綜合回歸方程:寫(xiě)作成績(jī)=88.246+82.658×虛詞使用比率-73.041×最常用詞比率+0.816×話題鏈數(shù)量+0.464×話題鏈分句數(shù)量+0.274×零形成分?jǐn)?shù)量?;貧w分析結(jié)果顯示,五個(gè)參項(xiàng)的標(biāo)準(zhǔn)化回歸系數(shù)由大到小依次為:|-0.387|>0.380>0.285>0.122>0.061,也就是說(shuō),最常用詞比率>虛詞使用比率>話題鏈分句數(shù)量>話題鏈數(shù)量>零形成分?jǐn)?shù)量。這說(shuō)明詞匯指標(biāo)對(duì)寫(xiě)作成績(jī)的影響程度要高于句法指標(biāo)對(duì)寫(xiě)作成績(jī)的影響程度。
為了驗(yàn)證回歸方程的預(yù)測(cè)效度,我們從90份語(yǔ)料中隨機(jī)選取了45份語(yǔ)料,通過(guò)檢驗(yàn)回歸模型的成績(jī)預(yù)測(cè)值與實(shí)際寫(xiě)作分?jǐn)?shù)之間的相關(guān)性,考察詞匯回歸方程、句法回歸方程和詞匯句法綜合回歸方程對(duì)學(xué)生寫(xiě)作成績(jī)的預(yù)測(cè)表現(xiàn)。Pearson相關(guān)分析結(jié)果顯示,詞匯回歸方程和句法回歸方程的預(yù)測(cè)成績(jī)與寫(xiě)作成績(jī)之間存在顯著的正相關(guān)關(guān)系,其中,
r
=.672,
<.001,
r
=.550,
<.001;詞匯句法綜合回歸方程與寫(xiě)作成績(jī)之間則存在顯著的高度正相關(guān)關(guān)系,即
=.729,
<.001。上述數(shù)據(jù)表明,詞匯回歸方程的預(yù)測(cè)效果要好于句法回歸方程,而詞匯句法綜合回歸模型的預(yù)測(cè)效果最好。這是因?yàn)樵诮浑H表達(dá)中,詞匯與語(yǔ)法是密切相關(guān)、無(wú)法分離的,“詞語(yǔ)決定具體的特征,語(yǔ)法負(fù)責(zé)一般的規(guī)律,二者相輔相成,共同為表達(dá)意義服務(wù)”
。作為語(yǔ)言的建筑材料,詞匯是意義的載體,是二語(yǔ)能力發(fā)展的重要制約因素,學(xué)習(xí)者之所以能夠?qū)崿F(xiàn)有效的二語(yǔ)交流,是因?yàn)檎莆樟顺渥愫颓‘?dāng)?shù)脑~匯。句法則是語(yǔ)言的結(jié)構(gòu)規(guī)則,只有在具備一定詞匯能力的基礎(chǔ)上,學(xué)習(xí)者才能掌握語(yǔ)法規(guī)則,從而在語(yǔ)言應(yīng)用中真正發(fā)揮其功能。因此,詞匯能力評(píng)價(jià)在寫(xiě)作成績(jī)?cè)u(píng)價(jià)中具有舉足輕重的地位,語(yǔ)法同樣也是寫(xiě)作評(píng)價(jià)和語(yǔ)言習(xí)得中不可忽視的重要維度。
可以說(shuō),影響漢語(yǔ)二語(yǔ)作文質(zhì)量評(píng)價(jià)的因素眾多,本文選取了詞匯和句法維度的29個(gè)典型指標(biāo)進(jìn)行考察。研究發(fā)現(xiàn),在詞匯維度的19個(gè)指標(biāo)中,只有詞匯多樣性和詞頻概貌的3項(xiàng)指標(biāo)最終進(jìn)入了寫(xiě)作評(píng)價(jià)模型,能夠解釋寫(xiě)作成績(jī)54.1%的變異。詞匯復(fù)雜性、詞匯準(zhǔn)確性等8項(xiàng)指標(biāo)與寫(xiě)作成績(jī)顯著相關(guān),這與已有研究中詞匯復(fù)雜性和詞匯準(zhǔn)確性對(duì)寫(xiě)作成績(jī)具有顯著影響的結(jié)論相一致。其中,詞匯多樣性指標(biāo)——Guiraud指標(biāo)和詞種數(shù)與寫(xiě)作成績(jī)處于中等相關(guān)(r
=.563,p<.01,r
=.630,p<.01),這說(shuō)明漢語(yǔ)二語(yǔ)寫(xiě)作中使用盡可能豐富的語(yǔ)言表達(dá)方式是十分必要的。因此,無(wú)論是學(xué)習(xí)者,還是漢語(yǔ)教師,都需要對(duì)詞匯多樣性保持持續(xù)關(guān)注。
句法維度中,只有代表句法復(fù)雜性的話題鏈數(shù)量、話題鏈分句數(shù)量和零形成分?jǐn)?shù)量三個(gè)指標(biāo)顯著,三者組合能夠解釋寫(xiě)作成績(jī)32.4%的變異。這一發(fā)現(xiàn)與吳繼峰
所得出的語(yǔ)法正確性與寫(xiě)作質(zhì)量顯著相關(guān)的結(jié)論并不一致。我們認(rèn)為,研究所選取的樣本量、學(xué)習(xí)者的個(gè)體差異及回避策略的使用,都是影響相關(guān)顯著性的重要因素。
在構(gòu)建詞匯句法綜合回歸模型時(shí),虛詞使用比率、最常用詞比率、話題鏈分句數(shù)量、話題鏈數(shù)量和零形成分?jǐn)?shù)量作為有效參項(xiàng),其標(biāo)準(zhǔn)化回歸系數(shù)由大到小依次為:|-0.387|>0.380>0.285>0.122>0.061。這說(shuō)明文本的詞匯特征對(duì)寫(xiě)作成績(jī)的影響較大,句法復(fù)雜性次之。依據(jù)Cohen的效應(yīng)量參照體系,R
的小、中、大效應(yīng)量標(biāo)準(zhǔn)分別是0.02、0.13、0.26
。如果按照語(yǔ)言維度來(lái)統(tǒng)計(jì),詞匯和句法指標(biāo)均達(dá)到高等效應(yīng)量,其中,詞匯指標(biāo)對(duì)寫(xiě)作成績(jī)的解釋力度更大(R
=.541,R
=.324,R
=.523);綜合效度檢驗(yàn)結(jié)果,二者共同使用時(shí)對(duì)寫(xiě)作成績(jī)的預(yù)測(cè)效果最佳(r
=.672,r
=.550,
r
=.729)。
全部入組患者年齡最小50歲,最大80歲,其中男性35例,女性25例,兩組患者在年齡,性別等一般資料上無(wú)顯著差異,P>0.05,具有可比性。
綜上所述,本文考察了詞匯多樣性、詞匯復(fù)雜性、詞匯準(zhǔn)確性、詞頻概貌、句法復(fù)雜性、句法正確性等語(yǔ)言特征與寫(xiě)作成績(jī)之間的關(guān)系,檢驗(yàn)了詞匯和句法維度的29個(gè)典型指標(biāo)對(duì)寫(xiě)作水平的預(yù)測(cè)作用。研究發(fā)現(xiàn),最常用詞比率、虛詞使用比率、話題鏈分句數(shù)量、話題鏈數(shù)量和零形成分?jǐn)?shù)量,可以作為韓國(guó)學(xué)生漢語(yǔ)寫(xiě)作自動(dòng)評(píng)分的有效參項(xiàng)。這一結(jié)論對(duì)韓國(guó)漢語(yǔ)學(xué)習(xí)者作文的量化測(cè)評(píng)、自動(dòng)評(píng)分和寫(xiě)作教學(xué)均具有參考價(jià)值。需要指出的是,由于相關(guān)指標(biāo)的處理難度較大,本研究所選取的樣本量有限,不能稱(chēng)為嚴(yán)格意義的大樣本。如果在今后的研究中能進(jìn)一步豐富被試樣本、完善語(yǔ)料體裁,那么其研究成果對(duì)第二語(yǔ)言寫(xiě)作評(píng)價(jià)將更有價(jià)值,其結(jié)論也更具普遍意義。
[1]吳繼峰.語(yǔ)言區(qū)別性特征對(duì)英語(yǔ)母語(yǔ)者漢語(yǔ)二語(yǔ)寫(xiě)作質(zhì)量評(píng)估的影響[J].語(yǔ)言教學(xué)與研究,2018,(2).
[2]王藝璇.漢語(yǔ)二語(yǔ)者詞匯豐富性與寫(xiě)作成績(jī)的相關(guān)性——兼論測(cè)量寫(xiě)作質(zhì)量的多元線性回歸模型及方程[J].語(yǔ)言文字應(yīng)用,2017,(2).
[3]吳佩,邢紅兵.內(nèi)容、詞匯、篇章特征對(duì)漢語(yǔ)學(xué)習(xí)者二語(yǔ)作文質(zhì)量的影響研究[J].語(yǔ)言教學(xué)與研究,2020,(2).
[4]Jiang,W.Y.Measurements of development in L2 written production:The case of L2 Chinese[J].Applied Linguistics,2013,(1).
[5]王藝璇.HSK作文成績(jī)與句子長(zhǎng)度、復(fù)雜度及語(yǔ)法錯(cuò)誤的相關(guān)性[A].北京語(yǔ)言大學(xué)對(duì)外漢語(yǔ)研究中心.漢語(yǔ)應(yīng)用語(yǔ)言學(xué)研究(第4輯)[C].北京:商務(wù)印書(shū)館,2015.
[6]吳繼峰.韓語(yǔ)母語(yǔ)者漢語(yǔ)書(shū)面語(yǔ)句法復(fù)雜性測(cè)量指標(biāo)及與寫(xiě)作質(zhì)量關(guān)系研究[J].語(yǔ)言科學(xué),2018,(5).
[7]黃志娥,謝佳莉,荀恩東.HSK自動(dòng)作文評(píng)分的特征選取研究[J].計(jì)算機(jī)工程與應(yīng)用,2014,(6).
[8]Norris,J,M. & Ortega,L.Towards an organic approach to investigating CAF in instructed SLA:The case of complexity[J].Applied linguistics,2009,(4).
[9]Crowhurst,M.Syntactic complexity in narration and argument at three grade levels[J].Canadian Journal of Education/Revue canadienne de l’éducation,1980,(1).
[10]Flower,L. & Hayes,J,R.A cognitive process theory of writing[J].College Composition and Communication,1981,(4).
[11]Larsen-Freeman,D.The emergence of complexity,fluency, and accuracy in the oral and written production of five Chinese learners of English[J].Applied linguistics,2006,(4).
[12]吳繼峰,周蔚,盧達(dá)威.韓語(yǔ)母語(yǔ)者漢語(yǔ)二語(yǔ)寫(xiě)作質(zhì)量評(píng)估研究——以語(yǔ)言特征和內(nèi)容質(zhì)量為測(cè)量維度[J].世界漢語(yǔ)教學(xué),2019,(1).
[13]Lasagabaster,D. & Doiz,A.Maturational constraints on foreign-language written production[A].In García Mayo,M.P. & García Lecumberri,M.L.(eds.).Age and the acquisition of English as a foreign language[C].Clevedon:Multilingual Matters Ltd,2003.
[14]井茁.從中介語(yǔ)發(fā)展分析到高級(jí)漢語(yǔ)課程設(shè)置——內(nèi)容依托型教學(xué)研究的啟示[J].世界漢語(yǔ)教學(xué),2013,(1).
[15]許宏晨.第二語(yǔ)言研究中的統(tǒng)計(jì)案例分析[M].北京:外語(yǔ)教學(xué)與研究出版社,2017.
[16]王勇,李正林.詞匯和語(yǔ)法的關(guān)系——幾種語(yǔ)法模式的比較研究[J].華中師范大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版),2015,(2).
[17]Cohen,J.Statistical power analysis[J].Current Directions in Psychological Science,1992,(3).