结构方程模型在英语阅读语料库中探究.docVIP

结构方程模型在英语阅读语料库中探究【摘要】该文从建立基础型英语阅读语料库(English Reading Corpus, ERC),然后采用结构方程模型(Structural Equation Modeling, SEM)及语言统计学方法,从英语阅读语料库的语篇复杂度、学习者个体的信息获取水平及情感因素三方面进行了建模及相关关系的探索性研究,在数据统计和分析的基础上,找到了满足置信度及可拟合的数学模型,以期能对英语阅读教学和学习有所启示。在通过对SEM的ERC建模之后的数据进行全面、准确的统计分析,能够为提高英语阅读教学质量提供有价值的统计数据和分析资料。 【关键词】结构方程模型;语料库;英语阅读;数值拟合 【中图分类号】G420 【文献标识码】B 【论文编号】1009―8097(2010)05―0106―04 引言 探索影响英语阅读能力的各种因素及其关系是英语阅读教学的一个重要环节,结合语料库与结构方程模型的英语阅读分析方法为研究这一问题提供了可能。 近几年来,语料库的相关研究[1,2]已经得到了快速发展,并成为语言学实证研究[3,4]的一个重要手段。文中,语料库将作为测试和验证的基础辅助材料,采用结构方程模型充分利用建好的语料库建模与验证是核心。 结构方程模型(Structural Equation Models,SEM),其主要的目的是验证潜在变量与观测变量之间的关系。概念涉及因素分析、路径分析、典型相关、判别分析、多元方差分析以及多元回归分析等。Bock等[5]于1966年最早提出了验证性因素分析这一理论,后经演变[6],使之成为一个更通用的模型,即协方差结构方程模型,结构方程模型可同时分析一组具有相互关系的方程式,这种可同时处理多组变量之间的关系的能力,有助于研究者开展探索性分析和验证性分析[7]。 一 英语阅读研究概述 通过对英语类文章的信息加工形成可塑的阅读模式,其本身包括了对词汇、语句、段落和篇章的合理理解。英语阅读以阅读能力的培养和提高为重点,根据阅读对象的变化及时调整自己的阅读方法。阅读方法的调整并非易事,需要合理的理论方法结合实践来验证,SEM能够为解决这一问题带来方便。 针对于英语阅读的教学特点和目前学习者参与考核的现状,本文以SEM与基础型语料库为依据建立有效的英语阅读训练方法,采用结构方程模型,对英语阅读理解认知、个体遇到的阻碍因素进行统计研究,以期能为英语阅读理解提供更为全面的有效方法和科学依据。 二 研究方法 1 英语阅读语料收集 本文将1999年至2008年非英语专业四、六级英语阅读文本资料分类整理,共收集阅读材料160篇,从而构建一个基础型英语阅读语料库。 2 英语阅读语料库研究方法 本文采用Wordsmith Tools 5.0作为检索工具,主要借助该检索工具分析语料库语篇文本的总体信息,如文本的形符数、长词数、句子长度、被动语态、从句结构等,并间接获取语料文本的复杂度信息和难易程度估计。 现以2005年6月大学英语六级试题第二篇阅读理解为例来进行基本的统计分析,利用Wordsmith Tools工具的WordList分析该语篇的基本信息如表1所示。 根据表1数据计算出该语篇的复杂度系数及难易程度估计系数,对于所有语料进行同类操作之后将其数据编入基础型英语阅读语料库复杂及难易程度表中,以便于在后续SEM中观测变量中使用。 3 研究变量分析 本文首先围绕学习者信息获取水平、语料库中语篇复杂度和学习者情感因素三个方面展开。由于学习者的英语阅读水平实际上是无法直接观测的,只有通过适当的可观测变量加以反映,才能将代表学习者真实的阅读水平体现出来,这里采用表2所示的可观测变量来反映其内涵。 表2中信息获取水平依赖的观测变量这样划分是有一定依据的,不过更为详细和完善的划分还需要更多更好的实验作支撑,加拿大学者F. Smith[8]指出:“阅读的技巧实际上在于尽量少用眼睛,当我们成为熟练的读者时(接触过),我们就学会了较多地依靠已有的知识(背景知识程度)、依靠我们的头脑(智力程度)而较少地依赖于文字符号”。 在上表2中设计的三组潜变量后对应的观测变量均需要通过相应的测试或工具度量而进行量化,所有的观测变量均采用十分制统计。测试成绩是测试对象随机从语料库中抽出语篇答完题之后的真实成绩,语篇不重复抽取。 4 结构方程模型的语料库研究 结构方程模型由测量模型和结构模型两部分组成,测量模型主要用于表示观测变量与潜变量之间的关系,而结构方程模型主要用于表示潜变量之间的关系。其相应的统计分析软件主要有SPSS结合AMOS、LISREL,本文采用AMOS 18.0进行数值统计和验证分析。