应用语言学研究方法概述的内容.pptVIP

应用语言学研究方法概述 ——兼回应学员提问 应用语言学 广义：语言学在具体学科中的应用；语言学与其他学科的结合 社会语言学 心理语言学 计算语言学 …… 狭义：语言学与教育学的结合；语言教学与学习 应用语言学研究流程 1. 引言 文献综述 研究问题 2. 研究方法 2.1 研究工具 2.2 抽取样本 2.3 统计方法 3. 结果与讨论 4. 结论 应用语言学研究方法 研究方法：采用科学的程序或依据规范的准则对研究对象进行观察、解释从而得出结论的过程。 1. 文献研究 2. 质性研究 3. 量化研究 应用语言学量化研究方法 1. 实验法（如SLA中的response time） 2. 测验法（如language assessment中的CET4） 3. 语料库（如学习者语料库中的errors） 4. 调查法（如questionnaire获得的数据） 应用语言学量化研究方法与统计学 运用以上方法收集的数据都需要用统计进行分析 统计学可以对数据： 进行描述性分析（平均数、标准差） 进行差异的显著性检验（t检验、方差分析） 进行关系的显著性检验（相关、回归、卡方） 问卷调查法概述 问卷调查适用范围 问卷设计 问卷预测与修订 问卷实测 问卷数据初步整理 问卷调查适用范围 态度 动机 信念 策略 行为 问卷设计 问卷构成： 开头信 人口学信息 正题（Likert or semantic differential scales） 正题来源： 前人问卷 研究者前期开放性调查（访谈） 问卷预测与修订 预测（pilot studies）： 维度版——专家或同行（4-5） 准实测版——（目标总体的）小样本（50-80） 修订依据：信度、效度、区分度 修订方法：增、改、删 再预测——再修订（直到信度、效度、区分度达标为止） 确定最终版本、排版、校对、印刷（装订） 问卷实测 抽样（要具有代表性） 问卷填答： 现场 邮寄 网络 问卷回收 现场能保证回收率，但填答质量不能保证 邮寄能保证填答质量，但不能保证回收率和代表性 网络能迅速获得原始数据，简便准确；但不能保证样本代表性；也不能保证填答者隐私；不适合对问卷保密性要求较高的调查 问卷数据初步整理八步法 1. 剔除无效（及疑似无效）问卷 2. 给有效问卷编号 3. 数据录入（SPSS或Excel） 4. 调整反向题目、计算描述统计量 5. 检验实测中项目信度、效度、区分度 6. 计算潜变量（因变量）均值 （7. 基于潜变量得分对数据进行再加工，得到新变量（自变量或因变量）） 8. 旨在回答研究问题的统计分析 有关双尾和单尾检验的问题 请看韩宝成《外语教学科研中的统计方法》第六章第二节 有关相关分析的问题（I） 相关系数和p值之间是什么关系？ 假如A与B 的相关系数是 r = 0.82 （p < 0.05），则说明A与B之间的高度正相关达到了统计显著意义，即研究者有95%以上的把握认为A和B之间存在这样一种高度正相关关系。 r表示的是相关的方向（正、负、无）和强度（高、中、低），p表示这种关系状态是否具有统计上的显著意义（p < 0.05则说明相关系数具有统计上的显著意义）。 有关相关分析的问题（II） 相关分析中谁是自变量？谁是因变量？ 相关分析考察两个变量的共变关系，没有自变量和因变量之分。通常用变量1和变量2来表示。表述时，可以说A变了，B也跟着变；或者说B变了，A也跟着变。 有关相关分析的问题（III） Pearson和Spearman相关的区别是什么？ Pearson考察两个（或以上）interval data之间的共变关系，比如“英语分数”（百分制）和“语文分数”（百分制）之间的共变关系。 Spearman考察两个（或以上）ordinal data之间的共变关系，比如“英语水平”（高、中、低）和“父母受教育程度”（博士、硕士、本科）之间的共变关系。 有关数据类型之间的关系问题 可不可以把Likert量表收集的数据看成ordinal data？ 可以，但最好不这样做。我们将它视为interval data。之所以可以把它看作ordinal data是因为interval data中含有了ordinal data的信息。 Interval data含有的信息最多；ordinal次之，nominal data含有的信息最少。 有关因变量和自变量的问题 因变量一定得是interval data吗？自变量一定得是nominal或ordinal data吗？ 一般说来，在外语教学研究中，绝大多数因变量都是interval data，自变量多是nominal或者ordinal data。但这不是一成不变的。在某些检验中（比如卡方检验）变量都是nominal或者ordinal的。 关于题项和