语言 数据与研究：阿檀小倪讲量化 20171.17
学习和探索 语言量化方法
聚焦 语言教学中的问题
讨论 语言数据的收集与分析
一 课程导读：
基本内容：研究问题 数据收集 统计回答
基本理念：用数据来回答问题
基本环节：故事 案例 示范
故事：编选一线教师最常见的情景故事：研究问题
案例：精选国际主流学术刊物发表论文：数据收集
示范：筛选SPSS软件常见的操作功能：统计回答（让图与表直观进行回答）
二 研究：什么是研究？什么是量化研究？
故事：文科生看量化，好像是在做统计，用调查问卷，用软件工具得出图表和公式。
对初学者来说，研究就是读学术论文，设计高深理论，找到重大发现。
本课认为：研究就是用数据回答问题。
研究的三个核心要素：问题 数据 回答
初学者还认为: 量化研究就是统计。真的吗？
本课认为：其实统计只是分析量化数据的方法，而不是量化研究本身。
一种研究是否是量化研究关键在于问题，看研究问题的属性。
你的问题是否需要对你的研究对象进行量化描述？
是否需要对你的研究对象之间的关系进行预测？
是否需要对你的研究群体之间的差异进行分析？
如果你的问题是：我们班上的学生的英语成绩如何？那就是描述研究。
如果你的问题是：英语成绩与所背英语单词数量之间的关系如何?那就是相关研究。
如果你的问题是：作业数量、背单词数量、复习时间与学生期末考试成绩之间的关系如何？那就是对多个群体与一个群体之间的关系进行量化分析，那就是回归研究。
4． 如果你的问题是：口语成绩与阅读成绩之间是否存在差异？那就是对两者之间的差异进行量化分析，那就是对比研究。
5. 如果你的问题是：一班、二班、三班和四班英语成绩是否存在差异？这是对多个群体之间的差异进行量化分析，那就是比较研究。
这就是五种不同的量化类型。
所以本课程会有：描述研究、相关研究、回归研究、对比研究、比较研究。
描述研究：描述：大致情况如何？
相关研究：相关：它俩有何关系？
回归研究：回归：它们有何关系？
对比研究：对比：它俩有何差异？
比较研究：比较：它们有何差异？
三 描述：大致情况如何？
问题：描述性问题是如何形成的?
在外语教学中，老师们经常需要对一个情况或现象做一个大致描述。如我们这个班学生水平如何？他们喜欢我的教学方式吗？对于情况或现象，需要通过数字进行量化描述。
决定一个研究属于什么样的量化研究？需要什么方法？最关键的就是研究问题。研究问题本身所关联的情景、概念、问题。
情景：就是自己所处的具体环境和状况。在其他老师也可能会出现这种情况。
概念：你认真分析这个情景，阅读相关文献，看别人是如何理解和解释这类情景
问题：你针对自己所处的环境和情况，吸收别人的理解和解释，提出的研究问题。
第二节 故事+案例
看故事，看描述性问题是如何形成的，如何聚焦情景，如何提炼出核心概念，如何形成合理的描述性问题。
如何来辨别哪些现象是属于描述性研究的情景？
如何在在这些情境中如何聚焦？
聚焦后，如何提炼出概念？
这些概念又如何帮助我们行程描述性研究问题？
故事：选读物
小陈老师回国不久，带回不少国外先进理念。小陈老师发现国内教材篇章内容陈旧，她认为要使用原版读物来泛读教学。老师的新方法学生很有热情。两周后发现效果不好，学生都读不懂，单词都不认识。小陈老师的问题：自选的原版读物对学生没有效果吗？
陈老师情景？
用美国原版读物让学生去读，结果发现效果不是自己想象的那么好。
陈老师情景聚焦：
效果不好，是陈老师最关心的事情。
效果不好的意思是：学生们认为不认识的单词太多了。
所以，陈老师的情景：
原版阅读材料里的生词太多。
聚焦这一研究情景之后该怎么办？如何提炼核心概念?
案例：
斯图尔特 约翰 两位老师的研究：
Webb, S., & Macalister, J.(2013). Is text written for children usefull for L2 extensive reading? TESOL Quarterly, 47(2),300-322.
提炼概念：
阅读的生词不能太多 不能太少怎么办?
所以要在阅读中对生词进行控制。
两位发现，过去的研究文献中提出了词汇需求量的概念（Vocabulary Size Necessary）即你需要多少词汇才能读懂一篇文章？
过去的研究发现，如果能认识一篇文章中98%的单词，就能对内容有相对充分的理解。
因此，词汇需求量就被提炼出来。
如何又能学到生词?
两位发现，过去的文献中提出了词汇学习机会（Vocabulary Learning Potential）
在大致读懂文章的基础上，为了保证学生通过阅读学会新的单词，还要考虑生词俄重复次数，给学生学习生词的机会。过去研究认为：党重复次数达到一定数量的时候，学生就能将其掌握了。过去不同研究结果不同，两位发现：词汇重复次数最少是6次。因此就提炼出了词汇学习机会这个概念。
论文的标题一定要包括或涵盖核心概念。
标题：
Webb, S., & Macalister, J.(2013). Is text written for children usefull for L2 extensive reading? TESOL Quarterly, 47(2),300-322.
usefull包括了 词汇需求量+词汇学习机会
只有实现了这两个方面，才能叫usefull
有了核心概念，就要看如何对应核心概念形成问题。
形成问题：
论文标题：usefull
核心概念：词汇需求量 词汇学习机会
研究问题：问题1-4
因此关于词汇需求量，提出三个问题：
由于想看国外儿童读物是否可以给外语学习者做学习材料？
三个问题分别关注：
国外儿童读物的词汇需求量、国外大人读物的词汇需求量、外语学习者分级读物的词汇需求量
关于词汇学习机会，两位认为问题是：
要看看国外儿童读物 国外大人读物 外语学习者分级读物中 词汇的重复次数究竟如何。
第三节 数据：如何进行描述性数据收集?
收集数据的三个重要因素：对象 工具 步骤
两位的研究对象：
国外儿童读物 国外大人读物 外语学习者分级读物
儿童读物517篇，选自School Journal
分级读物 （一到四级）33篇，选自Oxford Bookworm
国外大人读物 138篇
选自Wellington Written Corpus 文本类型包括新闻报道、小说
（为什么篇数不同？
因为三类文章长度不同，要保证每种读物的总词数相同，控制在28万。）
工具？
要考察儿童读物 分级读物 大人读物的 词汇需求量 词汇学习机会
词汇需求量：考察词汇的覆盖率问题
词汇学习机会：考察词汇的重复次数问题
选择Range 这个工具
Range 是一种词汇分析软件，就是根据词表对文章中的词汇进行覆盖率和重复次数的计算。
重复次数，就是计算指定的生词出现的次数，然后就能统计出词汇学习机会。
词汇覆盖率，其实就是指某一特定等级的词表，在一篇文章中所占的比值。这里的假设是：我们认为，学生对词汇的掌握是先学会高频词，然后再学会低频词。所以研究者根据大规模语料库中词的频率，研制出词汇的频率表，其中比较有名的就是Paul Nation的14级词频表。就是按照词频从高到低排列，每一级有1000词。Range就是使用这个14级词频表来计算覆盖率。
比如：
一级词 占 60%
二级词 占20%
三级词 占10%
累计3000词，占90%
那么也就是说，如果一个读者掌握了3000次，那么在该文本中的覆盖率就能达到90%
我们知道，以前的研究提出的结论：一篇文章，如果98%的词都认识，就能大致读懂。
假设
一级词 占 60%
二级词 占20%
三级词 占10%
四级词 占6%
五级词 占2%
那么到了五级，达到98%
这就说明，掌握5000词，就能大致读懂这篇文章。按照这个假设，就能大致估算词汇需求量了。有了这个工具，开始实施。
第一步：建立阅读文本库
第二步：统计词汇覆盖率
第三步：统计词汇重复次数
第一步：建立阅读文本库
儿童读物语料库 517个文本 285，143词
大人读物语料库 138个文本，285，143词
分级读物语料库 33个文本，285，143词
共计855，429词 文献 306-308页
第二步：统计词汇覆盖率
用range分别分析三个语料库，计算每个语料库的词汇累计覆盖比率，并以98%文本覆盖比率为标准，确定不同类型文本的词汇需求量。结果发现，达到儿童读物语料库98%的覆盖率，需要10000词，达到大人读物语料库98%覆盖率，需要10000词，达到分级读物语料库98%覆盖率，需要3000词.
第三步：统计词汇重复次数
用range计算不同类型文本中的词汇复现次数，分析词汇学习机会。
在这里主要分析除了一级词、二级词以外的词汇，因为大部分学习者已经掌握了一级、二级这2000个频率较高的词。
以儿童读物为例。
表6
儿童读物
单词数量 所占比例
复现1次 2171 占比 42%
复现2次 752 占比14%
复现3-4次 782 占比 15%
复现5-7次 529 占比 10%
复现8-9次 197 占比4%
复现10次以上 756 占比15%
688篇阅读文本
Range分析软件
分步骤实施研究
至此，完成了文本建库、词汇覆盖率、词汇重复次数的统计，成功收集到了为解决描述性研究问题所需的数据，为下一步分析做好了准备。
小结:
问题形成：
针对一种情况或现象描述，提出研究问题。要找准其中最重要的一个方面，或者一个环节，抓住牛鼻子。要对现象进行提炼。
数据收集：
样本量通常要很大，要具有广泛的代表性意义，否则达不到“描述”一种广泛现象的作用。
