27792

پيش‌بيني مهارت واژگاني با استفاده از شاخص‌هاي محاسباتي در استدلال‌نويسي زبان‌آموزان فارغ‌التحصيل ايراني

كارشناسي ارشد

زبان و ادبيات خارجي- آموزش زبان انگليسي

1398

1401/8/8

اسماعيل عبداله زاده

محمد فارساني

زبان‌هاي خارجي

پژوهش حاضر با استفاده از شاخص‌هاي محاسباتي سعي در پيش‌بيني مهارت واژگاني در نوشتار استدلالي زبان‌آموزان ايراني فارغ‌التحصيل TEFL دارد. محقق از مدلي براي پيش بيني مهارت واژگاني مبتني بر شاخص‌هاي واژگاني مرتبط با اندازه واژگان، عمق دانش واژگاني و دسترسي به اقلام اصلي واژگاني استفاده كرد. شاخص‌هاي واژگاني مورد استفاده در اين تحقيق از ابزار محاسباتي Coh-Metrix مي‌آيند و شامل مقادير طول كلمه، مقادير تنوع واژگاني، تعداد فراواني كلمات، مقادير بيش‌نامي، مقادير چندمعني، هم‌ارجاعي معنايي، معني‌داري كلمه، ملموس بودن كلمه، تصويرپذيري كلمه و آشنايي با كلمه مجموعه اي است كه در اين پژوهش مورد استفاده قرار گرفت، 68 نوشته استدلالي توليد شده توسط دانشجويان كارشناسي ارشد TEFL (تدريس زبان انگليسي به عنوان يك زبان خارجي) به عنوان نمونه در اين تحقيق استفاده شده . محقق 68 دانشجوي TEFL را به طور تصادفي انتخاب كرد و از آنها خواست كه يك مقاله استدلالي بنويسند. سپس نمرات كلي هر نوشته با مهارت واژگاني آن متن ارتباط داده شد. مشخص شد كه بين مهارت واژگاني زبان آموزان TEFL و كيفيت كلي نوشتار آنها رابطه آماري معناداري وجود دارد. علاوه بر اين، يافته‌ها نشان داد كه كيفيت كلي متون استدلالي (نمره استدلال‌ها) را مي‌توان با تنوع واژگاني، او فراواني كلمات محتوا پيش‌بيني كرد. به عبارت ديگر، فراواني كلمات محتوا و تنوع واژگاني قوي‌ترين و ضعيف‌ترين شاخص‌هاي تعيين كننده نمره نهايي نوشته هاي استدلالي دانشجويان TEFL بودند.بنابر يافته هاي اين تحقيق كيقيت كلي متون استدلالي كه توسط دانشجويان نوشته شده است ميتواند توسط شاخص هاي:تنوع لغوي و فراواني كلمه كه در متن بكار رفته تشخيص داده شود.

1401/11/09

Predicting Lexical proficiency Using Computational Indices in Argumentative Writing of Graduate Iranian TEFL Learners

1/1/1900 12:00:00 AM

The current study attempted to predict lexical proficiency in argumentative writing of graduate Iranian TEFL learners using computational indices. The researcher used a model of lexical proficiency based on lexical indices related to vocabulary size, depth of lexical knowledge, and accessibility to core lexical items. The lexical indices used in this study come from the computational tool Coh-Metrix and include word length scores, lexical diversity values, word frequency counts, hypernymy values, polysemy values, semantic co-referentiality, word meaningfulness, word concreteness, word imageability, and word familiarity. The corpus that was used in this study was 68 argumentative writings produced by MA students of TEFL (Teaching English as a Foreign Language). The researcher selected 68 TEFL students randomly and asked them to write an argumentative essay. The holistic scores of each writings were then correlated to lexical proficiency of argumentation. It was found that there was a statistically significant relationship between TEFL learners’ lexical proficiency and overall quality of their writing. Moreover, the findings demonstrated that the overall quality of argumentative texts (score of argumentations) could be predicted by the lexical diversity, word Hypernymy, and content word frequency. In other words, the frequency of content word and lexical diversity were the strongest and the weakest indicators of TEFL learners’ wiring score.

تنوع لغوي , كميت لغوي , شاخص هاي محاسباتي , مهارت واژگاني , مهارت لغوي , كميت لغوي , شاخص هاي محاسباتي

lexical diversity , lexical frequency , computationa indices , lexical proficiency , lexical frequency , computational indices

Elahe Heidarzade

Dr. Esmaeil Abdollahzade