動態評估近年來成為教育測量領域的熱點。在動態評估的定量測量研究中,傳統心理測量模式在評估前提、評估過程及預測學習者潛能方面存在局限,阻礙了動態評估在外語教學實踐中的應用。基于馬爾科夫鏈構建的動態評估模型以學習者基礎的差異性為前提,在評估對象的個體性、評估過程的動態性與評估結果的預測性方面獨具優勢。本文以大學英語詞匯教學為例,闡述模型在外語教學動態評估中的應用,為教學實踐中動態評估的定量測量研究提供了科學的評估工具。

【文章頁數】：8 頁

【部分圖文】：

圖1.實驗班(Group1)與控制班(Group2)成績轉移矩陣表

在詞匯教學中,將詞匯前測與第一次后測成績分為五個級別:優/Excellent(90～100)、良/Good(80～89)、中/Medium(70～79)、及格/Pass(60～69)、不及格/Fail(0～59),然后根據學生在施教前后詞匯成績級別的轉移變化列出狀態....

圖2.實驗班(Group1)與控制班(Group2)的狀態轉移概率矩陣P

由學生前后測兩次成績在五個級別間的變化可見,實驗班前測的8個優等生有6人在后測中為優,2人轉移為及格,則狀態轉移概率矩陣的第一行元素為:(68,0,0,28,0)(見圖2左邊矩陣第1行),同理可得兩個班學生的詞匯短時記憶成績轉移狀態移矩陣P:(3)求出平穩分布....

圖3.實驗班(Data1)與控制班(Data2)的特征向量

如果教學效果保持穩定,依據教學的現在狀態,根據馬爾科夫鏈的遍歷性求出特征向量,按目前成績級別變化(即轉移概率基本保持不變),可預測學習群體的未來發展潛力:在將來詞匯學習中,實驗班有19.6%的同學短時記憶成績為優,23.27%的同學成績為良,40.76%的同學成績為中,16.3....

圖4.實驗班(Group1)與控制班(Group2)的能力遷移值S計算過程

在該實驗中,將學生成績分成五個級別的分數區間的中間值為95,85,75,65,55,以該指標為權重,與P矩陣的特征向量加權計算短時記憶詞匯測試中,學習者群體的能力遷移值S(見圖4):由計算可得,實驗班的學生群體的能力遷移值為79.61,控制班的學生群體的能力遷移值為77.....

本文編號：4002676