A Predictive Study of Productive Academic Vocabulary to CET Score: the Building of Regression Model

1、课题的目的及意义（含国内外的研究现状分析或设计方案比较、选型分析等）

一直以来，从小学到大学，督促学生词汇量的积累一直是英语教学过程中的重中之重。教学工作者普遍认为英语词汇量是二语学习者学习英语的基石和关键。然而，从语言学的角度上来说，对于词汇量是否在英语学习中起着重要的作用的研究还不够充足。

事实上，自上世纪80年代，国内外许多语言学家就词汇量对英语水平的影响问题进行大量的学术研究。其中就包括语言学家Laufer（1992）在其对二语习得词汇量研究的基础上得出的结论：词汇量在预测二语习得者的阅读理解水平中扮演者重要的角色。而国内的语言研究学者桂诗春（1985）就在其发表的《我国英语专业学生英语词汇量的调查和分析》中就提到了词汇量和语言能力的关系。通过对十余所外语院系的英语专业大二、大四学生进行了词汇量测试，桂诗春发现“词汇量和语言能力有一定的关系，但没有密切到足以预测语言能力的程度”。

然而，这些早期的研究有很多漏洞和争议，譬如说，这些研究学者所使用的研究方法（词汇测试工具）大多是十分笼统的，缺乏针对性的，这就直接影响了研究结果。比如说，Laufer所使用词汇测试VLT（vocabulary Levels Test）就只测出了被试的一般词汇量（general vocabulary）。而在实际情况中，要读懂文本，读者往往需要了解文本中所涉及的某个领域和多个领域的词汇知识。换言之，不了解某个特定领域的词汇知识或不具备一定的学术词汇量的储备，就可能会造成较大的阅读障碍。

为弥补前人的研究缺憾和提供给二语学习者一份可参考的学术词汇表，以助于他们快速提高其语言能力水平，语言学家Averial Coxhead（1998）利用语料库

创建了Academic Word List（AWL）。学术词汇表的创建在一定程度上弥补了以往测试工具（词汇表）的漏洞，为后续的研究奠定了很好的基础。然而目前许多关于学术词汇量的研究较多集中在拓宽学术词汇量范围和论证“学术词汇量”这一概念。例如，由Marlise Horst（2005）主导的用新型数据库重新划定学术词汇量范围的研究和Ken Hyland & Polly Tse（2007）在 Is There an “academic vocabulary”中对学术词汇量这一概念的深入探究。而少数探讨这两者之间的关系的研究也都集中在研讨接受性学术词汇量和阅读成绩的关系，例如由David D.Qian（2002）主导的学术词汇量对阅读成绩的影响的研究。

综上所述，在学术词汇量这一领域仍然存在很大的研究空间。第一，目前大多数这一领域的研究仍然着重于探究对“学术词汇量”本身；第二，大多数研究讨论的都是接受性学术词汇量，对于产出性学术词汇量的研究较少；第三，在我国大学英语教学从通用英语向专用英语转型之际，了解学术词汇与英语水平的关系尤为重要。

2、课题任务、重点研究内容、实现途径

课题任务：

1）通过PVLT量表测出被试的产出性词汇量以及产出性学术英语词汇量

2）发放调查问卷，统计被试的CET成绩（包括其总分和单项分数）

3）进一步分析和推断非英语专业本科生的产出性学术英语词汇量处于何种水平，以及其对CET4/6总成绩及各分项成绩的预测作用

重点研究内容：

鉴于目前这一领域的研究空档，本文将把研究重点放在产出性学术词汇量对语言能力水平的影响和预测性作用上。另外，为了结合目前国内英语学习者的具体情况和增强数据统计的可行性，本次研究将把非英语专业本科生的CET成绩作为反映被试语言能力水平的研究样本。选择CET考试，而不是TEM或雅思托福考试，一方面是为了为了体现目前国内英语学习者的语言能力水平，而另一方面是为了拓宽研究样本的选择范围和增强数据统计的可行性（CET考试相对来说是参加人数最多、范围最广的大学生英语水平测试）。

研究将以XX大学100名参加完CET4/6考试不久（半年左右）的非英语专业学生作为对象，统计其参加CET考试的总成绩和各单项分数。通过发放和回收问卷调查的方式来实现数据的获得和统计。

除此之外，本文将采用Productive Vocabulary Levels Test (PVLT)(Laufer & Nation,1999)作为研究方法来测试研究对象的产出性词汇量和产出性学术词汇量。作为目前学界测试产出性词汇量中最为权威和应用最广的测试工具，PVLT量表是具有较强的可靠性和可行性的。而本文则将使用PVLT量表中Version A这部分中的3000 word level和5000 word level的36道题作为测试材料。由于PVLT量表中的A、B、C三种版本并没有本质的区别，并不会导致测试结果的不同，就随机采用了Version A。除此之外，为了保证测出的产出性词汇量和产出性学术词汇量的准确性，既采用了难度稍低的3000 Word level，又为保证一定的词汇难度，也将5000 Word level纳入其中。此外，同被试的CET成绩的数据获得方式一样，这部分数据的统计也将通过问卷调查的方式实现。然而，为保证所得数据的相对准确性，在处理所得数据时，应剔除敷衍完成或未完成的测试问卷。在实际发放调查问卷时，会有增添发放10-20份的问卷，以保证样本总量能始终达到预期的数量。

本文将对所获得的数据进行回归分析并最终构建出产出性学术英语词汇量对CET成绩的预测模型，分析的过程中将主要回答以下几个问题：

（1）产出性学术词汇量的大小是否对CET成绩有影响？如果有，这种影响程度有多大？

（2）产出性学术词汇量的大小对CET的哪个部分的成绩影响最大？又对哪个部分的成绩影响最小？