ویژگی های بخش هایspeaking و writing آیلتس : متمایز کردن سطوح مهارت آیلتس و پیشرفت در طول زمان - دوره فشرده آیلتس با بهترین استاد آیلتس

دوره فشرده آیلتس با بهترین استاد آیلتس و محقق آیلتس دکتر آرین کریمی

 

با حدود 20 سال سابقه تدریس و تحقیق در زمینه آیلتس

 

 

Speaking and writing features: Distinguishing IELTS proficiency levels and progression over time

 

نتایج تحقیق در زمینه آیلتس با عنوان  : ویژگی های بخش هایspeaking و writing آیلتس : متمایز کردن سطوح مهارت آیلتس و پیشرفت در طول زمان

 

این تحقیق آیلتس به تحلیل عملکرد دانشجویان کره ای در بخش رایتینگ آیلتس که در آزمون آیلتس شرکت کرده اند میپردازد وهمچنین بطور کلی ارتباط سطوح مهارت آیلتس آنها و پیشرفت مهارتهای زبانی انها در مقایسه با مهارتهای زبانی قبلی آنها را بررسی کرده است.

 

مقدمه :

 

این تحقیق با حمایت مالی سه ارگان اصلی صاحب امتیاز آیلتس یعنی :

(British Council, IDP: IELTS Australia, and Cambridge University Press and Assessment)

به عنوان بخشی از برنامه تحقیقاتی با بودجه مشترک آیلتس انجام شده است.

یک آزمون مهارتی زبان انگلیسی مانند آیلتس ابزار مفیدی برای رتبه بندی شرکت کنندگان در آزمون آیلتس بر اساس مهارتهای زبانی آنها میباشد.

به‌عنوان بخشی از این فرآیند طبقه‌بندی، تصمیم‌گیری در مورد اینکه کدام ویژگی‌ها به ارزیاب‌ها اجازه می‌دهد بین سطوح مهارت (و آن‌هایی که بر توسعه مهارت زبان تأثیر می‌گذارند) تمایز قائل شوند، یک ملاحظات مهم برای ارائه‌دهندگان آزمون زبان است.

تحقیقات فعلی کانگ و همکاران به یک گپ در این زمینه پرداخته و با استفاده از یافته‌های مبتنی بر پیکره تلاش کرده است تا پیچیدگی یادگیری زبان دوم را حل کند.

 

این تحقیق که در چارچوب دوره های آمادگی آیلتس در کره جنوبی برگزار می شود، به رابطه بین نمونه ای از پاسخ های نوشتاری و گفتاری آزمون دهندگان کره ای و نمرات آزمون آیلتس آنها می پردازد. ویژگی‌های زبانی که سطوح مهارت گفتاری و نوشتاری آیلتس را برای هر دو معیار نمره‌دهی تحلیلی و کلی و هر یک از آنها متمایز می‌کند، مورد بررسی قرار میدهد. علاوه بر این، متغیرهای زمینه آزمون گیرندگان از طریق یک سری پرسشنامه پیمایشی جمع آوری شدند. محققان مطالعه حاضر تأثیر عوامل زمینه (به عنوان مثال، سطح اولیه مهارت و طول مدت زندگی در کشورهای انگلیسی زبان) و متغیرهای زبانی منتخب (به عنوان مثال، طول مقاله و تنوع واژگانی) را در امتیازات رایتینگ آیلتس در نظر گرفته اند.

 

یافته ها حاکی از تعامل پیچیده اما مورد انتظار عوامل مختلف زبانی و زمینه فردی است. در میان 18 ویژگی گفتاری که مورد تجزیه و تحلیل قرار گرفت، نرخ گفتار بالاترین پیش بینی کننده در نمرات آیلتس کلی و تحلیلی بود. این امر با پیچیدگی گرامری و انتخاب لحن خنثی همراه بود - که هر کدام رابطه منفی با نمرات آزمون داشتند. در آزمون نوشتاری، طول مقاله مهم‌ترین پیش‌بینی‌کننده هم برای نمرات کلی و هم تمام نمرات تحلیلی بود. پیچیدگی و تنوع واژگانی، علیرغم حاشیه بودن، پیش بینی های مهم بعدی بودند. افزایش طول مقاله بین دو دوره زمانی نیز مهم‌ترین پیش‌بینی‌کننده افزایش بود. در کل و اکثر نمرات تحلیلی. به‌علاوه، سطح اولیه مهارت آزمون‌دهنده برای پیش‌بینی بهبود در نمره کلی و پاسخ آزمون، به این معناست که هرچه مهارت شرکت‌کنندگان در آزمون بالاتر باشد، در طول زمان پیشرفت کمتری داشته‌اند.

 

این نتایج شواهد تحقیقاتی قبلی را که در سایر آزمون‌های مهارت و زمینه‌های یادگیری یافت شده بود تأیید می‌کند. اگرچه پیش بینی یک الگوی یادگیری زبان بسیار دشوار است هدف مطالعه حاضرشناسایی ویژگی‌های معیاری است که در سطوح مهارتی متمایز می‌شوند. این یک نتیجه دلگرم‌کننده است که معیارهای روانی مربوط به گفتار (یعنی سرعت گفتار) و نوشتن (یعنی طول مقاله) قوی‌ترین پیش‌بینی‌کننده‌های سطوح مهارت هستند، زیرا می‌توان آنها را با موفقیت در یک زمان مشخص بهبود بخشید. همچنین لازم به ذکر است که سطح اولیه مهارت به نظر می رسد تعیین کننده میزانی باشد که نمرات آزمون می تواند بهبود یابد.

 

یافته‌های این مطالعه میتواند به آزمون‌ دهندگان آیلتس و همچنین اساتید آیلتس در تدوین یک برنامه درسی آگاهانه و ایجاد یک برنامه یادگیری استراتژیک کمک کند. محققان و مربیان باید پیامدهای یافته های مطالعه را برای تعریف و ارزیابی گفتار و نوشتن L2 در نظر بگیرند و به بررسی شبکه پیچیده ادامه دهند.

 

عواملی که در پس دستیابی به زبان مقصد در زمینه های مختلف نهفته است. در مجموع، چنین شواهد علمی و عملی انباشته شده ای می تواند پیامدهای قابل توجهی برای طراحی آزمون آیلتس داشته باشد، از جمله انواع وظایف، توصیفگرهای نمره و به طور گسترده تر، استدلال اعتبار آزمون.

 

خلاصه تحقیق :

 

این تحقیق آیلتس داده‌های عملکرد چهل و یک شرکت‌کنندگان آزمون آیلتس کره‌ای را برای ویژگی‌های نوشتاری تجزیه و تحلیل کرد و ارتباط آن‌ها با سطوح مهارت آیلتس و پیشرفت زبانی آن‌ها را در رابطه با پیشینه‌شان بررسی کرد.

 

علاوه بر این، این مطالعه با استفاده از ویژگی‌های اسپیکینگ که قبلا تجزیه و تحلیل شده بود، بررسی کرد که چگونه آنها می‌توانند مهارت صحبت کردن آیلتس را تشخیص دهند.

 

شرکت کنندگان پس از تکمیل نظرسنجی پیش از آزمون، در آزمون رسمی آیلتس از پیش تعیین شده شرکت کردند. ساعات مطالعه شرکت کنندگان و اطلاعات استفاده از زبان مقصد به صورت هفتگی جمع آوری شد. این پس‌نظرسنجی در پایان دوره سه ماهه پس از آزمون رسمی آیلتس انجام شد. از پاسخ‌های گفتاری بلندمدت فردی از قبل و بعد از آزمون استفاده شد برای تجزیه و تحلیل گفتار چهل و یک (41) نمونه نوشتاری شرکت‌کنندگان برای ویژگی‌های نوشتاری (به عنوان مثال، پیچیدگی گفتمان، پیچیدگی واژگانی، تنوع واژگانی، پیچیدگی دستوری، طول مقاله).

 

نتایج نشان داد که میزان گفتار، پیچیدگی گرامری، استفاده از کلمات L1، انتخاب سطح لحن، و خطاهای قطعه‌ای پیش‌بینی‌کننده‌های قابل‌توجهی برای نمرات مهارت گفتاری آیلتس با R2 = 40-60٪ بودند. با بهبود مهارت، شرکت‌کنندگان در آزمون آیلتس سریع‌تر صحبت می‌کردند اما ساختار گرامری آن‌ها پیچیده‌تر شد. در مورد نوشتار، طول مقاله و پیچیدگی واژگانی به طور قابل توجهی به نمرات مهارت نوشتاری (R2 = 35-46٪) کمک کردند، و مهارت شرکت کنندگان به طور مداوم و قابل توجهی بر بهبود نوشتار آنها تأثیر گذاشت.

 

یافته‌ها می‌توانند از توسعه توصیف‌گرهای نمره آیلتس مطلع شوند و با ارائه شواهد ملموس برای کمک به درک رابطه بین نتایج یادگیری و پیشینه‌های زبان‌آموز، در زمینه‌های آزمون زبان دوم (L2) و کسب زبان دوم (SLA) مشارکت داشته باشند.

 

مقدمه :

 

مروری بر اهداف این تحقیق آیلتس :

 

 

تحقیقات زیادی در زمینه بررسی رابطه بین نمرات آیلتس (سیستم بین المللی آزمون زبان انگلیسی) و عملکرد تحصیلی با اهداف زیر انجام شده است :

 

الف) اعتبار پیش بینی کننده آزمون (مانند هیل، استورچ و لینچ، 2000)

ب) نگرش ها و گفتمان داوطلبان، دشواری کار، و فرآیند رتبه بندی (به عنوان مثال، براون، 2006)

ج) بازگشت آزمون نوشتن آیلتس در زبان انگلیسی برای زمینه های آکادمیک (گرین، 2007)

 

در حالی که بیشتر مطالعات قبلی ماهیت مقطعی داشتند، مطالعه اخیر ما تکمیل شده است.

 

این تحقیق آیلتس روابط بین پیشینه یادگیرنده و کسب نمره آیلتس را به صورت طولی بررسی کرد. مطالعه ما همچنین بررسی کرد که چگونه ویژگی‌های مختلف صحبت کردن در طول زمان با تجزیه و تحلیل پاسخ‌های گفتاری داوطلبان آیلتس توسعه می‌یابد. یافته های مطالعه حاضر بینش ارزشمندی را در مورد زبان و رفتار آزمون دهندگان و ممتحنین آزمون آیلتس در اختیار آیلتس قرار داده است.

 

با این حال، مطالعات نسبتا کمی به ویژگی‌های زبانی تولید داوطلبان آیلتس برای مهارت‌های گفتاری و نوشتاری از جنبه طولی پرداخته‌اند.

 

چشم انداز: مطالعه حاضر به دنبال تجزیه و تحلیل بیشتر عملکرد شرکت کنندگان در آزمون آیلتس در هر دو ویژگی گفتاری و نوشتاری برای بررسی پیشرفت زبانی و ارتباط آنها درارتباط با سطوح مهارت آیلتس دارد. پروژه پیشنهادی پیامدهای عملی زیادی برای فراگیری زبان دوم دارد و ارزیابی کلی.

 

درک اینکه چگونه ویژگی‌های گفتاری و نوشتاری سطوح مهارت را از هم متمایز می‌کنند، می‌تواند به توسعه توصیفگرهای نمره آیلتس کمک کند. همچنین، دانستن اینکه چگونه تغییرات در ساختارهای زبانی با سطوح مهارت زبان‌آموزان مرتبط است و اینکه چه عوامل فردی بر این پارامترهای زبانی تأثیر می‌گذارند، تأثیر مهمی بر برنامه‌ریزی درسی و توسعه یادگیری و ارزیابی زبان خواهد داشت.

 

 

بیان مسئله / منطق

 

 

تأثیر ترکیبی طیف وسیعی از ویژگی‌های زبانی بر رتبه‌بندی مهارت آیلتس پاسخ‌های داوطلبان به بررسی بیشتر به عنوان فرآیند اعتبارسنجی آزمون‌های مهارت شفاهی زبان دوم (L2) نیاز دارد. روابط بین ویژگی های زبانی عملکرد نامزدها و نمرات باند آیلتس همچنین می تواند پایه ای برای توسعه توصیفگرهای نمره گذاری آیلتس (روبریک های ارزیابی) و همچنین آموزش ممتحن باشد. علاوه بر این، پروژه قبلی ما (کانگ و همکاران، 2021) عمدتاً بر اجرای سخنرانی متمرکز بود، اما نوشتن امتیاز فرعی بود که در طول زمان در بین آزمون‌دهندگان کره‌ای در مدرسه آمادگی آزمون در سئول، جنوب، در واقع بیشترین بهبود را در طول زمان داشت. کشور کره.

 

پروژه کنونی بر مهارت‌های گفتاری و نوشتاری تمرکز دارد زیرا این مهارت‌ها به عنوان پایین‌ترین مهارت‌های فرعی در میان زبان‌آموزان کره‌ای زبان انگلیسی شناخته می‌شوند (پایگاه داده شورای بریتانیا، 2020). این پروژه از مجموعه داده های موجود کانگ و همکاران (2021) استفاده کرد و دامنه آن را گسترش داد. ابتدا، هدف این پروژه بررسی این بود که چه ویژگی های زبانی می تواند عملکرد آزمون شوندگان را در سطوح مختلف مهارت در آزمون های آیلتس برای معیارهای نمره گذاری زیر متمایز کند: برای صحبت کردن (تسلط و انسجام، منابع واژگانی، محدوده دستوری.

 

و دقت، و تلفظ)؛ و برای نگارش (انسجام و انسجام، منابع واژگانی و دامنه و دقت دستوری). دوم، این مطالعه بررسی کرد که چگونه متغیرهای پس‌زمینه زبان‌آموز (مانند ساعات مطالعه سرمایه‌گذاری شده، میزان استفاده از زبان مقصد، سطح مهارت و موارد دیگر) بر پیشرفت نوشتاری آنها در آزمون‌های آیلتس تأثیر می‌گذارد.

 

چارچوب نظری: استدلال اعتبار

 

اعتبار در آزمون و ارزیابی زبان بسیار مهم در نظر گرفته می شود. رویکردهای اعتبار فعلی، که از رویکرد مبتنی بر استدلال نشات می‌گیرند، به سمت توسعه استدلال‌های تفسیری و اعتباری حرکت می‌کنند (به عنوان مثال، کین، 2001؛ میسلوی و همکاران، 2002). این چارچوب از زمینه هایی شروع می شود که با مشاهده عملکرد آزمون دهندگان در یک آزمون نشان داده می شود. نتیجه‌گیری توانایی آزمون‌دهنده از مشاهده، بر اساس زنجیره‌ای از استدلال که شامل استنباط‌ها و پشتوانه آن‌ها است (معمولاً توسط تحقیقات تجربی آشکار می‌شود) به دست می‌آید. این چارچوب اعتباری از مجموعه ای از استنتاج ها تشکیل شده است که استدلال را از مبانی به نتیجه می برد (چاپل و همکاران، 2008). پروژه پیشنهادی بر دو استنتاج متمرکز است - ارزیابی (یعنی ارزیابی نمرات مشاهده شده که منعکس کننده توانایی های زبانی هدفمند است) و توضیح (یعنی تضمین می کند که نمرات مورد انتظار به ساختاری از مهارت زبان دانشگاهی نسبت داده می شود).

 

در زیر، مجموعه‌ای از متغیرهای زبانی را بررسی می‌کنیم که بسیار با عملکرد در گفتار و نوشتن L2 مرتبط هستند.

 

پیشینه تحقیق

 

تحلیل زبانی در گفتار

 

کانگ و همکاران (2021) تجزیه و تحلیل های زبانی را برای بررسی پیشرفت صحبت کردن طولی آزمون دهندگان، از جمله روانی، واژگان، دستور زبان، و تلفظ انجام داد. بخش اسپیکینگ آیلتس ترکیبی از نمرات در چهار حوزه زیر مهارت است: تسلط و انسجام، منابع واژگانی، محدوده و دقت گرامری و تلفظ. لازم به ذکر است که میانگین نمرات باند آیلتس آکادمیک برای زبان آموزان کره ای زبان انگلیسی 5.7 (ریدینگ)، 6.0 (شنیدن)، 5.6 (صحبت کردن) و 5.6 (تحقیق آیلتس، 2020) است. قابل ذکر است، این نشان می دهد که دو مهارت سازنده، صحبت کردن و نوشتن، زیرمهارت های پایین تر در بین زبان آموزان کره ای زبان انگلیسی هستند.

 

تسلط برای سرعت گفتار، مکث خاموش و مکث پر آنالیز شد. مشخص شد که معیارهای مبتنی بر روانی به طور قابل توجهی به قضاوت ادراکی شنوندگان از گفتار L2 کمک می کند (به عنوان مثال، Kormos & Denes، 2004 را ببینید). با این حال، به نظر نمی رسد این اثر خطی باشد (مونرو و دروینگ، 1998؛ کانگ و همکاران، 2022). نرخ گفتار بسیار پایین ممکن است مانند سرعت گفتار بسیار بالا، ارتباط را مختل کند، و به نظر می‌رسد که در شرایطی خاص، برای مؤثرترین نرخ گفتار «نقطه‌ای شیرین» وجود دارد. با این حال، رابطه بین روانی و ارزیابی هنوز مشخص نیست و ما به دنبال ارائه شواهد تجربی بیشتری در این زمینه هستیم.

 

همبستگی‌های واژگانی با مهارت شفاهی شامل دامنه و غنای واژگان است (براون و همکاران، 2005). غنای واژگان به نسبت واژگان کم و زیاد مورد استفاده در هر پاسخ گفتاری اشاره دارد، در حالی که دامنه واژگان عبارت است از نسبت انواع کلمه (یعنی کلمات منحصر به فرد تولید شده) به نشانه های کلمه (یعنی همه کلمات تولید شده) (Nation، 2013). ایواشیتا و همکاران (2008) دریافتند که افزایش سطح مهارت با افزایش تعداد کلمات تولید شده (توکن ها) و دامنه وسیع تری از کلمات (نوع) مرتبط است. بر این اساس، ویژگی‌های واژگانی مورد تحلیل کانگ و همکاران. (2021) شامل نسبت نوع نشانه، کلمات K1 (یعنی نسبت بیشترین فراوانی 1000 کلمه استفاده شده)، کلمات K2 (یعنی نسبت پرتکرارترین 2000 کلمه استفاده شده)، و کلمات فهرست کلمات دانشگاهی.

 

در مورد محدوده گرامری و دقت، هم دقت و هم پیچیدگی به تعیین مهارت زبان کمک می کند. دقت گرامری، زمانی که به صورت جهانی اندازه گیری می شود (براون و همکاران، 2005)، به عنوان پیش بینی کننده احتمالی زبان شفاهی پیشنهاد می شود.

 

دقت (به عنوان مثال، فاستر و اسکهان 1996). دقت جهانی، که از طریق خطاها در هر واحد ارتباطی (واحد C) اندازه‌گیری می‌شود، به طور قابل‌توجهی بین سطوح مهارت (ایواشیتا و همکاران، 2008) و وظایف و امتیازات صحبت کردن متفاوت است (جمیسون و پونپون، 2013).

 

تعداد عبارات فعل در واحد C (نسبت فعل به عبارت) به عنوان مهم‌ترین ویژگی که سطوح مهارت را در میان پاسخ‌های گفتاری متمایز می‌کند، شناسایی شده است (Iwashita et al., 2008). (اگرچه واحدهای AS یا واحدهای C در این زمینه مورد استفاده قرار می‌گیرند، پروژه فعلی از رویکرد مرسوم‌تری استفاده می‌کند.) علاوه بر این، پیچیدگی گرامری اغلب با شمارش عبارات اضافه، ساختارهای غیرفعال و صفت ها مورد بررسی قرار می گیرد زیرا آنها تأثیر قابل توجهی بر کار و امتیازات نشان می دهند (Jamieson & Poonpon، 2013). بنابراین، تمام این ویژگی ها، از جمله تعداد بدون خطا واحدهای C، پیچیدگی واحد C، نسبت عبارت فعل و نسبت بند وابسته مجدداً در پروژه فعلی مورد استفاده قرار گرفتند، زیرا آنها همچنین برای ویژگی‌های برجسته گفتاری که مهارت شفاهی سخنرانان L2 را پیش‌بینی می‌کنند، شناخته شده‌اند (براون و همکاران، 2005؛ ایواشیتا). و همکاران، 2008؛ کانگ و وانگ، 2014).

 

تجزیه و تحلیل تلفظ برای ریتم، انتخاب لحن، محدوده زیر و بم، برجستگی، استرس واژگانی، و خطاهای قطعه ای انجام شد. ریتم (یعنی استفاده از ترکیبی از استرس و هجاهای بدون تاکید)، برجستگی (یعنی تأکید بر اطلاعات مهم در عین عدم تأکید بر جزئیات بی اهمیت)، و استرس واژگانی به ویژه برای قابل فهم بودن و درک گفتار مهم هستند (نگاه کنید به فیلد، 2005؛ هان، 2004؛ ایزاکس و تروفیموویچ، 2). . به عنوان مثال، اگر فردی روی هر کلمه یا هر کلمه دیگری در انگلیسی تاکید کند، اگر با این الگوی ریتمیک آشنا نباشند، درک آن برای افراد دشوار خواهد شد. استرس کلمات نامناسب باعث اختلال در ارتباط می شود (جنکینز، 2002) و درک مطلب را در بین گویندگان L2 کاهش می دهد.(کانگ، 2010).

 

از نظر انتخاب لحن، بسیاری از محققان استدلال‌های نظری ارائه کرده‌اند که بر نحوه درک و درک یک گوینده تأثیر می‌گذارند (به برزیل، 1997؛ هیرشبرگ، 2017 مراجعه کنید). این استدلال‌های نظری با شواهد تجربی نیز تأیید شده‌اند، که نشان می‌دهد بسیاری از بلندگوهای L2 بیش از حد به استفاده از صدای سطح (یعنی یکنواخت) تکیه می‌کنند، بنابراین آنها را کمتر واقعی، خسته‌کننده‌تر و کم‌صلاحیت‌تر می‌کند (به کانگ و همکاران مراجعه کنید، 2010؛ کانگ و همکاران، 2020؛ پیکرینگ، 2001؛ ونرستورم، 1998). محدوده گام، با اشاره به تفاوت بین بالاترین میزان بلندی بلندگو و پایین‌ترین، بهترین پیش‌بینی‌کننده میزان لهجه بلندگوی L2 در یک مطالعه پیش‌رو بود (به کانگ، 2010 مراجعه کنید). انتخاب لحن، دامنه زیر و بم، و برجستگی تحلیل شده در این مطالعه بر اساس چارچوب برزیل (1997) برای لحن به عنوان یک ابزار ارتباطی است. انتخاب لحن ابتدا با شناسایی واحدهای لحن (مشابه گروه‌های فکری در ادبیات تلفظ) و سپس قرار دادن هر هجای برجسته در آن واحد لحن تعیین شد. انتخاب لحن به لحن (یعنی حرکت زیر و بمی) بر روی هجای برجسته نهایی یک واحد لحن اشاره دارد. انتخاب های ممکن لحن عبارتند از افزایش، نزول و تراز. در مدل برزیل (1997)، از زنگ های ریزشی برای ارائه جدید استفاده می شود اطلاعات، صداهای افزایشی ارائه اطلاعات شناخته شده/قبلاً بیان شده، و آهنگ های سطح هستند برای زبان رویه ای استفاده می شود. استفاده بیشتر از آهنگ‌های افزایش‌یافته با مهارت بالاتر همراه است زیرا این صداها به برداشت شنوندگان از پس‌زمینه مشترک با گوینده کمک می‌کنند (کانگ و همکاران، 2010). محدوده گام به نقطه حداقل و حداکثر F0 در هجاهای برجسته در یک نمونه گفتار معین اشاره دارد.

 

در نهایت، خطاهای قطعه‌ای در حروف صدادار و صامت‌ها بر قابل درک بودن تأثیر می‌گذارند (نگاه کنید به Caspers، 2010؛ Munro & Derwing، 1995؛ 2020)، اگرچه نوع خطاها در اطلاعات یا بار عملکردی آنها می‌تواند متفاوت باشد (نگاه کنید به Catford، 1989; کانگ و موران، 2014)، با برخی از خطاهای قسمتی که در ارتباطات تأثیرگذارتر از دیگران هستند. مطالعه حاضر خطاهای قطعه ای (انحرافات) را بر اساس مفهوم بارهای عملکردی تجزیه و تحلیل کرد. کانگ و موران (2014) 120 را تجزیه و تحلیل کردند پاسخ‌های گفتاری آزمون‌دهندگان از ارزیابی زبان انگلیسی کمبریج نشان داد که زبان‌آموزان با مهارت بالا (C2) هنوز هم خطاهای قسمتی دارند، اما با افزایش مهارت‌شان، خطاهای عملکردی بالا به شدت کاهش یافت.

 

بارهای عملکردی (FL) تضادهای قطعه ای را با توجه به اهمیت آنها در تلفظ انگلیسی رتبه بندی می کند (براون، 1991؛ کتفورد، 1987). آنهایی که شدیدترین هستند، که به عنوان "بار عملکردی بالا (HF)" شناخته می شوند، خطاهای قطعه ای با تضاد واجی هستند.

 

برای تشخیص معنی در تعداد زیادی از کلمات در انگلیسی استفاده می شود.

 

خطاهای "بار عملکردی کم (LF)" خطاهایی هستند که در آنها کنتراست واجی در بسیاری از جفت های حداقلی ظاهر نمی شود. خطاهای بار عملکردی زیاد تأثیر بیشتری بر درک شنونده دارند (کانگ و موران، 2014) و بنابراین ممکن است بر رتبه‌بندی مهارت‌ها بیشتر از خطاهای بار عملکردی کم تأثیر بگذارند.

 

تحلیل زبانی در نوشتار

 

در این مطالعه، تحلیل نوشتاری صرفاً بر مؤلفه‌های زبانی اسکریپت‌های نوشتاری آزمون‌دهندگان متمرکز بود، اما به روبریک‌های نگارشی (موضوعات) یا درخواست‌های واقعی اشاره نکرد.

 

این شامل پیچیدگی واژگانی، تنوع و تراکم واژگانی، پیچیدگی دستوری و پیچیدگی گفتمانی بود.

 

از نظر پیچیدگی واژگانی، این مطالعه پیچیدگی کلماتی را که آزمون‌دهندگان در نوشتارشان استفاده می‌کردند اندازه‌گیری کرد. پیچیدگی بر حسب سه ساختار گسترده مرتبط با استفاده از واژگان اندازه‌گیری شد: شیوع واژگانی، تنوع واژگانی، و پوشش فهرست کلمات دانشگاهی. معیارهای شیوع واژگانی برای تعیین کمیت فراوانی یا پراکندگی کلمات (مثلاً محدوده، پراکندگی) در یک مجموعه مرتبط طراحی شده است. مطالعات نشان داده است که زبان آموزان سطح پایین انگلیسی (ELLs) به شدت به تعداد کمی از کلمات متداول و پراکنده تکیه می کنند، اما زمانی که نوشتار آنها تبدیل می شود پیشرفته تر، آنها به طور فزاینده ای از کلماتی استفاده می کنند که از نظر فراوانی و پراکندگی کمتری دارند (به Kim, Crossley & Kyle, 2018؛ Kyle & Crossley, 2016 مراجعه کنید). شیوع واژگانی، که به عنوان معیارهای مبتنی بر پیکره اهمیت کلمه، مانند فراوانی و پراکندگی تعریف می‌شود، در سطح کلمه اندازه‌گیری شد. بنابراین، برای این مطالعه، میانگین نمره شیوع واژگانی به عنوان میانگین شیوع برای همه کلمات در نمونه نوشتاری آزمون‌دهنده محاسبه شد.

 

تنوع واژگانی یا غنای واژگانی با هدف اندازه گیری تعداد کلمات مختلف در یک متن است. ساده ترین معیار تنوع واژگانی، نسبت نوع نشانه است. با این حال، نسبت تایپ به شدت تحت تأثیر طول متن است. بنابراین، معیارهای جایگزین مانند میانگین متحرک نوع-توکن نسبت (MATTR) برای اندازه گیری تنوع واژگانی به روشی مستقل از طول متن پیشنهاد شده است (به Covington & McFall، 2010 مراجعه کنید).

 

بر اساس شواهد قوی مبنی بر وجود همبستگی مثبت بین تنوع واژگانی و توسعه نوشتاری ELL (به عنوان مثال، Malvern et al., 2004; Yu, 2010)، ما از MATTR برای پیش بینی پیشرفت در نمرات رایتینگ آیلتس استفاده کردیم. ما همچنین موارد فهرست کلمات دانشگاهی مانند فهرست کلمات آکادمیک (AWL؛ Coxhead، 2000) و فهرست واژگان دانشگاهی (AVL؛ گاردنر و دیویس، 2014) را تجزیه و تحلیل کردیم. ما نسبت کلمات موجود در نمونه‌های رایتینگ آیلتس را که در AWL موجود بود اندازه‌ گیری کردیم.

 

با توجه به پیچیدگی دستوری، در این مطالعه، ما به یک جایگزین پرکاربرد، به نام رهیافت ثبت-کارکردی برای پیچیدگی گرامری تکیه کردیم که بر ساختارهای واژگانی دستوری فردی متمرکز است که به اشکال و کارکردهای نحوی متمایز مرتبط هستند، و با ثبت و انگیزه ایجاد می‌شوند. الگوهای عملکردی در استفاده واقعی از زبان (به بیبر و همکاران، 2011؛ ​​بیبر و همکاران، 2020؛ بیبر و همکاران، 2022 مراجعه کنید).

 

در این مطالعه ما بر روی ویژگی‌های پیچیدگی عبارت اسمی (مانند اسم‌های پیش‌تغییر، صفت‌های اسنادی، اسم‌گذاری‌ها، عبارات اضافه به‌عنوان پسا اصلاح‌کننده‌های اسمی، عبارات اسمی مثبت) تمرکز کردیم که نشان داده شده است پیش‌بینی‌کننده‌های قوی توسعه نوشتن L2 هستند (نگاه کنید به انصاری‌فر، به انصاری‌فر مراجعه کنید). و همکاران، 2018؛ پارکینسون و ماسگریو، 2014؛ تاگوچی و همکاران، 2014).

 

در نهایت، با اشاره به پیچیدگی گفتمان، بسیاری از معیارهای خودکار به منظور اندازه‌گیری پیچیدگی گفتمان ایجاد شده‌اند که بیشتر آنها بر انسجام و انسجام تمرکز دارند. در این مطالعه، ساختار انسجام جهانی را اندازه‌گیری کردیم و این سازه را از نظر میزان همپوشانی کلمات محتوا در جملات مجاور در نمونه‌های نوشتاری آزمون‌دهنده عملیاتی کردیم. نشان داده شده است که این معیار یک پیش بینی قابل اعتماد برای توسعه نوشتن L2 است (کراسلی و همکاران، 2016).

 

به طور کلی، پروژه فعلی تأثیر همه این ویژگی‌های زبانی (که در بالا توضیح داده شد) بر نمرات مهارت آیلتس پاسخ‌های داوطلبان برای مهارت‌های گفتاری و نوشتاری را بررسی کرد. به طور خاص، بررسی کرد که چگونه ویژگی های زبانی می تواند عملکرد آزمون شوندگان را در مهارت های مختلف متمایز کند. علاوه بر این، همانطور که مطالعه کانگ و همکاران (2021) برای عملکرد گفتاری آنها انجام داد، این پروژه بررسی کرد که چگونه متغیرهای پس زمینه یادگیرنده (به عنوان مثال، ساعات مطالعه سرمایه گذاری شده، میزان استفاده از زبان مقصد، سطح مهارت و موارد دیگر) توسعه نوشتن در آزمون های آیلتس آنها را تحت تاثیر قرار می دهد.

 

 

روش تحقیق:

 

سوالات تحقیق :

 

 

1. What are the overall speaking features that distinguish IELTS speaking proficiency levels for the following scoring criteria: fluency and coherence, lexical resources, grammatical range and accuracy, and pronunciation?
2. What are the overall writing features that distinguish IELTS writing proficiency levels for the following scoring criteria: coherence and cohesion, lexical resources, and grammatical range and accuracy?
3. How do writing features change over time and how do background variables (i.e., hours of study, amount of L2 use, level of proficiency, and others) correlate with such linguistic progression of IELTS writing?

 

نتایج بدست آمده از این تحقیق آیلتس :

 

رابطه بین ویژگی های گفتار و نمرات اسپیکینگ آیلتس ( Relationship between speech features and IELTS speaking scores

 

اولین سوال پژوهشی ویژگی‌های گفتاری کلی را بررسی می‌کند که می‌تواند سطوح مهارت گفتاری آیلتس را برای معیارهای امتیازدهی زیر متمایز کند: تسلط / انسجام، منابع واژگانی، محدوده دستوری و دقت، و تلفظ. این سوال با بررسی رابطه بین هر یک از ویژگی های گفتاری و هر (زیره) نمره صحبت برای پیش آزمون و پس آزمون پاسخ داده شد.

 

این بخش خلاصه ای از تحلیل همبستگی و رگرسیون را برای هر ویژگی گفتاری در رابطه با هر امتیاز (فرعی) در دو نقطه زمانی ارائه می دهد. همانطور که از جدول 4 مشاهده می شود، نمرات کلی گفتار با الف) نرخ گفتار، ب) کلمات K1، ج) استفاده از لحن در حال سقوط، و د) استفاده برجسته از لحن خنثی، و همبستگی منفی با الف) TTR، ب) پیچیدگی، ج) با عملکرد بالا و د) خطاهای سگمنتال با عملکرد پایین.

 

نمره فرعی روانی و انسجام با الف) میزان گفتار، ارتباط مثبت و معناداری نشان داد. ب) کلمات K1، و ج) برجستگی، و همبستگی منفی با الف) TTR، ب) پیچیدگی، ج) استفاده از لحن خنثی، د) خطاهای قطعه ای با عملکرد بالا و ه) خطاهای قطعه ای با عملکرد پایین. نمره فرعی منابع واژگانی با الف) نرخ گفتار، ب) کلمات K1، ج) کلمات AWL، و د) برجستگی همبستگی مثبت معنی داری داشت و با الف) TTR، ب) پیچیدگی، و ج) استفاده از لحن خنثی همبستگی منفی داشت. . نمره فرعی محدوده دستوری و دقت به طور معنی داری با الف) نرخ گفتار و ب) برجستگی همبستگی مثبت و با الف) TTR، ب) پیچیدگی، ج) استفاده از لحن خنثی، ج) خطاهای قطعه ای کم عملکرد همبستگی منفی داشت. نمره فرعی تلفظ با الف) میزان گفتار، ب) استفاده از لحن در حال سقوط، و ج) برجستگی همبستگی مثبت معنی داری داشت و با الف) TTR، ب) پیچیدگی، ج) استفاده از لحن خنثی همبستگی منفی داشت. د) خطاهای استرس کلمه، ه) خطاهای قطعه ای با عملکرد بالا و و) خطاهای قطعه ای با عملکرد پایین. در تمام روابط، نرخ گفتار بالاترین ارتباط را با نمرات صحبت کردن آیلتس با قدرت متوسط ​​0.35 < r <.49 نشان داد.

 

در نهایت، ویژگی‌های گفتاری که به طور قابل‌توجهی با ویژگی‌های گفتاری کلی همبستگی دارند شامل نرخ گفتار، TTR، کلمات K1، پیچیدگی گرامری، استفاده از انتخاب لحن خنثی و پاییزی، برجستگی و خطاهای قطعه‌ای است. به ویژه، با افزایش نمرات مهارت، شرکت کنندگان در آزمون آیلتس میزان گفتار خود را افزایش دادند.

 

از کلمات K1 به نسبت بیشتری استفاده کنید. با این حال، با افزایش مهارت آنها، TTR و پیچیدگی گرامری آنها کاهش می یابد، احتمالاً به این دلیل که آنها مهارت های خود را برای سرعت بخشیدن به گفتار خود به خطر می اندازند.

 

بر اساس تجزیه و تحلیل همبستگی، پنج مدل رگرسیون چندگانه با اجرای آزمون (پیش آزمون در مقابل پس آزمون) و همبستگی های معنی دار به عنوان پیش بینی کننده ها و (زیر) نمرات به عنوان متغیرهای نتیجه انجام شد. ما مدیریت آزمون را به عنوان یک پیش‌بینی‌کننده به‌عنوان یک متغیر طبقه‌بندی می‌کنیم تا ببینیم آیا زمان آزمون خود می‌تواند به نمرات مهارت کمک کند یا خیر. برای مدل اول، میزان پیش‌بینی نمرات صحبت کردن کلی را با ویژگی‌های گفتاری و اجرای آزمون اندازه‌گیری کردیم (جدول 5 را ببینید). مدل معنی‌دار بود: F(9، 889) = 8.16، p <0.001 و این متغیرهای پیش‌بینی کننده ترکیبی از 45% (R2 تعدیل‌نشده) از واریانس در نمرات صحبت کردن کلی (تعدیل‌شده) را تشکیل می‌دهند.

 

R2 = 40٪. جدول 5 شامل نتایج ANOVA و تفکیک سهم هر یک از متغیرها در R2 کلی است. نرخ گفتار به ویژه پیش بینی کننده مهم نمرات اسپیکینگ آیلتس و به دنبال آن پیچیدگی گرامری بود. ویژگی های تلفظ (به عنوان مثال، انتخاب لحن خنثی، خطاهای بار عملکردی زیاد و کم) حدود 4 تا 6 درصد از واریانس در نمرات کلی صحبت را توضیح می دهد.

 

برای مدل دوم، میزان قابل پیش‌بینی روانی و انسجام زیرنمره را توسط متغیرهای زبانی و آزمون اندازه‌گیری کردیم (جدول 6 را ببینید). مدل معنی‌دار بود: F(9, 88) = 8.63، p <0.001 و این متغیرهای پیش‌بینی‌کننده ترکیبی از 46% (R2 تعدیل‌نشده) از واریانس در نمرات صحبت کردن کلی (تعدیل‌شده) را تشکیل می‌دهند.

R2 = 41٪. جدول 6 شامل نتایج ANOVA و تقسیمی از سهم هر یک از متغیرها در R2 کلی است. در مجموع، نتایج این مدل خرده‌امتیاز (تسلط و انسجام) مشابه مدل با نمرات کلی بود، اما نرخ گفتار واریانس کمی بیشتر را توضیح داد که تا حدودی قابل انتظار است زیرا نرخ گفتار بخشی از ویژگی‌های روانی است. اگرچه سهم آن قابل توجه نبود، اما برجستگی پیش بینی کننده قوی بعدی امتیاز فرعی روانی و انسجام بود. استفاده از انتخاب تن خنثی به عنوان یک پیش بینی کننده قابل توجه در این مدل باقی ماند.

 

برای مدل سوم، میزان قابل پیش‌بینی منابع واژگانی زیرنمره را توسط متغیرهای زبانی و آزمون اندازه‌گیری کردیم (جدول 7 را ببینید). مدل معنی‌دار بود: F(7، 90) = 6.77، p <0.001 و این متغیرهای پیش‌بینی‌کننده مجموعاً 32% (R2 تعدیل‌نشده) از واریانس در نمرات کلی صحبت را به خود اختصاص دادند (R2 تعدیل شده = 29%). جدول 7 شامل نتایج ANOVA و تقسیمی از سهم هر یک از متغیرها در R2 کلی است. بر خلاف مدل روانی و انسجام بالا، استفاده از کلمات K1 به عنوان یک پیش بینی کننده مهم ظاهر شد. همچنین، پیچیدگی گرامری قوی‌ترین پیش‌بینی‌کننده نمرات فرعی منابع واژگانی (p = 0.0006، R2 = 0.12) بود. با کمال تعجب، TTR سهم قابل توجهی در این امر نداشت امتیاز فرعی این معیار نرخ گفتار نیز به طور قابل توجهی با این مدل زیر امتیاز مرتبط نبود، اگرچه حدود 6 درصد از واریانس را توضیح داد. تا حدودی غیر منتظره، استفاده از انتخاب لحن خنثی نیز به عنوان یک پیش‌بینی‌کننده مهم در این مدل منابع واژگانی ظاهر شد.

 

برای مدل چهارم، میزان قابل پیش‌بینی دامنه دستوری و دقت زیر امتیاز را توسط متغیرهای زبانی و آزمون اندازه‌گیری کردیم (جدول 8 را ببینید). مدل معنی‌دار بود: F(7، 90) = 6.98، p <0.001 و این متغیرهای پیش‌بینی کننده مجموعاً 34% (R2 تعدیل‌نشده) از واریانس در نمرات کلی صحبت را به خود اختصاص دادند (R2 تعدیل شده = 30%). جدول 8 شامل نتایج ANOVA و تفکیک سهم هر یک از متغیرها در R2 کلی است. جای تعجب نیست که پیچیدگی گرامری یکی از پیش بینی کننده های مهم بود (0.0147 = p، 0.07 = R2). سپس، نرخ گفتار تا حدودی قوی تر از سایر متغیرها کمک کرد. به طور غیرمنتظره، استفاده از انتخاب لحن خنثی و خطاهای قطعه‌ای همچنان به عنوان یک پیش‌بینی‌کننده مهم در این مدل محدوده گرامری و دقت ظاهر شد. این نتیجه ارتباط متقابل بین ویژگی های زبانی را در ساختارهای گفتاری مختلف نشان می دهد. نتایج را می‌توان به‌عنوان سوگیری رتبه‌دهنده نیز تفسیر کرد، زیرا لحن خنثی شاید نباید به عنوان بخشی از نمره دستور زبان در نظر گرفته شود.

 

برای آخرین مدل، میزانی را که می‌توان تلفظ زیر امتیاز را توسط متغیرهای زبانی و آزمون پیش‌بینی کرد، اندازه‌گیری کردیم (جدول 9 را ببینید). مدل معنی دار بود: F(6، 88) = 5.00، p <0.001 و این متغیرهای پیش بینی کننده یک 34٪ (R2 تعدیل نشده) از واریانس در نمرات صحبت کردن کلی (R2 تنظیم شده = 27٪) را ترکیب کرد. جدول 9 شامل نتایج ANOVA و تقسیمی از سهم هر یک از متغیرها در R2 کلی است. این مدل نسبتاً ضعیف‌تر از مدل‌های دیگر بود، به‌طوری‌که هر یک از متغیرها قدرت ارتباط تا حدودی ضعیفی را نشان دادند و تنها دو متغیر از نظر آماری معنی‌دار بودند. به طور غیرمنتظره ای، TTR یک پیش بینی کننده قابل توجه برای نمره فرعی تلفظ بود، اگرچه ارزش پیش بینی آن در R2 اندازه گیری شده بود فقط 06. خطاهای عملکردی پایین سطح حاشیه ای از اهمیت را نشان داد (0.0475 = p). نرخ گفتار پیش بینی کننده معنی داری نبود، اما حدود 6 درصد از واریانس این مدل را توضیح داد، به این معنی که تا حدودی به مدل کمک کرد.

 

Relationship between writing features and IELTS writing scores ) ارتباط بین ویژگی های رایتینگ و نمرات رایتینگ آیلتس

 

سوال دوم تحقیق این است: ویژگی های کلی رایتینگ که سطوح مهارت نوشتاری آیلتس را برای معیارهای امتیازدهی زیر متمایز می کند: انسجام و انسجام، منابع واژگانی، و دامنه و دقت گرامری چیست؟ همانطور که در جدول 10 مشاهده می شود، بین معیارهای نمره دهی آیلتس و متغیرهای زبانی همبستگی مثبت کوچکی وجود دارد. متغیر زبانی که بیشترین همبستگی را با معیارهای نمره گذاری داشت، طول مقاله بود، با همبستگی هایی که بین 52/0 تا 59/0 متغیر بود. پیچیدگی واژگانی قوی ترین همبستگی های بعدی را داشت که بین 0.26 و 0.37 قرار داشت.

 

به دنبال آن پیچیدگی گفتمان قرار گرفت که همبستگی در محدوده 0.22 تا 0.33 داشت. بعد پیچیدگی گرامری با همبستگی بین 0.17 و 0.29 و پس از آن تنوع واژگانی با همبستگی بین 0.21 تا 0.26 قرار گرفت.

 

در برخی موارد، این متغیرها به روش های غیرمنتظره ای همبستگی دارند. برای مثال، هم پیچیدگی واژگانی و هم تنوع واژگانی با انسجام و انسجام بیشتر نسبت به منابع واژگانی ارتباط دارند. به همین ترتیب، پیچیدگی گرامری با پاسخ به کار و منابع واژگانی بیشتر از محدوده گرامری و دقت مرتبط است. به عنوان مثال آخر، پیچیدگی گفتمان با گستره گرامری و دقت و منابع واژگانی ارتباط قوی تری دارد تا با انسجام و انسجام.

 

ما همچنین پنج مدل رگرسیون چندگانه را اجرا کردیم، یکی برای نمره کلی رایتینگ و دیگری برای هر یک از چهار معیار نمره دهی آیلتس به عنوان متغیر وابسته. در هر یک از این پنج مدل، متغیرهای مستقل پنج متغیر زبانی و اجرای آزمون (پیش آزمون در مقابل پس آزمون) بودند.

 

برای مدل اول، میزان قابل پیش‌بینی نمرات نوشتاری کلی را با متغیرهای زبانی و آزمون اندازه‌گیری کردیم. مدل معنی دار بود: F(6، 80) = 11.28، p <0.001 و این شش متغیر ترکیبی 46٪ از واریانس در نمرات پاسخ وظیفه (R2 = 46٪) را به خود اختصاص دادند. جدول 11 شامل نتایج ANOVA و تفکیک سهم هر یک از متغیرها در R2 کلی است. طول مقاله، پیچیدگی واژگانی، پیچیدگی گفتمان، و تنوع واژگانی نمرات کلی نوشتار را به طور معنی‌داری پیش‌بینی کردند، اما طول مقاله به ویژه قوی‌ترین پیش‌بینی‌کننده بود (R2 = 24%). یعنی با 0.40 = β، با افزایش مهارت داوطلبان آیلتس، طول مقاله آنها طولانی تر شد. اجرای آزمون بین پیش آزمون و پس آزمون تفاوت معنی داری در پیش بینی نمرات نوشتاری ایجاد نکرد.

 

برای مدل دوم، میزان قابل پیش‌بینی نمرات Task Response را توسط متغیرهای زبانی اندازه‌گیری کردیم. مدل معنی دار بود: F(6، 80) = 7.55،p <0.001 و این شش متغیر مجموعاً 36 درصد از واریانس در نمرات پاسخ وظیفه (R2 = 36٪) را تشکیل می دهند. جدول 12 شامل نتایج ANOVA و تقسیمی از سهم هر یک از متغیرها در R2 کلی است. برخلاف پیش‌بینی نمره کلی بالا، پیچیدگی گرامری به طور قابل‌توجهی نمرات پاسخ کار را پیش‌بینی کرد (p = 0.05، R2 = 4%)، اگرچه R2 هنوز حداقل است.

 

برای مدل سوم، میزان قابل پیش‌بینی نمرات انسجام و انسجام توسط متغیرهای زبانی را اندازه‌گیری کردیم. مدل معنی‌دار بود: F(6، 80) = 7.88، p <0.001 و این شش متغیر مجموعاً 37٪ از واریانس در نمرات انسجام و پیوستگی را به خود اختصاص دادند (R2 = 37٪). جدول 13 شامل نتایج ANOVA و تقسیمی از سهم هر یک از متغیرها در R2 کلی است. طول مقاله و پیچیدگی واژگانی به طور مداوم به عنوان پیش بینی کننده های قوی ظاهر می شوند (003/0=p و p <0.001). تنوع واژگانی یک پیش بینی کننده قوی بود در حالی که پیچیدگی گرامری سهم قابل توجهی نداشت. اجرای آزمون (پیش آزمون در مقابل پس آزمون) نیز تفاوت معنی داری نداشت (49/0=p).

 

مدل چهارم میزان قابل پیش‌بینی نمرات منابع واژگانی را توسط متغیرهای زبانی در نظر گرفت. مدل معنی‌دار بود: F(6، 80) = 7.14، p <0.001 و این شش متغیر مجموعاً 35٪ از واریانس در نمرات منابع واژگانی را به خود اختصاص دادند (R2 = 35٪).

 

مدل پنجم و آخر، درجه‌ای را که می‌توان امتیازات محدوده دستوری و دقت را توسط متغیرهای زبانی پیش‌بینی کرد، محاسبه کرد. مدل معنی دار بود: F(6، 80) = 8.65، p <0.001 و این شش متغیر مجموعاً 39٪ را به خود اختصاص دادند. از واریانس در نمرات محدوده گرامری و دقت (R2 = 39٪). جدول 15 شامل نتایج ANOVA و تفکیک سهم هر یک از متغیرها در R2 کلی است. همانطور که در جدول 9 مشاهده می شود، زیرمجموعه نمرات محدوده گرامری و دقت ارتباط قوی با پیچیدگی گرامری ندارد. در نتیجه، پیچیدگی گرامری پیش بینی کننده قابل توجهی برای نمرات محدوده دستوری / دقت نبود. مجدداً، مدیریت پیش و پس آزمون سهم قابل توجهی نداشت.

 

بهبود نوشتن و پیشینه یادگیرنده

 

سومین سوال پژوهشی این است: چگونه ویژگی‌های رایتینگ در طول زمان تغییر می‌کنند و چگونه متغیرهای پس‌زمینه (مانند ساعات مطالعه، میزان استفاده از L2، سطح مهارت و موارد دیگر) با چنین پیشرفت زبانی رایتینگ آیلتس ارتباط دارند؟ ما پنج مدل رگرسیون چندگانه را اجرا کردیم، یکی برای نمرات رایتینگ کلی و یکی برای هر یک از چهار معیار نمره دهی آیلتس. متغیر وابسته در هر یک از این مدل‌ها یک امتیاز سود بود که با کم کردن نمره آزمون در زمان 1 از نمره آزمون در زمان 2 محاسبه شد.

 

• ساعات مطالعه
• میزان استفاده از زبان هدف (TLU)
• مهارت
• مطالعه قبلی انگلیسی
• سطح تحصیلات
• سابقه تحصیل در خارج از کشور
• حضور در برنامه
• انگیزه ابزاری

پنج متغیر دیگر امتیاز کسب پنج متغیر زبانی بودند.

 

• پیچیدگی گفتمان
• پیچیدگی واژگانی
• تنوع واژگانی
• پیچیدگی گرامری
• طول انشا

 

برای مدل اول، ما درجه ای را اندازه گیری کردیم که می توان امتیازات کلی رایتینگ را با سیزده متغیر مستقل پیش بینی کرد. مدل کلی معنی دار نبود، F(13، 24) = 2.64، p = 0.19 و این 13 متغیر مجموعاً 59٪ از واریانس در نمرات کلی افزایش نوشتار را به خود اختصاص دادند (R2 = 59٪). مجموعه‌ای از آنالیز واریانس نشان داد که سه متغیر پیش‌بینی‌کننده قابل‌توجهی بودند: مهارت، تجربه تحصیلی قبلی در خارج از کشور، و امتیاز افزایش طول مقاله (جدول 16 را ببینید).

 

برای مدل دوم، درجه‌ای را که می‌توان امتیازات Task Response را توسط سیزده متغیر مستقل پیش‌بینی کرد، اندازه‌گیری کردیم. مدل کلی معنی‌دار نبود، F(13، 24) = 1.60، p = 0.15 و این 13 متغیر مجموعاً 46 درصد از واریانس در نمرات افزایش پاسخ وظیفه را به خود اختصاص دادند (R2 = 0.59). مجموعه‌ای از ANOVA نشان داد که دو متغیر پیش‌بینی‌کننده مهم بودند: مهارت و امتیاز افزایش طول مقاله (جدول 17 را ببینید).

 

در مدل 3، میزان قابل پیش‌بینی نمرات انسجام و انسجام را با سیزده متغیر مستقل اندازه‌گیری کردیم. مدل کلی معنی دار نبود، F(13، 24) = 1.74، p = 0.12 و این 13 متغیر مجموعاً 49 درصد از واریانس را در نمرات افزایش انسجام و پیوستگی به خود اختصاص دادند (R2 = 0.49). مجموعه‌ای از ANOVA نشان داد که دو متغیر پیش‌بینی‌کننده مهم بودند: امتیاز افزایش طول مقاله و امتیاز افزایش تنوع واژگانی.

 

در مدل چهارم، میزان قابل پیش‌بینی امتیازات منابع واژگانی را با سیزده متغیر مستقل اندازه‌گیری کردیم. مدل کلی معنی دار نبود، F(13، 24) = 1.68، p = 0.13 و این 13 متغیر مجموعاً 48 درصد از واریانس در امتیازات منابع واژگانی را به خود اختصاص دادند (R2 = 48٪). مجموعه‌ای از ANOVA نشان داد که تنها پیش‌بینی‌کننده مهم، تجربه قبلی در خارج از کشور است.

 

در مدل پنجم و آخر، میزان قابل پیش‌بینی امتیازات دامنه گرامری و دقت را با سیزده متغیر مستقل اندازه‌گیری کردیم. مدل کلی معنی دار نبود، F(13، 24) = 1.81، p = 0.10 و این 13 متغیر مجموعاً 50٪ از واریانس را به خود اختصاص دادند که در آن محدوده دستوری و دقت امتیازات (R2 = 50٪) را به دست آوردند. مجموعه‌ای از ANOVA نشان داد که سه متغیر پیش‌بینی‌کننده معنی‌دار بودند: امتیاز افزایش طول مقاله، تجربه تحصیل قبلی در خارج از کشور و امتیاز کسب تنوع واژگانی.

 

بحث در مورد تحقیق آیلتس انجام شده :

 

رابطه بین ویژگی های گفتار و نمرات اسپیکینگ آیلتس ( Relationship between speech features and IELTS speaking scores )

 

این بخش به دنبال تفسیر یافته های حاصل از گزارش حاضر در پرتو ادبیات قبلی است. اولین سوال تحقیق رابطه بین ویژگی‌های گفتار و نمرات کلی آیلتس و نمرات فرعی برای صحبت کردن در مقاطع زمانی مختلف را بررسی کرد. به طور کلی، ما مجموعه نسبتاً پایداری از متغیرها را پیدا کردیم که نمرات صحبت کردن و نمرات فرعی را پیش‌بینی می‌کردند و بخش قابل توجهی از واریانس‌ها را توضیح می‌دادند.

در هر مدل: الف) سرعت گفتار، ج) کلمات K1، د) پیچیدگی، ه) استفاده از لحن خنثی، و و) بخش‌های با عملکرد بالا و کم کارکرد. به طور خلاصه، یافته ها به طور آزمایشی

پیشنهاد کرد که انواع ویژگی‌های گفتاری با نمرات و زیر نمرات اسپیکینگ آیلتس مرتبط است.

 

جالب است که اگرچه هر زیرمجموعه توصیف معیار منحصر به فرد خود را دارد (یعنی تسلط، منابع واژگانی، محدوده دستوری و دقت و تلفظ)، ما متوجه شدیم که برخی از ویژگی های زبانی با یکدیگر در هم تنیده شده اند. برای مثال، پیچیدگی گرامری مهم‌ترین پیش‌بینی‌کننده برای نمرات فرعی منابع واژگانی بود، یا نرخ گفتار بیشترین سهم را در زیر نمرات محدوده دستوری و دقت داشت. علاوه بر این، استفاده از انتخاب لحن خنثی سهم ثابتی در بسیاری از نمرات فرعی مانند تسلط، منابع واژگانی، و محدوده دستوری و دقت داشت، اگرچه آنها به طور مستقیم با تلفظ مرتبط نبودند. این پدیده تأیید می کند که صحبت کردن دشوارترین مهارت زبانی برای ارزیابی قابل اعتماد است (لوما، 2004). همانطور که داگلاس (1997) بیان کرد، توسعه دهندگان آزمون زبان ممکن است امیدوار باشند که برای مثال، اگر ارزیاب‌ها توجه خود را فقط بر تلفظ، دستور زبان، روانی و قابل فهم بودن متمرکز کنند، بسیاری از ویژگی‌های دیگر گفتمان بر آنها تأثیری نخواهد داشت. این شواهد فزاینده‌ای است که نشان می‌دهد این یک امید بیهوده است» (ص 22). در واقع، این یافته این استدلال را تأیید می کند که هر یک از سازه های گفتاری به طور مستقل کار نمی کنند، اما در عوض همه آنها به هم مرتبط هستند. یک توضیح جایگزین این است که ارزیاب ها در تمایز بین ویژگی ها مشکل دارند، در این صورت آموزش ارزیابی کننده های آینده می تواند به این جنبه توجه کند.

 

نرخ گفتار به طور پیوسته با نمرات کلی و بیشتر نمرات فرعی مرتبط بود. اهمیت نرخ گفتار در ارزیابی زبان به خوبی مستند شده است (به عنوان مثال، Kang، 2010؛ Kormos & Denes، 2004). گفتار سریعتر تمایل داشت در مطالعه حاضر و همچنین در بسیاری از مطالعات پیش ساز رتبه های بالاتری دریافت می کنند. یعنی با بالا رفتن نرخ گفتار داوطلبان آیلتس، نمرات آنها بالاتر بود.

 

یافته مشابهی در نتایج تحلیل زبانی کانگ و وانگ (2014) و کانگ و یان (2018) با 120 نمونه گفتار در ارزیابی زبان انگلیسی کمبریج (CELA) مشاهده شد. اگرچه این رابطه کاملاً ساده بود زیرا تمایز واضحی بین سطوح مهارت مجاور وجود نداشت، نرخ گفتار به وضوح یک متغیر قوی در پیش‌بینی یا تشخیص سطوح مهارت بود. با این حال، این یافته باید با احتیاط تفسیر شود، زیرا رابطه بین سرعت گفتار و رتبه‌بندی شنوندگان ممکن است لزوماً خطی نباشد، اما شاید به شکل U رخ دهد (به مونرو و دروینگ، 1998؛ کانگ و همکاران، 2022 مراجعه کنید).

 

پیچیدگی با نمرات صحبت کردن همبستگی منفی داشت. برای تفسیر این یافته، این امکان وجود دارد که زبان پیچیده و غیرشفاف وضعیت مکالمه را که در آزمون اسپیکینگ آیلتس تجویز شده است، منعکس نکرده باشد. همچنین ممکن است با توجه به پیچیدگی، آزمایش دریافت کنندگان ممکن است اشتباهات بیشتری مرتکب شوند که منجر به امتیازات کمتری شده است. با بهبود تسلط آنها، ممکن است استفاده نامزدها از پیچیدگی جمله به خطر بیفتد. این الگو همچنین در پاسخ‌های گفتاری در CELA یافت شد (به کانگ و یان، 2018 مراجعه کنید).

 

جالب است که مشاهده کنید که TTR با برخی از امتیازات فرعی موجود در مجموعه داده فعلی همانطور که در جدول 3 مشاهده می شود به طور معنی داری اما منفی مرتبط بود. TTR معیاری برای تنوع واژگانی است (یعنی نسبت نوع کلمه به نشانه کلمه). این واقعیت که TTR منفی است در ارتباط با نمرات صحبت کردن به این معنی است که هرچه تنوع واژگان کمتر باشد، نمرات بالاتر است. این یافته مربوط به یافته دیگری است که در آن استفاده از کلمات K1 به شدت با نمرات مرتبط بود. به این معنا که هر چه آزمون‌دهندگان از کلماتی در 1000 کلمه اول استفاده کنند (یعنی کلمات با بسامد بالا)، نمرات بیشتری دریافت می‌کنند. در مقایسه، استفاده از کلمات پیشرفته کمکی به نمرات مهارت نمی کند. این یافته شگفت‌انگیز به نظر می‌رسد، زیرا ممکن است تصور شود استفاده از کلمات پیشرفته‌تر می‌تواند به امتیاز بالاتری منجر شود. شاید بتوان این را با این واقعیت توضیح داد که تسلط (میزان گفتار) نقش مهمی در رتبه‌بندی مهارت و سایر ساختارهای دستوری پیچیده داشته است، یا اینکه استفاده از واژگان بر نمرات رتبه‌بندی‌کنندگان تأثیری نداشته است.

 

علاوه بر این، چنین یافته هایی را می توان به دو صورت زیر تفسیر کرد. اول، صحبت کردن آیلتس با مکالمات روزانه مشخص می شود، به این معنی که سوالات فوری به عنوان راهی برای شرکت کنندگان در آزمون طراحی شده است تا در مورد فعالیت های روزانه منظم خود صحبت کنند. اوکیف و همکاران (2007) دریافتند که بیشتر کلمات در مکالمات کلمات بسیار رایج انگلیسی هستند. بنابراین، این امکان وجود دارد که استفاده از کلمات با فرکانس بالا شبیه مکالمات طبیعی انگلیسی باشد و در نتیجه امتیاز بالاتری دریافت کند. علاوه بر این، این یافته را می توان با توجه به سطح مهارت فعلی آزمون دهندگان در نمونه فعلی تفسیر کرد. نمونه مورد مطالعه در حدود سطح متوسط ​​بود. بنابراین، این امکان وجود دارد که آنها بتوانند به راحتی از کلمات با بسامد بیشتری استفاده کنند. استفاده از کلمات کمتر ممکن است با خطاهایی همراه باشد که می تواند منجر به نمرات پایین تر شود. با این حال، این تفاسیر باید با داده های تجربی آزمایش شوند.

 

تعجب آور نیست که استفاده از انتخاب لحن پیش بینی کننده عملکرد آزمون شوندگان بود. گزارش حاضر نشان داد که استفاده بیش از حد از لحن خنثی/سطح اغلب با نمرات پایین‌تر همراه بود. این بازتاب یافته قبلی است که در آن انگلیسی زبانان L2 تمایل به استفاده از لحن خنثی / سطح در گفتار خود داشتند، و این می تواند منجر به این می شود که آنها به عنوان خسته کننده تر، کمتر درگیر ارتباط، یا کمتر اجتماعی، و کمتر در ارتباطات موثر تلقی شوند (کانگ، 2010؛ پیکرینگ، 2001؛ ونرستورم، 1998).

 

بخش‌های عملکردی، می‌تواند به نمرات اسپیکینگ آیلتس آزمون‌دهندگان کمک کند. این یافته مطابق با مطالعات قبلی است که نشان داده بودند خطاهای قطعه ای (به عنوان مثال، مصوت / جایگزین‌ها، اضافات یا حذف‌های صامت) با کاهش درک یا فهم همراه بود (به عنوان مثال، کاسپرز، 2010؛ کانگ و موران، 2014؛ مونرو و دروینگ، 1995؛ 2020). سهم خطاهای قسمتی در مهارت صحبت کردن در تمام مهارت های فرعی در نمرات اسپیکینگ آیلتس ثابت بوده است.

 

رابطه ویژگی های رایتینگ و نمرات رایتینگ آیلتس ( Relationship between writing features and IELTS writing scores )

 

در این بخش، یافته‌های مربوط به سؤالات تحقیق 2 و 3 را تفسیر می‌کنیم. برای سؤال تحقیق دوم، ما سعی کردیم ویژگی‌های نوشتاری را که سطوح مهارت نوشتاری آیلتس را برای معیارهای نمره‌دهی زیر متمایز می‌کند شناسایی کنیم: انسجام و انسجام، منابع واژگانی، و دامنه دستوری و دقت. ما همبستگی مثبت کوچکی بین معیارهای نمره دهی آیلتس و مجموعه متغیرهای زبانی موجود در این مطالعه پیدا کردیم.

 

نتایج پنج مدل رگرسیون ویژگی‌های زبانی را نشان داد که به شدت سطوح مهارت نوشتن آیلتس را پیش‌بینی می‌کرد. در هر پنج مدل، طول مقاله قوی‌ترین پیش‌بینی‌کننده بود، با مقادیر R2 از 18٪ تا 25٪. این یافته با یافته های تحقیقات قبلی در مورد کیفیت نوشتار مطابقت دارد (به عنوان مثال، مک آرتور و همکاران، 2019).

 

علاوه بر طول مقاله، دیگر پیش‌بینی‌کننده‌های مهم نمرات نوشتاری عبارت بودند از پیچیدگی واژگانی، پیچیدگی گفتمان، و تنوع واژگانی. این یافته یافته‌های تحقیقات قبلی را که همبستگی مثبتی بین تنوع واژگانی و توسعه نوشتاری ELL نشان داده‌اند تأیید کرد (به عنوان مثال، مالورن و همکاران، 2004؛ یو، 2010).

 

در این مطالعه، پیچیدگی گفتمان را به عنوان میزان همپوشانی کلمات محتوا در جملات مجاور در نمونه‌های نوشتاری آزمون‌دهنده عملیاتی کردیم. از آنجایی که این ویژگی توسعه نوشتن L2 را به شدت پیش بینی می کرد (کراسلی و همکاران، 2016)، همچنین ارتباط قابل توجهی با نمرات رایتینگ آیلتس نشان داد.

 

علاوه بر این، نمرات پاسخ وظیفه نیز به طور قابل توجهی توسط پیچیدگی واژگانی و پیچیدگی گرامری پیش‌بینی شد. توجه داشته باشید که در این مطالعه، پیچیدگی دستوری از طریق یک رویکرد ثبت-کارکردی که شامل ساختارهای واژگانی- دستوری فردی است، مورد تجزیه و تحلیل قرار گرفت (Biber et al., 2020). این به ویژه بر روی ویژگی های پیچیدگی عبارت اسمی تمرکز کرد. همانطور که بسیاری از مطالعات (به عنوان مثال، پارکینسون و ماسگریو، 2014؛ تاگوچی و همکاران، 2014) همبستگی قوی بین این ویژگی ها و توسعه نوشتن L2 را نشان دادند، تعجب آور نیست که ببینیم آنها نمرات رایتینگ آیلتس را نیز به شدت پیش بینی کردند.

 

پس از در نظر گرفتن طول مقاله، نمرات انسجام و انسجام به طور قابل توجهی توسط پیچیدگی واژگانی، تنوع واژگانی، و پیچیدگی گفتمان پیش‌بینی شد.

 

با توجه به توصیفگرهای باند وظیفه نوشتن آیلتس، معیار انسجام و پیوستگی با توالی منطقی اطلاعات و ایده ها همراه با استفاده خوب از دستگاه های منسجم و مدیریت واضح پاراگراف بندی توصیف می شود.

 

بنابراین، دیدن چنین ویژگی‌های واژگانی و گفتمانی در پیش‌بینی امتیازها دور از انتظار نیست. علاوه بر طول مقاله، منابع واژگانی به طور قابل توجهی توسط پیچیدگی گفتمان، پیچیدگی واژگانی، و تنوع واژگانی پیش‌بینی شد. با توجه به اینکه منابع واژگانی شامل توصیفگرهای باندی در مورد طیف گسترده ای از واژگان با کنترل طبیعی و پیچیده ویژگی های واژگانی است، این ویژگی های واژگانی به عنوان پیش بینی کننده های مهم تا حدودی قابل پیش بینی هستند. این یافته ها همچنین از یافته های قبلی پشتیبانی می کنند (به عنوان مثال، کیم و همکاران، 2018؛ کایل و کراسلی، 2016).

 

در نهایت، پس از طول مقاله، پیش‌بینی‌کننده‌های معنی‌دار محدوده دستوری و دقت عبارت بودند از پیچیدگی گفتمان، تنوع واژگانی و پیچیدگی واژگانی. شگفت آور بود که متوجه شدیم پیچیدگی دستوری تنها متغیر زبانی است که نمرات محدوده گرامری و دقت را پیش بینی نمی کند. در مجموع به نظر می رسد که ویژگی های زبانی می تواند نمرات رایتینگ آیلتس و نمرات فرعی را با سطوح متوسط ​​از واریانس پیش بینی کند.

 

تأثیر عوامل پیشینه یادگیرنده بر بهبود نوشتار زبان آموزان ( Impact of learner background factors on learners’ writing improvement )

 

برای سومین سوال تحقیق، هدف ما تعیین این بود که چگونه ویژگی‌های نوشتاری در طول زمان تغییر می‌کنند و چگونه این تغییرات توسط متغیرهای پس‌زمینه آزمون‌دهنده و متغیرهای زبانی توضیح داده می‌شوند. نمرات افزایش طول مقاله پیش بینی کننده قابل توجهی در چهار مدل از پنج مدل بود. این امر یافته های ما را برای سوال تحقیق 2 در رابطه با اهمیت این متغیر تایید می کند. طول انشا نه تنها نمرات آزمون را پیش بینی می کند، بلکه دستاوردهای آن را نیز در طول زمان پیش بینی می کند. مدتهاست که مشخص شده است که این متغیر با کیفیت نوشتار همبستگی دارد (به عنوان مثال، Witte & Faigley، 1981). یک بحث مداوم در مورد "این که آیا طول متن یک جنبه مرتبط با ساختار توانایی نوشتن است یا منبعی برای سوگیری قضاوت" وجود دارد (Fleckenstein) و همکاران، 2020). محققانی که موضع دوم را اتخاذ می‌کنند، استدلال کرده‌اند که طول مقاله متغیری است که به جای تجزیه و تحلیل در تحقیق در مورد کیفیت نوشتار، باید آن را کنترل کرد (جو، 2021). ما طول مقاله را در این تحلیل در تلاش برای اندازه‌گیری میزان واریانس در نمرات نوشتاری که از سازه‌های دیگر مانند پیچیدگی گفتمان منحصربه‌فرد است، گنجانده‌ایم. تأثیر قوی طول مقاله که در این مطالعه آشکار شد، نیاز به تحقیقات بیشتر در مورد این متغیر و ارتباط آن با هدف، سازه‌ها و طراحی آزمون رایتینگ آیلتس را نشان می‌دهد.

 

تجربه تحصیل قبلی در خارج از کشور به عنوان یک پیش بینی کننده مهم در سه مدل از پنج مدل ظاهر شد. این امر بر اهمیت غوطه وری فراگیرنده در زمینه های ESL تاکید می کند. در واقع، تجربه تحصیل در خارج از کشور یا تماس زبانی اثرات مثبتی بر رشد واژگانی زبان آموزان نشان داده است (به Collentine، 2004؛ Milton & Meara، 1995 مراجعه کنید). تحصیل در خارج از کشور و تجربیات ESL می تواند غوطه ور شدن در زبان مقصد را فراهم کند که می تواند به طور کلی بهبود مهارت های عملکردی را تسهیل کند.

 

برای کسب نمره کلی نوشتن، مهارت زبان آموزان و تجربه تحصیل در خارج از کشور کمک قابل توجهی داشته است. به طور خاص، مهارت به طور منفی با دستاوردهای نوشتن مرتبط بود، به این معنی که هر چه کاندیداها مهارت بیشتری داشته باشند، پیشرفت کمتری داشتند. این یافته با یافته‌های کانگ و همکاران (2021) مطابقت دارد که نشان می‌دهد بهبود محدودی در مهارت‌های گفتاری شرکت‌کنندگان در آزمون آیلتس، به‌ویژه در میان زبان‌آموزان با مهارت بالا وجود دارد. مهارت همچنین رابطه منفی با دستاوردهای زیر امتیاز پاسخ وظیفه را نشان داد. با کمال تعجب، ساعات مطالعه یا میزان استفاده از زبان مقصد، افزایش امتیاز نوشتن را پیش‌بینی نمی‌کرد.

 

در نهایت، نمرات کسب تنوع واژگانی نیز پیش‌بینی‌کننده قابل‌توجهی در دو مدل بود، که نشان می‌دهد آزمون‌دهندگانی که تنوع واژگانی نوشتار خود را افزایش می‌دهند، بیشتر در نمرات آزمون خود سود می‌برند. این یافته مطابق با تحقیقات قبلی است که نشان داده است پیچیدگی واژگانی یک پیش بینی کننده قوی برای کیفیت نوشتن L2 است (لی و همکاران، 2021).

 

به طور کلی، نتایج مولفه نوشتاری این مطالعه نشان می‌دهد که توسعه نوشتاری زبان‌آموزان را می‌توان با ترکیبی از متغیرهای زبانی و همچنین متغیرهای مرتبط با ویژگی‌های پیش‌زمینه زبان‌آموز توضیح داد. همانطور که بر اساس تحقیقات قبلی انتظار می رفت، طول متن یک پیش بینی کننده قوی برای نمرات نوشتن بود. علاوه بر این، سایر متغیرهای زبانی مرتبط با پیچیدگی واژگانی، پیچیدگی گفتمان، و تنوع واژگانی باعث ایجاد واریانس در نمرات نوشتاری شدند. مشخصه پیشینه زبان آموزی که به شدت توسعه نوشتار یادگیرنده را پیش بینی کرد، تجربه قبلی در خارج از کشور بود که اهمیت قرار گرفتن در معرض زبان در زمینه های ESL را برجسته می کند.

 

نتایج نهایی تحقیق در مورد آیلتس :

 

از طریق این پروژه، ما سعی کرده‌ایم درک خود را از یادگیری و پیشرفت زبان با تلاش برای پاسخ به سؤالاتی مانند: (1) ویژگی‌های کلی صحبت کردن که سطوح مهارت صحبت کردن آیلتس را متمایز می‌کند، گسترش دهیم؟ (2) ویژگی های کلی رایتینگ که سطوح مهارت رایتینگ آیلتس را متمایز می کند چیست؟ و (3) چگونه ویژگی‌های رایتینگ در طول زمان تغییر می‌کنند و چگونه متغیرهای پس‌زمینه با چنین پیشرفت زبانی رایتینگ آیلتس ارتباط دارند؟ با این حال، پیش‌بینی الگوی یادگیری زبان در واقع فرآیند ساده‌ای نیست، زیرا می‌تواند شامل عوامل پیش‌بینی نشده مختلفی باشد که تحت تأثیر موقعیت‌های فردی، اجتماعی و محیطی افراد قرار می‌گیرند. بی شک متغیرهای مورد بررسی در این پژوهش از نظر دامنه و طول محدود هستند. همانطور که در گزارش کانگ و همکاران (2021) مشاهده شد، حتی اگر ما از امتیازات آیلتس به عنوان شاخصی برای بهبود توانایی زبان در آن مطالعه استفاده کردیم، ممکن است لزوماً به معنای شواهدی از افزایش واقعی مهارت زبان نباشد. علی‌رغم این محدودیت‌ها، برخی مفاهیم را می‌توان از یافته‌های این مطالعه پیگیری، به‌ویژه در مورد ویژگی‌های مرتبط با سطح مهارت برای مهارت‌های نوشتاری و گفتاری، استخراج کرد.

 

طبق یافته‌های کانگ و همکاران (2021)، یک دوره 12 هفته‌ای مطالعه فشرده در زمینه زبان انگلیسی، تغییرات قابل‌توجهی در نمرات باند نوشتن آیلتس ایجاد نکرد، به‌ویژه اگر زبان‌آموزان قبلاً سطح بالایی از مهارت داشتند. به خصوص، زبان آموزان پیشرفته انگلیسی ممکن است نیاز داشته باشند از این واقعیت مطلع شوند که ممکن است کسب امتیاز کمی کندتر باشد.

 

در سطوح بالا نسبت به سطوح پایین تر. با این حال، زبان آموزان با مهارت پایین ممکن است بهبود قابل اندازه گیری را در نمره کلی نوشتاری خود نشان دهند. این بهبود همچنین می تواند انگیزه واقعی را برای یادگیرندگان با مهارت پایین فراهم کند که می تواند بر نگرش کلی آنها نسبت به مطالعه تأثیر بگذارد. یکی از مهم‌ترین الگوهای تغییر زبانی نیز این بود که چگونه مهارت با ویژگی‌های زبانی مختلف در اجراهای نوشتاری مرتبط است. در نتیجه، برنامه‌ها و مؤسسات زبان می‌توانند آزمون‌های تشخیصی را برای ارزیابی سطوح مهارت اولیه دانش‌آموزان قبل از شروع برنامه برای این نوع مهارت‌های مبتنی بر عملکرد مانند مهارت‌های نوشتاری و گفتاری در نظر بگیرند و اهداف و نتایج یادگیری در سطح خاصی را بر این اساس ارائه دهند.

 

همچنین، نرخ گفتار پیش بینی کننده قوی برای نمرات کلی صحبت کردن و همچنین برخی از نمرات فرعی بود. این شاید نشان دهد که ویژگی های مربوط به سرعت گفتار را می توان تا حدودی سریعتر از سایر مهارت های فرعی بهبود بخشید. طول انشا خود عامل مهمی در پیش بینی اجراهای نوشتاری بود. به نظر می رسد که برخی از این ویژگی ها در مورد تأثیرگذاری بر رتبه بندی مهارت زبان آموزان، برجسته تر از سایرین هستند. به طور کلی، مربیان و تمرین کنندگان آزمون باید در نظر داشته باشند که یادگیری زبان از یک رابطه خطی و یکنواخت پیروی نمی کند. همانطور که چند مورد را تکرار کردیم بارها در این گزارش، این یک فرآیند پیچیده و غیرقابل پیش بینی است. هیچ ویژگی واحدی به طور مستقل مهارت را پیش‌بینی نکرده است، اما ترکیبی از همه ویژگی‌های زبانی در هم تنیده است. به طور کلی، این رشته از رویکردهای چند بعدی برای درک بهتر زبان آموزان و پیشرفت آنها، نیازها و پیشینه آنها، و انتظارات آنها و همچنین رفتارهای یادگیری آنها سود می برد.