资源描述：
《结构方程模型论文：动机取向下二语词汇习得模式的结构研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、结构方程模型论文：动机取向下二语词汇习得模式的结构研究【中文摘要】本论文采用结构方程模型统计方法(SEM),根据D(o
2、¨)rnyei(2005)的过程导向学习动机理论,把学习动机与词汇知识通过六个潜在变量有效整合起来,构建了一个假设模型图,去深度探索动机取向下二语词汇习得过程的结构模式。根据D(o
3、¨)rnyei(2005)的理论,模型中假设了六个潜在变量:词汇学习背景的初步评估,词汇学习中的自我调节能力,词汇学习策略的使用,词汇学习技巧的掌握,词汇知识,以及词汇学习技巧的后期效果评估。并通过相关文献的大量考察,
4、分别假设了六个变量之间的模型关系。学习动机作为外语学习成功与否的决定性因素,早已引起学者的普遍关注。然而在目前的二语习得研究中,不管理论上还是实践上,都很少有人把词汇学习和动机联系起来,去探索动机取向下词汇学习过程的模式,更没有一个明确的结构模型以供参考。笔者随机选取了辽宁师范大学108(N=108)名非英语专业大学一年级新生作为实验对象,通过调查问卷收集数据.本研究采用AMOS分析软件对数据进行分析。首先在前测中使用主轴因子分析法(Principalaxisfactoringanalysis),来检验问卷的效度,
5、即:笔者所构念的测量指标能否有效的检验潜在变量。随后,采用模型基本适配指标检验(Modelfit),来决定假设模型与样本数据间的适配度情形,评估笔者所提的假设模型结构能否适用于样本数据。最后采用路径分析(Pathanalysis)对测量质量及潜在变量间的预测关系进行评估。根据检测得出的数据,对假设模型进行修正,重新评估,最终获得与样本数据良好适配的理论模型。所得的理论模型显示词汇学习遵循一个不断发展的模式,并且是一个循环往复的过程。在结构方程模型的分析过程中,数据显示:在词汇学习过程中,初始动机和自我调节作用尤为突
6、出;词汇学习技巧的掌握和学生的元认知控制能够有效的提高学习效率。该论文所得模型不仅为动机导向下二语词汇习得模式的研究领域起到抛砖引玉的作用,同时为二语习得学生在自学时提供一个自我认知自我监控不断进步的参照。论文最后,笔者对该模式修正过程中所遇到的问题进行了一系列深刻的反思与探讨,并对之后的研究进行了展望。【英文摘要】Thisstudyadoptingthestructuralequationmodelingapproach(SEM),basedontheprocess-orientedmotivationlearn
7、ingtheoryproposedbyD(o
8、¨)rnyei(2005),integratesmotivationandvocabularylearningknowledgewithsixlatentvariablesandhypothesizesastructuralmodelinordertoexplorethemotivatedL2vocabularylearningprocess.AccordingtoD(o
9、¨)rnyei(2005),sixlatentvariablesareassumed:theini
10、tialappraisalofvocabularylearningexperience,self-regulatingcapacityofvocabularylearning,strategicvocabularylearninginvolvement,andmasteryofvocabularylearningtactics,vocabularyknowledge,andpostappraisaloftheeffectivenessofvocabularylearningtactics.Motivation,as
11、thedeterminationfactorsofsuccessfulL2learning,hasarousedlotsofattention.However,ithasbeennotedthatneitherthetheoreticalnortheempiricalliteratureofmotivationhassofarshedenoughlightonthefieldofL2vocabularylearning(Laufer&Hulstijin,2001).Notevenaclearandauthentic
12、modelforreference.Inthisstudy,thewriterrandomlyselects108(N=108)non-English-majorfreshmenfromLiaoningnormaluniversityastheparticipants.Questionnaireisusedtocollectthedata.Structura
