资源描述：
《探讨理科大学生语言学习策略与个性因素的关系论文》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、探讨理科大学生语言学习策略与个性因素的关系论文.freelurt认为学习策略的运用上的个体差异受个性特质、学习风格、学习观念、学习动机等因素的影响。国内有学者也指出制约学习策略的学习者的因素包括“态度、动机、性格、认知能力和学习风格等”。可以看出,..不少学者都认识到学习者的个体差异是影响学习策略的一个重要因素,但是大多数还是停留在定性研究上,而且专门研究个性因素和学习策略的文章也很少见。本文采用问卷调查方式,运用SPSS工具,对个性因素和语言学习策略之间的关系进行了定量分析,以期帮助学生更好的认识自身的个性和学习策略,促进学生的学习。一、研究工具1、个性测量工具对于个性因素,本
2、文采用美国伊利诺州立大学卡特尔教授于1949年发表的人格测量版本:16项人格因素调查表(简称16PF),由我国华东师范大学戴忠恒和祝蓓里老师主修的《卡氏十六种人格因素量表(修订本)手册》进行测量。该两表已在国内外广泛使用,具有较好的信度和效度。2、语言学习策略量表本文采用的语言学习策略量表是西安交通大学外语部教师在参考国内外专家对语言学习策略的划分的基础上进行编制的。将语言学习策略分四个方面:(1)管理策略,即原认知策略;(2)情感策略;(3)认知策略,即学习方法或技巧,包括语言形式策略和语言功能策略;(4)交际策略。按照此划分方法,本问卷包括4个子问卷,共48道题,每道题要求被
3、试从“一点都不符合(1分)”到“非常符合(5分)”的五点评价尺度上作出选择,分数越高,表示语言学习策略水平越高。对该问卷进行信度检验,发现:“语言学习策略”量表各个子量表及总体问卷的信度系数(Cronbachα)大都在0.66-0.83之间,说明其内部一致性还是可以接受的。3、数据搜集与传统的问卷调查方式收集数据不同,此次数据收集是通过Inter实现的。将16PF个性调查问卷和语言学习策略调查问卷放在我们自行开发的“个性化语言学习与指导系统”上(为:202.117.16.110:80876或者english.xjtudlc.),让学生在线答题,将所有答题记录(当然包括个人信息)存
4、放到指定的Oracle数据库中,然后通过SPSS从Qracle数据库中直接导入数据进行的分析。收集到的原始数据是226条,经过数据清洗(即删除无效记录和重复记录),收集到的最终有效数据为197条。4、数据分析采用SPSS11.5对上述数据进行了分析。二、研究结果1、语言学习策略使用的总体状况为了检验学生整体在语言学习策略上的使用情况,对各语言学习策略进行了描述性统计,并根据平均数的大小将它们进行了排序。从数据中发现:在所有子策略中,情感策略的平均数最高(3.6912),其次为管理策略(3.5288)、交际策略(3.2445),而语言功能策略(2.8816)和语言形式策略(1.54
5、78)的平均数较低,均在3分以下。而语言功能策略和语言形式策略又同属于认知策略。这说明理科大学生在语言学习策略上最倾向于使用情感策略,而在认知策略的使用上倾向性最低。2、不同性别大学生的语言学习策略使用的比较为了检验男女大学生在语言学习策略使用时是否存在显著性差异,运用独立样本t检验的方法对不同性别大学生在语言学习策略上的使用情况进行了分析,结果发现男、女大学生在五种语言学习策略的运用上并不存在显著性差异。3、个性因素与语言学习策略的多元回归分析为了探讨个性因素对语言学习策略的预测力,我们以学习策略的各个子策略为因变量,以与各个子策略显著相关的卡特尔人格因素为自变量,进行了多元逐
6、步回归分析。结果发现:以每个子策略为因变量,以卡特尔个性因素为自变量建立起的五个回归方程的F值均具有显著性,说明这五个回归方程均有意义,而进入5个回归方程的个性因素只有8个,分别为:敢为性、恃强性、有恒性、紧张性、独立性、怀疑性、聪慧性、忧患性,而且这8个个性因素的标准化系数均具有显著性。具体来说,在管理策略上,有恒性和敢为性是有效正向预测变量,有恒性的预测力强于敢为性,它们能联合解释管理策略变异量的11.9%。在情感策略上,敢为性、恃强性、是有效正向预测变量,而紧张性是负向预测作用,其中恃强性的预测力最大,它们能联合解释情感策略变异量的16.7%。在语言形式策略上,有恒性是正向
7、预测变量,而紧张性、聪慧性为负向预测变量,其中有恒性的预测作用最大,它们三个联合解释语言形式策略变异量的12.7%。在语言功能策略上,敢为性是正向预测变量,而聪慧性、忧患性为负向预测变量,其中敢为性的预测租用最大,它们三个能解释语言功能策略变异量的17.2%。在交际测量略上,有恒性、怀疑性为正向预测变量,而紧张性和独立性则为负向预测变量,其中紧张性的预测作用最大,而它们四个能联合解释交际策略变异量的15.3%。三、结论运用多元回归分析发现:在16个个性因素中,只有8个个性因素进入
