学术观点授课型二语习得研究30年回顾——基于WoS检索期刊的知识图谱分析语言学教学英语

二语习得研究是在语言教学后方法时代迅速发展起来的新兴研究领域之一。在教学方法范式式微、二语习得研究兴起的大背景下,语言教学,特别是课堂语言教学应该扮演何种角色,是一个见仁见智的问题。Krashen(1981)首次提出“二语习得”这一术语,并指出我们使用第二语言的能力主要来自习得,而非学得的知识,因而要弱化课堂环境下正式教学在二语习得中的作用,并将提供可理解性输入作为唯一的、根本的教学原则。在这种重习得、轻学得的语境下,学习者在课堂教学场域的语言学习现象及规律研究被严重边缘化,而探索自然语言学习环境下的二语习得顺序以及普遍语法对二语习得的作用,一度成为二语习得的主流范式。这种以语言学为主的研究范式直到20世纪90年代才被打破。Long&Robinson(1998)提出的聚焦形式的观点和互动假说和Skehan(1998)在认知心理学原理指导下对任务型教学中认知因素的探讨,将二语习得研究重新投向二语学习的最主要场域——二语课堂,由此催生了二语习得研究中一个重要领域—授课型二语习得(InstructedSecondLanguageAcquisition,简称“二语授得”)。

Ellis(1990)在其专著lnstructedSecondLanguageAcquisition:LearningintheClassroom中首先提出二语授得概念。近20多年来,国际上有影响力的应用语言学和二语习得期刊,如TheModernLanguageJournal、SecondLanguageResearch、StudiesinSecondLanguageLearningandTeaching分别推出二语授得研究专号,促进了二语习得和语言教学两个领域的学术对话。2017年,InstructedSecondLanguageAcquisition期刊正式面向全球发行。这些趋势表明,将二语习得理论和方法与课堂相结合的教学实践研究已成为二语习得研究的重要话题和热点话题。

1)近30年,国际上二语授得研究的总体发展趋势是什么?

2)近30年,国际上二语授得研究有哪些研究热点和主要发现?

本研究检索的903篇论文发表在145种期刊上,主要为语言学、心理学、教育学、教育技术学、应用心理语言学、神经语言学等领域的期刊。从分布来看,近30年以二语授得为主题且发文量超过20篇的期刊有TheModernLanguageJournal(77篇)、LanguageLearning(69篇)、ForeignLanguageAnnals(56篇)、LanguageTeachingResearch(40篇)、StudiesinSecondLanguageAcquisition(33篇)、HispaniaJournalDevotedtotheTeachingofSpanishandPortuguese(26篇)、AppliedLinguistics(25篇)、CanadianModernLanguageReview(24篇)、System(24篇),共计发文374篇,约占所有检索论文的41.42%。

本研究选用美国德雷塞尔大学(DrexelUniversity)陈超美开发的文献分析软件CGteSpace5.0作为数据挖掘和文献计量的工具(Chen2006;陈超美等2009)。该软件被引介到国内后,在许多学科得到广泛应用。在语言学研究领域,一些研究者也利用该工具对国内外语料库研究、翻译研究、批评话语分析和语用学研究等进行数据挖掘和知识图谱分析(如冯佳等2014;彭剑娥2017;袁周敏、刘环环2017)。

为了全面了解近30年国际上二语授得研究的总体发展趋势,本文以WebofScience数据库中该领域的发文量和关键词在1989-2018年的发展为总体发展趋势分析指标。同时,我们使用了CiteSpace5.0基于关键词的聚类分析及被引文献的三个核心指标(被引频次、中心度、激增指数)来探究国际上二语授得研究的热点议题和主要发现,据此呈现国际上二语授得研究的核心议题和主要成果。

3结果与讨论

3.1国际上二语授得研究的发展历程与主题演进

首先,我们通过近30年来二语授得研究每年的发文量来考察二语授得研究的历时发展趋势。表1以五年为单位,统计了WebofScience数据库自1989年至2018年这30年的二语授得研究领域的发文量。

3.2授课型二语习得研究热点和主要发现

图2显示,前五个聚类构成二语授得研究的核心和热点,这五个聚类内部关键词的交又和重叠非常频繁,而后五个聚类的边界比较清晰,曾在一定时段里成为二语授得研究的热点话题。二语授得研究的第一个热点话题“语法”约形成于2000年前后,因为该时期的二语习得研究以探索普遍语法在二语习得过程中的作用为主。2007年前后是一个显著的分界点,研究主题开始呈现多元化发展趋势,一些影响至今的研究热点开始形成,其关键词迭代比较频繁,最显著的变化是由语言学为主的关键词(如语法、词汇等)向认知心理学为主的关键词(如反馈、显性、隐性、协商、互动、输入、输出、强化等)转变,标志着该领域的研究不断向纵深发展。

我们以任务型教学为例来说明这一趋势。我们知道,早在20世纪80年代初,印度应用语言学家Prabhu(1987)就在其交际法语言教学实验中提出了任务型教学思想和方法的维形。20世纪80年代后期至90年代,一些二语习得研究者开始运用实证研究的方法,在Long的聚焦形式及互动假说的框架下,来观察任务型语言教学场域中的语言输入和产出变量的规律及效果,如意义协商、形式聚焦、纠正性反馈及元语言反思等(如Crookes&Gass1993;Long1985),学界对这一热点话题的讨论一直持续到21世纪,以至于需要用元分析等综合性文献分析手段来评估任务型二语教学环境中语言互动及纠正性反馈的效果(Li2010)。同时,另一些研究者则另辟蹊径,在认知心理学框架内,探索不同的任务类型及任务阶段对第二语言产出的认知资源的需求和限制,以及任务对二语准确性、流利性及复杂性的影响(Ellis2003;Robinson2007;Skehan1998)。此外,该时段正值计算机网络技术在语言教学中广泛普及和应用时期,在计算机中介交际(computer-mediatedcommunication,简称CMC)环境下任务型教学设计也助推了任务型教学研究的热度(Smith2003,2005)。

3.2.2文献被引信息分析

在表3中,有2个文献(即:Lyster2004;Leeman2003)在三项指标中均居前十之列,还有6个文献(即:Ammar&Spada2006;Li2010;Long2006;Lyster&Saito2010;Norris&Ortega2000;Spada&Tomita2010)也在其中的两项指标中排名居前。去除这些重复文献,表3中有效文献数应为20个,其中专著3部(即:Ellis2003;Long2006;VanPatten1996),论文集收录论文一篇(即Long&Robinson1998),其他16个均为二语教学与习得期刊中发表的论文。在这20个文献中,除Long(2006)的专著主要讨论二语习得重要的理论问题以外,其余文献均针对二语授得中的具体问题。

3.2.3二语授得核心文献的核心议题—一反馈与互动

Long提出的互动假说将二语教学中的反馈与互动从语言特征分析范式转向对互动与反馈的认知机制进行探讨。Long&Robinson(1998)全面综述并系统梳理了交际形式聚焦(focusonform)、意义聚焦(focusonmeaning)、单纯形式聚焦(focusonforms)这三种教学方法和思想历时发展的研究文献,并从注意的认知机制角度对这三种方法进行了比较分析。他们认为有意义的交际形式聚焦综合了单纯形式聚焦和意义聚焦的优点,将认知资源分配到需要聚焦的语言形式方面,因而比其他两种方法更具优势。该文是理解Long的互动假说和形式聚焦思想的基础文献,因此在反馈与互动成为二语授得研究的核心议题后,该文的被引频次、激增指数急剧上升。

Spada&Lightbown(1993)较早在课堂教学环境中通过实证研究来检验互动假说,发现交际互动条件下的形式聚焦和纠错反馈对学生短期或长期的问句结构学习均有显著的积极影响。Panova&Lyster(2002)基于10个小时课堂话语的转写文本,考察了不同类型的纠错反馈和学生的接纳(uptake)情况,发现教师对隐性的重构反馈(如重铸和翻译)表现出明显的偏爱,但学生对反馈的接纳程度和即时矫正率则相对较低。Ellisetal.(2006)则比较了显性和隐性纠错反馈对二语英语过去时结构习得的影响,发现无论是在即时后测还是延时后测中,显性反馈都比隐性反馈更具优势。

并非所有研究都支持重铸对二语目标结构习得的显著作用。Lyster(1998)通过课堂重铸教学片段与非纠正性重复反馈的功能对比发现,教师使用后者的频率更高,其主要目的是促进课堂话题延续和交际活动顺利进行。Lyster(2004)和Ammar&Spada(2006)均对比了重铸和提示(prompt)两种反馈形式对目标结构习得的影响,两项研究结果均显示,提示更有助于二语目标结构的习得。

3.2.4二语授得核心文献的主要方法——元分析

4结语

如果我们把二语习得理论比作二语教学方法的概念产品,把可以推广到语言课堂上的教学原则或方法比作最终投放到市场上的量产产品,那么二语授得研究则是连接概念产品和量产产品的实验室产品,是语言学习理论转变为语言教学理论或指导原则不可或缺的重要环节。我们欣喜地看到,经过30年的发展,通过二语授得实验室的“孵化”,一些二语习得研究中提出的理念和方法正在变成可以批量进入课堂的指导性教学原则或理论,二语授得研究也因此变成连接二语习得理论和教学实践的桥梁。例如,最早提出InstructedSecondLanguageAcquisition这一概念的R.Ellis,在系统总结和梳理二语授得实证研究成果的基础上,提出了具有广泛影响力的二语教学十大原则(Ellis2005)。基于对互动假说和聚焦形式的长期研究,Long(2017)近年来正在构建认知一互动教学理论(Cognitive-InteractionistTheory)。我国二语习得研究的领军人物也在长期从事二语习得研究的基础上,提出了“产出导向法”(文秋芳2015)和续理论(王初明2016),致力于构建二语授得理论的中国话语体系。

正如所有的文献计量研究一样,本文的研究证据主要来自计算机对大量文献条目信息的挖掘和分析,其优势在于对研究趋势和热点的宏观把握和准确描述,但其局限在于对正文文本内容缺乏深度分析。这也是我们在二语授得后续研究中需要进一步解决的问题。

THE END
1.面试总结,十大数据预处理方法!数据预处理方法的重要性在于它能够清洗和转换原始数据,使其适合用于机器学习模型训练。有效的预处理可以帮助去除噪声、处理缺失值和异常数据,提升模型的准确性和稳定性。 此外,合适的预处理还能减少模型过拟合的风险,增强模型的泛化能力。 今儿总结的十个方面的数据预处理方法,https://mp.weixin.qq.com/s?__biz=MjM5NzEyMzg4MA==&mid=2649508484&idx=4&sn=34a64015791748ac0f28fee2e107bcec&chksm=bf1edcfc1d0bc191805601740b1706942b62a12c8955315a78069a1dc61e7ec4d7138b0837ea&scene=27
2.数据挖掘七种常用的方法汇总腾讯云开发者社区聚类分群效果可以用向量数据之间的相似度来衡量,向量数据之间的相似度定义为两个向量之间的距离(实时向量数据与聚类中心向量数据),距离越近则相似度越大,即该实时向量数据归为某个聚类。 数据挖掘方法 利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等, 它https://cloud.tencent.com/developer/article/1892597
3.数据挖掘的四种基本方法数据挖掘的四种基本方法 东奥美国注册管理会计师 2024-12-06 14:51:12 遗传算法 遗传算法是一种依据微生物自然选择学说与基因遗传原理的恣意优化算法,是一种仿生技能全局性提升办法。遗传算法具有的暗含并行性、便于和其他实体模型交融等特性促使它在数据发掘中被多方面运用。https://www.dongao.com/cma/zy/202406204447292.html
4.16种数据挖掘技术预测是数据挖掘的一个非常强大的方面,它代表了分析的四个分支之一。预测分析使用在当前或历史数据中发现的模式来将其扩展到未来。因此,它使组织能够洞察其数据中的下一个趋势。使用预测分析有几种不同的方法。一些更先进的涉及机器学习和人工智能的方面。然而,预测分析并不一定依赖于这些技术——它也可以用更直接https://baijiahao.baidu.com/s?id=1786242884956031097&wfr=spider&for=pc
5.数据挖掘的几种方法有哪些帆软数字化转型知识库数据挖掘的方法包括分类、聚类、回归、关联规则、序列模式、异常检测和降维技术等。其中,分类是一种常见且重要的数据挖掘方法,通过对数据进行标记,帮助识别数据所属的类别。分类算法包括决策树、支持向量机和神经网络等。分类算法的核心在于通过训练集来生成分类模型,再用这个模型对新数据进行分类。比如在电子邮件分类中,https://www.fanruan.com/blog/article/594745/
6.三种常见的数据挖掘方法有刷刷题APP(shuashuati.com)是专业的大学生刷题搜题拍题答疑工具,刷刷题提供三种常见的数据挖掘方法有___、___、___的答案解析,刷刷题为用户提供专业的考试题库练习。一分钟将考试题Word文档/Excel文档/PDF文档转化为在线题库,制作自己的电子错题本,提高学https://www.shuashuati.com/ti/e957af7720234200a5f3642f5f4ef282.html?fm=bdded973fbd04bb56579e77a2b97eb0092
7.数据挖掘消除噪音的三种方法数据挖掘噪声数据挖掘消除噪音的三种方法 数据挖掘噪声 [b]数据挖掘:[/b] 从数据中获取知识,辅助科学决策。 可以发掘埋藏在海量数据中有价值的信息。 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又有潜在有用信息和知识的过程。https://blog.51cto.com/u_16099341/9134248
8.使用代理IP的三种方法通过代理IP服务商,就可以从后台登录账号获取免费代理ip,生成API接口,连接后就可以调用API接口来提取IP,这种方法大多用于网络爬虫,数据挖掘等等业务,相关工作者会根据业务需求来编写代码以此实现IP切换。切换的方式有很多种,一种是通过API接口获取代理IP,然后通过代码控制切换代理IP。 https://www.iphai.cn/info/1295.html
9.故障诊断方法有哪三种CAN故障诊断方法介绍故障诊断方法有哪三种 CAN故障诊断方法介绍 描述 目前国内商用汽车普遍采用J1939通信协议构架CAN通信网络。CAN总线发生故障时,如何高效地查找故障原因,一直是困扰维修工一大难题。 本文以欧曼GTL超能版重卡为例,就CAN线开路和短路故障给出了排查方案,相信会对广大维修工有所帮助。欧曼GTL超能版重卡CAN网络拓扑结构如下图https://m.elecfans.com/article/2204252.html
10.三种差异分析的整理针对测序数据和芯片数据,目前常用差异分析的R包有edgeR、limma、DESeq2,做一简单比较,方便平时分析。内容多为搬运,主要方便下次寻找。 1. 三种分析方法的比较 三种分析比较 image.png 三种packages的比较 1.limma包做差异分析要求数据满足正态分布或近似正态分布,如基因芯片、TPM格式的高通量测序数据。 https://www.jianshu.com/p/cd1b38215f8a
11.企业网站推广方案推荐5篇2、数据挖掘。数据挖掘是一个很不错的方法,这个方法主要是企业线下积累的一些东西,每个企业都应该有企业策划人员,长年下来会累积各种各样的新闻文章和产品知识文章,笔者就见过这样的,然后把积累的内容放在线上的网站里,很值得一试。 3、无版权内容。无版权内容可能会有站长们想问什么是无版权内容,一般来说作者死了https://www.liuxue86.com/a/4880489.html
12.科学网—基于人工智能和被动微波遥感同时反演土壤水分和地表温度如何将这三种方法统一起来,这是我读研究生以来一直在思考的问题。这里以被动微波反演地表温度和土壤水分为例来说明。我(毛克彪)2001年在南京大学计算机系周志华教授数据挖掘课堂上学习神经网络时,我就认为神经网络就是一个高级的优化算法,如果简单地采集数据,输入数据和输出数据之间没有明确的物理数学关系,那么这时的神经https://blog.sciencenet.cn/blog-67260-1383024.html
13.数据挖掘的常用方法有哪些?从大规模的文本数据中提取有用的信息和知识,例如主题提取、情感分析等。分析和挖掘复杂的网络结构中的https://www.zhihu.com/question/619824565
14.数据挖掘的常用方法都有哪些?在数据分析中,数据挖掘工作是一个十分重要的工作,可以说,数据挖掘工作占据数据分析工作的时间将近一半,由此可见数据挖掘的重要性,要想做好数据挖掘工作需要掌握一些方法,那么数据挖掘的常用方法都有哪些呢?下面就由小编为大家解答一下这个问题。 首先给大家说一下神经网络方法。神经网络是模拟人类的形象直觉思维,在生物http://api.cda.cn/view/26507.html
15.数据挖掘与分析的六种经典方法论最近梳理了一下数据挖掘与分析的常用方法论,这里简要介绍6种模型。 1、CRISP-DM 模型 CRISP-DM是CrossIndustry Standard Process for Data Mining(跨行业数据挖掘标准流程)的字母缩写。CRISP-DM是由一家欧洲财团(时称SIG组织)在20世纪90年代中后期提出来的,是一套用于开放的数据挖掘项目的标准化方法,也是业内公认https://www.niaogebiji.com/article-30475-1.html
16.浅析数据挖掘的四种基本方法浅析数据挖掘的四种基本方法 我们生活在大数据时代,当今的互联网已经发展到大数据时代了,如今的信息技术从数据处理向数据分析和理解的方向一直在转变,如今企业都在不断的收集各种数据,从大数据中挖掘有用的数据信息,数据挖掘出有价值的数据。现在数据挖掘技术已经成为企业不可缺少的技术,需要收集海量的数据,从海量数据中https://www.kkidc.com/about/detail/hcid/196/id/1857.html
17.利用数据挖掘的知识挖掘方法?Worktile社区总结:通过对数据挖掘的概念、技术分类、常用算法和应用案例等内容的介绍,可以了解数据挖掘在各个领域中的重要作用,以及其面临的挑战和发展趋势。同时,了解数据挖掘的基本流程和方法,有助于更好地应用于实际问题中。数据挖掘作为一门重要的数据分析技术,将在未来的发展中发挥越来越大的作用,为人们的生活和工作带来更多https://worktile.com/kb/ask/85519.html
18.成都永陵博物馆数字化建设规划方案(摘要)数据挖掘是从大量的数据中抽取出潜在的、有价值的知识(模型或规则)的过程。当今世界上发达国家的“计算机辅助信息管理系统”,随着数据仓库技术(DW)和在线分析处理技术(OLAP)的发展,已有过去的单纯的管理型发展到管理决策型。 数据挖掘技术包含以下六种分析方法: https://www.dpm.org.cn/study_detail/100199.html
19.数据挖掘的几种方法理想股票技术论坛数据挖掘是通过使用各种方法和技术来发现、提取和分析大量数据中隐藏的价值信息的过程。常用的数据挖掘方法包括聚类、分类、关联规则挖掘等,而数据挖掘算法则是实现这些方法的具体计算模型和技术手段。在数据挖掘领域,掌握各种数据挖掘方法和技术是进行有效数据分析和决策https://www.55188.com/tag-7077656.html
20.高效实施数据挖掘的方法和步骤yuanye1014有了优秀方法论的指导,还需要一个高效的数据挖掘工具。目前提供数据挖掘产品的厂商非常多,如著名的产品有SAS Enterprise Miner、SPSS Clementine 8.1(简体中文版)、IBM DB2 Intelligent Mine等,这些产品各有特色。 选择一款适合的数据挖掘工具,主要从以下几方面来考虑。下面我们根据CRISP-DM方法论,从数据挖掘项目的各个阶http://blog.chinaunix.net/uid-64814-id-2690182.html