论文部分内容阅读
教育评估是教学活动不可或缺的一个环节。在教育评估中运用数学模型和软件收集、分析数据,加强对学生学习过程的监测,是形成性评估的重要内容及发展方向之一。然而,当前将形成性评估应用到非英语专业博士研究生英语学术论文写作中的研究并不多见,将某一数学模型应用到该领域的研究也少之又少。本论文将一种数学模型—数据包络分析模型与形成性评估相结合并运用到非英语专业博士生英语学术论文写作中,对学生学习过程进行跟踪监测并对其学习有效性进行评价。 数据包络分析(Data Envelopment Analysis,DEA)方法是运用数学规划模型来对同类型的部门或单位(称为决策单元,decision making unit——DMU)进行效率评价,其评价的依据是决策单元的“输入”数据和“输出”数据,在此基础上实现对各个决策单元的综合分析,确定每个决策单元的有效性,并指出其非有效的原因和程度,从而对每个决策单元加以改进。本文研究思路即是将学生的学习过程看成是一个投入产出系统,对该系统的投入效率即学生的学习效率进行评价,分析研究各自的特点、差异,为正确引导学生的有效学习提供参考。 数据包络分析与形成性评估相一致的是,二者都是对学生学习过程的跟踪监测而非对其学习最终成绩的鉴定。但数据包络分析是通过设定相关的输入输出变量来完成对学生学习效率的评价。 本文通过两次实验在非英语专业博士研究生英语学术论文写作形成性评估中运用数据包络分析方法,对学生的学习有效性进行检测,以期达到以下目的:1)得到每位学生学习的相对效率,利用结果分析其有效或非有效原因,提出改进建议,促进其学习;2)对老师来说,找到学生英语学术写作学习过程中存在的整体问题,宏观上提出切实可行的解决办法。3)反馈教学。对非英语专业博士研究生英语学术写作教学在教材设置、课程设置、教学过程及教学评估等方面提供可能性建议。本论文的独创性体现在以下方面:1)将数据包络分析应用到英语写作教学当中;2)将形成性评估与DEA方法相结合并运用到非英语专业博士研究生英语学术论文写作中。 实验以75名北京林业大学非英语专业博士研究生为研究对象,按照DEA模型的研究路线,结合形成性评估手段包括前测、反馈、问卷调查等收集数据,并量化定性数据。得到的数据采用DEA模型中的DEA—Solver软件和Excel软件进行分析。研究结果表明:DEA方法可以对学生的学习情况进行全面的、综合的分析,帮助学生调整学习策略,提出改进建议,作用显著;学生可分析自己在整个班级中的学习效率,找到影响自身学习的关键因素。此成果有助于进一步研究DEA模型在形成性评估和其他英语教学活动中的中的深层次应用,同时为DEA模型作为独立手段在教学评价中的应用提供一定的参考。