مقایسه عملکرد دانشجویان دکتری در دو آزمون سنتی و الکترونیکی بسندگی زبان انگلیسی

الموضوعات :

مجتبی مقصودی ¹ , وحید رضا میرزاییان ² , مریم رودباری ³

1 - استادیار، گروه زبان انگلیسی، دانشگاه فرهنگیان، تهران، ایران
2 - استادیار ،گروه زبان انگلیسی، دانشگاه الزهرا، تهران، ایران
3 - مربی ،گروه زبان انگلیسی، دانشگاه آزاد اسلامی، نکا، ایران

تاريخ الإرسال : 23 الإثنين , جمادى الثانية, 1441 تاريخ التأكيد : 06 السبت , ربيع الثاني, 1442 تاريخ الإصدار : 06 الإثنين , جمادى الأولى, 1442

الکلمات المفتاحية: آزمون الکترونیکی, توانش زبان انگلیسی, آزمون کاغذی, دانشجویان دکتری,

ملخص المقالة :

در حال حاضر دو آزمون برای دانشجویان مقطع دکتری دانشگاه‌های دولتی و پیام نور وجود دارد که یکی توسط وزارت علوم، تحقیقات و فن‌آوری به صورت سنتی و دیگری توسط دانشگاه پیام نور به صورت الکترونیکی طراحی و اجرا می گردد. با توجه به چنین اهمیتی، پژوهش حاضر قصد مقایسه عملکرد دانشجویان در مقطع دکتری در دو آزمون فوق الذکر را دارد. جامعه آماری پژوهش حاضر، شامل کلیه دانشجویان مقطع دکتری دانشگاه پیام نور بود که در هر دو آزمون سنتی و الکترونیکی توانش زبان انگلیسی شرکت کرده بودند و با استفاده از روش نمونه گیری در دسترس، انتخاب و در این پژوهش شرکت داده شدند. ابزارهای پژوهش، ضربب همبستگی برای اطلاعات آماری ویافته‌ها حاکی از ضریب همبستگی مثبت و بالا بین نتایج آزمون سنتی و الکترونیکی (r = 0.71) بود. در ضمن با توجه به عدم وجود بخش شنیداری در آزمون پیام نور، امکان مقایسه این بخش نیز میسر نشد. پس نتایج بخش شنیدن در آزمون وزارت علوم با نتیجه کلی آزمون پیام نور مقایسه شد و حاکی از وجود رابطه‌ای نه چندان قوی بود ( r = 0.38) به همین دلیل، تصمیم به مقایسه‌ی دو بخش دیگر آزمون وزارت علوم با آزمون پیام نور گرفته شد. بین عملکرد داوطلبان در بخش دستور‌زبان آزمون وزارت علوم و نمره نهایی پیام نور نیز رابطه چندان قوی یافت نشد ( r = 0.33). بین عملکرد داوطلبان در بخش واژگان و درک مطلب آزمون پیام نور و نمره نهایی آزمون پیام نور، رابطه‌ای قوی‌تر از دو بخش قبلی ولی نه چندان معنادار ( r = 0.53) وجود داشت.جامعه آماری این پژوهش تعداد 300 دانشجوی مقطع دکتری دانشگاه پیام نور بوده‌است که از این تعداد، فقط 75 نفر هم در آزمون وزارت علوم و هم آزمون پیام نور شرکت کرده‌بودند. از این تعداد نیز، فقط تعداد 60 نفر حاضر به ارایه‌ی نمرات خود در هر دو آزمون شدند. یافته‌ها حاکی از ضریب همبستگی مثبت و بسیار بالا بین نتایج آزمون کاغذی و الکترونیکی (r = 0.71) بود. در ضمن با توجه به عدم وجود بخش شنیداری در آزمون پیام نور، امکان مقایسه این بخش نیز میسر نشد. پس نتایج بخش شنیدن در آزمون وزارت علوم با نتیجه کلی آزمون پیام نور مقایسه شد و حاکی وجود رابطه‌ای نه چندان قوی بود ( r = 0.38). به همین دلیل، تصمیم به مقایسه‌ی دو بخش دیگر آزمون وزارت علوم با آزمون پیام نور گرفته شد. بین عملکرد داوطلبان در بخش دستور‌زبان آزمون وزارت علوم و نمره نهایی پیام نور نیز رابطه چندان قوی نبود ( r = 0.33). بین عملکرد داوطلبان در بخش واژگان و درک مطلب آزمون پیام نور و نمره نهایی آزمون پیام نور، رابطه‌ای قوی‌تر از دو بخش قبلی ولی نه چندان معنادار ( r = 0.53) وجود داشت.

المصادر:

[1]Alderson, J. C. (2005). Diagnosing foreign language proficiency: The interface between learning and assessment. London, England: Continuum International Publishing. DOI: 10.1080/15434300701595637. [2]Attali, Y., & Burstein, J. (2006). Automated essay scoring with e-rater v.2. Journal of Technology, Learning, and Assessment, 4(3), 1–31. https://ejournals.bc.edu/index.php/jtla/article/view/1650. [3]Barkaoui, K., Brooks, L., Swain, M., Lapkin, S. (2013). Test-takers’ strategic behaviors in independent and integrated speaking tasks. Applied Linguistics, 34, 304–324. https://doi.org/10.1093/applin/ams046. [4]Bates, D., Maechler, M., Bolker, B., Walker, S. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1), 1–48. https://doi.org/10.18637/jss.v067.i01. [5]Burstein, J., & Chodorow, M. (2010). Progress and new directions in technology for auto-mated essay evaluation. In R. Kaplan (Ed.), The Oxford handbook of applied linguistics (2nd ed., pp. 529–38). Oxford, England: Oxford University Press. DOI: 10.1093/oxfordhb/9780195384253.013.0036. [6]Carr, N. T. (2006). Computer-based testing: Prospects for innovative assessment. In L. Ducate & N. Arnold (Eds.), Calling on CALL: From theory and research to new directions in foreign language teaching (CALICO monograph series, 5, pp. 289–312). San Marcos, TX: CALICO. DOI: 10.1111/j.1540-4781.2007.00639_23.x. [7]Chalhoub-Deville, M. (2010). Technology in standardized language assessments. In R. Kaplan (Ed.), The Oxford handbook of applied linguistics (2nd ed., pp. 511–26). Oxford, England: Oxford University Press. DOI: 10.1093/oxfordhb/9780195384253.013.0035. [8]Chapelle, C. A. (1998). Construct definition and validity inquiry in SLA research. In L. F. Bachman & A. D. Cohen (Eds.), Second language acquisition and language testing interfaces (pp. 32–70). Cambridge, England: Cambridge University Press. DOI: 10.1017/CBO9781139524711.004. [9]Chapelle, C. A. (2010). Technology in language testing[video]. Retrieved November 14, 2012 from http://languagetesting.info/video/main.html Chapelle, C. A., & Chung, Y.-R. (2010). The promise of NLP and speech processing technologies in language assessment. Language Testing, 27(3), 301–15. DOI: 10.1177/0265532210364405. [10]Chapelle, C. A., & Douglas, D. (2006). Assessing language through computer technology. Cambridge, England: Cambridge University Press. https://www.cambridge.org/us/cambridgeenglish/catalog/teacher-training-development-and-research/assessing-language-through-computer-technology. [11]Chapelle, C., Grabe, W., & Berns, M. (2000). Communicative language proficiency: Definition and implications for TOEFL 2000. TOEFL monograph series 10. Princeton, NJ: Educational Testing Service. https://www.ets.org/research/policy_research_reports/publications/report/1997/hzeu. [12]Coniam, D. (2006). Evaluating computer-based and paper-based versions of an English-language listening test. ReCALL, 18(2), 193–211. DOI: 10.1017/S0958344006000425. [13]Cotos, E. (2011). Potential of automated writing evaluation feedback. CALICO Journal, 28(2), 420–59. DOI: 10.11139/cj.28.2.420-459. [14]Crossley, S., Clevinger, A., Kim, Y. (2014). The role of lexical properties and cohesive devices in text integration and their effect on human ratings of speaking proficiency. Language Assessment Quarterly, 11, 250–270. https://doi.org/10.1080/15434303.2014.926905. [15]Cunnings, I. (2012). An overview of mixed-effects statistical models for second language researchers. Second Language Research, 28(3), 369–382. https://doi.org/10.1177/0267658312443651. [16]Dooey, P. (2008). Language testing and technology: Problems of transition to a new era. ReCALL, 20(1), 21–34 . DOI: 10.1017/S0958344008000311. [17]Douglas, D. (2000). Assessing languages for specific purposes. Cambridge, England: Cambridge University Press. https://www.amazon.com/Assessing-Languages-Specific-Cambridge-Assessment/dp/0521585430. [18]Douglas, D. (2010). Understanding language testing. London, England: Hodder Education. https://www.amazon.com/Understanding-Language-Testing-Dan-Douglas/dp/0340983434 Douglas, D., & Hegelheimer, V. (2007). Assessing language using computer technology. Annual Review of Applied Linguistics, 27, 115–32. [20]  DOI: 10.1017/S0267190508070062. [19] Downey, R., Farhady, H., Present-Thomas, R., Suzuki, M., & Van Moere, A. (2008). Evaluation of the usefulness of the Versant for English test: A response. Language Assessment Quarterly, 5, 160–7. DOI: 10.1080/15434300801934744. [21] Fan, J., Jin, Y. (2019). Standards for language assessment: Demystifying university-level English placement testing in China. Asia Pacific Journal of Education. https://doi.org/10.1080/02188791.2019.1706445. [22]Freebody, P. (2013). Knowledge and school talk: Intellectual accommodations to literacy? Linguistics and Education, 24, 4–7. https://doi.org/10.1016/j.linged.2012.11.004. [23]Frost, K., Elder, C., Wigglesworth, G. (2012). Investigating the validity of an integrated listening-speaking task: A discourse-based analysis of test takers’ oral performances. Language Testing, 29(3), 345–370. https://doi.org/10.1177/0265532211424479. [24]Garrett, N. (1991). Technology in the service of language learning: Trends and issues. Modern Language Journal, 75, 74–101. DOI: 10.1111/j.1540-4781.1991.tb01085.x. [25]Henning, G., Hudson, T., & Turner, J. (1985). Item response theory and the assumption of unidimensionality for language tests. Language Testing, 2(2), 141–54. DOI: 10.1177/026553228500200203. [26]Jamieson, J. (2005). Trends in computer-based second language assessment. Annual Review of Applied Linguistics, 25, 228–42 www.cambridge.org/core/journals/annual-review-of-applied-linguistics/article/trends-in-computerbased-second-language-assessment/6C302FE25CCDB669A1984A6AE7B1D8E1. [27]Linck, J. A., Cunnings, I. (2015). The utility and application of mixed-effects models in second language research. Language Learning, 65(S1), 185–207. https://doi.org/10.1111/lang.12117. [28]Luoma, S. (2004). Assessing speaking. Cambridge language assessment series. Cambridge, England: Cambridge University Press. https://www.cambridge.org/us/cambridgeenglish/catalog/teacher-training-development-and-research/assessing-speaking/assessing-speaking-1. [29]Martin, J. R. (2013). Embedded Literacy: Knowledge as meaning. Linguistics and Education, 24, 23–37. [30]Maton, K. (2013). Making semantic waves: A key to cumulative knowledge-building. Linguistics and Education, 24, 8–22. https://doi.org/10.1016/j.linged.2012.11.005. [31] Maton, K. (2014). Knowledge and knowers. Towards a realist sociology of education. Oxon and New York: Routledge. Maton, K. (2016). Legitimation code theory: Building knowledge about knowledge-building. In Maton, K., Hood, S., Shay, S. (Eds.), Knowledge-building: Educational studies in Legitimation Code Theory (pp. 1–24). London: Routledge. [32]Matruglio, E., Maton, K., Martin, J. (2013). Time travel: The role of temporality in enabling semantic waves in secondary school teaching. Linguistics and Education, 24, 38–49. https://doi.org/10.1016/j.linged.2012.11.007. [33]Ockey, G. J. (2009). Developments and challenges in the use of computer-based testing for assessing second language ability. The Modern Language Journal, 93, 836–47 . DOI: 10.1111/j.1540-4781.2009.00976.x. [34]Parshall, C. G., Davey, T., & Pashley, P. J. (2000). Innovative item types for computerized testing. In W. J. Van der Linden & C. A. W. Glass (Eds.), Computerized adaptive testing: Theory and practice (pp. 129–48). Dordrecht, Netherlands: Kluwer. https://www.springer.com/gp/book/9780792364252. [35]Plakans, L. (2009a). Integrated assessment [video]. Retrieved: November 14, 2012 from http://languagetesting.info/video/main.html. [36]Plakans, L., Gebril, A. (2012). A close investigation of source use in integrated second language writing tasks. Assessing Writing, 17, 18–34. https://doi.org/10.1016/j.asw.2011.09.002. [37]Roever, C. (2006). Validation of a Web-based test of ESL pragmalinguistics. Language Testing, 23(2), 229–56. DOI: 10.1191%2F0265532206lt329oa. [38]Sawaki, Y. (2001). Comparability of conventional and computerized tests of reading in a second language. Language Learning & Technology, 5(2), 38–59. http://dx.DOI: 10125/25127. [39]Sawaki, Y., Stricker, L. J., & Oranje, A. H. (2009). Factor structure of the TOEFL Internet-based test. Language Testing, 26(1), 5–30. DOI: 10.1177%2F0265532208097335. [40]Weigle, S. C., Parker, K. (2012). Source text borrowing in an integrated reading/writing assessment. Journal of Second Language Writing, 21, 118–133. https://doi.org/10.1016/j.jslw.2012.03.004. [41]Winke, P. (2006). Online assessment of foreign language proficiency: Meeting development, design, and delivery challenges. In S. Howell & M. Hricko (Eds.), Online assessment and measurement: Case studies from teacher education, K-12 and corporate (pp. 82–97). London, England: Information Science Publishing. DOI: 10.4018/978-1-59904-935-9.ch180