基于马尔科夫链的外语教学动态评估模型

发布时间：2024-07-06 14:14

　　动态评估近年来成为教育测量领域的热点。在动态评估的定量测量研究中,传统心理测量模式在评估前提、评估过程及预测学习者潜能方面存在局限,阻碍了动态评估在外语教学实践中的应用。基于马尔科夫链构建的动态评估模型以学习者基础的差异性为前提,在评估对象的个体性、评估过程的动态性与评估结果的预测性方面独具优势。本文以大学英语词汇教学为例,阐述模型在外语教学动态评估中的应用,为教学实践中动态评估的定量测量研究提供了科学的评估工具。

【文章页数】：8 页

【部分图文】：

图1.实验班(Group1)与控制班(Group2)成绩转移矩阵表

在词汇教学中,将词汇前测与第一次后测成绩分为五个级别:优/Excellent(90～100)、良/Good(80～89)、中/Medium(70～79)、及格/Pass(60～69)、不及格/Fail(0～59),然后根据学生在施教前后词汇成绩级别的转移变化列出状态....

图2.实验班(Group1)与控制班(Group2)的状态转移概率矩阵P

由学生前后测两次成绩在五个级别间的变化可见,实验班前测的8个优等生有6人在后测中为优,2人转移为及格,则状态转移概率矩阵的第一行元素为:(68,0,0,28,0)(见图2左边矩阵第1行),同理可得两个班学生的词汇短时记忆成绩转移状态移矩阵P:(3)求出平稳分布....

图3.实验班(Data1)与控制班(Data2)的特征向量

如果教学效果保持稳定,依据教学的现在状态,根据马尔科夫链的遍历性求出特征向量,按目前成绩级别变化(即转移概率基本保持不变),可预测学习群体的未来发展潜力:在将来词汇学习中,实验班有19.6%的同学短时记忆成绩为优,23.27%的同学成绩为良,40.76%的同学成绩为中,16.3....

图4.实验班(Group1)与控制班(Group2)的能力迁移值S计算过程

在该实验中,将学生成绩分成五个级别的分数区间的中间值为95,85,75,65,55,以该指标为权重,与P矩阵的特征向量加权计算短时记忆词汇测试中,学习者群体的能力迁移值S(见图4):由计算可得,实验班的学生群体的能力迁移值为79.61,控制班的学生群体的能力迁移值为77.....

本文编号：4002676