基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为探究词汇量化特征对作文机评分数的预测能力,本研究以120篇学生作文为研究样本,通过人工和软件相结合的方法分析每篇作文的词汇复杂性及准确性的定量特征;同时采用SPSS18.0对作文分数及词汇量化结果进行多元回归分析。结果显示,副词比率(Adverb incidence)、代词比率(Pronoun incidence)、U指数(Uber index)以及名词上义度(Hypernymy for nouns)四项指标进入回归模型,共解释27.8%的方差。本文指出,大学英语学习者与教师应充分了解作文自动评阅系统关注的词汇特征,以应对未来大规模英语考试采用机器评阅作文这一大趋势。
推荐文章
浅谈英语学习者如何扩大词汇量
英语学习
词汇量
重要性
HSK自动作文评分的特征选取研究
中国汉语水平考试
自动作文评分
特征选取
多元线性回归
高中生扩大词汇量的有效途径
词汇
遗忘
情景
联想
基于混合DBNN-BLSTM模型的大词汇量连续语音识别
大词汇量
语音识别
深度置信神经网络
双向长短时记忆模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 词汇量化特征对作文机评分数的预测能力分析
来源期刊 语言教育 学科 文学
关键词 词汇量化特征 作文机评分数 预测能力
年,卷(期) 2020,(3) 所属期刊栏目
研究方向 页码范围 26-32
页数 7页 分类号 H319
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王建 西南交通大学希望学院外语系 50 435 12.0 20.0
2 王小芳 西南交通大学希望学院外语系 10 10 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (0)
参考文献  (21)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
词汇量化特征
作文机评分数
预测能力
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
语言教育
季刊
2095-4891
21-1586/H
16开
大连市旅顺南路西段6号大连外国语大学机关
8-81
1987
chi;eng
出版文献量(篇)
10709
总下载数(次)
21
论文1v1指导