四六级题型导向式大学英语教学模式实证研究——以大学英语四六级考试题型中的信息匹配题为例

曹良成

(阜阳师范大学 外国语学院, 安徽 阜阳 236037)

大学英语教学模式名目繁多，新型教学模式日新月异。基于建构主义教学理论和人本主义教学理论发展起来的大学英语交际法模式以及小组任务式教学模式曾经如火如荼。随着信息技术的发展，互联网+教学模式风生水起，比如微课、慕课、翻转课堂、线上线下混合式教学模式等，以及研究性教学模式、对分课堂教学模式、多模态教学模式等。在中国知网中使用关键词“大学英语教学模式”搜索论文，发现有1728篇，发表年度呈逐年增长趋势，2017年达到峰值，近两年有所回落，其中相当数量的论文囊括了信息技术和人工智能发展下的大学英语教学模式探索，也出现了近年来比较热门的“课程思政”大学英语教学模式探讨。无论哪种教学模式，如果离开了探索与思考，缺失了碰壁环节，丧失了某种导向，这种教学模式势必就会沦为传统的“满堂灌”和“填鸭式”教学模式。在众多的论文中，只有一篇论文从感性经验的角度谈及四六级题型导向式大学英语教学模式[1]，而鲜有文章从实证研究的角度论述基于碰壁点拨式思维的四六级题型导向式大学英语教学模式。本文以四六级题型之一的信息匹配题为样例，对本文教学模式的有效性进行实证分析，以期为大学英语教学模式的构建提供参考。

1 碰壁点拨式与四六级题型导向式大学英语教学模式

曹良成[2]详细论证了碰壁点拨式教学模式在大学英语教学中实施的必要性和可行性，并在实践中提出了四六级题型导向式大学英语教学模式的初步构想。碰壁点拨式[3]认为，教学模式必须解决教学的最根本矛盾，“学生现有发展水平与教材所体现的(社会所期待的)发展要求之间的矛盾”。要解决这一最根本矛盾，就必须根据教材的特点(课程思政和课程思辩)以及社会的期待改进传统教学模式，从而提升学生的英语发展水平。碰壁点拨式教学思维的基本程序是“提出问题→练中碰壁→讲评点拨→巩固消化”[3]，而基于这一思维的四六级题型导向式大学英语教学模式针对大学英语阅读教材内容实施四六级题型改造，提出与四六级考试相关的题目，让学生在题型训练中不断碰壁，结合训练反馈与课文内容进行讲解和训练评价，针对学生的薄弱点，再进行巩固消化。

2 研究设计

2.1 研究问题

针对大学英语读写教材课文内容(Section A)进行四六级题型改造，以四六级阅读题型之一的信息匹配题为切入口进行教学。研究过程中，不再逐个语法翻译式地讲解句子，而是把重点和难点句子从课文中抽取出来。先给学生呈现这些句子的释义(Paraphrase)，再让学生定位到这些释义信息出自的段落，进一步定位到相应的重难点句子。接着，教师讲解这些句子的语法结构和语言知识点，但教师并不是直接给出语言例子，而是反其道而行之，教师先给出语例的中文译文，让学生做汉译英翻译练习，进行碰壁训练，碰壁之后再行点拨，然后抽样对比分析标准译文与学生译作之间的异同，标准译文即是语言例子。

从上述研究过程中归纳出本文的研究问题：以四六级考试题型之一的信息匹配题为样例，主要探讨四六级题型导向式大学英语教学模式的有效性以及有效性是否显著的问题，该模式是否提高了学生的信息匹配阅读水平，在多大程度上提高了学生的信息匹配阅读水平，以期为其他考试题型导向式教学模式的实证研究做好铺垫。

2.2 研究对象

实证研究的受试对象为2017级大学一年级非英语专业的两个理工科班学生，其中光电信息科学与工程1班(23人)设定为实验班，实施四六级题型导向式大学英语教学模式，按照先碰壁后点拨的程序实施教学。数学与应用数学(师范)1班(66人)设定为对照班，实施传统教学模式，依据先讲解后答疑的顺序实施教学。实验班和对照班都由笔者承担教学任务，每个班每两周开设6节读写课，从2017年开始实验，实验一学期。

2.3 研究工具

教学实验主要采用蓝墨云班课平台工具、SPSS 25.0数据分析工具和Stata 14.0效应量检测工具。通过蓝墨云班课平台布置信息匹配题的前测和后测，并从云班课后台收集两个班的信息匹配题前后测成绩数据。信息匹配题均来自于历年大学英语四级考试真题，以确保试题的信度和效度。

实验班和对照班的英语高考成绩存在差距，且两个班的信息匹配题前测成绩也存在差距，因此，本文实验利用SPSS 25.0数据分析软件，采用描述性分析以及配对样本T检验分别对实验班和对照班在实验前后的成绩数据加以比较，以探求两个班实验前后的成绩与成绩提高幅度的差异和差异的显著性。运用Stata 14.0工具分别对两班实验数据进行效应量检验，以便分析比较两个班的信息匹配题前后测成绩差异的显著性。

3 结果与讨论

3.1 对照班前测和后测成绩结果与差异比较分析

3.1.1 对照班前后测数据正态分布检验

配对样本T检验属于总体参数检验，实验前后数据的平均值差要求符合正态分布，才能实施配对样本T检验。针对对照班的前后测数据，首先使用SPSS 25.0的“转换”和“计算”功能生成新变量“平均值差”，再利用Kolmogorov-Smirnov等方法进行正态性检验，结果见表1和表2。

表1 对照班正态分布描述性统计

表2 对照班正态分布检验表

从表1的描述性统计结果可以看出，对照班的“平均值差”变量的偏态值(Skewness)为0.481和峰度值(Kurtosis)为0.506，绝对值均小于1，由此可以初步判断，对照班的“平均值差”变量基本上呈现正态分布。表2为对照班正态分布检验表，从Kolmogorov-Smirnov检验结果可知，对照班的“平均值差”变量的Sig.值0.025小于0.05，达到显著性水平，该变量的数据分布与标准正态分布存在显著性差异，该变量不呈正态分布。然而，Shapiro-Wilk检验结果显示，该变量的Sig.值0.192大于0.05的显著性水平，这表明该变量的数据分布与标准正态分布没有显著性差异，该变量呈正态分布。

表2的Kolmogorov-Smirnov的正态分布检验结果与Shapiro-Wilk的正态分布检验结果是自相矛盾的，出现这种不一致的情况不是没有可能。“有时也可能会发现，Kolmogorov-Smirnov检验结果没有达到显著性水平，而Shapiro-Wilk的结果却达到了显著性水平”[4]。 与此同时，秦晓晴等[4]指出，“如果样本很大，数据只要稍稍偏离正态分布，Kolmogorov-Smirnov检验结果就会达到显著性水平”。在平均数差异比较方面，“各组(各水平数值)的样本数至少要在20个以上”[5]，而对照班的样本数达到了66个，对照班样本偏大，Kolmogorov-Smirnov检验结果达到显著水平，也在所难免。在谈及Kolmogorov-Smirnov和Shapiro-Wilk正态分布检验的功能时，秦晓晴等[4]也认为，“两者的功能是相同的，但后者在检验样本分布与正态分布的差异上更为强大”。因此，从Shapiro-Wilk检验结果来看，对照班的“平均值差”变量数据更倾向于呈现正态分布。

然而，“在解释数据是否呈正态分布时，最好将Kolmogorov-Smirnov检验结果与偏态和峰度值、直方图或Q-Q图结合起来综合判断”[4]。因此，有必要再观察一下对照班“平均值差”变量的直方图和Q-Q图的分布状态，图1为对照班“平均值差”变量的直方图。

图1 对照班“平均值差”变量的直方图

从图1直方图可知，左侧分布偏多，说明低分学生相对多一些，这种分布为正偏态。但是直方图的形状基本接近钟形曲线，从直观上看，该变量大体上呈正态分布。

图2 对照班“平均值差”变量的正态Q-Q图

从图2 正态Q-Q图可知，落在斜线上的观测圆点的数量远多于未落在斜线上的观测圆点，说明观测数据接近正态分布，各观测点基本上与对角斜线重合，说明对照班数据基本上呈现正态分布。图中观测点所形成的曲线呈S状，说明数据分布是偏态的。

总之，从对照班“平均值差”变量的偏态值和峰度值、Shapiro-Wilk检验结果、直方图和Q-Q图等各个方面综合判断，对照班“平均值差”变量数据基本呈正态分布，可用于配对样本t检验。

3.1.2 对照班前后测数据配对样本T检验

利用SPSS 25.0软件打开蓝墨云平台收集的对照班的信息匹配题前后测数据以及经过该软件转化增加的平均值差变量数据。点击Analyze命令，选择Compare Means， 并打开Paired-Samples T Test， 选择“对照班前测数据”和“对照班后测数据”变量，设定两组平均值差的95%的置信区间。在软件系统中运行，结果见表3、表4和表5。

表3 对照班配对样本描述统计表

表4 对照班配对样本相关统计表

表5 对照班配对样本T检验表

由表3可知，对照班前测平均成绩为63.41，后测平均成绩为69.39，对照班信息匹配题成绩提高了5.985分。另外，由表4可知，对照班前后测成绩两个变量达到了显著水平(Sig.=0.027<0.05)， 但相关系数0.272不算高，这说明对照班的传统教学模式提高了信息匹配题测试成绩，但提高的幅度不够明显。观察表5可知：平均值差的95%置信区间下限为-12.939，上限为0.969，包括0，说明两个变量之间不存在显著性差异。T值为-1.719，自由度为66-1=65，双尾检验的显著性概率(Sig.值)为0.090，远大于0.05，这也说明两个变量之间不存在显著性差异。总之，对照班信息匹配题型后测成绩比前测成绩有所改善，但改善幅度不大，前后测成绩差异不够显著。

3.1.3 对照班前后测数据差异效应量检验

对照班前后测成绩差异不明显，也可以从对照班前后测数据差异效应量检验方面加以证明，前后测效应量检测结果见表6(样本数为132)。

表6 基于平均值比较的效应量及其置信区间的计算结果

从表6中可以看出，对照班前后测配对样本T检验的效应量测量值为-0.2561212。根据Cohen的效应量标准，该效应量0.2561212介于小效应量0.2和中等效应量0.5之间，偏向小效应量，这说明传统教学模式对于信息匹配题成绩的提高来说影响不大，收效甚微。

3.2 实验班前测和后测成绩结果与差异比较分析

3.2.1 实验班前后测数据正态分布检验

在针对实验班前后测数据进行配对样本T检验之前，有必要进行正态分布检验，否则检验结果有可能失真。同样，利用SPSS 25.0数据分析软件处理实验班前后测Excel表格数据，增加新变量“平均值差”，再利用Kolmogorov-Smirnov方法进行正态性分布检验，以考察实验班前后测数据是否适合配对样本T检验。正态分布检验结果列表如表7和表8所示。从表7的描述性统计结果可以看出，实验班“平均值差”变量的偏态值(Skewness)为0.131和峰度值(Kurtosis)为0.491，绝对值均小于1，由此可初步判断，该变量基本上呈正态分布。再从表8正态分布检验表来看，Kolmogorov-Smirnov检验结果表明该变量的Sig.值为0.200，大于显著性水平0.05，该变量与标准正态分布的差异不显著，而Shapiro-Wilk检验结果表明该变量的Sig.值为0.975，远远大于显著性水平0.05，该变量与标准正态分布的差异较少。两者的检验结果说明，实验班“平均值差”变量的数据分布与标准正态分布没有显著性差异，“平均值差”变量的数据分布呈正态分布。该变量数据没有违反“平均值差必须是正态分布”的假设条件，完全可用于配对样本T检验，无需再结合该变量的直方图和正态Q-Q图来考察。

表7 实验班正态分布描述性统计

表8 实验班正态分布检验表

3.2.2 实验班前后测数据配对样本T检验

利用SPSS 25.0软件打开实验班前后测数据，数据包中包括“实验班前测数据”、“实验班后测数据”和“平均值差”等3个变量。在数据分析软件中，一步步打开Paired-Samples T Test功能，选择“实验班前测数据”和“实验班后测数据”两个变量，并设置好95%的置信区间(一般为默认值，无需设置)，最后提交系统运行，实验班配对样本T检验结果见表9、表10和表11。

表9 实验班配对样本描述统计表

表10 实验班配对样本相关统计表

表11 实验班配对样本T检验表

观察表9可知，实验班信息匹配成绩提高幅度很大，从前测的平均成绩46.96，增加到后测的平均成绩61.30，一个学期提高了14.348分。另外，从表10可知，实验班前后测成绩两个变量的相关系数为0.561，相关性程度相当高，两个变量的相关性Sig.值0.005小于0.05，达到了显著水平，这说明实验班的四六级题型导向式教学模式提高了信息匹配题测试成绩，且提高的幅度非常明显。从表11中可以看出，平均值差的95%置信区间下限为-25.776，上限为-2.920，上下限之间不包括0，说明两个变量之间存在显著性差异。T值为-2.604，自由度为23-1=22，双尾检验的显著性概率(Sig.值)为0.016，远小于0.05的显著性水平，这也说明两个变量之间存在显著性差异，即实验班信息匹配题型后测成绩相对于前测成绩来说，提高幅度大，前后测成绩差异相当显著。

3.2.3 实验班前后测数据差异效应量检验

实验班前后测成绩配对样本T检验达到了显著性，那这一显著性的效应量如何？四六级题型导向式教学模式在提高学生信息匹配题型成绩方面的效果是否较大？可以从实验班前后测数据差异效应量检验中加以佐证，结果见表12(样本数为46).

表12 基于平均值比较的效应量及其置信区间的结果

从表12中可以看出，实验班前后测配对样本T检验的效应量测量值为-0.5303947。根据Cohen的标准，该效应量介于中等效应量0.5和大效应量0.8之间，效应量相当大。“效应量越大说明实验变量的影响越大，研究发现就越重要”[4]，这说明四六级题型导向式教学模式在信息匹配题成绩提高的显著性方面，影响较大，收效明显。

3.3 对照班和实验班前后测成绩差异对比分析

综上所述，到底是对照班的传统教学模式还是实验班的四六级题型导向式教学模式产生的教学效果更好呢？表13可以更充分更明了地为我们呈现出来。

表13 实验前后对照班和实验班的前后测成绩差异对比

本文使用了配对样本T检验，针对四六级题型导向式大学英语教学模式的教学效果进行实证研究，对照班采用传统教学模式，实验班采用四六级题型导向式教学模式实施教学。以信息匹配题为例，对比分析了对照班前后测成绩是否发生了变化，也对比分析了实验班前后测成绩是否发生了变化，并综合比较分析对照班和实验班前后测成绩变化的程度。由表13的数据对比可发现，对照班前后测成绩不存在显著性差异(MD=-5.985， P[2-tailed]=0.090， CI for MD=-12.94，0.97， d=-0.26)，实验班前后测成绩存在显著性差异(MD=-14.348， P[2-tailed]=0.016， CI for MD=-25.78，-2.92， d=-0.53)。对照班的平均成绩虽然提高了5.985分，但对照班P值0.090大于0.050的显著性水平，提高的成绩不显著。而实验班的平均成绩则提高了14.348分，实验班的P值0.016少于0.050的显著性水平，表明学生成绩显著提高。实验班的前后测成绩差异显著地高于对照班的前后测成绩差异，表13的数据对比也充分地说明，在提高学生四六级考试成绩方面，相比传统教学模式而言，四六级题型导向式大学英语教学模式的优势更加突出。

4 结语与建议

大学英语教学圈普遍认为，“教师控制课堂的主讲(灌输)式教学模式是主流”[6]，但本文研究认为，作为主流的传统教学模式相对落后，无法有效地提高学生的成绩。实证研究发现，在提高以信息匹配题为样例的四六级考试成绩方面，传统教学模式发挥的作用是有限的，而四六级题型导向式大学英语教学模式发挥的作用相当突出。尽管如此，四六级题型导向式大学英语教学模式有待反思有待完善，需要采取进一步的措施。

1)本实证研究主要通过大学英语四六级考试题型之一的信息匹配题前后测成绩差异分析来考察四六级题型导向式大学英语教学模式的有效性，并未涵盖其他四六级考试题型，难免存在以偏概全之嫌，有待在以后的教学模式实证研究中进一步完善。此外，在平均数比较的教学实验中，两个自然教学班(对照班和实验班)受试数量达到了实验要求，但两个班的研究样本数量存在差距，控制班的人数远远大于实验班的人数，这对于教学实验的结果势必存在或多或少的影响，有待后续进一步研究。

2)在四六级题型导向式大学英语教学模式实施过程中，要注重培养学生的英语学习兴趣。四六级考试是非英语专业大学生学习英语的直接动力，而学习兴趣是伴随学生一生的持久动力。在四六级考试题型的设计中，充分运用PPT等多媒体技术，动态地、多模态地呈现碰壁题目，提高学生解决问题的兴趣。在四六级考试题型的点拨中，要充分结合教材人文内容及思政元素实施反馈，不仅要关注四六级考试，更要关注人文教育。

3)充分发挥互联网+教育的优势，利用U校园和云班课等移动云教学平台实践四六级题型导向式大学英语教学模式。在移动云教学平台上布置四六级考试题等碰壁题目，激活移动云教学平台的投屏功能实施点拨教学。充分利用移动云教学平台的形成性评价功能，提高形成性评价在学生综合成绩评估中的比重，更加高效地推动四六级题型导向式大学英语教学模式的实施。