汉语口语认知流利性对外国学习者口语能力的评定意义(2)

　　（1）看图说话
　　
　　本研究通过看图说话任务获取学习者口语表达流利性数据。该任务既能够控制话题的内容和任务难度，又能够让被试表现自己的口语表达能力，是一种比较常用的口语表达的数据收集方式（Lennon,1990;张文忠，1999等）。看图说话实验材料选自德国着名漫画故事书《父与子全集》中的《引人入胜的书》（埃·奥·卜劳恩，2011:2），故事由六幅图片组成，黑白打印。看图说话任务全程录音，录音材料通过语音处理软件Praat③进行切分、标注并提取总时长、音节数和语流数。总时长为被试开始说话到说话结束的时间，包括停顿时长；音节数为修整后的音节数，不包括填充停顿（如“嗯、呃、啊”等）和重复；语流为每两个超过0.3秒停顿之间的话语。
　　
　　（2）组句
　　
　　采用组句任务测量学习者句法加工和语音产出能力（Van Moere,2012），该任务包括第二语言词汇意义的提取、句子意义的组合、第二语言句法结构的提取以及语音编码和发声等过程。组句任务的材料为25个简单句子，每个句子分成三部分，三部分随机排列，如“非常漂亮中国”,要求被试快速准确地将三部分组合成合法的句子，并朗读出来。
　　
　　组句任务通过电脑和E-prime软件呈现，记录被试组句和发音的反应时。组句反应时包括E-prime记录的反应时和组句产出的发音时间，反应时通过语音反应盒采集并由E-prime软件记录，组句产出的发音时间通过Praat软件对组句产出录音进行标注并提取。由于学习者言语产出不仅包含句法加工能力也包含语音编码和产出能力，而且实验中发现学习者的语音产出和句法组织常常同时或者交替进行，所以本研究中组句反应时既包括了组句反应时间，也包括句子产出的发音时间。
　　
　　（3）范畴判断
　　
　　采用范畴判断任务测量学习者注意控制能力（Segalowitz & Frenkiel-Fishman,2005;García-Amaya,2012）。该任务选取描述时间的词（以下简称“时间词”）8个，其中4个描述“过去”意义（以前、过去、昨天、刚才），4个描述“将来”意义（以后、将来、明天、马上）；另外选取描述频率的词（以下简称“频率词”）8个，其中4个描述“频率低”意义（没有、有时、一次、很少），4个描述“频率高”意义（总是、经常、多次、一直）。要求被试对描述时间的词属于“过去”意义还是属于“将来”意义进行判断，并按键反应；同样对描述频率的词进行属于“频率低”意义还是属于“频率高”意义判断，并进行按键反应8个“时间词”和8个“频率词”各重复3次，共48个实验刺激。
　　
　　范畴判断任务中实验刺激按照时间词和频率词两两间隔的顺序呈现（见图1），也就是按照“时间词→时间词→频率词→频率词→时间词→时间词→频率词→频率词……”这样的顺序呈现（其中时间词和频率词随机选取），这样就形成了“时间范畴内→时间范畴与频率范畴间→频率范畴内→频率范畴与时间范畴间→时间范畴内→时间范畴与频率范畴间……”的系列，区分了范畴内（包括时间范畴内和频率范畴内）和范畴间（时间范畴与频率范畴间）这两种注意控制状态。以往的研究表明，尽管被试已经事先知道这种固定的呈现顺序，他们在范畴间所需的注意资源比范畴内所需的注意资源仍然要多（Rogers & Monsell,1995;Monsell、Sumner & Waters,2003等），二者的差异被称为“注意转移消耗”.注意转移消耗反映了认知加工系统在处理注意焦点转移时所需的额外注意资源消耗。
　　

　

　　
　　（4）口语测试口语测试旨在测量学习者的口语能力，该任务参考新HSK口试（中级）的形式进行测试，测试内容为看图说话（2题，4分钟）和回答问题（2题，4分钟）④，每题为10分，共40分，评分标准在《新汉语水平考试大纲HSK口试》（国家汉办/孔子学院总部，2010）标准的基础上进行了适当调整（见附录3）。口语测试由两位经验丰富的口语教师担任考官，成绩取两位考官的平均值。相关分析结果显示，两位教师的评分具有很高的一致性，斯皮尔曼相关系数（Spearman's rho）r=0.897,n=50,p<0.001.
　　
　　3.4实验程序
　　
　　首先进行看图说话。被试拿到看图说话材料后，熟悉一分钟，然后对故事进行描述，看图说话过程通过录音笔（索尼ICD-SX813）进行录音。在被试完成看图说话任务后，休息10分钟后进行组句；完成组句任务后，被试再休息10分钟，进行范畴判断。整个实验过程大约持续40分钟（含中间20分钟的休息时间）。所有任务均在语音教室进行。
　　
　　四结果与讨论
　　
　　不同任务所得的实验结果如表1所示
　　

　　

　　
　　本实验选取范畴判断正确的数据计算注意转移消耗指标，表1显示范畴判断任务正确率比较高，平均值为93.25.实验数据采用SPSS（IBM SPSS Statistics Version 22）回归分析（Regression）中的线性回归（Linear）进行分层回归分析，将表达流利性的两个指标（语速和平均语流长度）置于第一层，将认知流利性的两个指标（组句反应时和注意转移消耗）置于第二层，两层均采用逐步法（tepwise）进行回归分析（结果见表2）。