导读:本文包含了复述题论文开题报告文献综述及选题提纲参考文献，主要关键词:评分标准,口语复述题,评分员
复述题论文文献综述
迟姗[1]（2015）在《口语复述题评分标准的实证研究》一文中研究指出本文主要研究在口语复述题评分过程中,评分员对评分标准的使用。主要探究评分员对评分标准中各因素的关注程度,以及在使用评分标准进行评分时遇到的问题及解决方法。4名经验丰富的评分员作为受试参加了本研究。她们都是年龄在30到40岁之间的女教师,教龄都在3年以上,其中有两位拥有博士学位。4位评分员分别对两组共20篇口语复述样本进行评分,前10篇在沉默状态下进行,后10篇边评分边进行即时回溯,所有评分员在评分结束后分别接受回溯性访谈。本研究针对即时回溯和回溯性访谈所收集到的数据设计了编码方案,该方案用于探究评分员评分时的心理过程,对评分标准的解读应用以及在评分过程中遇到的困难。研究结果显示：(1)评分员对评分标准中的内容类别给予最多关注,但对其他两项因素的判分给予不同权重；(2)评分员同时参照了评分标准以外的因素,并且当评分标准的描述语过于概括模糊,并且与评分员的直觉印象发生冲突时,评分员会采用其他策略完成评分任务,如参考前一考生的表现、或根据自己以前的评分经验形成内置评分标准。本文的研究成果对口语复述题评分标准的制定以及评分员的培训有借鉴意义。(本文来源于《北京外国语大学》期刊2015-06-01）
李萌涛,冯国栋[2]（2010）在《大规模英语口语测试中复述题的效度研究》一文中研究指出本文从效度的四个主要方面对复述题型进行研究。讨论了复述题的构建效度和内容效度,分析了其效标关联效度和表面效度。通过对小规模复述测试,得出复述成绩与考生最近一次期末口语成绩的Pearson线性相关,以及与任课老师调整后的口语排名的Spearman等级相关。在卷面效度方面,通过分析Likert 5-Scale问卷后发现,受试者对该题型支持度较高。(本文来源于《教育与现代化》期刊2010年02期）
严可,胡国平,魏思,戴礼荣,李萌涛[3]（2009）在《面向大规模英语口语机考的复述题自动评分技术》一文中研究指出为了改变计算机必须依靠文本才能进行评分的情况,该文在国内首次开展了面向大规模英语口语机考中的复述题型自动评分技术研究,并证明了其技术可行性。首先基于连续语音识别、自然语言理解等技术搭建了复述题自动评分技术流程,并针对复述题无需按原文复述、考试现场录音质量低等难点,通过借助朗读题录音的声学模型自适应处理、基于复述原文的通用语言模型裁剪、基于识别输出词图的机器评分特征提取等一系列的改进工作的开展,最终完成的自动评分系统在339份中国科学技术大学期末考试现场采集的复述题数据集上达到了专家精细评分84%的性能,超过了教师批量阅卷时的性能。实验结果表明该系统在英语复述测试中,可以辅助教师进行更科学客观的评分。(本文来源于《清华大学学报(自然科学版)》期刊2009年S1期）
严可,胡国平,魏思,戴礼荣[4]（2009）在《面向大规模英语口语机考的复述题自动评分技术研究》一文中研究指出为了改变计算机必须依靠文本才能进行评分的情况,本文在国内范围内首次开展了面向大规模英语口语机考中的复述题型自动评分技术研究并证明了其技术可行性。本文首先基于连续语音识别、自然语言理解等技术搭建了复述题自动评分技术流程,并针对复述题无需按原文复述、考试现场录音质量低等难点,通过借助朗读题录音的声学模型自适应处理、基于复述原文的通用语言模型裁剪、基于识别输出词图的机器评分特征提取等一系列的改进工作的开展,最终完成的自动评分系统在339份中国科学技术大学期末考试现场采集的复述题数据集上达到了专家精细评分84%的性能,超过了教师批量阅卷时的性能,使系统在实用中,能辅助教师进行更科学客观的评分。(本文来源于《第十届全国人机语音通讯学术会议（NCMMSC2009）论文摘要集》期刊2009-08-14）
严可[5]（2009）在《英文朗读题及复述题自动评测技术研究》一文中研究指出随着计算机技术的发展,计算机辅助学习(CALL, Computer Assisted Language Learning)系统日趋智能化。CALL系统能准确、客观即时的反馈考生发音情况,极大的促进了考生学习效率和教师阅卷的客观程度。目前CALL系统的口语评测均是依赖文本(text-dependent)的评测(如朗读),且技术日趋成熟。例如在中文普通话水平考试(PSC, Putonghua Shuiping Ceshi)前叁题(单字朗读、单词朗读、短文朗读)上,计算机评分性能甚至超过了从事多年评分工作的专业评分员的评分性能。背诵和复述是重要的英语学习方法,能比朗读更好的反映发音人的英语口语水平和表达能力。对于背诵题而言,虽然考生必须按照所给文本进行背诵,但由于看不见原文,导致实际发音和文本存在较大的不一致,且许多考生不能完成背诵,因此,可以看成是介于朗读题和复述题之间的一种题型;对于复述题而言,该题型是文本无关(text-independent)的,考生可以完全用自己的语言对文本进行描述。目前的CALL系统并不能对这种不严格依赖文本的题型进行较好的评测,从而极大的限制了CALL系统全面的推广和使用。因此,本文在朗读题评分系统的工作上,将工作向文本无关的方向进行延伸。在背诵题方面,抓住背诵的特点,采用句子并联网络,对考生的语料进行识别和处理。这样既避免了引入更多的混淆,又能应对说话人漏背、重复及未背完的情况,取得了专家性能的90%,达到实用水平。在复述题任务上,结合了语音识别、自然语言处理等技术,并根据复述题特点进行了一系列的改进,取得了专家评分性能的84%,超过了教师在高强度下批量阅卷的评分性能,能辅助老师进行更科学客观的评分。本文的实验结果证实了文本无关评分的可行性,为以后深入的研究奠定了基础。文章结构如下:第一章简单介绍了语音评测的发展背景与现状,重点阐述了语音评测的原理、系统构成、以及所依靠的语音识别技术基础。第二章主要介绍语音评测系统具体实现的方法、流程,并作相应的分析。第叁章对背诵题题型的评测进行研究,根据其题型特点,主要提出了较朗读题稍灵活、但限制性很强的“句子并联”型识别网络,取得了较好的效果。第四章首先搭建了复述题评分流程。并针对复述题无需按原文复述、考试现场录音质量低等难点,通过借助朗读题数据的声学模型自适应处理、基于复述原文的通用语言模型裁剪、基于识别输出词图的评分特征提取等方法,改进了系统评分性能。最后将对全文进行总结,并指出将来的可能的改进方法。(本文来源于《中国科学技术大学》期刊2009-05-23）
冯国栋[6]（2009）在《大规模英语口语测试中复述题的效度研究》一文中研究指出Over 50 colleges witnessed the recent trial implementation of computer-mediated Spoken College English Test (SCET), in which retelling was adopted as one of the new test items. This reform highlights the second attempt to use retelling in the filed of high-stake language tests after the Spoken Test for English Majors—Band Four (STEM-4). To research into the validity of retelling as a test item on the basis of the four aspects of test validity proposed by Lyle Bachman, this paper covers a discussion on the construct validity, content validity, criterion related validity and face validity of retelling. The author has designed a retelling test and gathered a high Pearson linear coefficient (r=0.708) between the term scores and the retelling scores of the two experimental groups, and by comparing the lecturers' ranks and retelling ranks, an even higher Spearman's correlation coefficient (rs=0.814) was obtained. These two coefficients are convincing indicators of high concurrent criterion-related validity of retelling. In terms of face validity, the researcher explored the stakeholders' opinions by distributing questionnaires modeled with 5-Point Likert Scale, revealing a moderate supportive attitude (mean>3.0). The paper has concluded that retelling can be used as an efficient and integrative oral test item for advanced non-English majors.(本文来源于《中国科学技术大学》期刊2009-05-07）
复述题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文从效度的四个主要方面对复述题型进行研究。讨论了复述题的构建效度和内容效度,分析了其效标关联效度和表面效度。通过对小规模复述测试,得出复述成绩与考生最近一次期末口语成绩的Pearson线性相关,以及与任课老师调整后的口语排名的Spearman等级相关。在卷面效度方面,通过分析Likert 5-Scale问卷后发现,受试者对该题型支持度较高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
复述题论文参考文献
[1].迟姗.口语复述题评分标准的实证研究[D].北京外国语大学.2015
[2].李萌涛,冯国栋.大规模英语口语测试中复述题的效度研究[J].教育与现代化.2010
[3].严可,胡国平,魏思,戴礼荣,李萌涛.面向大规模英语口语机考的复述题自动评分技术[J].清华大学学报(自然科学版).2009
[4].严可,胡国平,魏思,戴礼荣.面向大规模英语口语机考的复述题自动评分技术研究[C].第十届全国人机语音通讯学术会议（NCMMSC2009）论文摘要集.2009
[5].严可.英文朗读题及复述题自动评测技术研究[D].中国科学技术大学.2009
[6].冯国栋.大规模英语口语测试中复述题的效度研究[D].中国科学技术大学.2009