朱正才

英語能力等級(jí)量表描述語量表化的可行性方案探討

朱正才

本文在參照國內(nèi)外語言量表研制經(jīng)驗(yàn)基礎(chǔ)上，結(jié)合我國的實(shí)際情況，提出中國英語能力等級(jí)量表描述語量表化的一個(gè)可行方案。對(duì)如何抽取學(xué)生語言行為樣本、收集描述語和學(xué)生語言行為表現(xiàn)的匹配數(shù)據(jù)、設(shè)計(jì)帶錨題的描述語調(diào)查問卷等提出解決方法，以期為國家外語能力測(cè)評(píng)體系建設(shè)提供智力支持。

外語能力測(cè)評(píng)體系；英語能力等級(jí)量表；描述語量表化

1 引言

英語能力等級(jí)量表描述語量表化是英語能力等級(jí)量表研制的關(guān)鍵環(huán)節(jié)，直接關(guān)系到量表的科學(xué)性和可操作性。本文在主要參照《歐洲語言共同參考框架：學(xué)習(xí)、教學(xué)、評(píng)估》（Common European Framework of Reference for Languages:Learning, Teaching,Assessment,CEFR）等世界著名語言能力量表研制和國內(nèi)外眾多語言能力標(biāo)準(zhǔn)制定經(jīng)驗(yàn)的基礎(chǔ)上，結(jié)合我國的實(shí)際情況，嘗試對(duì)中國英語能力等級(jí)量表描述語的量表化提出一整套解決方案，以期為國家外語能力測(cè)評(píng)體系建設(shè)提供智力支持。

2 描述語的分類和能力等級(jí)確定

描述語量表化的基本程序是：第一步，描述語的撰寫者、收集者或者改寫者在討論的基礎(chǔ)上，憑經(jīng)驗(yàn)確定描述語的分類和能力等級(jí)；第二步，對(duì)描述語廣泛征集各方意見，進(jìn)行問卷調(diào)查和調(diào)查數(shù)據(jù)的分析；第三步，綜合調(diào)查數(shù)據(jù)的分析結(jié)果以及專家意見，最終確定每條描述語適合的類別以及能力等級(jí)。

2.1 抽取有代表性的學(xué)生語言行為樣本

心理學(xué)的“能力連續(xù)統(tǒng)”（Continuum）假設(shè)認(rèn)為，人的任何一種心理特質(zhì)（包括語言能力），從總體上看，其分布都是連續(xù)的，從極端的無能到完美的熟練，呈現(xiàn)一種正態(tài)分布形態(tài)。中國英語學(xué)習(xí)者的英語能力也應(yīng)該符合這個(gè)假設(shè)：從低端的、很有限的英語能力，到高端的專業(yè)翻譯能力，中間是連續(xù)的正態(tài)分布。

描述語量表化的第一步需要有一個(gè)足夠大的、有代表性的學(xué)生語言行為樣本。如果能從中國英語學(xué)習(xí)者（或使用者）總體中抽取一個(gè)很大的樣本，并且使用科學(xué)的抽樣方法，那么，這個(gè)樣本的代表性就會(huì)很高。這樣，就有可能通過這個(gè)樣本對(duì)中國英語學(xué)習(xí)者的英語能力表現(xiàn)進(jìn)行全面而細(xì)致的描述驗(yàn)證。

首先，中國英語能力等級(jí)量表的適用對(duì)象主要是中國教育系統(tǒng)的英語學(xué)習(xí)者，故可以在中國各級(jí)各類學(xué)校中“分層隨機(jī)”地抽取學(xué)生樣本，其他英語教育系統(tǒng)和英語自學(xué)群體則只要抽取少量學(xué)生樣本作為補(bǔ)充數(shù)據(jù)。不同層級(jí)的學(xué)生組成比例要符合兩個(gè)原則：第一，在校學(xué)生數(shù)多的層級(jí)相應(yīng)地要抽取更多的樣本；第二，社會(huì)迫切需要描述其英語能力的學(xué)生層級(jí)也要抽取更多的樣本，因?yàn)獒槍?duì)這部分群體相應(yīng)的描述語也會(huì)更多。

如何確定合適的樣本大小呢？這主要看項(xiàng)目的真實(shí)需要和可行性，兩個(gè)方面要做一個(gè)平衡。假設(shè)需要數(shù)據(jù)驗(yàn)證的量表數(shù)目有100個(gè),每個(gè)量表9個(gè)等級(jí),那么，將形成900個(gè)交叉描述語網(wǎng)格。如果每個(gè)網(wǎng)格最后平均需要2條描述語（這里參考了CEFR的經(jīng)驗(yàn)，中國英語能力等級(jí)量表可以更多），則共需要1 800條描述語。再假設(shè)數(shù)據(jù)驗(yàn)證過程要淘汰大約30%的描述語，那么，最終應(yīng)該有2 500條左右描述語需要收集調(diào)查數(shù)據(jù)。接下來，將50條描述語組成一份問卷（暫不考慮錨題），共產(chǎn)生50份問卷。根據(jù)IRT多級(jí)評(píng)分模型，題目難度參數(shù)估計(jì)要求的一個(gè)比較低的樣本容量是100人，按照這個(gè)最低要求每份問卷要調(diào)查100人，則至少需要5 000名學(xué)生。這就是樣本量的一個(gè)下限，實(shí)際執(zhí)行時(shí)只能多不能少。

在抽取學(xué)生時(shí)要按照班級(jí)抽，好、中、差兼顧，比如一個(gè)市只抽3所學(xué)校，一定要好、中、差各一所；抽2所學(xué)校時(shí)，好、差各一所；抽一所學(xué)校時(shí)，抽中等的。在抽取班級(jí)時(shí)，同時(shí)要考慮英語任課教師，必須是連續(xù)2年以上負(fù)責(zé)該班教學(xué)的有責(zé)任心的教師，因?yàn)樘顚懻{(diào)查問卷的是教師。在抽取學(xué)生時(shí)，建議參考CEFR中North的做法，要求教師先將自己“熟悉的學(xué)生”（也可能來自不同班級(jí)）按平時(shí)英語成績和課堂表現(xiàn)從高到低排序，然后再從中抽取10～20人（其中：差生1～2名，中下2～3名，中等3～4名，中上3～4名，最好學(xué)生2～3名）。不過，North發(fā)現(xiàn)這樣做，得到的學(xué)生樣本代表性也不是很好，因?yàn)椴煌耆S機(jī)。但是，如果不做這樣要求，教師就傾向于只抽好學(xué)生，樣本代表性會(huì)更差。

2.2 收集描述語和學(xué)生語言行為表現(xiàn)的匹配數(shù)據(jù)

有了學(xué)生語言行為樣本，接下來要做的是將描述語和語言行為“匹配”（Matching）在一起，也就是收集描述語和語言行為的匹配數(shù)據(jù)。目前，國際上主要有三種做法：教師評(píng)判法、學(xué)生自評(píng)法和專家評(píng)判法。

（1）教師評(píng)判法：就是由最了解學(xué)生的任課教師來評(píng)學(xué)生。教師了解所教學(xué)生的英語能力行為表現(xiàn)，能夠比較準(zhǔn)確地把描述語和每個(gè)學(xué)生的英語能力匹配起來。筆者認(rèn)為，中國英語能力等級(jí)量表應(yīng)該主要采用這一方法收集數(shù)據(jù)。

（2）學(xué)生自評(píng)法：由學(xué)生自己評(píng)自己。這一方法存在的問題是：第一，對(duì)于小學(xué)生，他們還沒有“自我感知能力”，而且還不一定看得懂描述語；第二，學(xué)生撒謊，不會(huì)的也說會(huì)。因此學(xué)生自評(píng)數(shù)據(jù)的可靠性有問題，筆者建議中國英語能力等級(jí)量表可少量收集自評(píng)數(shù)據(jù)作為效度研究的一個(gè)補(bǔ)充，不能作為主要證據(jù)。

（3）專家評(píng)判法：用文檔、錄音、錄像等收集學(xué)生的語言行為表現(xiàn)（包括課堂表現(xiàn)、試卷、競(jìng)賽、答辯、演說等），專家通過觀看這些資料完成描述語的匹配。這一方法的優(yōu)點(diǎn)是：第一，專家有專業(yè)素養(yǎng)，評(píng)判數(shù)據(jù)的可靠性高；第二，資料可以復(fù)制，允許多人反復(fù)評(píng)判，能顯著提高描述語匹配數(shù)據(jù)的可靠性。但專家評(píng)判法的缺點(diǎn)也是明顯的，收集學(xué)生的英語能力行為樣本費(fèi)力費(fèi)錢，無法實(shí)現(xiàn)大樣本的數(shù)據(jù)收集。因此，筆者建議，中國英語能力等級(jí)量表可以少量收集這類數(shù)據(jù)，作為大規(guī)模調(diào)查數(shù)據(jù)校驗(yàn)用。

2.3 設(shè)計(jì)帶錨題的描述語調(diào)查問卷

2.3.1 問卷設(shè)計(jì)

設(shè)計(jì)“描述語調(diào)查問卷”是描述語量表化的又一個(gè)關(guān)鍵環(huán)節(jié)。如何將全部描述語科學(xué)而合理地分配到不同的調(diào)查問卷中？先來看North在瑞士項(xiàng)目1994年調(diào)查中的做法。North先將能力等級(jí)和英語學(xué)習(xí)者群體進(jìn)行了大致的關(guān)聯(lián)，見表1。針對(duì)每個(gè)不同層次學(xué)生所用的問卷，其所含的描述語是最適合其“目標(biāo)學(xué)生群體”的，在組卷時(shí)，要依據(jù)給描述語預(yù)設(shè)的三方面信息來分配它們，即描述語的臨時(shí)等級(jí)、描述語適合的目標(biāo)群體以及描述語的難度。North把全部280條描述語分成7份問卷，每份問卷含50條描述語，含10道錨題。分配方案：口語任務(wù)24條，理解4條，交互策略7條，口語質(zhì)量12條，寫作任務(wù)3條。7份問卷中，W1和W2是平行問卷，T1和T2是平行問卷，含平行錨題。不同等級(jí)問卷之間交叉重疊少部分題目，即含垂直錨題，其中B與W1交叉，W2與T1交叉，T2與I交叉，I與E交叉。

表1 North在瑞士項(xiàng)目1994年調(diào)查中的能力等級(jí)與目標(biāo)學(xué)生群體對(duì)應(yīng)關(guān)系

中國英語能力等級(jí)量表的問卷調(diào)查可基于上述原理，設(shè)計(jì)50份問卷，每份問卷50～60條描述語，含10道左右的錨題，可以分配為：聽力10條，口語8條，閱讀理解10條，寫作8條，翻譯4條，語言知識(shí)運(yùn)用5條，語用知識(shí)運(yùn)用5條，可行方案見表2。其中同一個(gè)層級(jí)的是平行問卷，含一組平行錨題，如A1-1和A1-2是平行問卷；相鄰層級(jí)之間是垂直問卷，含一組垂直錨題，如A1-1和A2-1交叉，A2-2和A3-1交叉，A3-2和B1-1交叉，B1-2和B2-1交叉，B2-2和B3-1交叉，B3-2和C1-1交叉，C1-2和C2-1交叉，C2-2和C3-1交叉。

2.3.2 問卷分發(fā)

描述語調(diào)查問卷可以通過互聯(lián)網(wǎng)發(fā)送給教師，教師在網(wǎng)上填寫。為保證調(diào)查數(shù)據(jù)的數(shù)量要求，同時(shí)保證被評(píng)學(xué)生有良好的代表性，問卷分發(fā)時(shí)應(yīng)滿足以下要求：（1）每份問卷只評(píng)測(cè)對(duì)應(yīng)的同一層級(jí)的學(xué)生；（2）每份問卷至少評(píng)100名學(xué)生。如果每位教師評(píng)20名學(xué)生，那么每份問卷就要至少被隨機(jī)地分發(fā)給5位不同的教師；（3）每位教師至少要評(píng)完一份問卷（即用一份試卷分別評(píng)20名左右的學(xué)生）。如果時(shí)間精力允許的話，一位教師也可以評(píng)多份平行問卷。

表2 中國英語能力等級(jí)量表問卷等值設(shè)計(jì)方案

此外，按照聽、說、讀、寫、譯、語言知識(shí)運(yùn)用等語言能力分類的描述語應(yīng)在同一個(gè)學(xué)生樣本上完成問卷調(diào)查。這樣，各類描述語的難度參數(shù)在經(jīng)過等值后，其量表零點(diǎn)在同一個(gè)位置上，即在被調(diào)查學(xué)生樣本的能力均值上。這無疑會(huì)給后面的量表等級(jí)劃分帶來極大的方便。否則，各類描述語得到的是相互獨(dú)立的量表體系，需要有一個(gè)把難度參數(shù)標(biāo)定（Calibrating）到一個(gè)新的共同量表上的環(huán)節(jié)，由于誤差累積效應(yīng)，會(huì)嚴(yán)重影響描述語難度參數(shù)的估計(jì)精度。

2.3.3 錨題組設(shè)計(jì)

“錨題”可以從描述語庫內(nèi)各位專家公認(rèn)為“好”的描述語中選出。平行等值的“錨題組”含全卷15%～20%的題量，無論是結(jié)構(gòu)上，還是題目質(zhì)量上，都是所在問卷的代表性題目。

垂直等值的“錨題組”由高一級(jí)問卷中較易的題和低一級(jí)問卷中較難的題組拼起來，難度在兩個(gè)等級(jí)中間，結(jié)構(gòu)上對(duì)上下兩個(gè)層級(jí)問卷都要有一定的代表性。

2.4 教師評(píng)判松緊度問題的解決方法

描述語與學(xué)生的語言行為表現(xiàn)的匹配程度通常用“5點(diǎn)里克特（Likert）量表”評(píng)分，用0表示這條描述語對(duì)某個(gè)學(xué)生的語言行為表現(xiàn)是不適合的，學(xué)生肯定達(dá)不到描述語所描述的水平；用4表示學(xué)生的語言表現(xiàn)水平肯定達(dá)到或超過了描述語所描述的水平；用2表示描述語相對(duì)學(xué)生語言行為來說，是中等程度的符合；1介于0與2之間，3介于2與4之間。

通常教師在對(duì)學(xué)生進(jìn)行評(píng)定時(shí)，對(duì)于描述語與學(xué)生符合程度的判斷，在“松緊度”（Severity）的把握上會(huì)有很大差異。每個(gè)人所評(píng)分?jǐn)?shù)，會(huì)圍繞分?jǐn)?shù)量表的中心點(diǎn)（即量表的參照點(diǎn)或者稱零點(diǎn)）上下移動(dòng)。為了不讓這個(gè)零點(diǎn)在評(píng)分時(shí)任意“飄移”（Float?ing），有必要對(duì)全體評(píng)分員進(jìn)行培訓(xùn)，以統(tǒng)一評(píng)分的松緊度。

North的瑞士項(xiàng)目采取“看錄像打分”的培訓(xùn)程序，值得借鑒。瑞士項(xiàng)目1994年做的主要是“口語及互動(dòng)量表”（含寫作），因此North的錄像中錄的是學(xué)生的口語表現(xiàn)，一個(gè)考官、兩個(gè)水平相當(dāng)?shù)膶W(xué)生，共11個(gè)錄像，不同錄像里面的學(xué)生水平都不一樣。North為每個(gè)錄像編了一組描述語（5～7條），不同等級(jí)錄像的描述語還有交叉的錨題（比如2題），這樣全部錄像里的描述語難度參數(shù)后續(xù)就可以直接等值。North要求參加描述語問卷調(diào)查的教師先瀏覽一遍描述語，再看錄像，同時(shí)試著給每條描述語評(píng)一個(gè)臨時(shí)分?jǐn)?shù)，看完錄像后，反復(fù)核對(duì)全部評(píng)分情況，看看是否都合適，個(gè)別學(xué)生成績是否要修改。最后，確認(rèn)自己的評(píng)分。

在此程序基礎(chǔ)上，North提出兩種解決教師評(píng)分松緊度的方法：①行為觀察量表法（Behavior Obser?vation Scales，BOS）：根據(jù)錄像培訓(xùn)所得數(shù)據(jù)可以估計(jì)每個(gè)教師評(píng)分的松緊度參數(shù)，教師無需改變自己的評(píng)分習(xí)慣就可以開始評(píng)分。后續(xù)在估計(jì)每條描述語的難度參數(shù)時(shí)，計(jì)算模型會(huì)根據(jù)評(píng)分教師的松緊度對(duì)描述語的難度參數(shù)進(jìn)行相應(yīng)調(diào)整。②行為描述量表法（Behavior Summary Scales，BSS）：經(jīng)過培訓(xùn)后的教師，把自己評(píng)分的松緊度主動(dòng)調(diào)整到一個(gè)給定的“統(tǒng)一標(biāo)準(zhǔn)”上。顯然，這里需要制定一個(gè)統(tǒng)一的評(píng)分標(biāo)準(zhǔn)。

很多研究都發(fā)現(xiàn)，BSS量表法行不通。因?yàn)榻處熃?jīng)過培訓(xùn)后，評(píng)分松緊度有的改了，有的改不了，更多的評(píng)分員可能是第一天改了，第二天、第三天又回到原來的習(xí)慣。因此，對(duì)于中國英語能力等級(jí)量表的評(píng)分松緊度問題，推薦用BOS量表法解決。

North的1994年瑞士項(xiàng)目只包括口語與互動(dòng)，他大概認(rèn)為作文與口語評(píng)分具有共通性，因此在培訓(xùn)評(píng)分松緊度時(shí)，只用了口語錄像資料。但如果是聽力和閱讀描述語評(píng)分，松緊度問題又如何解決呢？是否教師的評(píng)分松緊度在口語錄像培訓(xùn)上統(tǒng)一后，就可以自然地遷移到聽力、閱讀評(píng)分上去，還是松緊度本來就和量表類別關(guān)系不大？此外，評(píng)分員評(píng)分時(shí)常有“趨中”現(xiàn)象，這是否也需要有一個(gè)事后的統(tǒng)一調(diào)整呢？這些問題都有待進(jìn)一步研究。

3 數(shù)據(jù)分析和描述語的最后審核

調(diào)查問卷的數(shù)據(jù)分析在兩個(gè)層面上進(jìn)行：一個(gè)是數(shù)據(jù)的集中分析層面，一個(gè)是數(shù)據(jù)的分組分析層面。集中分析要解決的問題有：首先，用模型分析的方法剔除全部數(shù)據(jù)中不合適的描述語和不合適的學(xué)生數(shù)據(jù)；然后，分析描述語的分類在各組之間是否有不合理的情況，全部描述語的難度估計(jì)和等值，全部學(xué)生的能力水平參數(shù)估計(jì)和等值，描述語的等級(jí)劃分和量表的等級(jí)劃分等。分組分析要解決的問題有：描述語的分類在組內(nèi)是否有不合理的情況，描述語的難度估計(jì)及排序，描述語的等級(jí)劃分，其他與量表構(gòu)念效度、描述語效度有關(guān)的諸多問題。

描述語分類驗(yàn)證的數(shù)據(jù)分析方法主要有：因子分析法、聚類分析法、卡方分析法、IRT模型分析等；描述語分級(jí)驗(yàn)證的數(shù)據(jù)分析方法主要有：Facets分析、聚類分析法等，讀者可參考相關(guān)專業(yè)文獻(xiàn)。

綜合全部數(shù)據(jù)分析結(jié)果，再加上專家的集體審核意見，不合適的描述語將會(huì)被大量刪除，初步估計(jì)刪除比例將在30%左右。有些描述語，可能需稍作修改便可留用。保留下來的描述語應(yīng)該能力目標(biāo)清晰、語言簡潔易懂、語義結(jié)構(gòu)符合“能做描述”規(guī)范，而且難度參數(shù)在整個(gè)能力量表上都有分布，而不是擠在某幾個(gè)等級(jí)里面。Alderson和North都曾對(duì)CEFR的編制工作（包括描述語的審核和分級(jí)等）做過細(xì)致的總結(jié)和評(píng)論，其中很多經(jīng)驗(yàn)之談，值得借鑒。

[1]林蕙青.深化考試招生制度改革，加強(qiáng)國家外語能力測(cè)評(píng)體系建設(shè)[J].中國考試,2015（1）.

[2]劉建達(dá).我國英語能力等級(jí)量表研制的基本思路[J].中國考試, 2015（1）.

[3]楊惠中.關(guān)于我國外語能力測(cè)評(píng)體系建設(shè)的幾點(diǎn)思考[J].中國考試,2015（1）.

[4]朱正才.關(guān)于我國英語能力等級(jí)量表描述語庫建設(shè)的若干問題[J].中國考試,2015（4）.

[5]American Educational Research Association,American Psychologi?cal Association,National Council on Measurement in Education. Standards for Educational and Psychological Testing[M].Washing?ton,DC:American Educational Research Association,1999.

[6]American Educational Research Association,American Psychologi?cal Association,National Council on Measurement in Education. Standards for Educational and Psychological Testing[M].Washing?ton,DC:American Educational Research Association,2014.

[7]Council of Europe.Common European Framework of Reference for Languages:Learning,Teaching,Assessment[M].Cambridge:Press Syndicate of the University of Cambridge,2001.

[8]North,B.,&Schneider,G.Scaling descriptors for language profi?ciency scales[J].Language Testing,1998,15（2）:217-263.

[9]North,B.The development of a common framework scale of lan?guage proficiency[M].New York:P.Lang,2000.

[10]方緒軍，楊惠中，朱正才.制定全國統(tǒng)一的語言能力等級(jí)量表的原則與方法[J].現(xiàn)代外語,2009（4）:380-387.

[11]劉駿，傅榮，譯.歐洲語言共同參考框架：學(xué)習(xí)、教學(xué)、評(píng)估[M].北京：外語教學(xué)與研究出版社,2008.

[12]Bachman,L.F.Fundamental Consideration in Language Testing [M].Oxford,UK:Oxford University Press,1990.

[13]Bachman,L.F.,&Palmer,A.S.Language Assessment in Practice [M].Oxford,UK:Oxford University Press,2013.

[14]Hughes,A.Testing for Language Teachers[M].Camebridge,UK: Cambridge University Press,1989.

[15]Hymes,D.On communicative competence[C]//Pride,J.B.,&Hol?mes,J.（Eds.）.Sociolinguistics.Harmondsworth:Penguin,1972：269-293.

[16]Jin,Y.,&Wu,Z.Developing the Common Chinese Framework of Reference:Challenges at Macro and Micropolitical Levels[C]//Pa?per presented at the 36th Language Testing Research Colloquium. Amsterdam,the Netherlands:VU University,2014.

[17]楊惠中，朱正才，方緒軍.中國語言能力等級(jí)共同量表研究——理論方法與實(shí)證研究[M].上海：上海外語教育出版社,2012.

[18]楊惠中，桂詩春.制定亞洲統(tǒng)一的英語語言能力等級(jí)量表[J].中國外語,2007（2）:34-37.

[19]Thomas,P.Psychological Testing:A Practical Introduction[M]. Hoboken,NJ：John Wiley&Sons,Inc.（Second Edition）,2007: 155-205.

[20]張厚粲,龔耀先.心理測(cè)量學(xué)[M].杭州：浙江教育出版社,2012.

[21]Figueras,N.,North,B.,Takala,S.,Verhest,N.,&Avermaet,P.Re?lating Examinations to the Common European Framework:A man?ual[J].Language Testing,2005,22（3）:261-279.

[22]Jones,N.Background to the validation of the ALTE“Can-do”project and the revised Common European Framework[J].UCLES Research Notes,2000（2）.

[23]Kane,M.T.Validating score interpretations and uses[J].Language Testing,2012,29（1）:3-17.

[24]Weir,C.J.Language Testing and Validation:An evidence-based approach[M].Houndgrave,Hampshire,UK:Palgrave-Macmillan, 2005.

[25]陳宏.在語言能力測(cè)驗(yàn)中如何建立結(jié)構(gòu)效度[J].語言教學(xué)與研究,1997（2）:77-92.

[26]楊惠中,Weir，C.大學(xué)英語四、六級(jí)考試效度研究[M].上海：上海外語教育出版社,1998.

[27]Linacre,J.M.A User’s Guide to Facets[M].Chicago:MESA Press, 1989.

[28]Arbuckle,J.L.Amos 4.0 User’s Guide[M].Chicago:SPSS Inc, 1995.

[29]Thissen,D.MULTILOG User’s Guide[M].Chicago:Scientific Soft?ware,Inc,1991.

[30]楊惠中,朱正才,方緒軍.英語口語能力描述語因子分析及能力等級(jí)劃分——制定語言能力等級(jí)量表實(shí)證研究[J].現(xiàn)代外語, 2011（2）:151-161.

[31]朱正才.語言測(cè)試的能力結(jié)構(gòu)與因子分析法[J].外語教學(xué)，2014,35（5）:50-54.

[32]楊志明,張雷.測(cè)評(píng)的概化理論及其應(yīng)用[M].北京：科學(xué)出版社,2003.

[33]Alderson,C.The CEFR and the need for more research[J].The Modern Language Journal,2007,91（4）:659–663.

[34]North,B.The CEFR in Practice[M].Camebridge,UK:Cambridge University Press,2014.

A Feasible Proposal on Calibrating the Descriptors of the English Proficiency Scale

ZHU Zhengcai

With reference to North’experiences in CEFR mainly,the paper puts forward a feasible proposal on scaling all the descriptors from the descriptor items pool in Chinese context.Solutions have been proposed for sampling students at different proficiency levels,linking their performances with specific descriptors,and conducting questionnaire surveys on descriptors with anchor items,the study of which,hopefully,will provide sufficient and reliable data for the validation of the China English Proficiency Scale.

Foreign Language Testing and Assessment;English Proficiency Scale;Calibration of Descriptors

G405

A

1005-8427（2016）04-0003-6

本文系教育部哲學(xué)社會(huì)科學(xué)研究重大課題攻關(guān)項(xiàng)目“中國英語能力等級(jí)量表建設(shè)研究”（編號(hào):15JZD049）的研究成果之一，得到教育部考試中心“中國英語能力等級(jí)量表研制”項(xiàng)目的資助。

朱正才，男，上海交通大學(xué)外國語學(xué)院，教授，博士生導(dǎo)師（上海 200240）