寫作不僅是語言表達(dá)的一種重要產(chǎn)出形式，而且是二語學(xué)習(xí)者語言水平高低的重要標(biāo)志之一，因此，它也是第二語言習(xí)得研究的重要問題之一。研究表明，漢語二語作文質(zhì)量與詞匯

、句法

兩個(gè)因素密切相關(guān)，詞匯、句法維度區(qū)別性特征的選擇與使用，是第二語言口語測試和寫作測試評分的熱門議題之一。在大數(shù)據(jù)時(shí)代，以便捷的方式完成二語學(xué)習(xí)者寫作水平（Writing Proficiency）的自動評分，具有廣泛的應(yīng)用價(jià)值，也是目前學(xué)界研究的熱點(diǎn)，選擇高效度、高信度的評價(jià)指標(biāo)則是實(shí)現(xiàn)寫作自動化評分的核心內(nèi)容。黃志娥等指出，在HSK自動作文評分的研究中，指標(biāo)選取是關(guān)鍵環(huán)節(jié)之一，直接影響著評分模型的性能

。不過，在以往的研究中，由于研究角度、目的和語料來源有效性等方面的差異，無論是在指標(biāo)的操作性定義方面，還是在測量體系的信度、效度方面，均未達(dá)成共識。

前景化概念對詩歌的解析具有重要的作用，可以從變異和過分規(guī)則化兩個(gè)角度入手，找出其語音、語相、詞匯、句法以及語篇等各個(gè)層次上的變異和過分規(guī)則化，更好地理解作者的選擇，欣賞前景化所帶給詩歌的美感，從而為詩歌解釋提供有力的依據(jù)。

語言表達(dá)的復(fù)雜度、準(zhǔn)確度和流利度（Complexity、Accuracy and Fluency，以下簡稱“CAF”），是二語表達(dá)中既具有協(xié)同作用又存在競爭關(guān)系的維度

，因此，它們是評價(jià)二語學(xué)習(xí)者書面表達(dá)能力的重要特征變量，體現(xiàn)了心理語言的習(xí)得、表征和認(rèn)知加工機(jī)制

。近些年來，基于CAF對二語表達(dá)水平評分的有效性的研究越來越多，其中，詞匯、句法維度的CAF指標(biāo)更是研究的熱點(diǎn)，但已有的研究成果主要集中在英語習(xí)得領(lǐng)域。英語與漢語是兩種不同類型的語言，英語習(xí)得研究的成果無法直接應(yīng)用在漢語習(xí)得與評價(jià)研究中，相較而言，漢語二語習(xí)得領(lǐng)域的相關(guān)研究較為滯后。

針對上述問題，本文將基于中國漢語水平考試（以下簡稱“HSK”）大數(shù)據(jù)，采取“大數(shù)據(jù)小樣本”策略，以韓國學(xué)生的HSK寫作測試語料為研究對象，從詞匯和句法維度篩選、界定符合漢語特征的量化指標(biāo)，進(jìn)而嘗試構(gòu)建更加優(yōu)化的、更具普適性的寫作評價(jià)回歸模型，以期完善漢語作為第二語言的寫作評價(jià)指標(biāo)體系，為漢語作為第二語言的寫作自動評分系統(tǒng)的設(shè)計(jì)提供借鑒，并為漢語二語寫作教學(xué)提供參考。

一、研究設(shè)計(jì)

（一）研究問題

本文所探討的問題主要包括三個(gè)方面：1.詞匯和句法維度的29個(gè)典型指標(biāo)與寫作成績的關(guān)系如何？2.在詞匯和句法兩個(gè)維度中，哪一個(gè)維度對寫作水平的影響更大？3.由詞匯及句法指標(biāo)所構(gòu)建的韓國學(xué)生漢語寫作評價(jià)回歸模型中，哪些指標(biāo)可以有效預(yù)測寫作分?jǐn)?shù)？回歸模型的效度如何？

（二）語料的選取與處理

本研究所用語料來自于參加2010年4月HSK（高等）考試的韓國學(xué)生限時(shí)獨(dú)立寫作的命題作文《員工八小時(shí)以外是否應(yīng)該自由》，依據(jù)HSK作文的標(biāo)準(zhǔn)分，將隨機(jī)選擇的90份（男、女各45份）韓國學(xué)生作文語料，劃分為低、中、高三個(gè)分?jǐn)?shù)段。其中，50—60分為低分段，70—80分為中分段，90分及以上為高分段。通過對語料進(jìn)行機(jī)器分詞、人工標(biāo)注和統(tǒng)計(jì)等處理，考察韓語母語者書面寫作中詞匯維度、句法維度的語言特征表現(xiàn)。

表7需要說明的是，a.預(yù)測變量：（常量），零形成分?jǐn)?shù)量，最常用詞比率，虛詞使用比率，話題鏈數(shù)量，話題鏈分句數(shù)量；b.因變量：作文分?jǐn)?shù)。方差分析結(jié)果顯示，模型1（

[5，39]＝8.543，

＜.001）是有效的。回歸分析結(jié)果表明，虛詞使用比率、最常用詞比率、話題鏈數(shù)量、話題鏈分句數(shù)量和零形成分?jǐn)?shù)量五個(gè)參項(xiàng)，最終進(jìn)入回歸模型，它們能夠解釋寫作成績52.3%的變異（

R

＝.523）。各參項(xiàng)的具體影響，如表8所示：

（三）評價(jià)指標(biāo)的選取

吳繼峰將HSK作文評分標(biāo)準(zhǔn)概括為語言特征和內(nèi)容質(zhì)量兩部分

，其中，詞匯維度和句法維度作為語言特征的兩個(gè)典型性維度，在寫作質(zhì)量評價(jià)中起著不可忽視的作用。本研究以Read的詞匯豐富性框架為基礎(chǔ)，并借鑒王藝璇

、吳繼峰

的研究方法，將詞匯層面的考察維度操作性定義為詞匯多樣性、詞匯復(fù)雜性、詞匯準(zhǔn)確性和詞頻概貌，最終選取了19個(gè)典型詞匯特征作為初始指標(biāo)體系進(jìn)行相關(guān)研究。其具體指標(biāo)及計(jì)算方法如表1所示：

觀察組的腸鳴音恢復(fù)時(shí)間、肛門自主排氣時(shí)間以及護(hù)理滿意度 為（16.56±8.20）h、（22.12±7.85）h、（92.14±2.15） 分；對照組的上述指標(biāo)為（38.15±14.33）h、（47.96±18.98）h、（81.23±3.65）分。

在句法維度上，Lasagabaster & Doiz認(rèn)為，“跟那些能力較差的學(xué)生相比，能力較強(qiáng)的學(xué)生的文章會更長、更復(fù)雜也更準(zhǔn)確”

。在漢語二語寫作研究中，王藝璇

、吳繼峰

的研究結(jié)果均證實(shí)了這一觀點(diǎn)。不過，由于已有研究中所選取的句法指標(biāo)不同，因此，各位學(xué)者得出的結(jié)論也存在一定差異。基于這一考慮，本研究將句法正確性和句法復(fù)雜性作為考察對象，并借鑒井茁

、吳繼峰

的研究方法，從句法正確性和復(fù)雜性兩方面選取了10個(gè)特征變量。其具體指標(biāo)及計(jì)算方法如表2所示：

二是實(shí)施組織優(yōu)化方略，推進(jìn)水資源一體化管理。鑒于水資源的流動性、循環(huán)性和基礎(chǔ)性等特征，將隔斷的水連接起來，推進(jìn)涉水事務(wù)一體化管理?；诹饔蛩Y源合理配置，完善流域一體化管理；按照統(tǒng)籌城鄉(xiāng)、以城帶鄉(xiāng)的要求，積極推進(jìn)城鄉(xiāng)供水統(tǒng)籌管理。加強(qiáng)水管理部門內(nèi)部、水管理部門同環(huán)保、城建等部門的協(xié)調(diào)，進(jìn)一步提高水資源管理的一體化水平，從短期來看，推進(jìn)建立水資源統(tǒng)一管理機(jī)構(gòu)；從長期看，建立資源環(huán)境一體化管理機(jī)構(gòu)，從根本上改變水資源管理分散和割裂的局面，改善水資源的總體功能。

根據(jù)上述指標(biāo)體系，我們對研究對象的寫作語料逐篇進(jìn)行了指標(biāo)統(tǒng)計(jì)，然后以詞匯多樣性、詞匯復(fù)雜性、詞匯準(zhǔn)確性、詞頻概貌、句法正確性和句法復(fù)雜性這6個(gè)維度的29項(xiàng)典型特征為考察對象，進(jìn)一步對韓國學(xué)生作文語料進(jìn)行數(shù)據(jù)標(biāo)注與統(tǒng)計(jì)檢驗(yàn)，考察韓國學(xué)生在詞匯和句法維度上的語言表現(xiàn)特征。

（四）研究過程

本研究主要分為三個(gè)階段：首先，對語料進(jìn)行分詞、標(biāo)注等處理，依次采集本研究所需要的各項(xiàng)評價(jià)指標(biāo)。其次，借助SPSS25.0軟件，進(jìn)行各項(xiàng)寫作評價(jià)指標(biāo)與寫作成績的相關(guān)性分析，選取顯著相關(guān)的詞匯、句法指標(biāo)作為原始參項(xiàng)，以被試的HSK考試寫作分?jǐn)?shù)為因變量，分別構(gòu)建詞匯回歸模型、句法回歸模型以及詞匯句法綜合回歸模型。最后，對以上三個(gè)回歸模型進(jìn)行效度檢驗(yàn)，探究詞匯和句法因素對寫作成績的影響程度與預(yù)測效果，從而篩選出具有高效度、高信度的漢語二語寫作水平評價(jià)指標(biāo)。

二、研究分析

（一）詞匯維度

1.詞匯指標(biāo)與寫作成績的相關(guān)性

我們首先對詞匯維度的19個(gè)指標(biāo)與寫作成績之間的關(guān)系進(jìn)行了Pearson相關(guān)分析，結(jié)果顯示：在上述19個(gè)初始詞匯指標(biāo)中，有11個(gè)指標(biāo)與作文分?jǐn)?shù)呈顯著相關(guān)。其中，詞匯多樣性特征中的Guiraud指標(biāo)、總詞數(shù)、詞種數(shù)、虛詞數(shù)量、虛詞使用比率和連詞數(shù)量，均與寫作成績顯著相關(guān)（

＝.563，

＜.01；

＝.459，

＜.01；

＝.630，

＜.01；

＝.490，

＜.01；

＝.390，

＜.01；

＝.361，

＜.05）；詞匯復(fù)雜性特征中的復(fù)雜詞數(shù)量與寫作成績顯著相關(guān)（

＝.398，

＜.01）；詞匯準(zhǔn)確性特征中的無錯(cuò)誤詞匯數(shù)量與寫作成績顯著相關(guān)（

＝.385，

＜.01）；詞頻概貌特征中的最常用詞比率、常用詞數(shù)量和次常用詞數(shù)量，均與寫作成績顯著相關(guān)（

＝－.405，

＜.01；

＝.479，

＜.01；

＝.402，

＜.01）。其余8個(gè)指標(biāo)與寫作成績的相關(guān)性均不顯著。

先說園。園因砧木不同分為喬化、矮化和短枝，矮砧又分為中間砧與自根砧兩種；園因建在不同地貌分為川地園、塬面園和山地園。應(yīng)根據(jù)砧木、品種、密度、立地、樹齡、樹勢等綜合作出修剪研判。如果一個(gè)果園已經(jīng)郁閉，僅在個(gè)體上做文章顯然是不夠的，必須通過間伐才能從根本上解決群體光照問題。同理，在一株樹上先要觀察并決定大枝的去留，然后才是枝組的精細(xì)修剪。

1.句法指標(biāo)與寫作成績的相關(guān)性

表3需要說明的是，a.預(yù)測變量：（常量），詞種數(shù)；b.預(yù)測變量：（常量），詞種數(shù)，虛詞使用比率；c.預(yù)測變量：（常量），詞種數(shù)，虛詞使用比率，最常用詞比率；d.因變量：作文分?jǐn)?shù)。方差分析結(jié)果顯示，模型1（

[1，43]＝28.328，

＜.001），模型2（

[2，42]＝18.637，

＜.001）和模 型3（

[3，41]＝16.110，

＜.001），均是有效的。回歸分析結(jié)果顯示，詞種數(shù)、虛詞使用比率和最常用詞比率三個(gè)參項(xiàng)，最終進(jìn)入回歸模型，三者能夠解釋作文分?jǐn)?shù)54.1%的變異（

R

＝.541）。詞匯各變量的具體影響，如表4所示：

根據(jù)上述分析結(jié)果，我們選擇與寫作水平存在顯著相關(guān)的Guiraud指標(biāo)、總詞數(shù)、詞種數(shù)、虛詞數(shù)量、虛詞使用比率、連詞數(shù)量、復(fù)雜詞數(shù)量、無錯(cuò)誤詞匯數(shù)量、最常用詞比率、常用詞數(shù)量和次常用詞數(shù)量作為初始參項(xiàng)，以被試的作文分?jǐn)?shù)為因變量，采用逐步回歸法（Stepwise）進(jìn)行回歸分析。具體分析結(jié)果如表3所示：

回歸分析的結(jié)果顯示，詞種數(shù)（

＝3.705，

＜.05）、虛詞使用比率（

＝3.168，

＜.05）和最常用詞比率（

＝－2.515，

＜.05），對作文質(zhì)量的影響均顯著。許宏晨指出，標(biāo)準(zhǔn)化回歸方程適合用來描述研究結(jié)果，但非標(biāo)準(zhǔn)化回歸方程的實(shí)用性更強(qiáng)

。因此，我們采用非標(biāo)準(zhǔn)化系數(shù)來建立詞匯回歸模型：寫作成績＝60.489＋0.271×詞種數(shù)＋77.689×虛詞使用比率－56.799×最常用詞比率。以上三者的標(biāo)準(zhǔn)化回歸系數(shù)為：0.444＞0.357＞|－0.301|（詞種數(shù)＞虛詞使用比率＞最常用詞比率）。由此可見，詞種數(shù)對被試的寫作成績影響最大，虛詞使用比率和最常用詞比率的影響次之。

（二）句法維度

2.詞匯回歸模型

為了考察句法特征與韓國學(xué)生寫作成績之間的關(guān)系，以及句法指標(biāo)對寫作成績的預(yù)測效果，本研究采用SPSS25.0軟件，對二者進(jìn)行Pearson相關(guān)分析。相關(guān)分析的結(jié)果顯示：句法復(fù)雜性維度中的話題鏈數(shù)量（

＝.345，

＜.05）、話題鏈分句數(shù)量（

＝.513，

＜.01）和零形成分?jǐn)?shù)量（

＝.483，

＜.01），均與作文分?jǐn)?shù)呈顯著相關(guān)；其余7個(gè)句法復(fù)雜性指標(biāo)和句法正確性指標(biāo)，與寫作成績的相關(guān)性均不顯著。

2.句法回歸模型

(2)分析條件確定定的點(diǎn)，明確需構(gòu)點(diǎn).由條件可知△ACD的形狀確定，是一個(gè)頂角為138°的等腰的三角形，即可以先確定A、C、D三點(diǎn)，故只需構(gòu)造點(diǎn)B；

由表6可知，以上三者的標(biāo)準(zhǔn)化回歸系數(shù)由大到小為：0.769＞0.343＞0.095（零形成分?jǐn)?shù)量＞話題鏈分句數(shù)量＞話題鏈數(shù)量），即它們對寫作成績的影響程度逐漸減弱。相應(yīng)的句法回歸方程是：寫作成績＝53.654＋0.633×話題鏈數(shù)量＋0.557×話題鏈分句數(shù)量＋1.084×零形成分?jǐn)?shù)量。在這三個(gè)參項(xiàng)中，只有話題鏈分句數(shù)量對寫作成績的影響顯著（

＜.05）。不過，出于對回歸方程整體性的考慮以及綜合相關(guān)分析結(jié)果，我們?nèi)员Ａ粼掝}鏈數(shù)量、零形成分?jǐn)?shù)量作為模型參項(xiàng)。

表5需要說明的是，a.預(yù)測變量：（常量），話題鏈分句數(shù)量；b.因變量：作文分?jǐn)?shù)。方差分析結(jié)果顯示，模型1（

[3，41]＝6.561，

＜.01）是有效的?；貧w分析表明，話題鏈數(shù)量、話題鏈分句數(shù)量和零形成分?jǐn)?shù)量三個(gè)參項(xiàng)，最終進(jìn)入回歸模型，它們能夠解釋寫作成績32.4%的變異（

R

＝.324）。三個(gè)參項(xiàng)的具體影響，如表6所示：

根據(jù)上述分析結(jié)果，我們選擇與寫作成績存在顯著相關(guān)的話題鏈數(shù)量、話題鏈分句數(shù)量和零形成分?jǐn)?shù)量作為初始參項(xiàng)，采用強(qiáng)制回歸法（Enter）進(jìn)行回歸分析，并建立句法回歸模型。具體分析結(jié)果如表5所示：

（三）詞匯句法綜合回歸模型

由于寫作水平是詞匯和句法水平的綜合反映，因此，在分別考察了詞匯和句法維度對寫作成績的影響后，我們再以兩個(gè)維度中與寫作成績顯著相關(guān)的14個(gè)指標(biāo)作為自變量，以被試的作文分?jǐn)?shù)為因變量，采用強(qiáng)制回歸法，建立詞匯句法綜合回歸模型，并參考多重共線性（Multicollinear）的分析數(shù)據(jù)，對相關(guān)參項(xiàng)進(jìn)行了調(diào)整。具體結(jié)果如表7所示：

通過復(fù)習(xí)課，學(xué)生具備了相對穩(wěn)固的知識體系，具備了一定的科學(xué)探究能力與問題解決能力。教師可以引導(dǎo)學(xué)生結(jié)合本地資源開展多種形式的科學(xué)實(shí)踐活動，嘗試解決現(xiàn)實(shí)生活中與生物學(xué)息息相關(guān)的問題，進(jìn)行社會責(zé)任的滲透。

為了綜合評估“一帶一路”背景下，東道國各項(xiàng)制度對中國直接投資雙邊經(jīng)濟(jì)增長效應(yīng)的影響，本文將采用索洛經(jīng)濟(jì)增長模型作為實(shí)證分析的理論基礎(chǔ)。索洛經(jīng)濟(jì)增長模型長期以來被用于分析經(jīng)濟(jì)增長的理論分析和促進(jìn)經(jīng)濟(jì)增長的政策研究，對經(jīng)濟(jì)增長問題研究的影響是廣泛和深遠(yuǎn)的，后期許多經(jīng)濟(jì)學(xué)家又對該模型不斷放寬并加以完善。

從表8可以看出，虛詞使用比率（

＝3.188，

＜.01）、最常用詞比率（

＝－3.235，

＜.01）、話題鏈分句數(shù)量（

＝2.102，

＜.05），均對作文質(zhì)量產(chǎn)生顯著影響；話題鏈數(shù)量（

＝0.936，

＝0.355）、零形成分?jǐn)?shù)量（

＝0.396，

＝0.694）的影響并不顯著。出于對方程整體性的考慮以及綜合相關(guān)分析結(jié)果，我們?nèi)员Ａ粼掝}鏈數(shù)量、零形成分?jǐn)?shù)量，并建立詞匯句法綜合回歸方程：寫作成績＝88.246＋82.658×虛詞使用比率－73.041×最常用詞比率＋0.816×話題鏈數(shù)量＋0.464×話題鏈分句數(shù)量＋0.274×零形成分?jǐn)?shù)量?；貧w分析結(jié)果顯示，五個(gè)參項(xiàng)的標(biāo)準(zhǔn)化回歸系數(shù)由大到小依次為：|－0.387|＞0.380＞0.285＞0.122＞0.061，也就是說，最常用詞比率＞虛詞使用比率＞話題鏈分句數(shù)量＞話題鏈數(shù)量＞零形成分?jǐn)?shù)量。這說明詞匯指標(biāo)對寫作成績的影響程度要高于句法指標(biāo)對寫作成績的影響程度。

（四）回歸模型的預(yù)測效度研究

為了驗(yàn)證回歸方程的預(yù)測效度，我們從90份語料中隨機(jī)選取了45份語料，通過檢驗(yàn)回歸模型的成績預(yù)測值與實(shí)際寫作分?jǐn)?shù)之間的相關(guān)性，考察詞匯回歸方程、句法回歸方程和詞匯句法綜合回歸方程對學(xué)生寫作成績的預(yù)測表現(xiàn)。Pearson相關(guān)分析結(jié)果顯示，詞匯回歸方程和句法回歸方程的預(yù)測成績與寫作成績之間存在顯著的正相關(guān)關(guān)系，其中，

r

＝.672，

＜.001，

r

＝.550，

＜.001；詞匯句法綜合回歸方程與寫作成績之間則存在顯著的高度正相關(guān)關(guān)系，即

＝.729，

＜.001。上述數(shù)據(jù)表明，詞匯回歸方程的預(yù)測效果要好于句法回歸方程，而詞匯句法綜合回歸模型的預(yù)測效果最好。這是因?yàn)樵诮浑H表達(dá)中，詞匯與語法是密切相關(guān)、無法分離的，“詞語決定具體的特征，語法負(fù)責(zé)一般的規(guī)律，二者相輔相成，共同為表達(dá)意義服務(wù)”

。作為語言的建筑材料，詞匯是意義的載體，是二語能力發(fā)展的重要制約因素，學(xué)習(xí)者之所以能夠?qū)崿F(xiàn)有效的二語交流，是因?yàn)檎莆樟顺渥愫颓‘?dāng)?shù)脑~匯。句法則是語言的結(jié)構(gòu)規(guī)則，只有在具備一定詞匯能力的基礎(chǔ)上，學(xué)習(xí)者才能掌握語法規(guī)則，從而在語言應(yīng)用中真正發(fā)揮其功能。因此，詞匯能力評價(jià)在寫作成績評價(jià)中具有舉足輕重的地位，語法同樣也是寫作評價(jià)和語言習(xí)得中不可忽視的重要維度。

三、研究結(jié)論

可以說，影響漢語二語作文質(zhì)量評價(jià)的因素眾多，本文選取了詞匯和句法維度的29個(gè)典型指標(biāo)進(jìn)行考察。研究發(fā)現(xiàn)，在詞匯維度的19個(gè)指標(biāo)中，只有詞匯多樣性和詞頻概貌的3項(xiàng)指標(biāo)最終進(jìn)入了寫作評價(jià)模型，能夠解釋寫作成績54.1%的變異。詞匯復(fù)雜性、詞匯準(zhǔn)確性等8項(xiàng)指標(biāo)與寫作成績顯著相關(guān)，這與已有研究中詞匯復(fù)雜性和詞匯準(zhǔn)確性對寫作成績具有顯著影響的結(jié)論相一致。其中，詞匯多樣性指標(biāo)——Guiraud指標(biāo)和詞種數(shù)與寫作成績處于中等相關(guān)（r

＝.563，p＜.01，r

＝.630，p＜.01），這說明漢語二語寫作中使用盡可能豐富的語言表達(dá)方式是十分必要的。因此，無論是學(xué)習(xí)者，還是漢語教師，都需要對詞匯多樣性保持持續(xù)關(guān)注。

句法維度中，只有代表句法復(fù)雜性的話題鏈數(shù)量、話題鏈分句數(shù)量和零形成分?jǐn)?shù)量三個(gè)指標(biāo)顯著，三者組合能夠解釋寫作成績32.4%的變異。這一發(fā)現(xiàn)與吳繼峰

所得出的語法正確性與寫作質(zhì)量顯著相關(guān)的結(jié)論并不一致。我們認(rèn)為，研究所選取的樣本量、學(xué)習(xí)者的個(gè)體差異及回避策略的使用，都是影響相關(guān)顯著性的重要因素。

在構(gòu)建詞匯句法綜合回歸模型時(shí)，虛詞使用比率、最常用詞比率、話題鏈分句數(shù)量、話題鏈數(shù)量和零形成分?jǐn)?shù)量作為有效參項(xiàng)，其標(biāo)準(zhǔn)化回歸系數(shù)由大到小依次為：|－0.387|＞0.380＞0.285＞0.122＞0.061。這說明文本的詞匯特征對寫作成績的影響較大，句法復(fù)雜性次之。依據(jù)Cohen的效應(yīng)量參照體系，R

的小、中、大效應(yīng)量標(biāo)準(zhǔn)分別是0.02、0.13、0.26

。如果按照語言維度來統(tǒng)計(jì)，詞匯和句法指標(biāo)均達(dá)到高等效應(yīng)量，其中，詞匯指標(biāo)對寫作成績的解釋力度更大（R

＝.541，R

＝.324，R

＝.523）；綜合效度檢驗(yàn)結(jié)果，二者共同使用時(shí)對寫作成績的預(yù)測效果最佳（r

＝.672，r

＝.550，

r

＝.729）。

全部入組患者年齡最小50歲,最大80歲,其中男性35例,女性25例,兩組患者在年齡,性別等一般資料上無顯著差異,P>0.05,具有可比性。

綜上所述，本文考察了詞匯多樣性、詞匯復(fù)雜性、詞匯準(zhǔn)確性、詞頻概貌、句法復(fù)雜性、句法正確性等語言特征與寫作成績之間的關(guān)系，檢驗(yàn)了詞匯和句法維度的29個(gè)典型指標(biāo)對寫作水平的預(yù)測作用。研究發(fā)現(xiàn)，最常用詞比率、虛詞使用比率、話題鏈分句數(shù)量、話題鏈數(shù)量和零形成分?jǐn)?shù)量，可以作為韓國學(xué)生漢語寫作自動評分的有效參項(xiàng)。這一結(jié)論對韓國漢語學(xué)習(xí)者作文的量化測評、自動評分和寫作教學(xué)均具有參考價(jià)值。需要指出的是，由于相關(guān)指標(biāo)的處理難度較大，本研究所選取的樣本量有限，不能稱為嚴(yán)格意義的大樣本。如果在今后的研究中能進(jìn)一步豐富被試樣本、完善語料體裁，那么其研究成果對第二語言寫作評價(jià)將更有價(jià)值，其結(jié)論也更具普遍意義。

[1]吳繼峰.語言區(qū)別性特征對英語母語者漢語二語寫作質(zhì)量評估的影響[J].語言教學(xué)與研究,2018,(2).

[2]王藝璇.漢語二語者詞匯豐富性與寫作成績的相關(guān)性——兼論測量寫作質(zhì)量的多元線性回歸模型及方程[J].語言文字應(yīng)用,2017,(2).

[3]吳佩,邢紅兵.內(nèi)容、詞匯、篇章特征對漢語學(xué)習(xí)者二語作文質(zhì)量的影響研究[J].語言教學(xué)與研究,2020,(2).

[4]Jiang,W.Y.Measurements of development in L2 written production：The case of L2 Chinese[J].Applied Linguistics,2013,(1).

[5]王藝璇.HSK作文成績與句子長度、復(fù)雜度及語法錯(cuò)誤的相關(guān)性[A].北京語言大學(xué)對外漢語研究中心.漢語應(yīng)用語言學(xué)研究（第4輯）[C].北京:商務(wù)印書館,2015.

[6]吳繼峰.韓語母語者漢語書面語句法復(fù)雜性測量指標(biāo)及與寫作質(zhì)量關(guān)系研究[J].語言科學(xué),2018,(5).

[7]黃志娥,謝佳莉,荀恩東.HSK自動作文評分的特征選取研究[J].計(jì)算機(jī)工程與應(yīng)用,2014,(6).

[8]Norris,J,M. & Ortega,L.Towards an organic approach to investigating CAF in instructed SLA：The case of complexity[J].Applied linguistics,2009,(4).

[9]Crowhurst,M.Syntactic complexity in narration and argument at three grade levels[J].Canadian Journal of Education/Revue canadienne de l’éducation,1980,(1).

[10]Flower,L. & Hayes,J,R.A cognitive process theory of writing[J].College Composition and Communication,1981,(4).

[11]Larsen-Freeman,D.The emergence of complexity,fluency, and accuracy in the oral and written production of five Chinese learners of English[J].Applied linguistics,2006,(4).

[12]吳繼峰,周蔚,盧達(dá)威.韓語母語者漢語二語寫作質(zhì)量評估研究——以語言特征和內(nèi)容質(zhì)量為測量維度[J].世界漢語教學(xué),2019,(1).

[13]Lasagabaster,D. & Doiz,A.Maturational constraints on foreign-language written production[A].In García Mayo,M.P. & García Lecumberri,M.L.(eds.).Age and the acquisition of English as a foreign language[C].Clevedon:Multilingual Matters Ltd,2003.

[14]井茁.從中介語發(fā)展分析到高級漢語課程設(shè)置——內(nèi)容依托型教學(xué)研究的啟示[J].世界漢語教學(xué),2013,(1).

[15]許宏晨.第二語言研究中的統(tǒng)計(jì)案例分析[M].北京:外語教學(xué)與研究出版社,2017.

[16]王勇,李正林.詞匯和語法的關(guān)系——幾種語法模式的比較研究[J].華中師范大學(xué)學(xué)報(bào)（人文社會科學(xué)版）,2015,(2).

[17]Cohen,J.Statistical power analysis[J].Current Directions in Psychological Science,1992,(3).