计算机素养与英语学习动机 对网络英语学习行为

　　计算机辅助语言教学(CALL)作为一种新型的技术驱动语言教学模式己被广为接受。相关研究也从最初的“课堂教学是否需要计算机”的争论和“直接对比计算机辅助教学与传统教学的效果”转到了语言教学中应“如何使用计算机”以及“为何目的而使用计算机”(Beatty,2005)网络英语学习者的计算机素养决定了学习者是如何使用计算机的。本项研究分析了学习者的计算机素养和学习动机的关系及其对网络英语学习行为的影响。

　　1.文献综述

　　人们对于CALL教学模式己进行了很多研究，如乔爱玲和托娅(005)、陈美华等（005)、高艳（006)等„也有人开展了对计算机辅助教学环境下学生认知方面的研究，如李萍（005)等在所有这些研究中，计算机辅助语言教学是研究的核心。很少有人关注语言学习者的内部因素，如基于计算机的英语学习动机、计算机知识技能、学习心态,及这些因素对学习者的英语学习行为的影响，等等。教师的引导等外部因素对于基于计算机的英语学习起着重要的作用，但内部因素对学习者基于计算机的英语学习行为更能提供有力的解释。尤其重要的是内部因素中的计算机知识、技能、网络经验,又称为计算机素养（computerliteracy)Beatty(2005)认为，“不管对教师还是学生，计算机素养的培养都是不可忽视的'新型学习理论中的信息加工理论和联结主义认为，“学习过程是对信息的接受和使用的过程，学习是主体与环境相互作用的结果”而学习者的信息处理认知网络“一般由三个层次组成：输入层、内隐层和输出层;输入层接受输入的表征，输出层提供输出应有的表征，而内隐层则存储网络所学习到的知识表征”（戴炜栋刘春燕,2004)基于计算机和网络的英语学习过程显然也是一个信息处理的过程。

　　另有心理学领域的研究表明，个体是否受信息的影响取决于自身的信息处理方式，结合联结主义的表达就是，内隐层能否存储到学到的知识表征中，取决于学习者对于输入层输入表征的处理方式。经验式一系统式模型(Heuristic^systematicModel,HSM)(Eagly&Chaiken,1993)描述了两种人类信息处理方式：经验式和系统式。经验式信息处理方式是决策者缺乏相应的知识、技术和能力，而只能依赖简单的决策规则进行判断。“系统式信息处理方式，是指决策者会投入更多的脑力劳动，能够全面综合地做出决策。(Chen&Chaiken,1999)因此,人们只有具备足够高的计算机素养，才能够自信、系统地处理各种信息，否则，只能对面临的信息进行试探性的处理，即经验式处理。

　　自主学习理论和学习动机理论对本研究也有很大的指导作用。根据Littlewood(1996)的观点，自主性作为一种潜力包括两个部分：能力和愿望，而愿望又“取决于是否既有动机又有信心来承担起做出必要选择的责任'在这个意义上,愿望和能力是互相依赖的，因为“学生拥有越多的知识和技能，当被要求独立操作时，他们就能感觉到更大的信心；而感觉到的信心越大，他们就越有可能调动起自己的知识与技能来进行更有效的操作'要学生达到以现代信息技术,特别是网络技术为支撑的，不受时间和地点限制的，个性化、自主式学习的目标，就要研究自主性的两个变量：能力和愿望。能力包括了学习者基于计算机英语学习的各种技能，愿望包括承担学习责任的动机和信心，而这都是英语学习动机理论研究的内容。根据Tremblay和Gardner(1995)的英语学习动机模型（参见Dornyei,2005)语言态度、明确的目标、效价、自我效能和结果归因都直接或者间接地通过影响动机行为进而对英语学习成绩产生影响。

　　根据以上所述，自主学习（LUUewooi，1996)和学习动机理论(^mblay&Gardner1995)，学习者基于计算机和网络的英语学习动机的各个方面都可能影响学习者是否愿意积极参与这种新型的学习方式。而动机的这些方面均受到计算机素养的影响。因此，计算机素养的高低可能对学习者基于计算机和网络的英语学习行为带来不同的影响。基于以上理论研究，我们提出一种适用于基于计算机和网络英语学习的模式以揭示学习者的计算机素养、学习动机及学习行为之间的关联。（见图1)

　　图1基于计算机和网络的英语学习动机与行为模式量(可观测的变量）。这些显在变量构成图1结构模型中的所有八个潜在变量（由显在变量构成的不可观测的变量）。共有406名学生完成了问卷。

　　计算机素养，是指一个人必须具备的计算机知识和技能(HunLer,1993)当然也包括一定的网络应用能力。本研究测量了计算机素养的两个主要方面：计算机操作技能和网络使用经验。计算机操作技能用一个五点语义量表进行测量，范围从熟练到不佳。网络使用经验在一定程度上可由使用年限反映出来，并通过询问网络使用者开始使用网络的时间进行测定。计算出的使用年数就是网络使用经验指标。学习动机的五个方面以及动机行为的显在变量的定义参考了Tremblay&Gardner(1995，参见Dornyei,2005)和秦晓晴、文秋芳（2002)的观点，共包含22个显在变量，具体情况如表1。

　　该部分问题全部采用李克特五点量表①，从“完全不同意”（1)到“完全同意”(5)分五个等级进行测量。全部数据收集完成后，将测量的各个潜在变量的所有显在变量指标值相加，得出该潜在变量的复合分值。经验式一系统式模型强调：信息处理方式能够调节信息处理的结果。在基于计算机和网络的英语学习过程中，也就是对输入的语言教学信息处理的过程中，具有较高的计算机素养对学习动机的各个方面产生积极的影响，进而促进了学习者参与计算机辅助英语学习的积极性，产生积极的动机行为。基于上述设想，我们提出以下假设：

　　假设1，英语学习者计算机技能越高，网络使用经验越多，对基于计算机和网络的英语学习的动机的各个方面就越会产生积极的影响。

　　假设2，对基于计算机和网络的英语学习的动机越高，参与计算机辅助英语学习就会越积极主动。

　　假设3，英语学习者计算机技能高，网络使用经验多，也能够直接促进他们参与计算机辅助英语学习的积极性。

　　2. 研究方法

　　本研究采用了问卷调查方法来验证以上假设。研究的总体对象为大学在校学生。由于专业间计算机技能可能存在的较大差别，本研究采用了分层抽样。但基于研究的探索性质，抽样只在有限范围内进行。本研究是2006年4月在笔者任教的学校进行的。学校大学二年级设九个专业，每个专业抽取两个班（一班和最后一班），每班学号为单数的学生被选作调查对象。数据采集工作在三天内完成。

　　因素分析和克隆巴赫阿尔法系数②可靠性测试被用来测定主要变量测定方法的有效性和可靠性。因素分析共收入学习态度、学习目标、效价、自我效能和结果归因五个因素共17项指标。主要成分分析产生了五个因素。每个因素的特征值至少在1.0以上，五个因素共说明75.34%的指标变化。第一个因素包含学习态度的两项指标，特征值9.75，可以说明30.34%的指标变化。第二个因素包含学习目标的五项指标，特征值6.34，可以说明21.23%的指标变化。第标变化。第四个因素包含自我效能的四项指标,特征值2.11,可以说明6.03%的指标变化。第五个因素包含结果归因的四项指标,特征值1.54,可以说明5.41%的指标变化。绝大多数指标的因素标值高于.60u克隆巴赫阿尔法系数可靠性测试产生上述五项因素所包含指标的可靠性标值：结果归因，0.73;自我效能,0.1;效价,0.4;学习目标，0.89;学习态度，0.95。（见表2)

　　在分析基于计算机和网络的英语学习动机与行为模式中的各变量之间的关系时,采用了多元回归分析法。也用了同样的方法分析了计算机素养和英语学习动机在何种程度上能够预测学习者参与计算机辅助英语学习行为的变化态势。

　　3. 研究结果

　　在406位调查对象中，网络使用年限从1年到6年不等,平均为3.24年，标准差为2.03。约有6%的调查对象回答其计算机操作技能精通;21%的调查对象回答具有熟练的计算机操作技能；54%的调查对象回答说计算机操作技能良好；16%的调查对象回答说计算机操作技能中等，而只有不到3%的调查对象回答说技术不佳。依据五点测量标尺,平均计算机操作技能水平为3.7,标准差为.6^

　　假设1,英语学习者计算机技能越高，网络使用经验越多，对基于计算机和网络的英语学习的动机的各个方面就越会产生积极的影响，部分得到了数据证实。该假设是通过将计算机素养的两项指标：网络使用年限和计算机操作技能作为自变量，学习动机的各个方面别为0.15,0.01,0.18,0.04和0.03,其中第一、三项在统计分析中具有有效性,即网络使用经验和计算机操作技能是基于网络英语学习中学习态度和效价的有效预测因素。第四项对自我效能的统计分析虽不具有效性，网络使用经验也不是它的有效预测因素，然而，计算机素养的另一个指标：计算机操作技能却是学习动机中自我效能的有效预测因素（beta=0.18,p〈0.05)(见表3)

　　假设2,对基于计算机和网络的英语学习的动机越高，参与计算机辅助英语学习就会越积极主动，得到了证实。该假设是通过将学习动机的五个成分输入回归方程进行检验的。分析得出的决定系数为0.49，在统计分析中具有有效性，其中学习态度是积极参与计算机辅助英语学习的强项预测因素0^&=0.4,1)〈0.01)学习目标、效价、自我效能都是参与计算机辅助英语学习的中度预测因素。（见表4)

　　表4参与计算机辅助英语学习的学习动机预测因素回归分析（N=406)

　　假设3,英语学习者计算机技能高，网络使用经验多，也能够直接促进他们参与计算机辅助英语学习的积极性，得到了部分证实。该假设是通过将计算机素养的两项指标：网络使用年限和计算机操作技能与学习动机的五个方面一起输入方程进行检验的。回归分析得出的判定系数为0.5,在统计分析中具有有效性。虽然网络使用年限变量并非参与计算机辅助英语学习变量的有效预测因素，计算机操作技能却是参与计算机辅助英语学习变量的一个中度预测因素(beta=0.18,p〈0.01)(见表4)

　　总的来说,基于计算机和网络的英语学习动机与行为模式得到参与计算机辅助英语学习积极程度的预测因素包括学习动机的五个方面，以及计算机操作技能。将所有7项变量:计算机素养的两项指标和学习动机的五项指标全部输入回归方程后，学习态度仍然是积极参与计算机辅助英语学习的较强预测因素（kta=0.4,P<0.01)在计算机操作技能成为一个明显重要的影响因素的同时(jeta=0.18，P<0.01)，学习目标和效价对参与计算机辅助英语学习积极程度的预测能力有所下降，成为较弱的预测因素，自我效能和结果归因变得在统计上不再具有有效性。（见表4)

　　图2基于计算机和网络的英语学习动机与行为实证模式

　　4.讨论

　　通过对英语学习者基于计算机和网络的学习调查，揭示了英语学习者的内在因素与基于计算机和网络的英语学习的关系。信息处理的经验式一系统式模型所包含的因果关系在基于计算机和网络的英语学习这一信息处理过程中得到了证实。

　　本研究结果表明，计算机素养对于基于计算机和网络的英语学习者学习动机的大多数方面，即除了目标设定，都具有一定的影响力。本项研究检测的计算机素养指标之一，计算机操作技能对于基于计算机和网络的英语学习的积极程度有着明显的预测作用，但网络使用经验对英语学习的积极程度不具备预测能力。这一结果说明，网络使用年限虽然在一定程度上可能转化为网络使用经验，但使用网络时间长不一定就能培养出较高的计算机素养。其原因可能是，部分学习者虽然开始使用计算机及网络的时间比较早，使用时间相对比较长，但是绝对使用时间可能比较短，或者对基于计算机和网络的英语学习接触不多，因此不能激发其基于计算机和网络的英语学习的积极性。

　　语言学习者的动机研究表明，英语学习者的学习态度受很多因素的影响。而基于计算机和网络的英语学习者的学习态度，尽管也是影响因素繁多，本研究还是证明了计算机素养的两项指标:计算机操作技能与网络使用经验对其具有决定性作用。这一发现进一步证实了计算机素养在基于计算机和网络的英语学习过程中的作用。本项研究还确认了计算机素养的两个方面对学习动机其他方面:效价、自我效能、结果归因的影响，以及它们进一步对基于计算机和网络的英语学习的积极性的影响。其中计算机操作技能对效价是一个显著的预测因素，并能够进而影响英语学习者的积极性。

　　在计算机辅助语言教学己被广为采用的情况下，对基于计算机和网络的英语学习动机行为模式的研究将对我国大学英语教学起到很大的指导作用。当然，由于研究样本的局限性，对本项研究的结果应持谨慎态度。要进一步认识英语学习者的计算机素养和学习动机对基于计算机和网络的英语学习行为的影响，还需采用随机样本，对更为广泛的学生群体开展研究。