同伴互評在大學英語口語教學中的作用

史天化

(福建工程學院 人文學院， 福建 福州 350118)

?

同伴互評在大學英語口語教學中的作用

史天化

(福建工程學院 人文學院， 福建 福州 350118)

摘要：采用定量分析與定性分析相結合的方法，探討了同伴互評在普通高校英語專業口語教學中的可行性和有效性。結果表明同伴評分雖然也參照評分量表，但更多地依據評分員的主觀感受進行評分。學生與教師的分數分布存在顯著差異，教師評分的離散程度更大，而學生分數的同質程度更高。同伴評分反饋在一定程度上提升了學生對評分標準的理解，提高了與教師評分的擬合度。

關鍵詞：大學英語； 口語教學； 同伴互評； 同伴反饋

近年來有關同伴評估的實證研究數量處于不斷上升趨勢。同伴評估將學生看作是有感情、有思想、獨立的個體，通過分析、監控和評價同伴的學習過程與效果，充分調動學生的自主性與積極性，并最終對學習產生正面、持久性的影響。同伴評估被認為是非常有效的評估方式，不僅能幫助教師減輕工作負擔，而且有助于培養學生的探索和創新精神，促進同伴間的合作學習和交流。因此，如何在普通高校英語口語教學中培養學生的合作意識與創新能力，使學生意識到“同伴評估”的力量成為一個亟須解決的研究課題。

一、文獻回顧

國外學者從各個角度闡釋了同伴評估對課堂教學以及自主學習產生的影響。同伴互評能夠有效促進學習，且教師評分與同伴互評具有統計意義的高度相關。[1]同伴互評反饋意見相比教師反饋更易被學生采納；學生評語多為非命令式的，更容易轉化為持續、復雜的和微觀層面上意義的修改，更便于操作。[2]Matsuno, S. 借助Many-Fucel Rasch Model模型研究學生互評和教師評分之間的寬嚴度，發現學生互評時更為寬容；學生評分比教師評分的內部一致性高且偏差更小。[3]國內自20世紀80年代開始也有一些學者對形成性評估在外語教學中的作用進行了一系列探索。實證研究自評與互評對非英語專業大學生寫作自主能力的影響，并嘗試性地提出了英語寫作教學研究模型[4]，建立了一套形成性評估和總結性評估相結合的口語能力評估體系。[5]目前，同伴評估的研究現狀與其在教學中的重要性還不對等。先前研究較少涉及到學生的評價態度、自尊心和自信心等心理因素問題。同伴評價需要在友好和諧的氛圍中進行，學生互評中如何相互信任，公正地對己和對人還需要更多的探索。其次，雖然同伴評估是形成性評估中的常用方法之一，但是教學環境以及實驗設計的差異導致先前有關同伴互評的可行性和有效性研究呈現不同的結果。Oldfield 和 Macalpine研究結果顯示同伴評估與教師評價相關系數r值僅為0.30，相關性甚微，可忽略不計。[6]

那么，同伴互評時對不同的評分標準的態度是否一致、同伴互評與教師評分的相關性及具體差異在哪里，本文將依據實證研究方法獲得的數據，對以上問題進行探究。

二、研究設計

(一)研究對象

本研究從福建工程學院英語專業中隨機選取兩個自然班，進行5周的對比實驗。授課時間為每周2學時，共計17周，選前5周數據進行分析。為了降低不同英語水平的干擾作用，用2013～2014學年第一學期末成績進行對比。從表1可以看出，兩個班無顯著性差異，符合實驗要求。

(二)實驗程序

教師把事先設計好的同伴互評表和反饋表發給每個人。學生根據指定話題進行口頭演講，每人三分鐘。學生對同伴在小組討論以及口頭演講的表現作出評價。側重評估中的準備、組織、設計以及構思等具體過程。參照Burnett和Cavaye[7],制定包含兩部分、九個細項的評分量表。教師和所有學生根據評估表對學生口語分項評分，并填寫反饋表。之后，分組討論評分和反饋情況，并布置接下四周的口頭演講話題。控制組按完全相同的程序和方法進行，但是沒有最后的小組討論和反饋，口頭演講結束后直接布置新話題。

表12013～2014學年英語專業兩個班第一學期期末成績

Tab.1The means and variance of two classes majored in English at the first term during 2013 and 2014

班級人數/人均分/分方差控制組2376.64006.75518實驗組2575.76006.98975

三、結果與討論

搜集五周所得的數據，研究者更感興趣的是學生在評分過程中評分標準使用的具體情況，以了解評分過程中各個不同維度傾向以及容易產生的暈輪效應(評分者評分中對某些特征或維度的過度使用，不能很好地區分各個維度)。學生在互評中逐漸形成了一套包含固定的維度和尺度的評分圖式，不同的學生在頭腦中形成的評分圖式具有鮮明的個體差異性，下面詳細討論同伴評分過程中評分標準使用的異同以及與教師評分的差異特征。

(一)教師與學生評分比較

在形成性評估過程中，學生的互評與教師的評價是緊密聯系和動態影響的。課堂評估的任務由教師根據課程內容以及學生的學習現狀設計。同伴提供促進學習的反饋，激發彼此作為相互的教學資源和評價成功的標準。學生互評也需要教師提供榜樣，展示優秀的評分案例。因此，首先比較教師評分與同伴互評的一致性。

對比教師與學生在六個評分細項(其余三個涉及小組貢獻的只用于學生評分)的使用情況，分析教師評分與同伴互評的差異。零假設為H0∶μ1=μ2，即控制組和實驗組的教師評分與學生互評分數平均差異為零。表2中控制組在內容表達、準備和內容以及語言水平(口語)的T值均大于2.70(顯著性水平為0.01時的臨界值為2.704，P<0.01)，因此拒絕無差別假設，也就是說，控制組中教師評分與同伴互評在上述三種情況下都存在顯著差異。而實驗組除了口語表達情況的T值為4.59(P<0.01)，其余T值均小于2.70，說明實驗組的教師評分與同伴互評基本不存在顯著差異。兩組唯一差別在于同伴評分后是否進行小組討論與反饋，因此，小組討論與評分反饋在評分過程中起作用，對同伴互評中的評分行為有顯著影響。通過“反饋-理解-調整-反饋”的持續、循環過程，同伴反饋在一定程度上提升了學生對評分標準的理解，提高了學生與教師評分的擬合度以及評分的信度和效度。配對T檢驗的結果在討論和口語兩個層面沒有表現出明顯的差異。

表2　配對T檢驗

注：CG: 控制組; EG: 實驗組。

(二)教師與同伴評分值域對比

為了解教師與同伴評分的異同，比較了教師與學生評分的最大值和最小值。表3中只有實驗組討論層面的“準備和過程”及“內容表達”的最小值小于教師評分的最小值，其余所有學生評分的最小值與最大值都位于教師的分數區間范圍以內，也就是說學生評分最小值都大于教師最小值，而學生最大值都小于教師最大值。即教師評分較學生評分有更大的離散程度。

表3　評分范圍對比

而后，對比教師和學生使用整體評分法的評分結果差異。教師和學生根據對一個口語片段整體特征的印象對其做出判斷，而不是按先前的六個細項分別評分。其評分結果如下：

控制組:學生(60～86)，教師(55～88)

實驗組:學生(60～85)，教師(45～90)

學生分數無論控制組還是實驗組均位于教師評分區間范圍之內，且學生最低分均為60分及格標準線。也就是說學生互評的分數相比教師評分具有更高的同質程度。之后通過訪談了解到學生在同伴評分時，通常考慮“面子”首先預設了這一及格線，然后憑感覺很快地評出分數。

以上分項和整體評分法的結果都表明同伴互評在極值和總分兩方面均位于教師分數區間范圍內。由此，得出以下結論：學生與教師評分存在顯著差異，教師評分的離散程度更大，而同伴互評的同質程度更高。

為了解同伴互評和教師評分的變量關系以及同伴評分中的評分傾向，進一步引入線性回歸并建立回歸模型。

表4給出的標準系數R為多元相關系數，是教師評分和同伴互評的皮爾遜相關系數的絕對值(R取值范圍為0～1)。T-P相關系數分別為0.773(控制組)和0.884(實驗組)，表明學生在評價小組成員時與教師的評分高度相關(系數在0.70～0.90為高相關)。兩者唯一差別在于是否進行小組討論與反饋，因此筆者認為小組討論和反饋提高了同伴互評與教師評分的相關性。RSquare是R的平方，當乘以100%時，理解為因變量的總變異性被自變量解釋的百分比。其中實驗組對應值為0.781，表示在實驗組中T-P能夠78.1%地預測學生評分的總變異，即同伴評分是可靠的，與教師評分高度相關。實驗組(78.1%)遠高于控制組(59.7%)，進一步證明學生對同伴口語表達的評判能力通過小組討論和評分反饋得到明顯提升，且評分一致性提高了18.4個百分點。實驗組與教師評分的相關系數明顯高于控制組，并且只有實驗組具備了較高的校標關聯度(EG的R2大于0.7)。此結果不同于2002年Mrudula的實驗結論——即學生評分之后的討論和評分反饋對評分結果沒有顯著影響，教師與學生評分的相關系數(R分別為0.50 和0.49)均較低。[9]

表4　線性回歸模型

注：T-P:教師-同伴; CG:控制組, EG:實驗組。

回歸系數表給出了建立回歸方程需要的值。非標準化系數包括回歸方程中的Y軸截距和斜率，以及標準誤差(自變量不能預測因變量值的程度)。將表4數據代入方程Y=bX+a，得到如下兩個回歸方程：

注：SCG: 學生控制組; SEG: 學生實驗組；X: 教師評分。

最理想的系數為1，截距為0，說明該方程對樣本數據點的擬合度完全一致。以上兩組中的第二個方程，實驗組Y軸截距為1.176, 斜率為0.735，更趨于完美線性正相關(a=0,b=1)，即SEG與教師評分的擬合度更高。上述方程清晰地展示了教師與學生的具體評分差異傾向：對英語口語能力弱的同伴評分時，學生分數總體高于教師分數；而針對英語口語水平較高的同伴時，學生分數則低于教師分數。以方程2為例，Y= 1.176 + 0.735X, 當X為4.438時，兩者評分完全相同，該回歸線與理想回歸線相交；當X小于4.438時，同伴評分高于教師評分；當X大于4.438時，學生評分開始低于教師評分。

(三)同伴互評時對不同的評分標準的態度

表5和表6用五級量表(1=非常同意，5=不同意)反映了受試對問卷中關于態度問題的回答情況。總體而言，兩表中的均值都比較集中，變化幅度較小，全距R分別為0.60(2.49～3.09)和0.45(2.32～2.77)。數據顯示同伴評估時對評分標準持有不同態度。研究者關注的是九項評分細則，尤其是“語言水平”的排序情況。表中F值為平均數差別的顯著性檢驗，因此F值越大，P值則越小，結果就越有統計意義差異。表5中，語言水平維度分別排第7位(小組討論)和第9位(口頭演講)，也就是說這2個維度得分讓學生心里糾結，感覺壓力大。尤其是口頭演講的語言水平最為困難。表6中，同樣兩個語言水平標準分別排第8和第9，說明這兩個標準評分時最不負責任、最不公正的。使用方差分析(ANOVA)了解以上九個變量中哪些具有顯著性效應，結果只有四個評分標準是具有統計意義差別。其中三項都是表達情況，一個為想法和建議，沒有一個涉及語言指標。也就是說，同伴評分過程中雖然也參照評分量表，但更多地是依據自己的主觀感受和經驗進行評分。

表5評分態度之“輕松愉快”分析表

Tab.5Analysis of students’ responses to the question:“I felt comfortable in assessing the performance of my peers on each of the assessment criteria.”(1=strongly agree, 5=strongly disagree)

評分標準MSDFSig.1.組員貢獻:想法和建議2.490.813.530.05*2.組員貢獻:討論過程2.520.750.570.633.口頭演講:準備和內容2.540.770.620.584.口頭演講:表達情況2.540.720.540.655.小組討論:準備和過程2.570.803.810.04*6.小組討論:內容表達2.590.841.360.297.小組討論:語言水平2.680.860.310.878.組員貢獻:口頭演講2.710.771.080.339.口頭演講:語言水平3.090.612.340.12

表6評分態度之“公正負責”分析表

Tab.6Analysis of students’ responses to the question:“I think I assessed my peers fairly and responsibly on each of the assessment criteria.”(1=strongly agree, 5=strongly disagree)

評分標準MSDFSig.1.組員貢獻:想法和建議2.320.670.710.652.口頭演講:準備和內容2.350.581.230.313.組員貢獻:討論過程2.360.620.880.484.小組討論:準備和過程2.420.623.510.05*5.小組討論:內容表達2.500.732.780.196.口頭演講:表達情況2.510.713.820.04*7.組員貢獻:口頭演講2.600.731.180.378.小組討論:語言水平2.640.751.230.319.口頭演講:語言水平2.770.791.460.29

為了進一步獲取學生評分過程中的大腦思維情況，了解差異產生的具體原因，研究者對評分過程的心理活動進行分析。評分反饋表的數據采用話語分析這種傳統的定性方法，并使用對文本內容編碼并通過歸類的分析框架。當問及為什么會在評分過程中感到困難和壓力時，24%的受試認為評分是有難度的。其中，提及最多為“避免傷害彼此感情”“不想讓同伴尷尬”等涉及面子、情感的表達。此外，有近一半的受試認為他們不能準確地按照評分標準進行評分是因為自身語言水平不足以勝任評分工作。該結果與香港理工大學調查一年級學生對同伴評估的態度相似，學生對同伴評估持消極態度，不能對同伴語言水平進行準確評價。[9]反饋表中給出的典型理由如下：

No.13：“我自身口語表達很差，他說得比我流利多了，不知道怎么評價同伴”。

No.23：“如果對方口語比自己好，很難評分”。

No.4：“如果能匿名評分會比較好，不要考慮對方“面子”，更容易按照評分標準給分，評分更準確”。

No.1：“不太理解評分標準，有時會忽略它，按照整體印象反而更簡單”。

No.20：“評分中存在很多偶然因素，比如先前分數對后續評分的影響，不太可能完全按評分標準”。

總之，同伴評分時學生評分員內部一致性較差，傾向于依據自己的主觀感受和經驗，使用自己習慣的評分圖式，比如，流利性和整體印象，而不是嚴格按照評分量表中的具體標準進行評分。結合訪談歸納同伴評分較小離散程度的原因如下：(1)同伴互評時對評分活動缺乏重視，評分不夠嚴謹，有時不能嚴格遵照評分要求進行；(2)學生對評分標準的理解存在偏差，幾乎所有的學生在訪談中都提到會根據自身的主觀感受和經驗加入量表中沒有的非語言特征進行評分，導致評分一致性較差；(3)小組內沒有采取匿名評分，相互間的親密程度及“面子問題”使評分存在難以預測的偏差；(4)學生對分數過于敏感和重視，更多地把評分理解為“對學習的評估(assessment of learning)”，而不是真正意義上的“為學習的評估(assessment for learning)”。

四、啟示

基于本次實驗設計，后續形成性口語課堂評估研究可以結合以下三點進行：首先，鑒于同伴互評中“輕松愉悅”和“公正負責”這兩個維度在評分過程中最難實現，后續研究中有必要探究愉快、互助、和諧的課堂氛圍是否有助于構建學生積極的評分態度，并導致更為客觀準確的評分。其次，評分標準向來都是權威人士，如專家、學者或教師制定。作為評估的主體，應該讓學生參與評估標準的制定和完善，不僅有利于激發學生的參與度和學習熱情，而且有助于準確地理解和把握評分標準，提高同伴評估的效度和信度。最后，受試隨機選自福建工程學院英語專業，48個受試中只有6個男生，女生占總人數的91.2%，性別嚴重失衡。未來研究中有必要充分考慮性別因素，分析男女生在同伴互評中是否有統計意義上的不同。

綜上所述，語言水平是評估同伴時最難做到公正的一個維度。同伴評分過程中雖然也參照評分量表，但更多地是依據自己的主觀感受進行評分。T檢驗顯示同伴評分反饋在評分過程中起作用，對同伴互評中的評分行為有顯著影響。線性回歸模型中，實驗組增加的小組討論和反饋環節使學生評分準確性提高了18.4個百分點，進一步驗證了T檢驗的結果。從極值和整體評分兩方面比較教師與學生分數區間范圍，發現分數分布均存在顯著差異，教師評分的離散程度更大，而學生分數的同質程度更高。

課堂形成性評估的巨大潛在作用吸引了越來越多的學者和教師，但它也面臨著巨大的挑戰。當前課堂評估如何真正從“對學習的評估”轉向“為學習的評估”，如何讓學生真正愿意參與課堂評價，并通過參與評估激發學習熱情，促進自主學習，提升課堂教學效果，任重而道遠。參考文獻：

[1] Pope N K L. The impact of stress in self- and peer assessment[J]. Studies in Higher Education,2005,30(1),51-63

[2] Cho K， MacArthur C. Student revision with peer and expert reviewing[J]. Learning and Instruction,2010,98(4):891-901.

[3] Matsuno S. Self-, peer-, and teacher-assessments in Japanese university EFL writing classrooms[J]. Language Testing,2009,26(1):75-100.

[4] 曹榮平，張文霞，周燕.形成性評估在中國大學非英語專業英語寫作中的運用[J].外語教學，2004(5):82-87.

[5] 陳美華，徐小燕.大學英語口語能力形成性評估實證研究[J].東南大學學報,2008(3):119-123.

[6] Oldfield K A, Macalpine M K. Peer and self-assessment at tertiary level: An experimental report[J]. Assessment & Evaluation in Higher Education,1995,20(1):125-132.

[7] Burnett W, Cavaye G. Peer assessment by fifth year students of surgery[J]. Assessment in Higher Education,1980(5)：73-78

[8] Mrudula P. The influence of peer feedback on self-and peer-assessment of oral skills[J]. Language Testing,2002,19(2):109-131.

[9] Winnie C, Martin W. Peer assessment of language proficiency[J]. Language Testing,2005,22(1):93-121.

(責任編輯：王明秀)

A study of the role of peer assessment employed in college oral English teaching and learning

Shi Tianhua

(School of Humanities, Fujian University of Technology, Fuzhou 350118, China)

Abstract:The feasibility and effectiveness of peer-assessment in oral English class in college English teaching is investigated via quantitative and qualitative methods. The results show that peer-assessment is more based on the rater’s (individual’s) experience rather than the rating scale. The assessing is significantly different between the teachers and the students. The assessing of the teachers is more discreet while that of the students is more homogeneous. Compared to the ranges of marks given by teachers, peer-assessing tends to overrate low performance and underrate high performance, thus displaying the higher central tendency. The feedback promotes to a certain extent the students’ understanding of rating criteria and increases the fitting between peer- and teacher-assessment.

Keywords:college English; oral English teaching; pear-assessment; peer-feedback

中圖分類號：G642.475

文獻標志碼：A

文章編號：1672-4348(2016)02-0193-06

作者簡介:史天化(1974-)，男，江蘇溧陽人，講師，碩士，研究方向：二語習得和語言測試研究。

基金項目：福建省中青年教師教育科研項目(JBS14118)；福建工程學院教育科學規劃課題(GB-K-15-32)

收稿日期:2015-11-17；修回日期：2016-02-29

doi:10.3969/j.issn.1672-4348.2016.02.018