本科生英语水平与专业课双语教学相关性研究

1 概述 随着全球经济一体化进程的不断加快，中国与世界各国的沟通将进一 步加强，更多的需要那些既具备专业专业知识又懂英语的国际化、综合性的人 才。高校是培养人才的摇篮，在专业课上开设双语教学，既可以让学生掌握专 业知识，又可以提升学生在专业背景下综合运用英语的能力，为学生成为国际 化人才打下良好基础[1]。 2 问题的提出 双语教学是高校培养国际化人才的需要，也是教学改革的一项重要内 容，但目前许多高校的双语教学仍存在很多问题，教学效果不够理想。高校专 业课的双语教学与传统的中文授课最大的差异是语言，这也是高校专业课双语 教学所面临的最核心的问题。一方面，无论是名牌高校还是普通高校，目前都 面临合格的双语教师资源缺乏的问题，有着丰富专业课教学经验的教师英语水 平不够，而有些由英语教师改行的专业课教师对专业课的理解又不深，真正能 用准确、流利的英语把专业课讲透彻的教师不多[2]。另一方面，尽管近年来大 学生公共外语水平有了很大提高，四、六级通过率不断上升，但就整体而言， 学生英语水平仍然参差不齐，特别是听力、口语和写作方面能力的欠缺仍为普 遍而又突出的问题[3，4]。针对以上高校专业课双语教学当中所存在的主要问 题，本文对大学生英语水平与专业课双语教学的相关性进行了调查、研究，运 用多元线性回归进行分析处理，根据分析结果提出了相应的对策。 3 调查取样 研究对象从某高校管理学院已经开设双语教学课程的本科生中抽取， 为便于统计，样本的抽取以班级为单位进行，以下为抽样细则：①样本容量： 样本来自市场营销专业的 21 位学生。②样本特征描述：所抽取样本为大学二年 级本科生，大学基础英语课程的学习已经结束，开设了相关双语教学的专业课 程。③成绩取样：选取样本为第二学年一个学期的大学基础英语成绩和市场营 销和财政与金融两门双语教学专业课的成绩。 4 相关性分析 4.1 回归分析的定义回归分析是研究变量 Y 与 x 之间相关关系的一种统 计推断法[5]。Y 与 x 之间的相依关系 f（x）受随机误差受随机误差 ε 的干扰使之不能完全确 定，故可设有： Y=f（x）受随机误差+εε 式中 f（x）受随机误差称作回归函数，ε 为随机误差或随机干扰，它是一个分布与 x 无关的随机变量，我们常假定它是均值为 0 的正态变量。为估计未知的回归函 数 f（x）受随机误差，我们通过 n 次独立观测，得 x 与 Y 的 n 对实测数据（xi，Yi）受随机误差i=1， ……，n，对 f（x）受随机误差作估计。实践中经常遇到都是多个变量的情形。 4.2 二元线性回归方程的建立原理二元线性回归方程是指 Y 对 X1 与 X2 的线性回归方程，用公式可表示为： μ=a+εb1X1+εb2X2 式中 μ 为 X1 与 X2 的共同估计值，a 为常数项，b1 和 b2 是 Y 对 X1 与 X2 的偏回归系数。所谓 Y 对某一自变量的偏回归系数，就是说，在其他自变量都 固定不变的条件下，该自变量变化一个单位所引起 Y 的变化比率。 二元线性回归方程的建立，就是求 a、b1、b2 的过程，这里与一元回 归方程相同，仍用最小二乘法来确定 b1 和 b2。为了使∑（Y-μμ）受随机误差2=∑（Y-μa-μb1X1-μ b2X2）受随机误差2 为最小，就需要对 b1 和 b2 分别求偏导数，再令其为 0，即 =0=0 于是 -μ2∑Y-μa-μbX-μbXX=0-μ2∑Y-μa-μbX-μbXX=0 a∑X+εb∑X+εb∑XX=∑XYa∑X+εb∑XX+εb∑X=∑XY（1）受随机误差 常数 a 由下式确定为： a=-μb-μb 将 a 代入方程组（1）受随机误差，整理后得： b∑（X-μ）受随机误差+εb∑X-μX-μ=∑（X-μ）受随机误差Y-μb∑（X-μ）受随机误差X-μ+εb∑X-μ2=∑（X-μ）受随机误差Y-μ 上式这种确定回归系数的方程组称为正规方程组。为了简化正规方程 组的形式并用原始数据表示，则令： L11=∑（X-μ）受随机误差=∑X-μ（∑X）受随机误差2/n L22=∑（X-μ）受随机误差2=∑X-μ（∑X）受随机误差2/n L12=L21=∑X-μX-μ=∑X1X2-μ（∑X）受随机误差（∑X）受随机误差/n L1Y=∑（X-μ）受随机误差（Y-μ）受随机误差=∑X1Y-μ（∑X）受随机误差（∑Y）受随机误差/n L2Y=∑（X-μ）受随机误差（Y-μ）受随机误差=∑X2Y-μ（∑X）受随机误差（∑Y）受随机误差/n 于是正规方程组可简化为： bL+εbL=LbL+εbL=L 解上述方程组得两个偏回归系数分别为： b=b= 4.3 二元回归方程的计算过程 本文选取 21 名学生的英语、市场营销、办公自动化成绩进行处理，如 表 1 的第 2 至 4 列。为了求英语对市场营销、办公自动化的二元线性回归方程， 需确定 a、b1、b2 的值，根据表 1 的有关数值计算以下统计量，计算各值得： Lyy=∑Y2-μ（∑Y）受随机误差2/n=108749-μ15012/21=1463.238 L11=∑X12-μ（∑X）受随机误差2/n=144961-μ17372/21=1286.286 L22=∑X22-μ（∑X）受随机误差2/n=148479-μ17632/21=470.952 L12=L21=∑X1X2-μ（∑X）受随机误差（∑X2）受随机误差/n=145867-μ1737×1763/21=41.714 L1Y=∑X1Y-μ（∑X）受随机误差（∑Y）受随机误差/n=125012-μ1737×1501/21= 857.857 L2y=∑X2Y-μ（∑X2）受随机误差（∑Y）受随机误差/n=126364-μ1763×1501/21= 351.476 =（∑Y）受随机误差/n=1501/21=71.476=（∑X）受随机误差/n=1737/ 21=82.714 =（∑X2）受随机误差/n=1763/21=83.952 SY===8.553 SX1===8.020 SX2===4.853 将上述有关数据代入： b==0.645 b==0.689 a=-μb1-μb22=71.476-μ0.645×82.714-μ0.689×83.952=-μ39.717 于是，英语对市场营销和办公自动化两门双语教学专业课的二元线性 回归方程为： μ=-μ39.717+ε0.645X1+ε0.689X2 这表明在英语教学和专业课的双语教学过程中，办公自动化成绩保持 不变而市场营销成绩每增加 1 分时，则英语成绩平均增加 0.645 分；当市场营销 成绩保持不变而办公自动化成绩每增加 1 分时，则英语成绩平均增加 0.689 分。 可见，英语成绩与双语教学两门专业课成绩都有较强相关性，相对而言，偏重 于应用和实践的办公自动化成绩与英语成绩的相关性更强。（见表 1）受随机误差 4.4 二元线性回归方程的检验及结果分析二元线性回归方程的检验包括 两个方面：一是检验回归方程的显著性；另一是检验两个偏回归系数的显著性。 4.4.1 二元线性回归方程的检验。二元线性回归方程的显著性有两种等 效的检验方法：一为方差分析；二为复相关系数显著性检验。现用复相关系数 的显著性对二元线性回归方程进行显著性检验。检验结果若复相关系数显著， 则回归方程也显著；复相关系数不显著，则回归方程也不显著。 此处取 b1*和 b2*分别表示标准偏回归系数，r1y 和 r2y 分别表示 X1 和 X2 与 Y 的相关系数，根据上例数据，得二元测定系数为： R==b*r+εb*r=b+εb=0.378+ε0.166=0.544