بررسی بخش گوش کردن در آزمون بسندگی زبان فارسی دانشگاه فردوسی مشهد
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 259
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JLKD-11-2_002
تاریخ نمایه سازی: 24 فروردین 1400
Abstract:
اهمیتِ برخورداری از توانمندی گوش کردن در زندگی دانشگاهی دانشجویان قابل انکار نیست. افراد برای انجام بسیاری از فعالیت های دانشگاهیشان نیازمند برخورداری از این مهارت هستند. از همین رو سنجش این توانمندی بخش بسیار مهمی از آزمون های بسندگی زبان فارسی را به خود اختصاص میدهد از جمله آزمون زبان فارسی دانشگاه فردوسی مشهد که به عنوان معیاری برای سنجش دانشجویان غیرفارسی زبان برای ورود به دانشگاههای ایران، در برخی شهرهای ایران و عراق برگزار می گردد. در این پژوهش با کمک مدل آماری رش، به بررسی بخش گوش کردن این آزمون پرداختیم. نتایج نشان داد که پایایی آزمون 66/0 است که برای یک آزمون سرنوشت ساز میزان پایینی به حساب می آید. همچنین نقشة رایت بیانگر این نکته بود که سؤالات آزمون عمدتاً در سطح زبان آموزان متوسط و یا ضعیف هستند. برای بهبود کیفیت پایایی آزمون پیشنهاد می شود که در طراحی آزمون از انواع دیگر متون مانند مشاوره ها و گفتگوها نیز استفاده شود. از نظر نوع مطابقت، سؤالات آزمون عمدتاً از نوع محل یابی و یا سلسه ای هستند، قرار گرفتن تعداد بیشتری پرسش از نوع ترکیبی و تولیدی میتواند به سخت تر شدن سؤالات بیانجامد. به طور کلی آزمون بسندگی زبان فارسی فردوسی بیشتر به سنجش توانمندی تشخیص واژگان کلیدی و درک جزئیات متن می پردازد. درک کارکرد ارتباطی پاره گفتارها، نتیجه گیریکردن برمبنای رابطة بین عناصر موجود در متن، پیونددادن اطّلاعات یک متن شنیداری و یک متن خواندن از جمله توانمندی های دیگر است که استفاده از آنها می تواند سطح دشواری آزمون را ارتقاء دهد.
Keywords:
Authors
محسن رودمعجنی
محسن رودمعجنی؛ دانشآموخته دکتری زبان و ادبیات فارسی دانشگاه فردوسی مشهد، مشهد، ایران
بهزاد قنسولی
بهزاد قنسولی؛ استاد گروه آموزشی زبان انگلیسی دانشگاه فردوسی مشهد، مشهد، ایران
احسان قبول
احسان قبول؛ استادیار گروه آموزشی زبان و ادبیات فارسی، دانشگاه فردوسی مشهد، مشهد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :