看奇中文网

第一编05（第2页）

第七节语义分析法

在比较教育中，语言不仅是研究的媒介，而且是研究的对象。比较研究中的语言通常很难达到自然科学语言的那种确定性和客观性，即研究人员通常很难就某一概念完全达到“共识”。当把问卷或测量的量表从一种语言翻译成其他语言时，就存在译文能否保存其原有的全部意义的问题。语义分析法是解决这一问题的有力工具。语言中沉积了民族的文化传统（包括教育传统），因此，通过对与教育相关的语言进行分析比较，就有可能在一定程度上揭示各国的教育传统的共同点与不同点。语义分析法也是这种研究的工具之一。运用语义分析法，可以研究人们对不同事物或概念的意义的不同理解，或对某一问题的不同态度，还可以研究人们对事物的态度的变化。在比较教育研究中，目前似乎尚无人采用这种方法。

语义分析法是运用语义区分量表来研究事物的意义的一种方法。[110]它是由美国心理学家奥斯古德（C。Osgood）等人创立的。该方法要求被试在若干个七点等级的语义量表上对某一事物或概念（如教师、考试）进行评价，以了解该事物或概念在各被评价维度上的意义和强度。等级序列的两个端点通常是意义相反的形容词，如好与坏、积极与消极、主动与被动。

一、语义分析法的步骤

语义分析法的设计与实施包含以下几个步骤。

第一，根据研究目的，确定待评价的事物或概念。例如，为研究不同国家教师的社会地位，就应当选与教师的学科知识和教学技能、师生关系及教学活动等有关的事物或概念。

第二，确定评价维度。对所选的事物或概念，一般可以从三个维度（因素）来评价性质（如好与坏、重要与不重要）、力量（如强与弱、硬与软）、活动（如主动与被动、快与慢）。这三个维度是一般语义空间中最重要的维度。有时由于被评价对象较多，可只采用单一的维度，但是，一般情况下，应尽可能同时采用上述三个维度。

第三，选择具体评价的子项目及数量。确定了评价维度之后，就需要决定在每一个维度上应选择的子项目（如在活动维度上，可选“活跃”与“不活跃”等）及数量。采用什么子项目，视研究目的而定，而子项目的数量通常以三个或三个以上为宜。

第四，具体编制语义区分量表。语义区分量表为七点等级量表。编制时应将意义相反的形容词列于等级序列的两端，中间留出代表七个等级的线段，供评价者选择。例如，对教师职业，可在性质方面设计一子项目：

好________________坏。

在设计量表时，应避免将性质方向相同的形容词都放在同一端（如将好的、重要的、强的都列在左端），以防有关心理因素影响研究结果。在进行跨国分析时，还应将语义区分量表翻译成其他语言。

第五，用语义区分量表施测。研究者既可以对集体施测，也可以对个人施测。施测时，要求被试在每一具体评价子项目的七个等级上只做一个选择（如画一个“√”或“×”）。在进行跨国比较研究时，有时为了节省时间和经费，可以对外国旅游者、留学生、商务和技术人员等施测。因此，这种方法对我国学者来说，是有实际意义的。

第六，对结果进行处理。参看下文。

二、语义分析结果的处理与分析

对语义分析结果的计分有两种方式：一种方式是将七点等级按规定的方向（如从慢到快的方向）分别记为1～7分；另一种是将七点等级量表中的中间等级计为0分，两端分别记为–3分和+3分。前者使用得较为普遍。根据实际需要，还可以进一步计算出三个维度上的得分，即把同一维度上的各子项目的得分合并起来。对语义分析法获得的数据，可以做如下几方面的比较分析。

1。静态比较

通过比较两国或多国的同类团体（比如，同是教师或工人）在某一具体评价子项目或某一维度上的得分差异，了解他们对事物、社会或问题的看法和态度的相同点与不同点。例如，团体A在评价“教师职业”时，在“好—坏”项目上的平均分为6分，而团体B相应的分数为2分，则表明教师职业的吸引力在团体A中比在团体B中大。因此，对教师社会地位的各个维度进行分析，并精心设计语义区分量表，就可以比较分析不同国家的教师的社会地位的特征。当然，还应结合对教师的工资，以及社会福利的统计分析，这样才能比较完整地描绘出教师地位的轮廓。

2。动态比较

在不同时间阶段，同一团体对事物、问题或社会的看法与态度有时会不一致，即由于教育或社会经验等原因而发生改变，因此，在某一具体评价子项目或某一维度上的得分将出现差异。动态比较就是对两国或多国的同类团体的上述态度和看法的改变情况进行比较。与前文的静态比较不同的是，动态比较需要在两个或多个时间点上对被试施测。这样由于研究周期方面的原因，可能使动态比较的应用受到限制。当然，根据课题的性质和实际条件，有时可把在不同时间对同一团体的施测转化为对不同类团体施测。例如，为了分析高等教育对某一团体的影响，通过对只接受过中等教育的团体和受过高等教育的团体分别施测，就可以达到目的。

3。不同语言概念等值

为了寻找两种语言的等值概念，也可以用语义分析法。假定两种语言分别为A和B，设它们之间有一对对应的概念为CA和CB，为了判断它们是否等值，可让母语不同的两个同类团体GA和GB，在某一具体评价子项目或某一维度上分别对CA和CB进行评价，通过分析评价结果，就可探讨这两个概念所含意义的接近程度，即语义距离。计算语义距离的公式为：

其中，Dij为两个概念之间的语义距离，Σdij2为为两个概念在各维度或子项目上的得分之差之平方和。语义距离足够小时，就可认为两个概念是等值的；如果距离较大，则认为它们不等值。

第八节相关研究法

比较教育的一项主要任务是探讨教育制度内部的各种关系，以及教育与社会其他方面的关系。在因素分析时代，比较教育家主要研究“校外的事情”对校内的影响，属于定性研究，统计学只是起描述性作用。在20世纪五六十年代以后，大量的定量研究出现了，尤其是利用社会学和经济学的概念与方法的研究项目占很大比率。各种各样的统计技术（尤其是回归分析方法）被用来在国际范围内检验特定假说的有效性。比如，国际教育成就评价协会就运用这类技术揭示学生的学科成绩与学校、家庭和社会背景之间的关系。诺亚和埃克斯坦的比较教育教科书——《比较教育科学探索》，就以这种统计方法为核心内容。鉴于在上一章中已对他们的方法做过分析，因此，本节就不重复已讨论过的问题，而介绍相关分析法的其他方面的内容。

简单地说，相关研究就是确定概念、变量之间的相互关系。[111]根据研究的课题的性质，对双变量场合，通常把其中的一个确定为自变量，另一个为因变量。相关研究通常要回答关于两个变量或两组数据四个方面的问题：①它们之间的相关仅仅是偶然的，还是在我们所研究的对象中普遍存在的，即它们之间的相关是否显著。②它们之间相关的方向怎样，是正的还是负的。③它们之间相关的幅度大小如何，即如果我们知道了自变量，那么能够在多大程度上预测因变量。④相关的形状如何，是线性的还是非线性的。线性关系一般可用方程式表示为：y=ax+b，其中，y为因变量，x为自变量。

描述变量之间相关程度的量很多，其中常用的一个是皮尔逊积矩相关系数r。它在-1与+1之间取值。曾经有人用相关系数分析75个国家的经济增长与教育支出之间的关系。

当r=1时，表明完全正相关，如圆的周长与直径之间的关系。

当r=0。9时，表明较高的正相关，如学术成就与智商之间的关系。

当r=0时，表明两个变量无关，如体重与智商之间的关系。

当r=-1时，表明完全负相关，如测验分数与答错的题数之间的关系。

当r=-0。9时，表明较高的负相关，如智商与视力敏锐度之间的关系。

有时两个变量之间的关系是非线性的，如一个人的年龄与所认识的人的数目之间的关系（随着年龄的增长，认识的人逐渐增加，但是当年龄超过六七十岁时，其所认识的人当中，许多人逐渐离开人世）。研究非线性关系的工具比较复杂，这里只讨论线性关系。

在比较教育研究中，通常在许多国家同时收集两个变量的数据，比如，个人的受教育年限与收入，在获得两组数据后，就可检验两个变量之间的特定关系是否在所有各国都成立，或者研究两组数据之间的关系，计算相关系数等。但是，在使用相关研究法时需要注意：两个变量之间的相关，并不一定意味它们之间存在因果关系。它们可能同时是另一个因素影响的结果。

在研究的初始阶段，相关研究法可用于确定研究对象中各种关系的结构。变量间的相关关系是建立假说和进行进一步研究的基础。在教育中，一个事件的发生通常是许多变量同时作用的结果。当变量之间的关系比较复杂时，就难以用实验的方法对变量加以控制，这时就可采用相关研究法。实际上，在比较教育研究中，实验研究一般很难行得通。这也是相关研究法得以流行的原因之一。相关研究法还可以用于预测，即以一个变量的知识预测另一个变量的情况。为了进行较为可靠的预测，两个变量之间的相关系数应足够大，而且时间跨度不能太大，即长期预测的可靠度不高。