摘要
随着计算机技术在语言测试中的大量应用，不只是客观题，主观题的测试也开始应用机器自动评分。而主观题应用机器评分的领域主要集中在对写作的自动评分，较少涉及口语领域。 本研究聚焦口译译文的机器自动评分，从词汇特征方面着手，探究不同的词汇特征对口译结果的影响及对口译分数的预测程度。本研究借助Kyle团队研发的文本处理软件TAALES,以PACCEL为参照语料库，对词汇复杂度的各类参数进行提取，共确定出4类与语料库相关的词汇复杂度参数。本研究将语料库按照抽样文本数量和学生水平进行了两种分类研究，经过回归分析，4类词汇复杂度参数均能预测学生的口译分数，且在不同分组中的预测情况不同。在以抽样文本数量分类的分组中，TAALES中的参数评分对人工评分的预测度最强的是样本容量为全部样本的30％，其次是样本容量为全部样本的70％，再次是样本容量为全部样本的50％,预测度最弱的是样本容量为全部样本。在以学生水平分类的分组中，TAALES中的参数评分对人工评分的预测度最强的是学生分数高于60分（包括）但低于70分（不包括），其次是学生分数高于70分（包括）但低于80分（不包括），再次是学生分数高于80分（包括），预测度最弱的是学生分数低于60分。 本研究利用文本特征与口译的关系来预测口译得分，为机器自动评分在口译领域的发展提供了一种新的方法。
NETL