메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
류수린 (가천대학교) 국지연 (연세대학교)
저널정보
서울대학교 독일어문화권연구소(구 서울대학교 독일학연구소) 독일어문화권연구 독일어문화권연구 제31호
발행연도
2022.12
수록면
343 - 370 (28page)
DOI
10.32681/JGCL.31.14

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Mit der steigenden Zahl von Koreanischlernenden in letzter Zeit sind zuverlässige, ökonomische und gültige Bewertungsmethoden unbedingt erforderlich. Die Entwicklung einer validen Evaluationsmethode für Koreanisch lernende deutsche Muttersprachler wäre insbesondere für die Erforschung des Zweitspracherwerbs wichtig. In dieser Studie wurde die Verlässlichkeit der Bewertungsmethode empirisch überprüft, indem der Koreanisch-C-Test (eine Aufgabe, bei der Textlücken mit geeigneten lexikalischen und grammatikalischen Elementen ausgefüllt werden) für Koreanischlerner mit Deutsch als Muttersprache durchgeführt wurde. Des Weiteren wurden durch Fragebogen zum Sprachhintergrund das AoA, die Selbsteinschätzung, die L2-Exposure untersucht und die Korrelation mit dem C-Test überprüft. Als Ergebnis einer Varianzanalyse (ANOVA) des C-Tests zeigten sowohl die Partial Credit Bewertungsmethode (PC), bei der Vokabeln und Grammatikelemente klassifiziert und mit Teilpunkten bewertet wird, als auch die dichotome Bewertungsmethode (DC), bei der die Details nicht differenziert werden, signifikante Unterschiede zwischen den TOPIK-Levels. Durch lineare Regressionsanalyse wurde bestätigt, dass der C-Test mit dem zertifizierten TOPIK relativ stark korreliert (R2 =0.611; R2 =0.599). Allerdings war die Trennschärfe der Levels 4 und 5 durch den Post-hoc-Test nicht signifikant, was darauf zurückzuführen war, dass die Stichprobengröße sehr klein und die individuellen Unterschiede groß waren. Um die Validität des C-Tests genauer zu überprüfen, sollten daher weitere empirische Studien zu den Levels 4 und 5 durchgeführt werden.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0