中文第二语言学习者英语学习困难筛查工具的开发和验证

《Child Neuropsychology》：Development and validation of a screener for English learning difficulties among Chinese second-language learners

　　

英语学习困难（English learning difficulties, ELD）的早期识别对于为学习英语作为第二语言（English as a second language, ESL）的中国学生提供及时干预至关重要。尽管标准化评估提供了全面的认知-语言特征，但其较长的施测时间限制了其在通用筛查中的应用。基于阅读成分模型（Component Model of Reading），本研究开发并验证了香港小學低年級（小二及小三）英语学习困难行為檢核表（Hong Kong Behaviour Checklist of English Learning Difficulties for Junior Primary School Students (Primary 2 and 3), BCL?PE(J)），这是一个包含20个项目的教师评定量表，可在10分钟内完成。研究对象为来自香港16所本地小学的331名小二和小三学习ESL的中国学生及其英语教师。探索性因子分析（exploratory factor analysis, EFA）和验证性因子分析（confirmatory factor analysis, CFA）支持了一个理论一致的四因子结构，包括阅读与拼写（reading and spelling）、写作（writing）、口语交流（oral communication）以及注意与记忆（attention and memory），反映了英语学习的读写和非读写成分。BCL?PE(J)显示出极好的内部一致性，以及较强的聚合效度（convergent validity）和区分效度（discriminant validity）。逻辑回归（logistic regression）和受试者工作特征（Receiver Operating Characteristic, ROC）分析表明，BCL?PE(J)能够显著预测由香港小學低年級（小二及小三）英语读写测验（Hong Kong Test of English Reading and Writing for Junior Primary School Students (Primary 2 and 3), HKT?PE(J)）识别的ELD状态。最佳截断分数46产生了高灵敏度（89%）和中等特异度（60%），优先识别了有风险学生，并在第一层反应干预（Tier 1 Response to Intervention, RtI）框架内最小化了假阴性。总之，研究结果表明，BCL?PE(J)是一个心理测量学稳健且省时的通用筛查工具，有效连接了课堂教师观察与后续对中文ESL学习者ELD的全面识别。

**论文解读：中文第二语言学习者英语学习困难筛查工具的开发和验证**

**研究背景与问题**
英语学习困难（English learning difficulties, ELD）在中文第二语言（English as a second language, ESL）学习者中普遍存在，早期识别对于提供及时干预至关重要。标准化评估（如香港小学低年级英语读写测验，HKT?PE(J)）虽能提供全面的认知-语言特征，但其施测时间长达60分钟，难以用于全校范围的通用筛查。现有筛查工具多针对母语为英语的学习者，缺乏针对中文ESL学习者的文化适宜性工具。此外，教师通常依赖学校考试成绩，但考试受限于标准化不足、情境偏差和诊断特异性不足。因此，开发一个省时、可靠且符合本地文化的通用筛查工具，对于在反应干预（Response to Intervention, RtI）框架下识别风险学生、促进早期干预具有重要意义。本研究基于阅读成分模型（Component Model of Reading, CMR），旨在开发并验证一个教师评定量表——香港小學低年級（小二及小三）英语学习困难行為檢核表（BCL?PE(J)），以高效识别中文ESL学习者中的ELD风险。

**方法概述**
本研究采用分层随机抽样，从香港16所本地小学招募331名小二和小三ESL学生及其英语教师。样本队列来源注明为香港本地小学。关键技术方法包括：预研究阶段使用Rasch模型进行项目分析，从36个初版项目中筛选出20个最终项目；主研究阶段采用探索性因子分析（EFA）和验证性因子分析（CFA）检验结构效度，通过平均方差提取（AVE）和异质-单质比率（HTMT）评估聚合效度和区分效度，利用逻辑回归检验预测效度，并通过受试者工作特征（ROC）分析及约登指数（Youden index）确定最佳截断值。所有分析均使用SPSS和Mplus软件完成。

**研究结果**
**可靠性与相关性分析**：BCL?PE(J)四个子量表及总分表现出极好的内部一致性（Cronbach's α从0.90到0.96，McDonald's ω从0.91到0.96）。子量表间在二年级和三年级均显著相关。

**效度分析**
- **结构效度**：EFA结果支持四因子结构（阅读与拼写、写作、口语交流、注意与记忆），所有项目负荷均大于0.40，无交叉负荷。CFA模型拟合可接受（RMSEA=0.09，SRMR=0.07，CFI=0.92，TLI=0.91）。
- **聚合效度**：四个因子的AVE值分别为0.68、0.69、0.80和0.71，均大于0.50，且BCL?PE(J)与教师评定量表（T-YRMQ）的三个子量表（阅读效能、阅读取向、阅读困难）显著相关（相关系数绝对值0.40至0.78），表明聚合效度良好。
- **区分效度**：HTMT比值在0.64至0.84之间，均低于0.85，表明各因子间具有良好的区分效度。
- **预测效度**：逻辑回归显示，在控制性别、年级、智商和工作记忆后，BCL?PE(J)得分显著预测ELD状态（Z=5.53，OR=1.07，p<0.001）。

**ROC分析**：ROC曲线下面积（AUC）为0.78，表明预测准确性良好。最佳截断值为46，对应灵敏度89%（即假阴性率约11%）、特异度60%。该截断值下，155名学生被识别为有风险，其中40人经HKT?PE(J)确认具有ELD；176名学生被识别为无风险，其中171人未被HKT?PE(J)识别为ELD。进一步的多变量方差分析（MANOVA）显示，有风险组在BCL?PE(J)各子量表上得分显著更高，在HKT?PE(J)各测量上表现显著更差，效应量大小不一。

**讨论与结论**
**讨论部分总结**：BCL?PE(J)作为第一层通用筛查工具，具有心理测量学稳健性。其内部一致性极好，所有子量表的Cronbach's α均大于0.90。结构效度、聚合效度、区分效度和预测效度均得到支持。研究还发现，BCL?PE(J)能有效捕捉课堂中可观察的非读写成分（如注意力、工作记忆和口语交流），这些在标准化评估中难以直接测量。最佳截断值46在灵敏度89%和特异度60%之间取得平衡，优先减少假阴性，符合RtI框架中早期筛查的目标。此外，有风险组学生在BCL?PE(J)和HKT?PE(J)上的表现显著差于无风险组，表明该工具能有效区分不同风险水平的学生。研究还讨论了实际实施中的注意事项，如教师培训、分阶段筛查流程等。局限性包括样本仅限于香港、需在更大范围验证、未来需开发更低年级版本等。

**研究结论翻译**：基于阅读成分模型（CMR），BCL?PE(J)包含了英语学习的读写相关和非读写成分（包括口语交流、注意与记忆），这些成分通常难以仅通过标准化测试评估。通过将课堂教师观察与心理测量学稳健的筛查标准相结合，BCL?PE(J)有效连接了通用教学与后续使用标准化评估的全面识别。由于其施测时间短且筛查准确性高，BCL?PE(J)非常适合在RtI框架内进行全校实施。其使用可促进对风险学生的早期支持，并推动更高效、更公平地分配评估和干预资源给中文ESL学习者。BCL?PE(J)表现出稳健的心理测量学属性，包括强内部一致性、结构效度、聚合效度、区分效度、预测效度和生态效度。在最佳截断值46处，BCL?PE(J)具有89%的灵敏度和60%的特异度（AUC=0.78），支持其作为第一层通用筛查工具的使用。BCL?PE(J)可在10分钟内完成，使其成为RtI框架内可行且高效的通用筛查工具。教师可以系统性地监测学生进展，并识别可能需要使用HKT?PE(J)进行综合随访及及时干预的学生，从而促进香港中文ESL学生的早期识别和教育资源的公平分配。