【本站讯】2026年5月20日下午，由山东省二语习得跨学科研究实验室、中国海洋大学文科处主办，外国语学院、中国二语习得跨学科研究中心联合承办的学术讲座在外国语学院N314顺利举行。加拿大维多利亚大学应用语言学教授、国际SSCI期刊 Language Teaching Research联合主编、我校特聘教授Hossein Nassaji受邀担任主讲，围绕“摒弃单纯显著性检验：探析应用语言学研究中的效应量”这一主题，为师生带来了一场兼具理论深度与方法指导意义的学术报告。团队骨干成员及硕博研究生近30人参加了本次讲座，讲座由陈颖教授主持。
讲座伊始，Nassaji教授从应用语言学实证研究中常见的统计报告问题切入，重点区分了统计显著性与效应量两个核心概念。他指出，p值主要用于判断某一效应在统计上是否存在，而效应量则用于说明该效应的实际大小及其理论或实践意义。Nassaji教授通过投掷硬币的例子生动说明，在大样本条件下，即使很小的效应也可能达到统计显著；而在小样本条件下，即使效应较大，也可能因为统计功效不足而无法显著。因此，研究者不能仅依赖p值判断研究发现的重要性，而应同时报告和解释效应量。
随后，Nassaji教授系统介绍了应用语言学研究中常见的效应量类型及其适用场景。针对均值比较，他重点讲解了Cohen’s d、Hedges’s g和Glass’s Delta等指标。其中，Cohen’s d常用于衡量两组均值差异，是二语习得研究中较为常见的效应量指标；Hedges’s g则可视为Cohen’s d的修正版本，在小样本研究中更加稳健。Nassaji教授还特别指出，效应量解释标准需要结合具体学科语境，应用语言学领域可参考Plonsky与Oswald提出的标准。
分类数据方面，Nassaji教授介绍了风险比、比值比、Phi系数和Cramer’s V等指标，并结合“教师反馈与ChatGPT反馈”等研究情境说明了不同指标的解释方式。他强调，风险比更适合直接比较事件发生概率，而比值比常用于Logistic回归和观察性研究，但在解释时应注意其与概率的区别。对于列联表分析，Phi系数适用于2×2列联表，Cramer’s V则适用于更大规模的分类变量关联分析。
方差分析和相关研究方面，Nassaji教授进一步讲解了ƞ²、partial ƞ²、Cohen’s f、Pearson’s r、Spearman’s ρ、Kendall’s τ以及决定系数R²等效应量指标。他指出，这些指标能够帮助研究者进一步判断变量之间关系的强度、方向及解释力，从而提升研究结果的可解释性。对于线性混合模型和广义线性混合模型，Nassaji教授强调，由于模型同时包含固定效应与随机效应，研究者通常需要结合固定效应系数、边际R²、条件R²和组内相关系数等多个指标进行综合解释。
讨论环节，与会师生围绕大样本与小样本条件下显著性和效应量的关系、横截面研究与历时研究中效应量的解释差异、实验组与对照组样本量设置、不同研究设计中效应量指标的选择等问题与Nassaji教授进行了深入交流。Nassaji教授结合应用语言学实证研究中的具体案例进行了耐心解答，并鼓励师生在后续研究中更加重视统计结果的实际意义和方法报告的规范性。
本次讲座系统阐释了效应量在应用语言学实证研究中的核心作用，使与会师生进一步认识到，规范的量化研究不仅需要关注统计显著性，更需要通过效应量报告提升研究结果的解释力和可比较性。讲座内容涵盖均值比较、分类数据、相关分析、方差分析以及混合效应模型等多种研究情境，为师生今后的研究设计、数据分析、结果报告和论文撰写与发表提供了重要方法论参考。此次讲座进一步夯实了团队开展高质量二语习得与应用语言学实证研究的方法基础。
通讯员：胡竹
审定：杨连瑞
