2024年6月28日下午，我校云山讲座教授、美国伊利诺伊大学闫逊副教授在本中心做了题为What makes listening comprehension difficult? A feature-based machine learning approach to understanding item difficulty（听力理解因何困难？用基于特征的机器学习方法理解题目难度）的学术讲座。中心师生和部分兄弟院校的学者聆听了讲座，并与闫逊教授展开了深入的交流。
讲座现场
闫逊对比了计算语言学和机器学习的现有方法用于预测听力测试题目难度时的优劣，认为前者可解释度高，但预测准确性稍逊；后者预测准确性高，但结果无法解释。基于这一认识，他提出结合两种方法的思路，即利用机器学习的相关方法提取可解释的文本、声学和任务特征，建构既可解释又有较高准确性的预测模型。他报告了基于这一思路完成的一项研究。该研究探索了不同的特征选择方法和不同的预测模型，其中最佳模型解释了试题难度变异的86%，且预测变量均有理论支撑，实现了兼顾可解释度和预测准确性的目标。研究结果揭示了各种特征如何影响听力测试题目难度，并为干扰项的写作提供了借鉴。在此基础上，闫逊总结了计算语言学和机器学习方法对二语听力测试的推动作用，强调了在语言测试实践中进行方法创新的意义。
聆听与交流
闫逊教授今年五月起履职我校云山讲座教授，本次到我校工作期间做了两次讲座，指导了一次语言测试博硕士研究生导读活动，并参与指导我校语言测试方向的年轻教师和研究生。
