分类:字词难度

研究背景

在很多研究中，我们需要有一个字词难度的度量方法或者结果列表。例如，如果我们做阅读分级，我们首先就可以考虑篇章的字词数量、句子数量、平均句子长度、平均字词难度等指标。其次，更进一步我们还可以考虑篇章的内在逻辑难度。甚至，就像^[1]所指出的，由于语言是大量心理学实验的介质，因此研究介质本身带来的认知上的影响是非常重要的。

在英语词汇上，^[1]完成了4万多个词的难度测量。其测量方式是：第一、让被试来识别一个随机出现的词（并不真的随机，使得看起来随机）是不是真的是一个词，然后测量每一个词的反应时间和正确率；第二、让被试读出来随机出现的词，然后测量反应时间和正确率。其原始数据和数据库检索界面在这里：https://elexicon.wustl.edu/index.html　。反应时间和正确率两者都可以用来当做字词难度的度量。之前有一些小规模的工作（见^[1]的参考文献），大部分集中于正确率。基于正确率的难度测量，非常依赖于被试选择的平衡性（各个层次的被试都要有，还最好无偏）。也就是说，如果被试都是识字率比较高的人，那么，从其中得到的数据就不能用于度量字词难度。加入了反应时间以后，就可以利用单一类型的被试来得到字词难度的数据了。

在汉语的字词上，我没有看到类似的工作。

不过，上面测量到的是综合难度。我们可能还想得到一个模型，一个从给定的字计算出来识字难度的模型。最好两者还能相互印证。对于这个模型来说，我们应该主要考虑哪些因素呢？我们可以尝试：字词的使用频率、字词的含义透明性（其含义是否能够从其结构，尤其是结构拆分，看出来）、字词的读音透明度（其读音是否能够从其结构，看出来）、字词子结构数量（英语可以是整个单词的或者字根部分的字母数、音节数；汉语可以是笔画数、构成这个字的汉字的数量）。如果得到每一个字的这些数量信息之后，我们可以来做一个线性回归模型：综合难度是y，其他各个数量信息是x。

于是，我们就可以即有一个字词难度表（只能用于测量过的字词），还有一个模型（这样对于没有实验测量过的字词，可以算）。

有了字词难度信息之后，结合字词使用频率和字词结构关系网络，我们才能得到更好的学习顺序。在学习顺序分析的基础上，做词汇分级、学习材料的编撰，才更加科学。

怎么做

在英文单词的综合难度测量结果的基础^[1]上，获得单词的使用频率、单词的含义透明性（其含义是否能够从其结构，尤其是结构拆分，看出来）、单词的读音透明度（其读音是否能够从其结构，看出来）、单词子结构数量（英语可以是整个单词的或者字根部分的字母数、音节数）数据、临近单词（修改个别字母或者交换个别字母就可以得到的其他单词）数量，构建英文单词难度模型。

做中文字词的综合难度测量。其中考虑到中文词的特殊性——是否是一个词不好判断没有标准，以及交换字母顺序不影响阅读的研究^[2]，可以把区分真假词和朗读换成“造句或者说说意思”和“朗读”。在此基础上，获得字词的使用频率、字词的含义透明性（其含义是否能够从其结构，尤其是结构拆分，看出来）、字词的读音透明度（其读音是否能够从其结构，看出来）、字词子结构数量（汉语可以是笔画数、构成这个字的汉字的数量）、临近字词数量，构建汉语字词的难度模型。

在难度模型和难度测量表的基础上，构建篇章难度分析器，综合考虑文章表面难度和逻辑理解难度，用于构建分解阅读的体系。

拓展

同样的研究方式可以拓展到其他学科，例如数学概念的学习难度、物理概念的学习难度，概念之间的联系（给定两个概念，有联系点击左键，没有联系点击右键；说说联系。测量反应时间和准确率）等等。招募这个学科的大学本科生、研究生，以及高中学生，来做例如，任务一判断两个概念之间是否有联系，任务二说一说联系，然后测量延迟时间和准确率。

参考文献