수십 년 동안 우리는 "텍스트 분석"과 같은 작문 소프트웨어에서 여전히 살아남은 글쓰기의 복잡성을 측정 할 수있는 도구를 가지고있었습니다. 예를 들어 Flesch의 Reading Ease 점수와 Flesch-Kincaid 점수는 문장의 음절과 단어를 계산합니다. 그러나 득점은 투명하지만 아무것도 아닙니다. Flesch 점수를 얻으려면, 귀하 또는 귀하의 소프트웨어 가능성이 높은 수식에 의존하십시오 :
206.835- (1.015 x 평균 문장 길이) – (단어 당 84.6 x 평균 음절).
또는 Flesch 점수와 Flesch Reading Ease가 측정 한 내용을 이해할 수있는 미국인의 예상 비율을 연관시키는보다 사용자 친화적 인 Flesch-Kincaid를 사용할 수 있습니다. 논문 점수가 0-30 점이면 대학 졸업자 만 콘텐츠를 완전히 이해할 수 있습니다. 반대로, 5 학년 학생은 미국인의 93 % 이상이 이해할 수있는 90-100 범위의 문단을 이해할 수 있습니다. 점수가 낮을수록 읽기가 쉽습니다. 이 수식을 스스로 시험해 볼 수 있습니다. 나는 수스 박사의 그린 달걀과 햄 을 플레시 – 킨케이드 수식 (Flesch-Kincaid formula)을 통해 읽었으며 책 점수가 -1.3이라는 것을 발견했다. 이 점수는 녹색 계란과 햄 의 이상적인 독자가 태아임을 시사합니다.
불투명 한 수식과 기괴한 결과는 제쳐두고 가독성 공식은 문장의 복잡도를 측정하는 방법에 가치있는 것을 보여줍니다. 계산은 지금까지만 가능합니다. 지금까지 초등 및 중등 교육에서의 학생들에 대한 연구는 문장과 절의 길이로 서면으로 세련되면서 점점 커져갔습니다. 긴 문장은 문장 구조에 대한 작가의 명령에 대한 마커 인 문구와 절에 의존하기 때문에 이러한 상관 관계는 의미가 있습니다. 그러나 혼자 세기는 문제가 있습니다. 예를 들어 단어의 음절을 계산하여 어려움을 파악하면 복잡성 측정을 크게 왜곡 할 수 있습니다. 심지어 두 음절의 단어조차도 독자의 이해를 돕기 위해 크게 달라질 수 있습니다. 두 음절의 단어 인 실습 과 야구를 생각해보십시오. 평범한 3 학년 학생들이 야구를 쉽게 읽을 수 있지만, praxis 라는 단어는 사전을 뒤섞어 쓰는 PhD조차도 보낼 수 있습니다.
독자가 일반적으로 단어를 접하는 빈도와 결합 된 문장 길이를 사용하는 상용 소프트웨어 인 Lexile® Framework을 입력하십시오. Lexile은 전 세계적으로 1 억 권이 넘는 책, 기사 및 웹 사이트를 포함하고있을뿐만 아니라 초등 및 중등 교육의 자료 읽기 수준을 결정하는 데에도 큰 영향을 미칩니다. 또한 도서관 데이터베이스의 기사와 함께 Lexile 점수가 나타나 지역 신문이나 The New Yorker의 기사에서부터 책에 이르기까지 모든 것에 대한 점수를 제공합니다. 그러나 연구자들은 주로 초등 및 중등 교육에서 학생들에게 연령에 맞는 독서 수준을 결정하는 Lexile의 능력에 중점을 두었습니다. 이 누락으로 인해 대학원생 사만다 밀러 (Samantha Miller)와 나는 국제 경영 학회지 (International Journal of Business Administration)에 실린 기사에서 문장과 단락의 전반적인 세련미를 평가할 때 Lexile의 타당성을 측정하게되었습니다.
우리는 Lexile이 문장 구조의 복잡성에 대한 19 가지 척도를 측정 한 소프트웨어를 사용하여 측정 한 텍스트 정교함의 세 가지 강력한 측정치와 높은 상관 관계가 있음을 발견했습니다. Lexile은 문장의 복잡성에 대한 세 가지 가장 강력한 척도 인 문장과 절의 중간 길이와 복잡한 명사 또는 명사구의 사용과 높은 상관 관계가있었습니다. Lexile은 복합 명사구 또는 문장 (p = <0.0001)과 중간 절 길이 (p = <0.0002) 및 문장의 중간 길이 (p = 0.0013)의 사용과 가장 관련이 있었다.
테이크 아웃? Lexile의 알고리즘은 문장 수준의 복잡성을 평가하기위한 다른 방법과 짝을 지을 때 귀중한 1 억 개의 텍스트 본문에 대해 작가가 사용하는 단어를 매칭하여 단어의 정교함을 확고하게 결정합니다. 결과? 라이브러리 데이터베이스에서 기사에 액세스 할 때 잘리는 Lexile 점수는 사용자가 읽으려고하는 내용의 난이도를 안정적으로 예측합니다.
