英语易读性评测浅研究（一）
上周五接到了一项新任务，设计一个可供评测英语文本难易程度的在线工具。原本提出的需求十分简单，就是在线计算文本的单词数、句子数、平均单词长度和平均句子长度；并且要将文本中比较难的词汇或英语常见短语列举出来。类似这样一个在线工具一直是我想要的，没想到设计它的工作有朝一日会落在我的头上。我回复头儿说给我一周时间研究研究。头儿的答复是不要想得太复杂，打两个电话一两天就搞定了。
本着一向没事儿找事儿的态度，我又屁颠儿屁颠儿地到CNKI上搜论文看起来了。一看不要紧，发现这里面的水还不浅。原来国外早就有了许多对于英语Readability的评测标准，而且各类桌面软件和在线工具也是应接不暇。其实，对于文本的分析，是门很深的学问。我自己不是语料库出身，就算是看看论文，知道几个新术语，也不过是最浮于表面的了解层面而已。最好的情形是通过单位的关系，可以向这方面的专家当面请教。但是一时间却也看不到有这方面的机会。鉴于是一个单页面的工具，可以先将已知的一些评测Readability的基本功能加上，今后有缘能够向专家讨教一二的话，回来再对在线工具进行迭代优化吧。
首先，对于离线的软件，文本的输入形式有三种。第一种是通过黏贴的方式将文本黏贴到textarea里面，然后再进行处理；第二种是直接输入网址，然后软件自动对网址中的文章进行评测；第三种就是在软件中上传txt文件，然后进行分析。而在线工具的文本输入基本上都是通过黏贴文本的方式实现的。桌面软件使用过的包括：1. AntWordProfiler；2. Readme Tool。有一些离线的软件没有搜索到下载，只能通过论文中的截图略窥一二，其中包括：ERMS、Readability_Analyzer等。在线工具网站包括：1. wordscount；2. readability-score；3. http://www.admc.hct.ac.ae/hd1/english/readability.htm 等。
大多数离线或在线的易读性评测工具中，提供了以下几个指标（指标有很多，在此仅记录其中几个）：
Flesch Reading Ease
这个指标的计算公式是：Flesch Reading Ease = 206.835 – ( 1.015× ASL) – ( 84.6×ASW)
其中，ASL = 语句平均长度（单词数除以语句数）；ASW = 单词的平均音节数（音节数除以单词数）。计算出来的难以程度大致可以从下表中得知：
| 指标数值 | 难度 |
|---|---|
| 0-30 | 很难（very difficult） |
| 30-50 | 难（difficult） |
| 50-60 | 较难（Fairly difficult） |
| 60-70 | 标准（Standard） |
| 70-80 | 较容易（Fairly easy） |
| 80-90 | 容易（Easy） |
| 90-100 | 很容易（Very easy） |
Flesch-Kincaid Grade Level
Flesch－Kincaid 年级水平计算公式为: ( 39×ASL) + ( 11.8×ASW) – 15.59
Flesch－Kincaid 年级水平是按美国中小学年级水平来测量文本的易读性的 计算出的年级水平分值越高表示对读者的阅读能力的要求越高; 分值越低表示对读者的阅读能力要求也就越低。其难以程度大致可以从下表中得知：
| Kincaid 年纪水平 | 1-6 | 6-8 | 9-12 | 12 以上 |
|---|---|---|---|---|
| 学生年纪 | 小学程度 | 初中程度 | 高中程度 | 大学及以上 |
| 难易度 | 很容易 | 容易 | 较难 | 难 |
Automated Readability Index
计算公式：ARI = 4.71(characters/words) +0.5(words/sentences)－21.43
其中的 character 标识字母、数字和标点符号数；word 是按空格数计算的。如果 word 是由几个简单的词连在一起的，那么统计时就可能被作为一个长词。英语单词的平均字母数为5恶，长词往往会被当成难词。
Gunning Fog
计算公式：0.4[(words/sentences) + 100(complex words/words)]
其中：complex words指的是包含三个或以上音节数的单词数量
SMOG
计算公式：grade = 1.0430 * Math.sqrt(number of polysyllables * 30 / number of sentences) + 3.1291
Coleman-Liau Readability Score
计算公式：CLI = 0.0588L - 0.296S - 15.8
其中：L 代表的是平均每100个单词所包含的字母数。S代表的是平均每100个单词所包含的句子数
以上六个指标，除了第一个Flesch Reading Ease意外，其余的得出的数值基本上对应着美国中小学生的年级水平，所以都是grade评测，衡量需要多少年的正规教育，才可以理解该文本。
要正确理解易读性的评测公式，需要对一些概念有一些理解。今天时间已晚，待明后天有时间再继续。
【参考文献】（大致记录，格式先不计较了）
- 英语文本易读性测量软件AntWordProfiler的使用. “外语艺术教育研究”. 王正胜
- 英语易读度测量程序开发. “重庆大学学报（社会科学版）”. 晏生宏
- 信息技术环境下的文本易读性分析及其工具. “龙岩学院学报”. 许智坚