漢語(yǔ)分級(jí)閱讀的詞匯影響因素研究

○ 趙鳳嬌

(北京語(yǔ)言大學(xué) 漢語(yǔ)國(guó)際教育研究院，北京 100083)

一、引 言

分級(jí)閱讀指根據(jù)不同年齡層的生理、心理和認(rèn)知能力的發(fā)展情況，對(duì)閱讀材料進(jìn)行分級(jí)，為不同年齡段的閱讀主體提供適合的閱讀材料。美國(guó)分級(jí)閱讀研究最早，也相當(dāng)成熟，應(yīng)用范圍較廣的閱讀分級(jí)方法有藍(lán)思分級(jí)法、A-Z分級(jí)法等。藍(lán)思分級(jí)法是針對(duì)兒童語(yǔ)言能力發(fā)展設(shè)計(jì)的。較之其他分級(jí)方法，該方法更注重對(duì)文本中的語(yǔ)言要素的測(cè)量，操作步驟為首先對(duì)文本中的詞頻、詞長(zhǎng)以及句長(zhǎng)等要素進(jìn)行量化統(tǒng)計(jì)，然后將量化數(shù)值帶入公式計(jì)算出藍(lán)思值，再與難度等級(jí)對(duì)應(yīng)，就能得知讀物的藍(lán)思等級(jí)。漢語(yǔ)與英語(yǔ)不同，張博教授在“面向可讀性測(cè)評(píng)的漢語(yǔ)文本語(yǔ)言特征分析”項(xiàng)目論證中指出：“英語(yǔ)的詞長(zhǎng)富有彈性，詞長(zhǎng)類(lèi)型多樣，短則一兩個(gè)音節(jié)，長(zhǎng)則近二十個(gè)音節(jié)，而漢語(yǔ)的詞長(zhǎng)較短且類(lèi)型有限，單音節(jié)詞和雙音節(jié)詞占絕對(duì)優(yōu)勢(shì)，詞長(zhǎng)對(duì)詞義的可理解性及文本可讀性的影響不可能像英語(yǔ)那樣明顯。”因此, 漢語(yǔ)分級(jí)閱讀研究不可照搬國(guó)外分級(jí)閱讀的評(píng)測(cè)因素。

目前，漢語(yǔ)分級(jí)閱讀研究集中在南方分級(jí)閱讀中心以及接力兒童分級(jí)閱讀研究中心，它們分別提出分級(jí)閱讀的標(biāo)準(zhǔn)以及參考書(shū)目[1]。就目前研究而言，分級(jí)標(biāo)準(zhǔn)并未形成完整的科學(xué)的體系，沒(méi)有國(guó)家統(tǒng)一的標(biāo)準(zhǔn)，現(xiàn)有的閱讀分級(jí)標(biāo)準(zhǔn)側(cè)重于經(jīng)驗(yàn)，從兒童個(gè)體出發(fā)，把兒童讀者的年齡、學(xué)習(xí)階段和身心發(fā)展作為分級(jí)的標(biāo)準(zhǔn)[2]，而語(yǔ)言要素作為影響文本理解的重要因素，在分級(jí)讀物研究中很少提及。文本在語(yǔ)言要素上所呈現(xiàn)出來(lái)的復(fù)雜程度一般被稱(chēng)為可讀性(Readability)。

以往漢語(yǔ)可讀性的研究集中在漢語(yǔ)二語(yǔ)分級(jí)閱讀研究中，影響因素可以歸納為漢字、詞匯和句法三大語(yǔ)言要素。與拼音文字相比，漢字是表意文字，具有鮮明的特點(diǎn)；句法層面的結(jié)論也比較單一，句長(zhǎng)對(duì)可讀性具有顯著的預(yù)測(cè)作用。相較于漢字和句法，詞匯層面因素較為復(fù)雜，考察維度不盡相同，結(jié)論也不一致。如有的研究著重于詞匯多樣和詞頻維度[3]，有的研究?jī)H關(guān)注詞頻維度[4]等；在結(jié)論上，有的學(xué)者認(rèn)為虛詞數(shù)、虛實(shí)比是重要的詞匯影響因素[5]，有的則指出詞次比在詞匯層面起決定性作用[3]。臺(tái)灣學(xué)者曾對(duì)臺(tái)灣中小學(xué)語(yǔ)文教材中的文本難度進(jìn)行分析，發(fā)現(xiàn)難詞數(shù)、實(shí)詞頻率對(duì)數(shù)的平均值、人稱(chēng)代名詞數(shù)等因素影響文本可讀性。[6][7][8]那么影響漢語(yǔ)文本可讀性的詞匯因素有哪些？哪些因素起主要作用？還需要進(jìn)一步深入研究。鑒于此，本文從詞匯多樣性、詞頻、詞匯密度和詞長(zhǎng)等四個(gè)維度考察可能影響文本難度分級(jí)的主要詞匯因素，以及這些因素的有效性。

二、文本來(lái)源和處理

(一)文本的來(lái)源

張博教授在項(xiàng)目論證中提出：“由于要在比較不同難度漢語(yǔ)文本語(yǔ)言特征的基礎(chǔ)上分析提煉影響可讀性的主要參數(shù)及其權(quán)重，因此，選取難度梯級(jí)分明的系列漢語(yǔ)文本至關(guān)重要?！睖厝迕糁赋觥安烤幈尽闭Z(yǔ)文教材是由教育部出面聘請(qǐng)主編和編寫(xiě)專(zhuān)家，調(diào)集了全國(guó)最強(qiáng)的編寫(xiě)隊(duì)伍，有條件在總體質(zhì)量和水平上超越現(xiàn)有各種版本的教材。[9]因此，我們選取部編版二年級(jí)、七年級(jí)和十二年級(jí)①《語(yǔ)文》中的課文②建立了低難度、中難度和高難度三個(gè)難度等級(jí)的文本庫(kù)，如表1所示。

表1 部編人教版不同難度等級(jí)課文數(shù)量、總字?jǐn)?shù)、平均課文長(zhǎng)度分布

(二)切詞結(jié)果處理

本文使用NLPIR-ICTCLAS漢語(yǔ)分詞系統(tǒng)對(duì)文本進(jìn)行詞語(yǔ)切分。之后對(duì)切詞結(jié)果進(jìn)行逐一校對(duì)和處理。校對(duì)工作以《現(xiàn)代漢語(yǔ)詞典》(第7版)為主，以百度百科搜索引擎(https://baike.baidu.com/)為輔。

(三)文本的劃分方法和范圍

與漢語(yǔ)不同，英文文本是由一個(gè)個(gè)單詞“word”所構(gòu)成的，而漢語(yǔ)中的字和詞是不同的概念，二者并不等同。漢語(yǔ)文本長(zhǎng)度多采用字來(lái)統(tǒng)計(jì)，因此本文按照字?jǐn)?shù)來(lái)劃分文本長(zhǎng)度，每個(gè)劃分的文本稱(chēng)作一個(gè)文本塊。為了避免文本大小對(duì)統(tǒng)計(jì)結(jié)果的影響，我們分別以500字和1000字的長(zhǎng)度來(lái)劃分③。

三、不同詞匯因素與文本難度等級(jí)的相關(guān)性

(一)詞匯多樣性與文本難度等級(jí)相關(guān)性

詞匯多樣性由樣本中的不同詞的數(shù)量來(lái)表示，在英語(yǔ)中一般通過(guò)比較不同單詞的數(shù)量與總單詞數(shù)來(lái)衡量，即類(lèi)符-形符比(Type-Token Ratio，簡(jiǎn)稱(chēng)TTR)。[10]8TTR是樣本大小的函數(shù)，受文本長(zhǎng)度的影響，如較大樣本的TTR值比較低，較小樣本的TTR值比較高，因此TTR公式的信度飽受質(zhì)疑。Johnson提出了改善TTR的方法，即平均節(jié)段類(lèi)符-形符比(Mean Segmental TTR，簡(jiǎn)稱(chēng)MSTTR)。[11]該方法通過(guò)將樣本分成給定長(zhǎng)度的連續(xù)段來(lái)控制文本長(zhǎng)度，然后計(jì)算所有段的平均節(jié)段類(lèi)符-形符比來(lái)得到TTR。Torruella & Capsada基于不同類(lèi)型的文本考察了七種測(cè)量詞匯多樣性的公式對(duì)文本長(zhǎng)度的依賴(lài)性，研究發(fā)現(xiàn)MSTTR對(duì)文本長(zhǎng)度的依賴(lài)不顯著。[12]故本文選用MSTTR的測(cè)量方法，將文本先按500字?jǐn)?shù)分成大致相等的文本塊，根據(jù)每個(gè)文本塊計(jì)算TTR，最后統(tǒng)計(jì)TTR的平均值獲得MSTTR。本文擬采用詞數(shù)、詞種數(shù)和MSTTR值來(lái)衡量詞匯的多樣性。如表2所示。

表2 不同難度等級(jí)文本的詞匯多樣性的統(tǒng)計(jì)結(jié)果

由表2可以看出，詞數(shù)隨難度等級(jí)的升高而減少；詞種數(shù)也基本隨難度等級(jí)的升高而增加，不過(guò)高難度文本的詞種數(shù)略微下降。MSTTR隨文本難度等級(jí)的升高而增加。

通過(guò)使用SPSS21.0計(jì)算詞數(shù)、詞種數(shù)以及MSTTR與文本難度等級(jí)的Spearman相關(guān)系數(shù)，結(jié)果如表3所示。

表3 不同難度等級(jí)文本的詞匯多樣性與文本難度等級(jí)的Spearman相關(guān)系數(shù)

注：*代表Spearman相關(guān)系數(shù)的顯著程度，*越多，相關(guān)性越顯著，下文同。

統(tǒng)計(jì)結(jié)果表明，詞數(shù)、詞種數(shù)和MSTTR與文本難度均呈顯著相關(guān)，詞數(shù)與文本難度等級(jí)呈顯著負(fù)相關(guān)，詞種數(shù)呈顯著正相關(guān)，MSTTR呈顯著正相關(guān)，相關(guān)性由高到低為：MSTTR(0.487)>詞種數(shù)(0.376)>詞數(shù)(|-0.351|)。

通過(guò)獨(dú)立樣本T檢驗(yàn)來(lái)驗(yàn)證這三個(gè)因素對(duì)不同難度文本的預(yù)測(cè)效用，我們發(fā)現(xiàn)，在詞數(shù)、詞種數(shù)和MSTTR因素上，低難度與中難度、高難度文本均存在顯著差異(p<

0.05)；而中難度和高難度文本均不存在顯著差異(p>0.05)。也就是說(shuō)，詞數(shù)、詞種數(shù)和MSTTR能顯著區(qū)分低難度與中、高難度文本，但并不能顯著區(qū)分中難度和高難度文本。

綜上，通過(guò)Spearman相關(guān)系數(shù)和獨(dú)立樣本T檢驗(yàn)我們發(fā)現(xiàn)，詞數(shù)、詞種數(shù)、MSTTR與文本難度等級(jí)呈顯著相關(guān)，詞數(shù)隨文本難度等級(jí)的升高而減少，詞種數(shù)和MSTTR隨文本難度等級(jí)的升高而升高，三個(gè)因素均能顯著區(qū)分低難度與中、高難度等級(jí)文本。但是中難度與高難度文本在三個(gè)因素上并不存在顯著差異，即詞數(shù)、詞種數(shù)、MSTTR不能區(qū)分中難度和高難度文本。

(二)詞頻與文本難度等級(jí)的相關(guān)性

詞頻(Lexical Frequency)具有兩種含義，一是指在特定文本或語(yǔ)料庫(kù)中詞語(yǔ)重復(fù)的頻率，也就是通常所說(shuō)的詞次數(shù)或頻數(shù)；二是指詞頻概貌(Lexical Frequency Profile)，指詞語(yǔ)在詞表的不同詞匯頻率等級(jí)上的分布情況。蘇新春和顧江萍全面考察了四套語(yǔ)文教材中的詞語(yǔ)分布情況，對(duì)比了頻率法(詞次數(shù))與分布法(詞頻概貌)，發(fā)現(xiàn)分布法更容易體現(xiàn)出語(yǔ)文詞語(yǔ)的穩(wěn)定性與通用性。[13]比如對(duì)于科技文等特定文本，雖然某些詞語(yǔ)在文本中出現(xiàn)次數(shù)較高，但對(duì)于非專(zhuān)業(yè)人士來(lái)說(shuō)卻較難理解，這樣通過(guò)詞次數(shù)來(lái)描述就不準(zhǔn)確。相反，這類(lèi)詞在詞表中可能屬于低分布詞，從而通過(guò)詞表可以較好地反映詞的屬性。因此，我們采用詞頻概貌來(lái)進(jìn)行研究。

《現(xiàn)代漢語(yǔ)常用詞表》(草案)是基于2.5億字大規(guī)模語(yǔ)料，對(duì)現(xiàn)當(dāng)代社會(huì)生活中使用頻率較高的56008個(gè)漢語(yǔ)普通話(huà)詞語(yǔ)做出詞頻排序，并給出了每個(gè)詞語(yǔ)的詞性，是目前最具權(quán)威性的詞頻統(tǒng)計(jì)數(shù)據(jù)。因此，本文將該詞表作為詞頻概貌的劃分依據(jù)。將該詞表按照使用頻率由高到低的順序劃分為六個(gè)區(qū)間，每個(gè)區(qū)間范圍包含10000個(gè)詞，分別為最常用詞([1，10000])、常用詞([10001,20000])、次常用詞([20001，30000])、較不常用詞([30001，40000])、不常用詞([40001，50000])、罕用詞④([50001，+∞))。詞頻分布如表4所示。

表4 不同難度等級(jí)文本的詞頻分布情況

由表4可以看出，不同難度等級(jí)文本的詞數(shù)在最常用詞區(qū)間數(shù)量最多，占比均高于80%；罕用詞區(qū)間占比次高，基本上隨文本難度等級(jí)的升高而升高，這說(shuō)明《語(yǔ)文》教材文本均以前10000常用詞為主，同時(shí)會(huì)設(shè)置一些生詞，這在一定程度上關(guān)照了學(xué)生的認(rèn)知規(guī)律，即既要保障學(xué)生理解文義，也要增加學(xué)生的詞匯量。

表5 詞頻與不同難度等級(jí)文本之間的Spearman相關(guān)系數(shù)

由表5可以看出，最常用詞和常用詞區(qū)間與文本難度顯著相關(guān)(p<0.05)，其他區(qū)間的相關(guān)性均不顯著(p>0.05)。

通過(guò)獨(dú)立樣本T檢驗(yàn)我們發(fā)現(xiàn)，低難度文本和中難度文本在常用詞區(qū)間、次常用詞區(qū)間上存在顯著差異(p<0.05)，低難度文本和高難度文本在最常用詞區(qū)間、常用詞區(qū)間上存在顯著差異(p<0.05)。中難度和高難度文本在各區(qū)間上都不存在顯著差異(p>0.05)。

綜上所知，常用詞區(qū)間能顯著區(qū)分低難度與中、高難度文本，而中難度和高難度文本在各區(qū)間并無(wú)顯著差異。

(三)詞匯密度與文本難度等級(jí)的相關(guān)性

詞匯密度指具有詞匯屬性的詞(即具有實(shí)際意義的詞，包括名詞、動(dòng)詞、形容詞等)的數(shù)量與總詞數(shù)的比率，即實(shí)詞在總詞數(shù)中所占的比重。Vajjala & Meurers認(rèn)為實(shí)詞比是測(cè)量英語(yǔ)文本難度的有效因素。[14]本文借鑒朱德熙的詞語(yǔ)分類(lèi)標(biāo)準(zhǔn)，將名詞(包括時(shí)間詞和方位詞、處所詞)、動(dòng)詞(包括助動(dòng)詞和趨向動(dòng)詞)、形容詞(包括屬性詞和狀態(tài)詞、區(qū)別詞)、數(shù)詞、量詞、代詞(包括人稱(chēng)代詞、指示代詞和疑問(wèn)代詞)歸為實(shí)詞，將副詞、介詞、連詞、助詞(包括語(yǔ)氣詞)、嘆詞、擬聲詞等歸為虛詞。[15]46-50本文擬采用實(shí)詞數(shù)、實(shí)詞比來(lái)衡量詞匯密度。實(shí)詞數(shù)、實(shí)詞比在不同難度文本中的分布如表6所示。

表6 實(shí)詞數(shù)、實(shí)詞比在不同難度文本中的分布

從表6可以看出，實(shí)詞數(shù)隨文本難度等級(jí)的升高而下降，在詞匯密度中，低難度比重最高，高難度文本次之，中難度文本比重最低。

表7 實(shí)詞數(shù)、實(shí)詞比與文本難度等級(jí)的Spearman相關(guān)系數(shù)

由表7可知，實(shí)詞數(shù)和實(shí)詞比均與文本難度等級(jí)呈顯著負(fù)相關(guān)(p<0.05)，其中實(shí)詞數(shù)的相關(guān)性最顯著。通過(guò)獨(dú)立樣本T檢驗(yàn)發(fā)現(xiàn)，低難度與中、高難度文本在實(shí)詞數(shù)、實(shí)詞數(shù)比上存在顯著差異(p<0.05)，而中難度與高難度文本均不存在顯著差異(p>0.05)。

總之，在詞匯密度中，實(shí)詞數(shù)與實(shí)詞數(shù)比顯著影響低難度與中、高難度文本等級(jí)，而中難度與高難度等級(jí)文本之間并無(wú)顯著差異。

(四)詞匯長(zhǎng)度與文本難度等級(jí)的相關(guān)性

詞匯長(zhǎng)度(word length)一般用于英語(yǔ)文本的測(cè)量，指一個(gè)詞語(yǔ)所包含的音節(jié)或字母數(shù)。在英語(yǔ)可讀性公式中，詞長(zhǎng)作為文本可讀性測(cè)量的主要因素，漢語(yǔ)與英語(yǔ)不同，漢語(yǔ)的詞長(zhǎng)較短且類(lèi)型有限，單音節(jié)詞和雙音節(jié)詞占絕對(duì)優(yōu)勢(shì)。漢語(yǔ)詞長(zhǎng)對(duì)文本可讀性的影響是否像英語(yǔ)那樣明顯還需進(jìn)一步研究和驗(yàn)證。不同難度等級(jí)的文本的詞長(zhǎng)分布如表8所示。

表8 不同難度等級(jí)的文本的詞長(zhǎng)統(tǒng)計(jì)

由表8可以看出，單音節(jié)詞的詞長(zhǎng)及其比重隨文本難度等級(jí)的升高而下降，雙音節(jié)詞長(zhǎng)及其比重隨文本難度等級(jí)的升高而升高，而其他音節(jié)的詞長(zhǎng)并無(wú)明顯規(guī)律。

表9 詞長(zhǎng)與不同難度等級(jí)文本的Spearman相關(guān)系數(shù)

通過(guò)表9可知，單音節(jié)詞長(zhǎng)與文本難度均呈顯著負(fù)相關(guān)(p<0.05)，雙音節(jié)詞與文本難度均呈顯著正相關(guān)(p<0.05)，其他音節(jié)的詞長(zhǎng)與文本難度的相關(guān)性均不顯著(p>0.05)。

通過(guò)獨(dú)立樣本T檢驗(yàn)我們進(jìn)一步發(fā)現(xiàn)，在單音節(jié)詞、雙音節(jié)詞長(zhǎng)上，低難度與中、高難度文本存在顯著差異(p<0.05)。中難度與高難度文本僅在雙音節(jié)詞上存在顯著差異(p<0.05)。

總之，單音節(jié)和雙音節(jié)詞能顯著區(qū)分低難度與中、高難度文本，中難度與高難度僅在雙音節(jié)詞上存在顯著差異。

四、結(jié) 語(yǔ)

本文從詞匯多樣性、詞頻概貌、詞匯密度和詞匯長(zhǎng)度等四個(gè)維度考察影響文本可讀性的詞匯因素，發(fā)現(xiàn)在500字文本塊中，詞數(shù)、詞種數(shù)、MSTTR、常用詞區(qū)間詞頻、實(shí)詞數(shù)、實(shí)詞比以及單音節(jié)和雙音節(jié)詞長(zhǎng)能夠顯著區(qū)分低難度與中、高難度文本，影響力由高到低均為：MSTTR>常用詞區(qū)間詞頻>實(shí)詞數(shù)>詞種數(shù)>單音節(jié)詞長(zhǎng)>詞數(shù)>雙音節(jié)詞長(zhǎng)>實(shí)詞比，但對(duì)中、高難度文本的區(qū)分并不明顯。本文還按照1000字對(duì)文本長(zhǎng)度進(jìn)行劃分，發(fā)現(xiàn)結(jié)果與500字文本塊劃分中對(duì)文本難度等級(jí)的影響基本一致。

本文的研究結(jié)果契合了目前我國(guó)義務(wù)教育《語(yǔ)文》課程的總教學(xué)目標(biāo)，也遵循了兒童的認(rèn)知發(fā)展規(guī)律。義務(wù)教育階段總教學(xué)目標(biāo)規(guī)定初中階段的任務(wù)是全面普及九年義務(wù)教育，語(yǔ)文課程側(cè)重要求學(xué)生識(shí)字與寫(xiě)字、閱讀、寫(xiě)作、口語(yǔ)交際、綜合性學(xué)習(xí)；而高中階段的任務(wù)是面向高等教育，為社會(huì)培養(yǎng)及輸送合格人才，語(yǔ)文課程標(biāo)準(zhǔn)的要求是積累·整合、感受·鑒賞、思考·領(lǐng)悟、應(yīng)用·拓展、發(fā)現(xiàn)·創(chuàng)造。因此從這個(gè)意義上來(lái)說(shuō)，義務(wù)教育階段的語(yǔ)文學(xué)習(xí)更加重視學(xué)生語(yǔ)言知識(shí)的階段性的掌握與積累，而高中階段的語(yǔ)文學(xué)習(xí)則是重視學(xué)生如何正確地將學(xué)習(xí)到的語(yǔ)文知識(shí)運(yùn)用到具體的實(shí)踐中。根據(jù)皮亞杰的認(rèn)知發(fā)展理論的四個(gè)階段可知，小學(xué)階段為第三階段，即具體運(yùn)算階段(7～11歲)，該階段兒童只能利用具體的事物、物體或過(guò)程來(lái)進(jìn)行思維或運(yùn)算，不能利用語(yǔ)言、文字陳述的事物和過(guò)程為基礎(chǔ)來(lái)運(yùn)算，也就是說(shuō)該階段學(xué)生的語(yǔ)言知識(shí)還比較低，處于學(xué)習(xí)階段；初中階段為第四階段，即形式運(yùn)算階段(11～15歲)，該階段兒童的思維不必從具體事物和過(guò)程開(kāi)始，可以利用語(yǔ)言文字，在頭腦中想象和思維，重建事物和過(guò)程來(lái)解決問(wèn)題，也就是說(shuō)學(xué)生在該階段的語(yǔ)言知識(shí)水平已經(jīng)初步形成。皮亞杰認(rèn)為15歲之后的人的認(rèn)知水平在形式運(yùn)算階段基礎(chǔ)上更加成熟。所以從語(yǔ)言方面來(lái)看，低難度文本與中、高難度文本等級(jí)區(qū)分比較明顯，而中、高難度文本等級(jí)不太明顯。本研究從詞匯多樣性、詞頻、詞匯密度和詞長(zhǎng)等四個(gè)維度全面考察了影響文本難度分級(jí)的主要詞匯因素及其在文本難度分級(jí)中的有效性，在一定程度上為分級(jí)閱讀文本的選材和編寫(xiě)提供些許參考。

【 注 釋 】

①由于目前“部編本”未涉及高中教材的編寫(xiě)，故十二年級(jí)《語(yǔ)文》教材選用正在使用的經(jīng)全國(guó)中小學(xué)教材審定委員會(huì)2004年初審?fù)ㄟ^(guò)的普通高中課程標(biāo)準(zhǔn)實(shí)驗(yàn)教科書(shū)《語(yǔ)文》(必修)5。

②課文中排除文言文、詩(shī)歌(古代和現(xiàn)代)、戲劇等，主要選取記敘文、議論文、應(yīng)用文和說(shuō)明文。

③通過(guò)SPSS21.0的配對(duì)樣本T檢驗(yàn)，檢驗(yàn)同一難度等級(jí)文本的順序和亂序劃分是否存在差異。結(jié)果表明，兩種長(zhǎng)度劃分方式中，三種難度等級(jí)的順序劃分與亂序劃分在詞數(shù)和詞種數(shù)上均不存在顯著差異(p>0.05)。因此，我們選取順序劃分作為文本的分塊方式。

④罕用詞不僅包含《現(xiàn)代漢語(yǔ)常用詞表(草案)》中的50000以上的詞語(yǔ)，還包括詞表中未收錄的詞語(yǔ)，我們將罕用詞視為更為低頻的詞。