leafiy教程

词汇分级:这段文字适合什么水平的读者

景区导览词、政策说明写给外国读者,里面的词他们认不认得?这篇讲怎样把文字里的词逐个对到分级词表上,分级词表是怎么编出来的,认得多少词才读得懂,想深入该读哪几篇论文。

作者 Leafiy · 更新于 · 3906 字 · 约 14 分钟

词汇分级:这段文字适合什么水平的读者(封面插图)

假设你在研究入境游,手上有一个古镇景区的中文导览词,想知道学了两年中文的外国游客读起来吃不吃力。可以把导览词切成词,一个一个拿去对一份分级词表。表上写着每个词归在第几级,也有一些词根本不在表上。

对完以后数两样东西。一样是各级的词各占多少,由此看出这段文字大体落在哪一级,这种做法叫 lexical profiling(词汇概貌分析)。另一样是读者认得的词占全文多少,叫 lexical coverage(词汇覆盖率),按词次算,一个词出现几次就算几个,切词和数词的办法见词频统计。举个假设的例子,导览词一共 500 个词次,其中 470 个落在读者已经学过的级别里,覆盖率就是 94%,平均每读 100 个词碰上 6 个生词。可读性公式给整篇打一个总分,词汇分级能把每个难词指出来。

词表怎样编出来,认得多少才够

英语这边有一份基础词表,是 West 1953 年的 General Service List(通用词表,简称 GSL)(Stoeckel 与 Bennett,2015)。Laufer 和 Nation 1995 年把对词表这件事用到学习者的作文上。他们提出 Lexical Frequency Profile(词汇频率概貌),看一篇作文里高频的通用词和学术词各占多大比例,拿它衡量用词丰富的程度(另一类量法见词汇多样性)。同一个学习者写的两篇作文,测出来的概貌很稳定;水平不同的学习者,概貌分得开;它和另外单独测的词汇量也对得上(Laufer 与 Nation,1995)。

通用词之外,大学生还要读论文。Coxhead 2000 年的文章介绍了 Academic Word List(学术词表,AWL)的编法,从 350 万词的学术文本里先排除 West 那份英语最常用词表上的 2000 个词,再把剩下的词按出现范围和频率筛一遍,最后是 570 个 word family(词族,一个词连同它的变形和派生词算一个)。这些词在学术文本里约占全部词次的 10.0%,在同样大小的一批小说里只占 1.4%(Coxhead,2000)。

Hu 和 Nation 2000 年的研究常被引作一个门槛,第二语言的读者要认得文中 98% 的词,才谈得上读懂(Hu 与 Nation,2000)。Nation 2006 年试用了从英国国家语料库(BNC)编出的 14 级词表,每级 1000 个词族,结果顺序排得合理,也没有明显漏掉的词。按 98% 算,不靠帮助读懂书面文字要认得 8000 到 9000 个词族,听懂口语要 6000 到 7000 个(Nation,2006)。

Laufer 和 Ravenhorst-Kalovski 2010 年把三样东西放在一起看:学习者的词汇量,文本覆盖率,还有一项全国统一阅读考试的成绩,其中覆盖率用新版 Vocabulary Profile(词汇概貌程序)来算。词汇量每多一点都对阅读有帮助,哪怕覆盖率几乎没涨。文章给了两道线,认得 8000 个词族、覆盖 98% 是理想的一道,认得 4000 到 5000 个、覆盖 95% 是最低的一道,两个比例都把专有名词算在内(Laufer 与 Ravenhorst-Kalovski,2010)。

English Vocabulary Profile(英语词汇概貌)换了一种定级依据,看的是学习者到了某一级实际掌握了哪些词。它按 CEFR(欧洲语言共同参考框架)从 A1 到 C2 的六个级别给词和短语定级,证据包括 5000 万词的剑桥学习者语料库。Capel 2012 年报告了 A1 到 B2 的验证和 C1、C2 两级的完成,那时收录的词头将近 7000 个。一词多义的词,项目还查了哪个意思先学会,较少见的新意思往往六个级别里都在陆续学到(Capel,2012)。

Brezina 和 Gablasova 2015 年发表的研究比较了四个语料库,合起来超过 120 亿词,看各自最常用的 3000 个词有多少重合,所用的指标同时顾到一个词出现得多不多、分布得匀不匀。四个语料库有一个稳定的共同核心,2122 个词,占这 3000 个词的 70.7%。他们再补进当代语料里常见的词,编成 new-GSL(新通用词表),共 2494 个 lemma(词目,一个词连同它的屈折变化算一个),在来源语料里覆盖 80.1% 到 81.7% 的文字(Brezina 与 Gablasova,2015)。

中文的分级词表和水平考试连在一起。1992 年已有 HSK(汉语水平考试)的词汇等级大纲,2010 年又有一到六级的考试大纲。2021 年 3 月,教育部和国家语委发布《国际中文教育中文水平等级标准》(GF 0025—2021),把水平分成初等、中等和高等,每等再分三级。词汇表共 11092 个词,一级 500 个,到六级累计 5456 个;七到九级合为一档,再加 5356 个(Zeng 与 Xiao,2021)。

年份谁留下了什么
1953West通用词表 GSL,英语最常用的约 2000 个词
1995Laufer 与 Nation按词表算一篇作文的词汇频率概貌
2000Coxhead570 个词族的学术词表
2000Hu 与 Nation常被引用的 98% 覆盖率门槛
2006Nation用 BNC 编的 14 级词表和读懂所需的词汇量
2010Laufer 与 Ravenhorst-Kalovski95% 和 98% 两道线
2012Capel按 CEFR 六级定级的英语词汇概貌
2015Brezina 与 Gablasova新通用词表 new-GSL
2021教育部、国家语委三等九级、11092 词的中文等级标准

98% 这个数后来受到了检验。Schmitt、Jiang 和 Grabe 2011 年让来自 8 个国家的 661 名受试者先做词汇测试,再读两篇文章答题。认得的词所占比例和理解程度之间大致是一条直线,找不到哪个比例一过理解就突然变好;他们认为读学术文字,98% 是更合理的目标(Schmitt 等,2011)。Kremmel 等人 2023 年指出,Hu 和 Nation 的结论只来自新西兰 66 名大学生的回归分析。Kremmel 等人在斯里兰卡找了 104 名非学术环境的成年学习者重做,原来的结果没能完全重现(Kremmel 等,2023)。

城市研究、旅游和中文教学里的分级词表

城市研究里,Sanosi 2026 年为智慧城市编了一份学术词表。作者看到智慧城市的术语在学术、教育和城市政策之间各说各的,于是编了一个 360 万词次的语料库,一部分是 Scopus 和 Web of Science(两个论文索引库)收录的 2015 到 2025 年论文,另一部分是联合国人居署 2010 到 2025 年的技术报告。最后的 SCAWL(智慧城市学术词表)有 550 个词族、667 个词,占语料全部词次的 7.8%(Sanosi,2026)。

旅游研究里有一份给旅游业第二语言学习者的词表。Laosrirattanachai 等人 2026 年从六个地区的国家公园官方网站收集了 340 万词次,除了看频率和分布,也做了词汇概貌分析和关键词分析,编出 Nature Tourism Word List(自然旅游词表),共 744 个词目,分成技术词、半技术词和辅助词三类。它在原语料里覆盖 14.55%,换一批 44.8 万词次的语料检验,覆盖 13.48%(Laosrirattanachai 等,2026)。

中文教学里,Xue 和 Wang 2025 年拿上面那份等级标准的分级词表,对照约 5 万词次的 HSK 六级听力材料和约 10 万词次的媒体音频转写。两批材料里各级词的覆盖没有显著差别,可是都有相当一部分词不在任何一级里,表上也有不少词很少用到(Xue 与 Wang,2025)。Karsai 2026 年拿这份标准查考试命题,对象是匈牙利中学毕业考试的中级中文笔试,把 2011 到 2024 年的阅读题逐词对到标准上,用各级词所占的百分比说明试题有多难(Karsai,2026)。

想深入可以读这几篇

在 TATOOLS 里给文字定级

TATOOLS 的【词汇等级评估】把文字逐词对到分级词表上,中文可选 HSK 九级新标准或旧六级,英文可选 CEFR 或牛津分级词表。交给它的可以是中文或英文的教材课文、景区导览词或政策说明。报告给出每份材料的整体等级、各等级词的分布和词表覆盖率;设了目标等级,还会列出超纲词,每个词带等级和出现次数;词表里查不到的词单独列为未分级词。几份材料一起交,报告会并排比较它们的等级。

相关工具

相关教程

← 全部教程