阅读习惯培养英语学习科普英语词汇

一分钟读懂词汇量测试|母语儿童的词汇量到底有多大？ -pg电子游戏官网官方网站

2017

2021-6-15 13:57 原创 · 图片8

微信公众号 罗宾笔记

英文拥有的词汇数量是全世界语言中最多的。怎样知道自己到底拥有多少词汇量（姑且不讨论这样做的意义）？testyourvocab大概是目前知名度最高的在线英文词汇量测试网站，在启蒙阶段也常常被用来测试低龄孩子的听力词汇量。它到底准不准呢？

最近查阅了一些资料，写个与词汇量测算有关的汇总，希望可以一次把词汇量有关的问题梳理清楚。水平有限，如有疏漏错误敬请谅解。

1. 什么是主动/被动 (receptive/expressive)词汇量

2. 英文母语儿童的词汇量到底有多大

3. testyourvocab的使用及算法

4. 词汇量与阅读的关系

5. 其它词汇量测试网站横评（下篇）

6. 适合二语儿童的词汇量估算方法（下篇）

统计词汇量最最精确的方法自然是……看着词表或字典一个个数。以词汇量测算老大哥testyourvocab的词表为例，大概共有45000个单词，如果用穷举法显然会数到地老天荒。

还有一个办法：把单词平均分成若干组，例如100个词一组，然后每组里抽一个词出来测试，最终结果乘以450。这样做听起来就很不精确，随机性太高。

所以目前流行的词汇量测算，究其核心原理其实是抽样调查，无非是采用单词表样本、分区段分组排序、加权系数等的区别。还要涉及到对最小单位的定义（譬如是单词word还是词族word family，前者显然数量更多）以及是否采用词频分组（更准确）。最终统计出的词汇数量主要取决于单词表总数、答题正确率和对应的区段组别系数。

在讲测算方法之前，必须先了解一下这个概念：什么是主动/被动 (receptive/expressive)词汇量。

1 什么是receptive/expressive词汇

active / expressive / productive vocabulary，即主动、可自主表达的词汇量，通常指能够在口语或写作中运用的词汇。

passive / receptive vocabulary，即被动、可接受的词汇量，指我们能听懂读懂的词汇。从应试角度来比方，就是在阅读和听力测试能够应付的部分。

被动词汇是可以往主动词汇转换的（通常光靠背单词书做不到这一点）。即便是母语人士，主动词汇的占比也一定是低于被动词汇，并且这个比例和受教育程度大致相关。受教育程度低的（总词汇量越低），相对来说主动词汇占比更高。

在词汇量统计中，想要统计主动词汇的难度更大、耗时更长，所以一般都是以被动词汇作为测试目标，即只要能读懂听懂就算，不考察运用。不过在我使用的十来个测试网站中，也确实有一些会考察理解运用，例如放在上下文中做填空选择题。测试目标不同，结果当然就会差别很大。

2 英文母语儿童的词汇量到底有多大？

testyourvocab大概是目前知名度最高的在线英文词汇量测试网站，在启蒙阶段也常常被用来测试低龄孩子的词汇量。它就采用了词频表分区段抽样的算法。testyourvocab于2013年发布的数据显示：

average native test-takers of age 8 already know 10,000 words

8岁的英语母语测试者普遍能掌握10000个词汇

average native test-takers of age 4 already know 5,000 words

4岁的英语母语测试者词汇量普遍达到5000

让我们看看第90百分位的五岁孩子的词汇量，如上图，结果是在8396。也就是这个年龄的“牛娃”的词汇量已达到8k。中位数是6010，比较能代表平均水平。

当然，这份数据仅能代表在该testyourvocab网站参加过测试的儿童样本范围，并不能代表整个母语国家的基本情况。

而另一份发表于2015年的著作assessment in speech-language pathology: a resource manual显示，针对普通小孩（normal children）：

4-5岁母语英文小孩的被动词汇不低于10,000 (has a receptive vocabulary of 10,000 or more words)，6-7岁被动词汇量不低于20,000。

这显然和testyourvocab整理的数据是矛盾的，统计方法必然有很大区别。这也就引入了下一个话题：词汇量到底是如何统计的？词性变化、派生词算不算？人名地名算不算？词组和合成词算不算？

3 testyourvocab的使用及算法

老大哥testyourvocab年代久远，网站最后一次肉眼可见的更新是在2013年。它最大的优点是简单粗暴。不考察在具体语境下的词义，只需要知道一个义项就算掌握了。

3.1. testyourvocab使用方法

操作极其简单，只需要两个测试步骤。

1. 勾选40个词中“自认为”认识的词。

2. 勾选120个词中“自认为”认识的词。

3. 提交一些个人信息（也可以不填），例如学了多久英语，母语是什么，年龄等。

4. 查看测试结果

3.2. 词汇量计算方法

testyourvocab的做法是第一轮先取40个由易到难的词，粗略判定测试者的词汇水平范围。第二轮在这个预估范围内细分，根据词频由高到低抽取120个词进行测试。因此可以说第一组测试结果决定了你的词汇量数值的上限。

按照官方的说法，计算方法是根据第二轮的120个词的测试结果，找到一个“中间词”，使得这个词之前词频你不认识的单词数量，等于这个词之后词频的你不认识的单词数量，再去找这个词在词频表中的位置编号，就是最终的词汇量结果。

说人话版本：

假如这120个词按照词频由高到低编号1-120，最终测试你有40个没有勾选（不认识），找到其中第20个（假设词频编号为53）和21个（假设词频编号为55），那么你的词汇量就是第54号单词在词频表中对应的编号。

当然实际计算过程比这个要再复杂一点点，结果并不是线性分布的。

3.3.语料库corpus

语料库指经科学取样和加工的大规模电子文本库，其中存放的是在语言的实际使用中真实出现过的语言材料。

testyourvocab这个网站是美国和巴西共建的项目，奇怪的是它使用的语料库，还是 british national corpus (英国国家语料库)，可能是因为年代关系没使用anc和coca这些美国语料库。

bnc语料库来源广泛，其中书面（90%）与口语（10%）为样本，共收录了一亿词！

3.4.词表和词频

根据语料库的词，去匹配一本英式英语词典的词，找出两者交集词表，再去除单词的常规曲折变化（例如单复数，过去式等）、词性变化、派生词合成词等，最终筛选出45000个词。词典本身包含70000词，但大约只有45000出现在bnc一亿词的语料库中，其它的都是些科技术语、古旧词等。

这45000个词按照词频由高到低排列，也就是一个词频表。所谓词频，就是某个单词出现的频率高低。比如bnc语料库中出现频率最高的四个词是：

1. the

2. and

3. i

4. to

3.5.词表筛选规则：

a. 派生词（derivative）

比较好理解的是jump/jumped这样的规则动词变化算一个词。give/gave，不规则变化，算两个词。那么derive/derived这种动词/形容词，quick/quickly形容词/副词变化呢？evict/eviction动词/名次，还有各种re，un的前缀呢happy/unhappy等等。

b. 专有名词(proper nouns)，

france这样的地名竟然不算，但是french算，因为指一种人，而不是france常规的派生词。november这样特殊的，算。

难点在于air conditioner这样两个名词组成的新事物。同理fork out（挥霍）、 food for thought（引人深思的想法）呢？

c. 至高准则

构词法太复杂了。于是网站遵循了一个至高准则：在字典里拥有独立词条的就可以算。air conditioner有自己的独立词条，所以算。unhappy有独立词条，quickly在quick词条下，fork out在fork词条下，因此都不算。换句话说，是以字典编目为准统计词条数。

3.6. 释义

很多英文单词有多个义项，同一个释义还有不同的用法，怎么样才算掌握？想太多就复杂了，网站决定只要知道其中一个释义，就可以被统计为词汇量

3.7. 误差范围

官方说有10%的误差，也就是说如果测量结果为20000，那么实际范围应该在18000-22000之间。这是由第二组测试词汇的数量决定的。如果要把误差缩小到5%，则需要在第二轮测试380个单词！

4 词汇量与阅读的关系

我们先来看一下母语学习者的词汇水平：

most adult native test-takers range from 20,000–35,000 words