가독성

시리즈의 일부(on)
읽고 있어
읽는 법을 배웁니다. 독서준비도 어휘발달 어휘 학습
과학적 이론과 모형 이원경로론 단순한 읽기 뷰 독서의 과학 스카버러의 독서용 밧줄 읽기 모델의 활성 뷰
인지과정 이해력 음소인식 음운 인식 부발성화 단어인식
독서지도 해석 파닉스 기저판독기 컨셉 중심의 지시된 듣기 및 사고 활동 안내독서 독립독서 문학계 파닉스 호혜적 가르침 구조어조회 지속적인 무음 판독 합성음향학 전어
독서율 유창성 느린 읽기 속독 분당 단어 수
가독성 자동평가 가독성 가독성 테스트
독서의 차이와 장애 난독증 하이퍼렉시아 읽기장애 특별한 필요성을 위한 독서
언어 알파벳 원리 점자 돌치어 목록 자소 인쇄이력 언어 형태소 맞춤법 음소 시각어 어휘 문자언어 쓰기 필기체
글을 읽고 쓰는 능력 비판적 소양 정독 원독 가족 문해력 기능 문맹 훌륭한 책들 문학평론 문학. 어린이용
v t

가독성은 독자가 작성된 텍스트를 쉽게 이해할 수 있는 것입니다.자연어에서 텍스트의 가독성은 내용(어휘와 구문의 복잡성)과 표현(글꼴 크기, 선 높이, 문자 간격 및 선 ^[1]길이와 같이 가독성에 영향을 미치는 타이포그래픽 측면 등)에 따라 달라집니다.연구원들은 ^[2]가독성을 측정하기 위해 다음과 같은 다양한 요인들을 사용해 왔습니다.

• 지각속도
• 멀리서 인지 가능성
• 주변시력에서의 인지능력
• 가시성
• 반사 깜빡임 기술
• 작업율(읽기속도)
• 안구운동
• 독서의^[3] 피로도
• 인지적으로 동기^[4] 부여된 특징
• 단어난이도
• N그램^[5] 분석
• 시맨틱 리치^[6]

가독성이 높아지면 독자들의 읽기 노력과 속도가 쉬워지지만, 읽기 이해력이 높지 않은 사람들에게는 더 큰 차이가 생깁니다.

가독성은 다른 형태이지만 자연어와 프로그래밍 언어 모두에 존재합니다.프로그래밍에서 프로그래머의 코멘트, 루프 구조의 선택, 이름의 선택과 같은 것들은 인간이 컴퓨터 프로그램 코드를 읽을 수 있는 용이함을 결정할 수 있습니다.

자연어에 대한 숫자 가독성 측정(가독성 테스트 또는 가독성 공식이라고도 함)은 단어 길이(글자 또는 음절 기준), 문장 길이 및 때로는 단어 빈도의 일부 측정과 같은 간단한 측정을 사용하는 경향이 있습니다.그것들은 워드 ^[7]프로세서에 내장될 수 있고, 문서, 문단, 문장에 점수를 매길 수 있으며, 인간 독자들이 참여하는 가독성 조사에 비해 훨씬 저렴하고 빠른 대안입니다.구문적이고 의미적인 복잡성을 더 정확하게 측정하는 것보다 계산하는 속도가 더 빠릅니다.경우에 따라 적절한 등급 수준을 추정하는 데 사용됩니다.

정의.

사람들은 다양한 방식으로 가독성을 정의해 왔습니다. 예를 들어, The Literacy Dictionary,^[8] Jeanne Chall and Edgar Dale,^[9] G. Harry McLaughlin,^[10] William DuBay.^{[11][further explanation needed]}

적용들

쉬운 독서는 배움과 ^[12]즐거움을 돕고,^[13] 돈을 절약할 수 있습니다.

많은 연구들이 산문을 읽는 기술과 일치시키는 것에 초점을 맞추어 연구, 정부, 교육, 출판, 군대, 의학, 그리고 ^[14][15]사업에 사용하기 위한 공식을 만들어 냅니다.

가독성과 신문 독자성

1940년대의 몇몇 연구들은 가독성의 작은 증가조차도 대규모 발행부수의 신문에서 독자 수를 크게 증가시킨다는 것을 보여주었습니다.

1947년, 월리스 파머의 도날드 머피는 텍스트를 읽기 쉽게 만드는 효과를 연구하기 위해 분할판을 사용했습니다.그는 '나일론'에 관한 기사에서 9학년에서 6학년 읽기 수준으로 줄이면 독자 수가 43% 증가하는 것을 발견했습니다.그 결과 275,000부의 발행부수로 42,000명의 독자가 증가했습니다.그는 또한 ^[16]35세 이하의 사람들로부터 더 나은 반응을 얻어 옥수수에 관한 기사의 독자수가 60% 증가한 것을 발견했습니다.

윌버 슈람은 1,050명의 신문 독자들을 인터뷰했습니다.그는 더 쉬운 읽기 스타일이 얼마나 많은 기사가 읽히는지를 결정하는 데 도움이 된다는 것을 발견했습니다.이것은 독서의 끈기, 깊이, 또는 인내라고 불립니다.그는 또한 사람들이 짧은 기사보다 긴 기사를 덜 읽을 것이라는 것도 알아냈습니다.9단락의 이야기는 5단락까지 10명의 독자 중 3명을 잃게 됩니다.이야기가 짧으면 두 개만 잃습니다.슈람은 또한 이야기를 나누기 위해 부제, 굵은 단락, 별을 사용하는 것은 실제로 ^[17]독자들을 잃는다는 것을 발견했습니다.

1947년 Melvin Lostutter의 연구는 신문이 일반적으로 평균적인 미국 성인 독자들의 능력보다 5년 이상 높은 수준으로 쓰여졌다는 것을 보여주었습니다.

신문기사의 읽기 용이성은 기사를 쓰는 기자들의 교육이나 경험, 개인적인 관심과는 큰 관련이 없는 것으로 나타났습니다.그것은 대신 산업의 관습과 문화와 더 관련이 있습니다.Lostutter는 신문 쓰기에서 더 많은 가독성 테스트를 주장했습니다.가독성 향상은 "직원 ^[18]작가의 교육과 경험과는 다소 독립적인 의식적인 과정"이어야 합니다.

1948년 찰스 스완슨의 연구에 따르면 가독성이 좋아지면 전체 문단을 읽는 횟수는 93%, 모든 문단을 읽는 독자의 수는 82%^[19] 증가하는 것으로 나타났습니다.

1948년에 Bernard Feld는 1947년 11월 20일 Birmingham News에서 모든 물건과 광고에 대한 연구를 하였습니다.그는 8학년 이상과 8학년 이하로 항목을 나누었습니다.그는 성인 독자들의 평균적인 읽기 수준으로 결정되었기 때문에 8학년의 중단점을 선택했습니다.8학년 텍스트 "...미국 성인들의 약 50%에 이를 것입니다."라고 그가 썼습니다.유선 서비스 기사 중 하위 그룹은 3분의 2의 독자를 더 확보했고, 지역 기사 중에서는 75%의 독자를 더 확보했습니다.Feld는 또한 Flesch의 명확한 글쓰기 ^[20]원칙에 따라 작가들을 시추하는 것을 믿었습니다.

Rudolf Flesch와 Robert Gunning 둘 다 가독성을 향상시키기 위해 신문과 유선 서비스에 광범위하게 참여했습니다.주로 몇 년 동안의 노력을 통해 미국 신문의 가독성은 16등급에서 11등급으로 올라가 오늘날에도 남아 있습니다.

발행부수가 가장 많은 두 출판물 TV가이드(1300만부)와 Readers's Digest(1200만부)는 9학년 ^[11]수준입니다.가장 인기 있는 소설들은 7학년 수준에서 쓰여집니다.이것은 보통 성인들이 9학년 수준에서 책을 읽는다는 사실을 뒷받침해줍니다.그것은 또한 레크리에이션을 위해 사람들이 실제 읽기 ^[21]수준보다 두 단계 낮은 텍스트를 읽는다는 것을 보여줍니다.

The George Clare studies

조지 클라레(George Clare)와 그의 동료들은 공군 신병들에게 더 많은 읽기 쉬운 효과를 조사했습니다.그들은 더 읽을 수 있는 글들이 더 많아지면 더 많은 완전한 학습을 가져온다는 것을 발견했습니다.그들은 또한 주어진 시간 안에 읽는 양을 늘리고 ^[22][23]더 쉽게 받아들일 수 있도록 했습니다.

클라레의 다른 연구들은 독자의 기술,^[24] 사전 지식,^[25] 흥미, 그리고 동기부여가^[24][25] 독서 용이성에 어떤 영향을 미치는지 보여주었습니다.

초기연구

1880년대에 영어교수 L. A.셔먼은 영어 문장이 점점 짧아지고 있다는 것을 발견했습니다.엘리자베스 시대에는 평균 문장 길이가 50단어였습니다.그의 시간에는 23단어였습니다.

셔먼의 연구는 다음과 같은 사실을 밝혀냈습니다.

• 문학은 통계 분석을 위한 과목입니다.
• 짧은 문장들과 구체적인 용어들은 사람들이 쓰여진 것을 이해할 수 있도록 도와줍니다.
• 말은 문자보다 이해하기 쉽습니다.
• 시간이 지남에 따라 텍스트는 말과 더 비슷하면 더 쉬워집니다.

셔먼은 다음과 같이 썼습니다: "즉, 문학 영어는 표준 구어 영어의 형태를 따를 것입니다.글 쓰는 것보다 더 나쁘게 말하면 안되고, 말하는 것보다 더 잘 쓰면 안되고….구술문장이 가장 선명한 것은 그것이 분명하고 강한 매일의 노력의 결과이기 때문입니다.그것은 효과적인 ^[26]의사소통 수단을 완성하는 데 있어 수천 년 동안 경주의 업적을 나타냅니다."

1889년 러시아에서 작가 니콜라이 A.루바킨은 일반인들이 ^[27]쓴 1만 권이 넘는 글에 대한 연구를 출판했습니다.이 글들로부터, 그는 대부분의 사람들이 이해한다고 생각하는 1,500개의 단어를 취했습니다.그는 이해의 주요 블록이 낯선 단어와 긴 ^[28]문장이라는 것을 발견했습니다.13살 때 자신의 일기를 시작으로 루바킨은 러시아 전역에 걸쳐 많은 수의 새로운 독자들을 위해 과학과 많은 주제에 대한 많은 기사와 책을 출판했습니다.루바킨이 보기에 사람들은 바보가 아니었습니다.그들은 단순히 가난했고,^[27] 그들이 파악할 수 있는 수준으로 쓰여진 저렴한 책이 필요했습니다.

1921년에 해리 D.Kitson은 심리학을 마케팅에 적용한 최초의 책 중 하나인 The Mind of the Buyer를 출판했습니다.Kitson의 연구는 각 유형의 독자들이 자신의 유형의 텍스트를 사서 읽는다는 것을 보여주었습니다.두 신문과 두 잡지를 읽으면서, 그는 짧은 문장 길이와 짧은 단어 길이가 읽기 ^[29]쉬운 것에 가장 큰 기여를 한다는 것을 발견했습니다.

문자평준화

가장 이른 읽기 쉬운 평가는 텍스트 레벨링이라 불리는 주관적 판단입니다.수식은 ^[30][31][32]텍스트의 다양한 내용, 목적, 디자인, 시각적 입력 및 구성을 완전히 다루지 못합니다.텍스트 레벨링은 어린 아이들을 위한 책과 같이 읽기 어려운 영역에서 텍스트의 읽기 쉬운 순위를 매기는 데 일반적으로 사용됩니다.높은 수준에서는 개인의 어려움을 파악하기 어려워지기 때문에 순위를 매기는 것이 더 어려워집니다.이것은 읽기 쉬운 읽기를 평가하는 더 나은 방법으로 이어졌습니다.

어휘 빈도 목록

1920년대에 교육의 과학 운동은 교과 과정 개발에 도움을 주기 위해 학생들의 성취도를 측정하기 위한 시험을 찾았습니다.선생님들과 교육자들은 읽기 능력을 향상시키기 위해서 독자들, 특히 초보 독자들은 그들의 능력에 꼭 맞는 읽기 자료가 필요하다는 것을 오랫동안 알고 있었습니다.대학에 기반을 둔 심리학자들은 초기 연구의 많은 부분을 했고, 나중에 교과서 ^[12]출판사들이 차지했습니다.

컬럼비아 대학의 교육 심리학자 에드워드 손다이크는 러시아와 독일에서 교사들이 단어 빈도수를 사용하여 책을 학생들과 일치시켰다고 지적했습니다.단어 실력은 지적 발달의 가장 좋은 신호였고, 읽기 쉬운 것에 대한 가장 강력한 예측 변수였습니다.1921년, 손다이크는 10,^[33]000개의 단어의 빈도수를 담은 Teachers Word Book을 출판했습니다.그것은 선생님들이 수업 읽기 능력에 맞는 책을 선택하는 것을 쉽게 만들었습니다.그것은 또한 읽기 편함에 대한 향후 연구에 대한 근거를 제공했습니다.

컴퓨터가 등장하기 전까지 단어 빈도 목록은 ^[21]읽기 쉬운 텍스트를 평가하는 데 가장 좋은 도움이 되었습니다.1981년에 세계 책 백과사전은 44,000 ^[34]단어의 등급을 열거했습니다.

유아의 가독성 공식

1923년 Bertha A.라이블리와 시드니 L. 프레시는 최초의 읽기 쉬운 공식을 발표했습니다.그들은 중학교 과학 교과서에 기술적인 단어들이 너무 많다고 우려했습니다.그들은 선생님들이 이 단어들을 설명하는데 모든 수업시간을 사용한다고 느꼈습니다.그들은 그들의 공식이 교과서의 "어휘 부담"을 측정하고 줄이는 데 도움이 될 것이라고 주장했습니다.그들의 공식은 5개의 변수 입력과 6개의 상수를 사용했습니다.각각의 천 개의 단어에 대해 고유한 단어의 수, Thorndike 목록에 없는 단어의 수, 목록에 있는 단어의 중위수 인덱스 수를 세었습니다.수동으로, 그 공식을 ^[35]책에 적용하는데 세 시간이 걸렸습니다.

라이블리-프레시 연구 후, 사람들은 더 정확하고 적용하기 쉬운 공식을 찾았습니다.1980년까지 200개가 넘는 공식이 다른 ^{[36][citation needed]}언어로 출판되었습니다.1928년 칼레톤 워시번과 메이블 보겔은 최초의 현대적 가독성 공식을 만들었습니다.그들은 외부 기준을 사용하여 그것을 검증하였고,^[37] 기준서를 읽고 좋아하는 학생들의 시험 점수와 .845를 상관시켰습니다.가독성 ^[38]개념에 관심 변수를 처음 도입하기도 했습니다.

1929년에서 1939년 사이에 로스엔젤레스 학군의 알프레드 르웨렌츠는 몇 가지 새로운 ^{[39][40][41][42][43]}공식을 발표했습니다.

1934년 에드워드 손다이크는 공식을 발표했습니다.선생님이 새로운 단어를 소개해주시고 반복을 자주 ^[44]해주시면 단어 실력이 늘어날 수 있다고 썼습니다.1939년에 W.W.Patty와 W.I Painter는 교과서의 어휘 부담을 측정하는 공식을 발표했습니다.이것은 손다이크 어휘-빈도 ^[45]목록을 사용한 초기 공식 중 마지막 공식이었습니다.

초기 성인 가독성 공식

1930년대의 불경기 동안, 미국 정부는 성인 교육에 투자를 했습니다.1931년에 더글러스 웨플스와 랄프 타일러는 어른들이 읽고 싶은 것을 출판했습니다.그것은 성인들의 독서 관심사에 대한 2년간의 연구였습니다.그들의 책은 사람들이 읽는 것뿐만 아니라 그들이 읽고 싶어하는 것을 보여주었습니다.그들은 많은 독자들이 적절한 읽기 자료가 부족하다는 것을 발견했습니다: 그들은 배우고 싶었을 것이지만 읽기 자료는 ^[46]그들에게 너무 어려웠습니다.

콜롬비아 대학교의 교사 대학의 라이먼 브라이슨은 많은 성인들이 교육의 부족으로 인해 읽기 능력이 떨어졌다는 것을 발견했습니다.비록 대학들이 명료하고 읽을 수 있는 문체로 글 쓰는 법을 가르치려고 오랫동안 노력해왔지만, 브라이슨은 그것이 드문 일이라는 것을 발견했습니다.그는 이러한 언어는 "...생각을 가진 사람들 중에 성취하기 위해 노력하는 사람은 거의 없을 것이다..."라는 학문과 예술성의 결과라고 썼습니다.간단한 언어가 쉬웠다면, 우리의 많은 문제들은 오래 ^[21]전에 해결되었을 것입니다."브라이슨은 대학에 가독성 연구소를 세우는 것을 도왔습니다.그의 두 학생은 어빙 로게와 루돌프 플레쉬였습니다.

1934년, 랄프 오제만은 성인의 읽기 능력, 읽기 쉬운 것에 가장 직접적인 영향을 미치는 요인들, 그리고 각 난이도의 원인들을 조사했습니다.그는 공식을 고안한 것이 아니라 부모교육을 위한 자료의 난이도를 평가하는 방법을 고안한 것입니다.그는 실제 독자들을 대상으로 실험된 16개의 잡지 구절을 사용하여 이 방법의 타당성을 처음으로 평가했습니다.그는 14개의 측정 가능한 요인과 3개의 보고된 독서 용이성에 영향을 미치는 요인을 평가했습니다.

Ojemann은 텍스트가 일관적인지 지나치게 추상적인지와 같은 보고된 특징들을 강조했습니다.그는 16개의 지문을 사용하여 다른 텍스트의 읽기 쉬운 것을 비교하고 판단했습니다. 이것은 현재 스케일링이라고 불리는 방법입니다.그는 이러한 요인들이 측정될 수는 없어도 ^[47]무시할 수 없다는 것을 보여주었습니다.

또한 1934년에 Ralph Tyler와 Edgar Dale은 다양한 교과서와 잡지에서 건강 주제에 대한 구절을 바탕으로 한 첫 번째 성인 읽기 쉬운 공식을 출판했습니다.젊은 독자들에게 중요한 29개의 요인들 중에서, 그들은 성인들에게 중요한 10개를 발견했습니다.그들은 이 중 ^[48]세 가지를 공식에 사용했습니다.

1935년 윌리엄 S. 시카고 대학의 그레이와 시카고 자비에 대학의 버니스 리어리는 가독성 연구에서 가장 중요한 책 중 하나인 What Makes a Book Readable을 출판했습니다.데일과 타일러처럼, 그들은 제한된 읽기 능력을 가진 성인들이 책을 읽을 수 있도록 하는 것에 초점을 맞췄습니다.그들의 책에는 미국 성인들의 읽기 능력에 대한 최초의 과학적 연구가 포함되어 있습니다.표본에는 다양한 환경과 지역의 성인 1,690명이 포함되었습니다.이 시험은 표준 읽기 시험뿐만 아니라 신문, 잡지, 책의 많은 부분을 사용했습니다.그들은 평균 7.81점 (7학년 8개월)의 성적을 발견했습니다.2~6학년 수준에서 3분의 1, 7~12학년 수준에서 3분의 1, 13~17학년 수준에서 3분의 1 정도 읽기.

저자들은 당시 성인 인구의 2분의 1이 적절한 읽기 자료가 부족했다고 강조했습니다.그들은 "그들에게, 어른들의 관심사를 반영하는 자료들이 그들의 필요에 적응하지 않는 한, 독서의 풍부한 가치는 부정됩니다"라고 썼습니다.성인 인구의 6분의 1에 해당하는 가장 가난한 독자들은 "기능적인 읽고 쓰는 능력을 촉진하고 근본적인 독서 ^[49]습관을 확립하는 데 사용하기 위한 보다 간단한 자료"가 필요합니다.

그레이와 리어리는 이어서 읽기 용이성에 영향을 미치는 228개의 변인을 분석하여 다음과 같은 네 가지 유형으로 구분했습니다.

1. 내용
2. 스타일.
3. 서식
4. 조직

그들은 컨텐츠가 가장 중요하고 스타일이 그 뒤를 이었습니다.세 번째는 형식이었고, 그 다음은 조직이었습니다.이들은 콘텐츠, 형식 또는 조직을 측정할 방법을 찾지 못했지만 스타일 변수를 측정할 수 있었습니다.17개의 유의한 측정 가능 스타일 변수 중에서 5개를 선택하여 공식을 만들었습니다.

• 평균 문장 길이
• 서로 다른 하드 워드의 수
• 인칭대명사수
• 고유 단어 백분율
• 전치사구수

그들의 공식은 약 800명의 ^[49]성인에게 주어진 읽기 테스트에 의해 측정된 이해력과 .645의 상관관계를 가지고 있습니다.

1939년, 어빙 로그는 그레이와 리어리가 사용한 것보다 더 정확하게 난이도를 나타내는 다른 변수들의 조합을 보고하는 기사를 발표했습니다.그의 연구는 또한 "어휘의 부하가 가장 중요한 ^[50]어려움의 부수적인 요소이다"라는 것을 보여주었습니다.1944년에, Lorge는 그의 Lorge Index를 발표했는데, 그것은 세 개의 변수를 사용하고 이후에 나온 ^[51]더 단순하고 더 신뢰할 수 있는 공식들을 위한 무대를 마련한 것입니다.

1940년까지 조사관들은 다음과 같은 결과를 얻었습니다.

• 통계적 방법을 사용하여 읽기 쉬운 분석에 성공했습니다.
• 특이한 단어와 문장 길이가 읽기 어려움의 첫번째 원인임을 발견했습니다.
• 수식에서 어휘와 문장 길이를 사용하여 읽기 쉬운 것을 예측합니다.

일반적인 가독성 공식

플레쉬 공식

1943년, 루돌프 플레쉬는 성인 읽기 자료의 난이도를 예측하기 위한 가독성 공식을 포함한 그의 박사 학위 논문인 Marks of a Readible Style을 출판했습니다.많은 분야의 연구자들이 의사소통을 개선하기 위해 그것을 사용하기 시작했습니다.그것이 사용한 변수 중 하나는 이름과 인칭 대명사와 같은 인칭 언급이었습니다.또 다른 변수는 ^[52]접사였습니다.

1948년 플레쉬는 그의 Reading Easy 공식을 두 부분으로 나누어 출판했습니다.학년을 사용하기보다는 0부터 100까지의 척도를 사용했는데, 12학년에 해당하는 0, 4학년에 해당하는 100을 사용했습니다.그것은 접사 사용을 중단시켰습니다.공식의 두 번째 부분은 개인적인 언급과 개인적인 문장의 수를 사용하여 인간의 흥미를 예측합니다.새 공식은 McCall-Crabbs 판독 ^[53]테스트와 0.70의 상관 관계를 나타냈습니다.원래 공식은 다음과 같습니다.

읽기 쉬운 점수 = 206.835 - (1.015 × ASL) - (84.6 × ASW)

여기서: ASL = 평균 문장 길이(단어 수를 문장 수로 나눈 값)

ASW = 음절의 평균 단어 길이(음절 수를 단어 수로 나눈 값)

출판사들은 플레쉬 공식이 독자 수를 60%까지 증가시킬 수 있다는 것을 발견했습니다.플레쉬의 작품은 저널리즘에도 엄청난 영향을 끼쳤습니다.Flesch Reading Easy 공식은 가장 널리 사용되고 테스트되고 신뢰할 수 있는 가독성 지표 중 ^[54][55]하나가 되었습니다.1951년 파, 젠킨스, 패터슨은 음절 수를 변경함으로써 공식을 더욱 단순화시켰습니다.수정된 공식은 다음과 같습니다.

새로운 읽기 쉬운 점수 = 1.599nosw - 1.015sl - 31.517

여기서: nosw = 100 단어당 1개의 단어의 수 및

sl = 단어 단위의 평균 문장 길이.

1975년, 미국 해군이 후원한 프로젝트에서, Reading Easy 공식이 학년 수준의 점수를 주기 위해 다시 계산되었습니다.이 새로운 공식은 이제 플레쉬-킨케이드 등급 ^[57]공식이라고 불립니다.플레쉬-킨케이드 공식은 가장 대중적이고 강력하게 테스트된 공식 중 하나입니다.읽기 ^[11]테스트로 측정한 이해력과 상관 관계가 0.91입니다.

데일-챌 공식

오하이오 주립 대학의 교육학 교수인 에드거 데일은 손다이크의 어휘 빈도 목록에 대한 최초의 비평가 중 한 명이었습니다.그는 그것들이 많은 단어들이 가지고 있는 다른 의미들을 구분하지 못했다고 주장했습니다.그는 두 개의 새로운 목록을 만들었습니다.그 중 하나인 769개의 쉬운 단어들의 "짧은 목록"은 그의 공식에서 어빙 로지에 의해 사용되었습니다.다른 하나는 4학년 학생들의 80%가 이해하는 3,000개의 쉬운 단어에 대한 그의 "롱 리스트"였습니다.그러나 명사의 규칙적인 복수, 동사의 과거형의 규칙적인 형태, 동사의 진보적인 형태 등으로 단어 목록을 확장해야 합니다.1948년, 그는 이 목록을 Jeanne S와 함께 개발한 공식에 포함시켰습니다. 나중에 하버드 독서 연구소를 설립한 Chall.

공식 적용하기

1. 텍스트 전체에 걸쳐 여러 개의 100단어 샘플을 선택합니다.
2. 단어로 된 평균 문장 길이를 계산합니다(단어 수를 문장 수로 나눕니다).
3. 3,000개의 쉬운 단어 목록에 없는 단어의 백분율을 계산합니다.
4. 1948년의 이 식을 계산합니다.

   PDW의 비율이 5% 미만인 경우 원시 점수 = 0.1579*(PDW) + 0.0496*(ASL)

   원시 점수 = 0.1579*(PDW) + 0.0496*(ASL) + 3.6365

위치:

원점수 = 시험문제의 2분의 1을 지문에서 답할 수 있는 학생의 무보정 읽기 등급.

PDW = Dale-Chall 단어 목록에 없는 어려운 단어의 백분율.

ASL = 평균 문장 길이

마지막으로 "등급 등가 곡선"을 보정하기 위해 최종 점수에 대해 다음 차트를 적용합니다.

원점수	최종점수
4.9 이하	4급이하
5.0–5.9	5-6등급
6.0–6.9	7-8등급
7.0–7.9	9-10등급
8.0–8.9	11-12학년
9.0–9.9	13-15학년 (대학)
10 이상	16급 이상.

^[58]

읽기 테스트로 측정된 이해력과 0.93의 상관 관계를 갖는 Dale-Chall 공식은 가장 신뢰할 수 있는 공식이며 과학 ^{[citation needed]}연구에서 널리 사용됩니다.

1995년, 데일과 챌은 그들의 공식의 새로운 버전을 뉴 데일-챌 가독성 공식이라는 업그레이드된 ^[59]단어 목록과 함께 발표했습니다.공식은 다음과 같습니다.

원시 점수 = 64 - 0.95 *(PDW) - 0.69 *(ASL)

거닝 안개 공식

1940년대에 Robert Gunning은 직장에 가독성 연구를 도입하는 것을 도왔습니다.1944년, 그는 신문과 비즈니스 글쓰기의 "안개"를 줄이는 데 전념하는 최초의 가독성 컨설팅 회사를 설립했습니다.1952년, 그는 읽기 ^[11]테스트로 측정된 이해력과 0.91의 상관관계를 갖는 공식인 자신의 안개 지수와 함께 명료한 쓰기 기술을 출판했습니다.이 공식은 다음과 같이 적용하기에 가장 신뢰할 수 있고 간단한 것 중 하나입니다.

등급 수준 = 0.4 * (평균 문장 길이) + (경어 백분율)

Where: Hard Words = 음절이 두 개 이상인 단어.

프라이 가독성 그래프

1963년 우간다에서 영어 선생님들을 가르치는 동안 에드워드 프라이는 가독성 그래프를 개발했습니다.이것은 가장 인기 있는 공식 중 하나가 되었고 ^[61][62]적용하기에 가장 쉽습니다.프라이 그래프는 읽기 ^[11]검정으로 측정된 이해력과 0.86의 상관 관계를 갖습니다.

맥러플린의 스모그 공식

해리 맥러플린은 단어 길이와 문장 길이는 다른 공식들처럼 더해지기 보다는 곱해져야 한다고 결정했습니다.1969년에 그는 스모그(Simple Measple Measure of Gobbledygook:

스모그 등급 = 3 + √ 다음절 카운트.

여기서: 다음절 카운트 = 30개 문장의 샘플에서 두 음절 이상의 단어의 수.

스모그 공식은 판독 ^[11]테스트를 통해 측정된 이해력과 0.88의 상관 관계를 갖습니다.의료 ^[63]분야에서 사용할 것을 권장하는 경우가 많습니다.

FORCAST 공식

1973년, 미군이 다양한 군사 직업에 필요한 읽기 기술을 의뢰하여 FORCAST 공식을 만들었습니다.대부분의 다른 수식과 달리 어휘 요소만 사용하기 때문에 완전한 문장이 없는 텍스트에 유용합니다.이 공식은 다음과 같은 요구사항을 만족시켰습니다.

• 육군-직무독서 자료를 바탕으로 합니다.
• 젊은 성인 남성 신병들에게 적합합니다.
• 특별한 훈련이나 장비 없이도 육군 사무원들이 충분히 쉽게 사용할 수 있습니다.

공식은 다음과 같습니다.

등급 = 20 - (N/10)

여기서 N = 150단어 표본에서 단일 단어의 수.

FORCAST 공식은 읽기 ^[11]검정을 통해 측정된 이해력과 0.66의 상관 관계를 갖습니다.

골럽 통사 밀도 점수

골럽 통사 밀도 점수는 1974년 레스터 골럽에 의해 개발되었습니다.텍스트의 구문적 특징에 초점을 맞춘 가독성 공식의 작은 부분 집합 중 하나입니다.텍스트의 읽기 수준을 계산하기 위해 텍스트에서 수백 단어의 샘플을 추출합니다.표본의 단어 수가 카운트되고 T 단위의 수가 카운트됩니다.T 단위는 독립적인 절과 그에 부속된 종속적인 절로 정의됩니다.그런 다음 다른 구문 단위가 카운트되고 다음 표에 입력됩니다.

1. 단어/T단위 .95 X _________2. 하위절/T단위 .90 X _____________3. 주절 단어 길이 (평균) .20 X ____________4. 하위절 길이 (평균) .50 X ____________5. 모달의 수 (will, shall, can, may, must, would...) .65 X ___________6. 보조절의 Be 및 Have 형태의 수 .40 X ____________7. 누전치사구의 mber .75 X ____________8. 소유명사 및 대명사의 수 .70 X ____________9. 시간의 부사(언제, 그때, 한 번, 그 동안...) .60 X _________________10.동명사수, 분사수, 절대구 .85 X ________________

사용자는 오른쪽 열에 숫자를 더하고 합계를 T 단위의 수로 나눕니다.최종적으로 다음 표에 몫을 입력하면 최종 가독성 점수를 얻을 수 있습니다.

Sds.	0.5	1.3	2.1	2.9	3.7	4.5	5.3	6.1	6.9	7.7	8.5	9.3	10.1	10.9
등급.	1	2	3	4	5	6	7	8	9	10	11	12	13	14

일관성 및 조직성 측정

수세기 동안, 선생님들과 교육자들은 좋은 글쓰기에서 조직, 일관성, 그리고 강조의 중요성을 봐왔습니다.1970년대부터, 인지 이론가들은 독서는 정말로 생각하고 조직하는 행위라고 가르치기 시작했습니다.독자는 기존의 지식에 새로운 지식을 혼합하여 의미를 구성합니다.읽기 쉬운 공식의 한계 때문에, 일부 연구는 텍스트의 내용, 조직, 일관성을 측정하는 방법을 찾았습니다.비록 이것이 공식의 신뢰성을 향상시키지는 못했지만, 그들의 노력은 읽기 쉽도록 이러한 변수들의 중요성을 보여주었습니다.

Walter Kintch와 다른 사람들의 연구는 ^[65]주로 읽는 것을 배우는 사람들을 위한 읽기 쉬운 읽기에서 일관성의 중심 역할을 보여주었습니다.1983년에 수잔 켐퍼는 신체적 상태와 정신적 상태를 바탕으로 공식을 고안했습니다.하지만,^[66] 그녀는 읽기 쉽다는 것을 보여주는 데 있어서 단어의 친숙함과 문장의 길이보다 나을 것이 없다는 것을 발견했습니다.

보니 마이어(Bonnie Meyer)와 다른 사람들은 조직을 읽기 쉬운 척도로 사용하려고 했습니다.이것이 공식으로 이어지지는 않았지만, 그들은 글이 주제로 정리될 때 사람들이 더 빨리 읽고 더 많이 보유한다는 것을 보여주었습니다.그녀는 내용을 보여주는 눈에 보이는 계획이 독자들이 텍스트를 평가하는 데 큰 도움이 된다는 것을 발견했습니다.계층적 계획은 텍스트의 각 부분이 어떻게 연관되어 있는지 보여줍니다.또한 독자들이 ^[67]기존의 지식 구조에 새로운 정보를 혼합하는 데 도움을 줍니다.

Bonnie Armbruster는 학습과 이해에 가장 중요한 특징은 두 가지 유형으로 나타나는 텍스트 일관성이라는 것을 발견했습니다.

• 전체 섹션, 장 또는 책에 높은 수준의 아이디어를 주제로 통합하는 글로벌 일관성.
• 문장 내 및 문장 간에 아이디어를 결합하는 로컬 코히어런스.

암브루스터는 일관성과 구조가 젊은 ^[68]독자들에게 더 도움이 된다는 킨츠치의 발견을 확인했습니다.R.C. 칼피와 R.컬리는 보니 마이어의 연구를 바탕으로 만들어졌고 낯선 구조가 간단한 텍스트도 읽기 어렵게 만들 수 있다는 것을 발견했습니다.그들은 학생들이 더 단순한 스토리 라인에서 더 고급스럽고 추상적인 ^[69]스토리 라인으로 발전하도록 돕기 위해 등급제를 도입했습니다.

다른 많은 연구에서는 다음과 같은 다른 텍스트 변수의 읽기 용이성에 대한 효과를 조사했습니다.

• 이미지 단어, 추상화, 직간접 진술, 내레이션 및 문장의 종류, 문구 및 ^[49]절
• 어려운 개념;^[55]
• 아이디어 밀도;^[70]
• 인간의 이익.^[60][71]
• 명목화;^[72]
• 능동적이고 수동적인 목소리;^{[73][74][75][76]}
• 착근성;^[74]
• 구조적 단서;^[77][78]
• 이미지의 ^[79][80]사용
• 다이어그램 및 선 그래프;^[81]
• 강조 표시;^[82]
• 글꼴 및 레이아웃;^[83]
• 문서 작성 연령.^[84]

고급 가독성 공식

존 보르무트 공식

시카고 대학의 존 보무스(John Bormuth)는 윌슨 테일러(Wilson Taylor)가 개발한 새로운 클로제 삭제 테스트를 사용하여 읽기 쉬운 것을 살펴보았습니다.그의 연구는 각 종류의 독서에 대한 읽기 쉬운 정도를 포함한 초기 연구를 뒷받침했습니다.강의실 '보조독서'에 가장 적합한 수준은 '학습 세트'를 유발하는 약간 어려운 지문으로, 객관식 시험 문제의 50%를 정답으로 맞출 수 있는 수준입니다.도움을 받지 않는 독서를 위한 가장 좋은 수준은 독자들이 질문의 80%에 정확하게 대답할 수 있는 수준입니다.이 컷오프 점수들은 나중에 비고츠키와^[85] 챌과 ^[86]코나드에 의해 확인되었습니다.무엇보다도, Bormuth는 어휘와 문장 길이가 읽기 쉬운 것을 나타내는 최고의 지표임을 확인했습니다.그는 읽기 편함의 척도가 아이들뿐만 아니라 어른들에게도 효과가 있다는 것을 보여주었습니다.아이들이 어렵게 느끼는 것과 같은 것들은 같은 읽기 수준의 어른들에게도 마찬가지입니다.그는 또한 컷오프 점수를 측정하는 몇 가지 새로운 방법을 개발했습니다.가장 잘 알려진 것 중 하나는 1981년에 대학입시위원회에서 ^[87][88][89]사용한 독서력 학위 제도를 만들기 위해 사용된 Mean Close 공식입니다.

렉사일의 틀

1988년, MetaMetrics, Inc.의 Jack Stenner와 그의 동료들은 가독성을 평가하고 학생들을 적절한 텍스트와 일치시키기 위한 새로운 시스템인 Lexile Framework를 발표했습니다.

Lexile 프레임워크는 평균 문장 길이와 American Heritage Intermediate Corpus의 평균 단어 빈도를 사용하여 0-2000 스케일의 점수를 예측합니다.AHI 코퍼스는 3학년에서 9학년 사이의 학생들이 자주 읽는 1,045개의 출판된 작품에서 5백만 단어를 포함합니다.

Lexile Book Database에는 450개 이상의 출판사에서 100,000개 이상의 타이틀이 있습니다.학생의 렉실 점수를 알아봄으로써, 선생님은 그 혹은 그녀의 읽기 ^[90]수준에 맞는 책을 찾을 수 있습니다.

ATOS 책 가독성 공식

2000년에, 학교 르네상스 연구소와 터치스톤 응용 과학 협회의 연구원들은 책을 위한 장점-TASA 공개 표준 (ATOS) 읽기 쉬운 공식을 출판했습니다.그들은 사용하기 쉽고 어떤 텍스트와도 사용할 수 있는 공식을 만들었습니다.

이 프로젝트는 지금까지 가장 광범위한 읽기 쉬운 프로젝트 중 하나였습니다.이 공식의 개발자들은 학생들이 읽은 2만 8천 권의 책에서 650개의 표준 읽기 텍스트, 4억 7천 4백만 개의 단어를 사용했습니다.이 프로젝트는 또한 95만권의 책을 읽고 테스트를 받은 3만명 이상의 독서 기록을 사용했습니다.

그들은 세 가지 변수가 텍스트 읽기의 가장 신뢰할 수 있는 척도를 제공한다는 것을 발견했습니다.

• 문장당 단어 수
• 단어의 평균 성적 수준
• 낱말당 글자 수

또한 다음과 같은 사실을 발견했습니다.

• 학습을 돕기 위해, 선생님은 책 읽기를 읽기 쉬운 것과 읽기 기술을 일치시켜야 합니다.
• 독서는 종종 독서 이득에 도움이 됩니다.
• 4학년 이하의 읽기만으로는 최고의 학습 이득은 적어도 85%의 이해력이 필요합니다.
• 고급 독자는 독립적인 읽기를 위해 92%의 이해력이 필요합니다.
• 책 길이는 읽기 편함을 측정하는 좋은 척도가 될 수 있습니다.
• 피드백과 선생님과의 상호작용은 ^[91][92]읽기에서 가장 중요한 요소입니다.

CohMetrix 심리언어학 측정

Coh-Metrix는 명시적 텍스트의 응집력과 텍스트의 정신적 표현의 일관성을 조사하기 위해 다양한 방식으로 사용될 수 있습니다."응집력에 대한 우리의 정의는 독자들이 ^[93]글에서 생각을 정신적으로 연결하는 데 어떤 역할을 하는 명시적인 글의 특성으로 구성됩니다."일관성의 정의는 많은 논쟁의 주제입니다.이론적으로, 텍스트의 일관성은 언어적 표현과 지식적 표현 사이의 상호작용에 의해 정의됩니다.일관성은 정신적 표현의 일관성에 기여할 가능성이 있는 텍스트의 특성(즉, 응집력의 측면)으로 정의될 수 있지만, Coh-Metrix 측정은 이러한 응집력 ^[93]특성의 지수를 제공합니다.

기타공식

• 자동 가독성 지수(1967)
• Linsear 쓰기 Raygor 가독성 추정치(1977)
• 스페이스 가독성 공식(1952)

인공지능(AI) 접근법

기존의 가독성 공식과는 달리 인공지능의 가독성 평가(Automatic Readability Assessment라고도 함) 접근 방식은 무수히 많은 언어적 특징을 통합하고 텍스트 ^[5][94]가독성을 예측하기 위한 통계적 예측 모델을 구성합니다.이러한 접근 방식은 일반적으로 세 단계로 구성됩니다. 1. 개별 텍스트의 학습 코퍼스, 2. 각 텍스트에서 계산할 언어적 특징 집합, 3. 계산된 언어적 특징 ^[95][96][94]값을 사용하여 가독성을 예측하는 기계 학습 모델.

코포라

위비트

2012년 튀빙겐 대학의 Sowmya Vajjala는 Weekly Reader 웹사이트와 BBC Bitesize 웹사이트의 교육 기사를 결합하여 WeeBit 말뭉치를 만들었습니다.^[96]총 3125개의 글이 5개의 가독성 수준(7세부터 16세까지)으로 나누어져 있습니다.위비트 말뭉치는 여러 AI 기반 가독성 평가 ^[97]연구에 사용되었습니다.

뉴셀라

Wei Xu (University of Pennsylvania), Chris Calison-Burch (University of Pennsylvania), Courtney Napoles (Johns Hopkins University)는 ^[98]2015년에 Newsela 말뭉치를 학계에 소개했습니다.말뭉치는 Newsela의 전문 편집자들에 의해 다양한 읽기 복합성에 전문적으로 평준화된 수천 개의 뉴스 기사 모음입니다.말뭉치는 원래 텍스트 단순화 연구를 위해 도입되었지만 텍스트 가독성 ^[99]평가에도 사용되었습니다.

언어적 특징

시맨틱 또는 고급 시맨틱

Bruce W는 텍스트 가독성에 대한 고급 의미적 또는 의미적 특징의 영향력을 개척했습니다.리는 2021년 (펜실베니아 대학)에서 공부했습니다.그는 자신의 특징을 혼합하는 방법을 소개하면서,^[100] 주어진 텍스트에 포함된 지식의 양을 측정하는 것을 목표로 하는 수공 고급 의미 특징을 탐구하기도 했습니다.

• 시맨틱 리치 : ∑ ${\displaystyle \underset{}{\overset{}{i}}}$ = ${\displaystyle \underset{}{\overset{}{1}}}$ ${\displaystyle \underset{}{\overset{}{}}}$ p ${\displaystyle i_{}}$ ⋅ ${\displaystyle i}${\$displaystyle \sum$ _${i$=$1}^{n}p_{i}\cdoti}$
• 의미 명확성 : ${\displaystyle \frac{1}{}}$ n ⋅ ${\displaystyle \underset{}{\overset{}{i}}}$ = ${\displaystyle \underset{}{\overset{}{}}}$ ${\displaystyle \underset{}{\overset{}{}}\max }$ (${\displaystyle p}$) - ${\displaystyle {pi}_{}}${\$displaystyle${\$frac {1}{n}}\cdot \sum$ _${i$=$1}^{n}$max$(p)-p_{i$}}
• 의미적 잡음 : $n$ ⋅ ${\displaystyle \frac{\underset{}{\overset{}{i}}}{}}$ = 1 ${\displaystyle \frac{\underset{}{\overset{}{\mathrm{n}}}}{}}$( ${\displaystyle \frac{{pi}_{}}{}}$- ${\displaystyle \frac{p}{}}$ ¯ ) ${\displaystyle \frac{4^{}}{}}$ (${\displaystyle \frac{{}^{}}{}}$∑ ${\displaystyle \frac{\underset{}{\overset{}{i}}}{}}$ = 1 ${\displaystyle \frac{\underset{}{\overset{}{}}}{}}$( ${\displaystyle \frac{{pi}^{}{}_{}}{}}$- ${\displaystyle \frac{p}{}}$ ¯ ) 2${\displaystyle \frac{{}^{}}{}}$) ${\displaystyle \frac{2^{}}{}}$ ${\displaystyle$ n$\cdot {\frac {\sum$ _${i$=$1}^{n}(p_{i}-{\bar {p}}^{4}}{{(\sum$ _i=$1}^{n}(p_{i}-{\$bar ${p})^{2}}}}$

여기서 발견된 주제의 수(n) 및 주제 확률(p)

멕시코-시맨틱

활자-토큰 비율은 어휘의 범위와 다양성을 측정하는 어휘적 풍부함을 포착하는 데 자주 사용되는 특징 중 하나입니다.단어의 어휘 난이도를 측정하기 위해, 현대 미국 영어의 말뭉치(COCA)와 같은 대표적인 말뭉치에서 단어의 상대적 빈도가 종종 사용됩니다.아래에는 가독성 ^[97]평가에 대한 어휘 의미론적 특징에 대한 몇 가지 예가 포함되어 있습니다.

• 단어당 평균 음절 수
• 전체 말뭉치와 비교했을 때 어휘 이탈률
• Type-token ratio: 관측된 총 항에 대한 고유 항의 비율
• 전체 코퍼스 대비 함수어의 비율
• 전체 말뭉치 대비 대명사 비율
• 언어 모델 난감함(텍스트를 일반 모델 또는 장르별 모델과 비교)

게다가, 2009년에 Lijun Feng은 인지적으로 동기부여된 특징(대부분 어휘)을 개척했습니다.이것은 뉴욕시립대학교에서 그녀가 박사과정을 공부할 때였습니다.^[101]인지적으로 동기 부여된 특징은 원래 지적 장애를 가진 성인을 위해 설계되었지만 일반적으로 가독성 평가 정확도를 향상시키는 것으로 증명되었습니다.인지적으로 동기화된 특징은 로지스틱 회귀 모형과 결합하여 Flesch-Kincaid 등급 수준의 평균 오차를 70% 이상 수정할 수 있습니다.펑이 새로 발견한 특징은 다음과 같습니다.

• 문서의 어휘 체인 수
• 문장당 평균 고유 개체 수
• 문장당 평균 개체 언급 수
• 문서의 총 고유 엔티티 수
• 문서의 총 엔터티 언급 수
• 평균 어휘 사슬 길이
• 평균 어휘 사슬 스팬

통사론

구문적 복잡성은 텍스트 ^[102]이해의 더 긴 처리 시간과 관련이 있습니다.텍스트의 가독성을 예측하기 위해 이러한 구문 기능의 풍부한 집합을 사용하는 것이 일반적입니다.구문 가독성 기능의 고급 변형은 구문 분석 트리에서 자주 계산됩니다.Emily Pitler (University of Pennsylvania)와 Ani Nenkova (University of Pennsylvania)는 구문 분석 기능을 평가하고 가독성 ^[103][97]평가에 널리 사용하는 선구자로 여겨집니다.다음과 같은 예가 있습니다.

• 평균 문장 길이
• 평균 구문 분석 트리 높이
• 문장당 평균 명사구 수
• 문장당 평균 동사구 수

가독성 공식 사용

많은 작품의 평균 가독성을 찾으면 가독성 공식의 정확도가 높아집니다.이 테스트는 작업의 통계적 평균 단어 길이(의미론적 난이도에 대한 신뢰할 수 없는 프록시로 사용됨) 및 문장 길이(구사적 복잡성에 대한 신뢰할 수 없는 프록시로 사용됨)와 같은 특성을 기반으로 점수를 생성합니다.

대부분의 전문가들은 Flesch-Kincaid 등급 수준과 같은 단순한 가독성 공식이 오해의 소지가 크다는 점에 동의합니다.평균 문장 길이와 같은 전통적인 특징들은 읽기 난이도와 높은 상관관계를 가지고 있지만, 가독성의 척도는 훨씬 더 복잡합니다.이 단점을 해결하기 위해 인공지능, 데이터 기반 접근 방식(위 참조)이 연구되었습니다.

글 전문가들은 단어와 문장의 길이를 바꾸는 것만으로 글을 단순화하려는 시도는 더 읽기 어려운 글이 될 수 있다고 경고했습니다.모든 변수들이 서로 밀접하게 연관되어 있습니다.하나가 바뀌면 접근법, 음성, 인물, 음색, 타이포그래피, 디자인, 조직 등 다른 것들도 조정해야 합니다.

자신의 독자 이외의 독자들을 위해 글을 쓰는 것은 매우 어렵습니다.그것은 훈련과 방법 그리고 연습이 필요합니다.이것을 잘하는 사람들 중에는 소설이나 아동 도서 작가들이 있습니다.글쓰기 전문가들은 공식을 사용하는 것 외에 읽을 수 있는 글을 쓰기 위해 필수적인 좋은 글의 모든 규범을 준수해야 한다고 조언합니다.작가들은 청중들이 사용하는 글과 그들의 독서 습관을 연구해야 합니다.이것은 5학년 청중을 위해 작가는 좋은 품질의 5학년 ^{[21][60][71][104][105][106][107]}자료를 공부하고 배워야 한다는 것을 의미합니다.

대중적인 텍스트 가독성

위키백과

2010년대에 ^[108]가장 많이 본 25개의 건강 기사의 가독성은 향상되었지만, 위키피디아의 건강 정보의 가독성은 종종 ^{[109][110][111]}비판을 받습니다.일부 학자들은 딥 러닝이 잘 쓰지 않은 ^[112]기사를 식별하는 데 사용될 수 있다고 주장합니다.다른 사람들은 대규모 언어 모델을 사용하여 제대로 작성되지 않은 ^[113]기사를 식별하고 LLM이 ^[114]기사를 교정할 수 있다고 제안합니다.

참고 항목

• 셈법적
• 평어
• 장황함
• 접근 가능한 퍼블리싱
• 조지 클라레
• 윌리엄 S. 그레이
• 마일스 팅커
• 부르바키 위험 굽힘 기호

참고문헌

추가열람

• 해리스, A.J. 그리고 E.1985년 사이페이.읽기 능력을 높이는 방법 8판뉴욕 & 런던: 롱맨.
• 러델, R. B. 1999년아이들에게 읽고 쓰는 법을 가르칩니다.보스턴:앨런과 베이컨.
• 만조, A. V. 그리고 U. C. Manzo. 1995.아이들에게 글을 읽고 쓸 수 있도록 가르칩니다.포트워스: 하코트 브레이즈.
• Vacca, J. A., R. Vacca, M. K. Gove. 1995.읽고 읽는 법을 배웁니다.뉴욕: 하퍼 콜린스.

외부 링크

• 가독성 점수 도구 - 여러 가독성 공식을 동시에 점수 매김 - Readable.io
• 가독성 테스트 - Joe's Web Tools
• 텍스트 내용 분석 도구 - UsingEnglish.com , 무료 회원가입 필요