Jak tento test funguje
Tento test vám ukáže něco přes sto slov a vrátí číslo v desítkách tisíc. Tady je, jak se od jednoho dostane k druhému a nakolik mu věřit.
Nelze se zeptat na každé slovo
Angličtina má v běžném užívání přes sto tisíc slov a nikdo nebude zaškrtávat sto tisíc políček. Test tedy dělá to, co dělají výzkumníci veřejného mínění: ptá se na malý vzorek a z něj usuzuje dál. Ukažte někomu hrstku slov férově vybraných z určitého úseku jazyka, spočítejte, kolik jich zná, a můžete něco říct o celém úseku.
Trik je vybírat férově. Slova nejsou zaměnitelná — water, hypotenuse a obtund jsou tři úplně jiné otázky — takže vzorek musí být záměrně rozložen po celém rozsahu, ne nabrán tam, kde se to zrovna hodí.
Rozhoduje vzácnost
Každé slovo v testu má frekvenční pořadí: zhruba místo, kam spadne, když jazyk seřadíte od nejběžnějšího slova po nejvzácnější. Toto jediné číslo předpovídá, zda slovo znáte, lépe než délka, pravopis nebo téma. Znalost klesá, čím vzácnější slova jsou. Tvar tohoto poklesu je natolik stálý, že se na něm dá stavět.
Proto má test tři kola, která jsou čím dál těžší. Každé kolo vzorkuje jiný úsek této křivky: nejdřív běžná slova, pak střed, pak dlouhý chvost. Vaše odpovědi v každém kole určí jeden bod a dohromady umístí pokles.
Proč je poslední kolo nejdelší
Většina jazyka je vzácná. Slova, která potkáváte celý den, jsou jen zaokrouhlovací chyba proti mase slov, která se objeví jednou za rok, a vzorkování to musí respektovat.
Odpovědi každého kola se váží podle toho, jakou část jazyka dané kolo zastupuje. Znáte-li polovinu slov v kole, připíše se vám zhruba polovina všeho, co to kolo představuje. Sečtou se všechna tři a to je odhad. Výpočet je jednoduchý. Úsudek leží dřív, ve výběru slov.
Ošemetná část: lidé říkají ano příliš snadno
Zeptejte se kohokoli, zda zná nějaké slovo, a určitá část odpoví ano u slov, která jen někdy viděla, která připomínají něco známého nebo o kterých má pocit, že by je znát měla. Skoro nikdo nelže. Rozpoznání je mlhavý pocit a zaškrtávací políčko nerozliší dokážu to vysvětlit od to mi zní povědomě.
Bez korekce to rozbije výpočet: každé příliš horlivé zaškrtnutí se vynásobí velikostí pásma, do kterého patří.
Proto některá slova v testu neexistují. Byla vytvořena tak, aby vypadala a zněla anglicky — vyslovitelná, věrohodně napsaná, na uvěřitelné úrovni vzácnosti — a pak ověřena v několika slovnících, aby nebyla skutečná, nebyla překlepem ničeho skutečného ani skutečným slovem s přilepenou předponou. Jsou rozeseta ve všech třech kolech a nic je neodlišuje.
Nikdo je nemůže znát, takže každé, které zaškrtnete, měří, jak velkoryse zaškrtáváte. Tato míra se pak použije ke snížení váhy ostatních odpovědí. Nezaškrtnete-li žádné, váš výsledek zůstane nedotčen.
Čísla za tímto grafem
| míra hádání | s korekcí | bez korekce |
|---|---|---|
| 0% | 27 000 | 27 000 |
| 5% | 26 470 | 27 720 |
| 10% | 24 920 | 28 430 |
| 15% | 22 550 | 29 150 |
| 20% | 19 610 | 29 870 |
| 30% | 13 140 | 31 300 |
Praktický důsledek: hádáním si výsledek nezvýšíte. Občasné uklouznutí nestojí skoro nic, ale každé další vymyšlené slovo stojí víc než to předchozí, takže velmi volně dané odpovědi skončí s nízkým skóre.
Co číslo vypovídá
Číslo vychází z asi sta otázek o jazyce se šesticifernou slovní zásobou, takže poslední číslice jsou šum. Projde-li stejný člověk testem dvakrát, výsledky se budou lišit, víc na spodním konci než na horním. Spolehlivý je přibližný řád a srovnání mezi lidmi.
Několik dalších věcí to není. Počítá slovní tvary ve slovníkovém smyslu, ne slovní čeledi, takže nebude odpovídat číslům ze studií, které počítají čeledi a obvykle vycházejí níž. Ptá se jen na podstatná jména a slovesa. Nepozná, zda slovo znáte dobře, nebo jen natolik, abyste ho poznali. To je skutečný rozdíl a žádné políčko ho nenajde. A měří rozpoznání, ne použití. Většina lidí rozpozná mnohem víc, než kdy vysloví nahlas.
Samotná slova pocházejí z frekvenčně seřazeného seznamu angličtiny sestaveného z rozsáhlých dat o užívání a zúženého na jednotlivá slova rozumné délky. Která slova se objevují, kolik jich je v každém kole vymyšlených a kde leží hranice, zde ze zřejmého důvodu nezveřejňujeme.
Předchozí práce
Žádná ze základních myšlenek není naše. Formát seznamu ano/ne sahá k Mearovi a Buxtonovi na konci osmdesátých let, stejně jako zjištění, že potřebuje vymyšlená slova, aby něco znamenal. Nationův Vocabulary Size Test zavedl vzorkování po frekvenčních pásmech a vážení každého pásma podle toho, co zastupuje. Konkrétní korekce použitá zde — snížení váhy vašich odpovědí podle toho, jak často tvrdíte, že znáte neexistující slova — je ta, kterou popsali Huibregtse, Admiraal a Meara v roce 2002. Navíc přidáváme vlastní penalizaci, která roste s každým zaškrtnutým vymyšleným slovem, aby se zaškrtnutí téměř všeho nemohlo tvářit jako velká slovní zásoba. Kdo je zvědavý, kolik slov lidé skutečně znají, měl by si přečíst Brysbaerta a kolegy, kteří odhadují číslo pro dospělého rodilého mluvčího kolem čtyřiceti tisíc a podrobně vysvětlují, proč je tak těžké ho určit.
Udělat test