這個測試是怎麼運作的
這個測試給你看一百多個單字，然後給出一個上萬的數字。下面說明它是如何從前者得到後者的，以及這個數字有多可信。
不可能問遍每個單字
英語中日常使用的單字遠超十萬個，沒有人會去勾選十萬個方框。所以測試採用了民意調查的做法：只問一小部分樣本，再由此推算整體。從語言的某個區間裡公平地抽出一把單字給人看，數一數他認識幾個，就能對整個區間做出判斷。
關鍵在於公平地抽取。單字之間不能互相替代——water、hypotenuse 和 obtund 是三個完全不同的問題——所以樣本必須有意識地分佈在整個範圍內，而不是隨手從方便的地方挑。
關鍵維度是罕見程度
測試中的每個單字都有一個詞頻排名：大致就是把語言按從最常用到最罕見排序後，它所處的位置。僅憑這個數字，就比單字長度、拼寫或主題更能預測你是否認識它。單字越罕見，認識的人就越少。這種下降的形狀足夠穩定，可以作為依據。
這就是測試分為三輪、難度逐步提高的原因。每一輪抽取曲線的不同區段：先是日常詞，然後是中間部分，最後是長尾。你在每輪中的回答確定一個點，三個點合起來就能定位下降的位置。
為什麼最後一輪最長
一門語言的大部分詞彙都是罕見詞。你每天都會碰到的詞，與那些一年才出現一次的海量詞彙相比，只是個零頭，抽樣必須考慮到這一點。
每一輪的回答都會按該輪所代表的語言比例進行放大。如果你認識某一輪中一半的單字，就會被計為認識該輪所代表全部詞彙的大約一半。三輪相加就是估計值。計算很簡單，真正需要判斷的在前面，也就是如何挑選單字。
棘手之處：人們太容易說「認識」
問任何人是否認識某個詞，總有一部分人會對只是見過、看起來像某個熟悉的詞，或者覺得自己應該認識的詞說「認識」。幾乎沒有人在撒謊。認識是一種模糊的感覺，而一個勾選框無法區分我能解釋這個詞和這個詞看著眼熟。
如果不加校正，這會毀掉整個計算：每一個過於草率的勾選，都會被乘以它所在區間的大小。
所以測試中有些單字根本不存在。它們被設計得看起來、讀起來都像英語——可以發音、拼寫合理、罕見程度可信——然後在多部字典中核對，確保它們不是真詞，不是真詞的拼寫錯誤，也不是給真詞加了字首。它們分散在全部三輪中，沒有任何標記。
沒有人可能認識它們，所以你勾選的每一個，都在衡量你勾選得有多隨意。這個比例隨後被用來對你其餘的回答打折扣。如果你一個都沒勾，分數完全不受影響。
這張圖背後的數字
| 猜測比例 | 已校正 | 未校正 |
|---|---|---|
| 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 |
實際效果是：靠猜無法抬高你的結果。偶爾勾錯一個幾乎沒有影響，但每多勾一個編造的詞，扣分就比上一個更重，所以勾得太隨意，最後分數會很低。
這個數字有多可靠
這個數字來自對一門詞彙量以十萬計的語言所提的一百多個問題，所以最後幾位數字只是誤差。同一個人做兩次，兩個結果會不同，低分段的差異比高分段更大。可靠的是大致的數量級，以及人與人之間的比較。
它還有幾點侷限。它按字典意義計算詞形，而不是詞族，所以和那些按詞族計算、結果通常更低的研究資料對不上。它只問名詞和動詞。它無法區分你是真正熟悉一個詞，還是只認識到能認出來的程度。這是真實存在的差別，任何勾選框都發現不了。另外，它衡量的是認知，而不是運用。大多數人能認出的詞，遠遠多於他們會說出口的詞。
這些單字本身來自一份按詞頻排序的英語詞表，它基於大規模使用資料建立，並篩選為長度適中的單個單字。出現哪些詞、每輪有多少編造的詞、界限劃在哪裡，出於顯而易見的原因，這裡不予公開。
前人的研究
這些基本想法都不是我們首創的。「是/否」清單的形式可以追溯到八十年代末的 Meara 和 Buxton，他們同時發現這種形式需要編造的詞才有意義。Nation 的 Vocabulary Size Test 確立了按詞頻區間抽樣、並按各區間所代表的比例加權的方法。這裡使用的具體校正方法——根據你聲稱認識不存在的詞的頻率給回答打折扣——來自 Huibregtse、Admiraal 和 Meara 在 2002 年提出的方案。在此之上，我們還加了自己的懲罰：每多勾一個編造的詞，懲罰就更重，這樣幾乎全部勾選也不會被當成詞彙量很大。想知道人們實際認識多少詞，可以讀一讀 Brysbaert 及其同事的研究：他們估計成年母語者的詞彙量約為四萬，並詳細解釋了這個數字為何如此難以確定。
開始測試