പദസമ്പത്ത് പരിശോധന: രീതി
അതെ/ഇല്ല (പട്ടിക പരിശോധിക്കൽ) രീതിയിലുള്ള പദസമ്പത്തിന്റെ വലുപ്പ പരിശോധന; ആവൃത്തി വിഭാഗങ്ങളാക്കിയ യഥാർഥ വാക്കുകളും കെട്ടിച്ചമച്ച വാക്കുകളും ഉപയോഗിക്കുന്നു; ഇംഗ്ലീഷിൽ: രണ്ട് ഘട്ടങ്ങളുള്ള അനുകൂലന പതിപ്പ്
സ്കോറർ പതിപ്പ്: ഇംഗ്ലീഷ്: രീതി en-adaptive-1, പട്ടിക en-1; മറ്റ് ഭാഷകൾ: പട്ടിക <lang>-1, പൊതു സ്കോറർ പതിപ്പ് 1
← പരിശോധനയിലേക്ക് മടങ്ങുകഇത് അളക്കുന്നത്
സ്വയം റിപ്പോർട്ട് ചെയ്യുന്നതും കെട്ടിച്ചമച്ച വാക്കുകളെ തെറ്റായി തിരിച്ചറിയുന്നത് പരിഗണിച്ച് തിരുത്തുന്നതുമായ, തിരിച്ചറിയലിനെ അടിസ്ഥാനമാക്കിയുള്ള സ്വീകരണാത്മക പദസമ്പത്തിന്റെ വലുപ്പം (ലെമ്മകളുടെ എണ്ണത്തിൽ). വാക്കുകളുടെ നിർവചനമറിയാമെന്നോ അവ ഉപയോഗിച്ച് പറയാനാകുമെന്നോ ഭാഷാപ്രാവീണ്യമുണ്ടെന്നോ ഇത് അളക്കുന്നില്ല.
നടപടിക്രമം
ഇംഗ്ലീഷ് (രീതി en-adaptive-1, പട്ടിക en-1): ഘട്ടം 1-ൽ 40 ഇനങ്ങളുള്ള പട്ടികയാണ്: 7 ആവൃത്തി വിഭാഗങ്ങളിൽനിന്ന് ക്രമരഹിതമായി തിരഞ്ഞെടുത്ത 5 വാക്കുകൾ വീതവും 5 കെട്ടിച്ചമച്ച വാക്കുകളും കലർത്തിയിരിക്കും; അറിയാവുന്ന വാക്കുകൾ കളിക്കാരൻ അടയാളപ്പെടുത്തുന്നു ('കുറഞ്ഞത് ഒരു അർഥമെങ്കിലും വിശദീകരിക്കാനാകും'). ഘട്ടം 2-ൽ 60 പുതിയ ഇനങ്ങളുള്ള പട്ടികയാണ്: ഓരോ വിഭാഗത്തിൽനിന്നും 4 പുതിയ വാക്കുകൾ, ഘട്ടം 1-ൽ തിരുത്തിയറിയാവുന്ന വാക്കുകളുടെ പങ്ക് 50%-നോട് ഏറ്റവും അടുത്ത വിഭാഗത്തിനു ചുറ്റും ചേർത്ത 25 അധിക വാക്കുകൾ (അകന്ന ഓരോ വിഭാഗത്തിനും ഭാരം പകുതിയാകും), കൂടാതെ 7 പുതിയ കെട്ടിച്ചമച്ച വാക്കുകൾ. ഒരു വാക്കും ആവർത്തിക്കില്ല. സമയപരിധിയില്ല; ഓരോ ഘട്ടവും സമർപ്പിക്കുന്നതിനു മുമ്പ് അടയാളങ്ങൾ മാറ്റാം. ഫലത്തിനു ശേഷം ഓപ്ഷണലായി ചോദിക്കുന്നത്: പ്രായവിഭാഗം, മാതൃഭാഷക്കാരനാണോ പഠിതാവാണോ, പഠിച്ച വർഷങ്ങൾ, വായനയുടെ ആവൃത്തി. ജർമ്മൻ, സ്പാനിഷ്, ഫ്രഞ്ച്, ഇറ്റാലിയൻ, പോളിഷ്, പോർച്ചുഗീസ്, റഷ്യൻ ഭാഷകളിൽ (പട്ടികകൾ *-1): ഓരോ തവണയും ഒരു വാക്ക്; 6 ആവൃത്തി വിഭാഗങ്ങളിൽനിന്ന് ക്രമരഹിതമായി 10 വാക്കുകൾ വീതം (60 യഥാർഥ വാക്കുകൾ), കൂടാതെ 30 കെട്ടിച്ചമച്ച വാക്കുകൾ; ആകെ 90 ഇനങ്ങൾ കലർത്തിയിരിക്കും. കളിക്കാരൻ 'അറിയാം' അല്ലെങ്കിൽ 'കെട്ടിച്ചമച്ചത്' എന്ന് മറുപടി നൽകുന്നു. ആദ്യം 2 പരിശീലന യഥാർഥ വാക്കുകളും 2 പരിശീലന കെട്ടിച്ചമച്ച വാക്കുകളും പ്രതികരണസഹിതം നൽകും (ഒഴിവാക്കാം). സമയപരിധിയില്ല; ടാബിൽനിന്ന് പുറത്തുപോയാലും ശ്രമം അവസാനിക്കില്ല.
പരാമീറ്ററുകൾ
| പരാമീറ്റർ | മൂല്യം |
|---|---|
| ഇംഗ്ലീഷ് വിഭാഗങ്ങൾ (ആവൃത്തി റാങ്കുകൾ) | 1–2,000; 2,001–4,000; 4,001–8,000; 8,001–16,000; 16,001–32,000; 32,001–64,000; 64,001–74,781 |
| ഇംഗ്ലീഷ് വിഭാഗങ്ങളുടെ വലുപ്പം (കണക്കാക്കിയ ലെമ്മകൾ) | 1,771; 1,800; 3,486; 6,057; 11,200; 20,571; 6,623 (ആകെ 51,508) |
| ഇംഗ്ലീഷ് ഇനങ്ങൾ | 40 (ഘട്ടം 1) + 60 (ഘട്ടം 2) = 100: 88 യഥാർഥ വാക്കുകൾ, 12 കെട്ടിച്ചമച്ച വാക്കുകൾ |
| മറ്റ് ഭാഷകൾ: ഇനങ്ങൾ | 60 യഥാർഥ വാക്കുകൾ (ഓരോ വിഭാഗത്തിലും 10, 6 വിഭാഗങ്ങൾ) + 30 കെട്ടിച്ചമച്ച വാക്കുകൾ |
| മറ്റ് ഭാഷകൾ: പട്ടികയുടെ വലുപ്പം (കണക്കാക്കിയ ലെമ്മകൾ) | de 46,137; es 36,748; fr 33,119; it 37,304; pl 29,240; pt 25,350; ru 30,086 |
| കണക്കിന്റെ വട്ടമാക്കൽ | ഏറ്റവും അടുത്ത 100-ലേക്ക് |
| പരിധി | 90% |
| അസ്ഥിരമായ ഫലം | ഇംഗ്ലീഷ്: തെറ്റായി അറിയാമെന്ന് അടയാളപ്പെടുത്തുന്ന നിരക്ക് 0.25 അല്ലെങ്കിൽ അതിലധികം; മറ്റ് ഭാഷകൾ: 0.30-ൽ കൂടുതൽ |
| വേഗത്തിലുള്ള മറുപടി (ഗുണനിലവാര കണക്കെടുപ്പ്, മറ്റ് ഭാഷകൾ) | 250 ms-ൽ താഴെ |
സ്കോറിങ്
ഓരോ b വിഭാഗത്തിനും: h = ആ വിഭാഗത്തിലെ യഥാർഥ വാക്കുകളിൽ അറിയാമെന്ന് അടയാളപ്പെടുത്തിയവയുടെ പങ്ക് (ഇംഗ്ലീഷിൽ step-2 വാക്കുകൾ മാത്രം; അതിനാൽ അനുകൂലന തിരഞ്ഞെടുപ്പ് കണക്കിനെ പക്ഷപാതപരമാക്കില്ല); f = കെട്ടിച്ചമച്ച വാക്കുകളിൽ അറിയാമെന്ന് അടയാളപ്പെടുത്തിയവയുടെ പങ്ക് (ഇംഗ്ലീഷിൽ, രണ്ട് ഘട്ടങ്ങളിലെയും 12 വാക്കുകളും). അറിയാവുന്ന പങ്ക് p = (h − f) / (1 − f); ഇത് 0-നും 1-നും ഇടയിൽ നിലനിർത്തുന്നു (f = 1 ആണെങ്കിൽ 0). കണക്ക് = വിഭാഗത്തിന്റെ വലുപ്പം x p-യുടെ എല്ലാ വിഭാഗങ്ങളിലെയും ആകെ തുക; ഇത് അടുത്ത 100-ലേക്ക് വട്ടമാക്കി പട്ടികയുടെ വലുപ്പം കവിയാതിരിക്കാൻ പരിമിതപ്പെടുത്തുന്നു. ഉയർന്ന കണക്ക് എന്നത് വലിയ പദസമ്പത്തിനെ സൂചിപ്പിക്കുന്നു. പരിധി, ഇംഗ്ലീഷ്: 4,000 അനുകരണ കണക്കുകളിൽനിന്നുള്ള മധ്യ 90% (ഓരോ വിഭാഗത്തിന്റെയും ശരിയായി തിരിച്ചറിയൽ നിരക്കിന് Jeffreys Beta പിൻവിതരണങ്ങൾ, തെറ്റായ തിരിച്ചറിയൽ നിരക്കിന് ഒരു പൊതുവായ Beta നറുക്കെടുപ്പ്, യഥാർഥത്തിൽ പരിശോധിച്ച 70 സ്ഥാനാർഥികളിൽനിന്നുള്ള ഓരോ വിഭാഗത്തിന്റെ വലുപ്പത്തിലെ Beta അനിശ്ചിതത്വം); കണക്കിനെ ഉൾക്കൊള്ളാൻ പരിധി വികസിപ്പിക്കുന്നു. f = 1 ആണെങ്കിൽ പരിധി മുഴുവൻ പട്ടികയുമാണ്. മറ്റ് ഭാഷകളിലെ പരിധി: എല്ലാ വിഭാഗങ്ങളിലെയും ആകെ തുകയായ ദ്വിപദ സ്റ്റാൻഡേർഡ് പിശകിന്റെ 1.645 മടങ്ങ് കൂട്ടുകയോ കുറയ്ക്കുകയോ ചെയ്യുന്നു. മറ്റ് ഭാഷകളിൽ LexTALE മാതൃകയിലുള്ള കൃത്യതയും കണക്കാക്കുന്നു = അംഗീകരിച്ച യഥാർഥ വാക്കുകളുടെ ശതമാനത്തിന്റെയും നിരസിച്ച കെട്ടിച്ചമച്ച വാക്കുകളുടെ ശതമാനത്തിന്റെയും ശരാശരി. ഇംഗ്ലീഷ് ശതമാന സ്ഥാനം: കണക്കിനേക്കാൾ താഴെ സ്കോർ ചെയ്ത യോഗ്യരായ കളിക്കാരുടെ പങ്ക് (നിലവിലെ രീതിയും പട്ടികയും, വിശ്വസനീയ ഫലങ്ങൾ, ഓട്ടോമേറ്റഡ് ആയിരിക്കാനുള്ള സാധ്യത കുറവ്, ഓരോ കളിക്കാരന്റെയും ആദ്യ യോഗ്യശ്രമം മാത്രം); കുറഞ്ഞത് 100 പേരുള്ള ഗ്രൂപ്പുകൾക്കു മാത്രമേ കാണിക്കൂ; അല്ലെങ്കിൽ പ്രസിദ്ധീകരിച്ച ഗവേഷണ കണക്കുകൾ താരതമ്യസന്ദർഭമായി നൽകും.
സാധുവായ റണ്ണിനുള്ള നിയമങ്ങൾ
ഏത് ഇനങ്ങളാണ് യഥാർഥ വാക്കുകളെന്ന് (പരിശീലനസമയമൊഴികെ) പേജിൽ എത്താത്തവിധം, ശ്രമത്തിന്റെ സീഡ് ഉപയോഗിച്ച് സെർവർ ഇനങ്ങൾ വീണ്ടും സൃഷ്ടിക്കുന്നു. എല്ലാ ഇനങ്ങൾക്കും മറുപടി നൽകണം; ഇംഗ്ലീഷിലെ രണ്ട് ഘട്ടരീതിയിൽ കൃത്യമായി 40-ഉം 60-ഉം മറുപടികൾ വേണം; ഇത് ഒറ്റഘട്ട രീതിയുമായി കലർത്താനാവില്ല. വളരെ അധികം കെട്ടിച്ചമച്ച വാക്കുകൾ അറിയാമെന്ന് അടയാളപ്പെടുത്തിയാൽ ഫലം അസ്ഥിരമെന്ന് അടയാളപ്പെടുത്തുകയും ശതമാന സ്ഥാനം നൽകാതിരിക്കുകയും ചെയ്യും. അസംസ്കൃത ലോഗിൽനിന്ന് (സീഡ് ഉണ്ടെങ്കിൽ അതും ഉപയോഗിച്ച്) സെർവർ ഓരോ ശ്രമവും വീണ്ടും സൃഷ്ടിച്ച് സ്കോർ കണക്കാക്കുന്നു; ശരിയോ തെറ്റോ എന്നതിനെക്കുറിച്ച് പേജ് പറയുന്നത് അവഗണിക്കുന്നു. കളിയുടെ നിയമങ്ങൾ ലംഘിക്കുന്ന ലോഗ് നിരസിക്കുകയും ഒന്നും സൂക്ഷിക്കാതിരിക്കുകയും ചെയ്യും. സൂക്ഷിച്ച ശ്രമങ്ങളിൽ ഗുണനിലവാര സൂചനകൾ ഉണ്ടായേക്കാം; അവ ഒരിക്കലും കാണിക്കുകയോ ഫലം തടയുകയോ ഇല്ല: ഒരു IP വിലാസത്തിൽനിന്നുള്ള 10 അല്ലെങ്കിൽ അതിലധികം ശ്രമങ്ങൾ, സന്ദർശക ഐഡി ഇല്ലാതിരിക്കുക, ടാബ് മാറൽ, ഓട്ടോമേഷൻ സൂചനകൾ (ഓട്ടോമേറ്റഡ് ബ്രൗസർ, അസാധ്യമാംവിധം വേഗം, ഇൻപുട്ട് സംഭവങ്ങളില്ലായ്മ, യന്ത്രംപോലുള്ള ക്രമത്തിലുള്ള സമയക്രമം).
ക്ലാസിക് ചുമതലയിൽ നിന്നുള്ള വ്യത്യാസങ്ങൾ
കെട്ടിച്ചമച്ച വാക്കുകളുള്ള അതെ/ഇല്ല പരിശോധനകൾ Meara and Buxton (1987) വരെ പഴക്കമുള്ളതാണ്. LexTALE (Lemhöfer & Broersma 2012) സാധൂകരിച്ച ശതമാന സ്കോറുള്ള, സ്ഥിരമായ 60 ഇന പരിശോധനയാണ്; വളരെ വലിയ ഓൺലൈൻ വാക്കറിവ് ഡാറ്റാസെറ്റ്, വ്യത്യസ്ത നിഘണ്ടു, വാക്കറിയാമെന്നതിന് കൂടുതൽ അയവുള്ള നിർവചനം എന്നിവ ഉപയോഗിച്ച് Brysbaert et al. (2016) പദസമ്പത്തിന്റെ വലുപ്പം കണക്കാക്കി. ഈ കണക്കുരീതി, അതിന്റെ പട്ടികകൾ, രണ്ട് ഘട്ട രൂപകൽപ്പന എന്നിവ പുതിയതാണ്; സ്വതന്ത്രമായി കാലിബ്രേറ്റ് ചെയ്തിട്ടില്ല. Nation-ന്റെ Vocabulary Size Test-ലെപ്പോലെ വാക്കുകുടുംബങ്ങളല്ല, വേറിട്ട എഴുത്തുരൂപത്തിലുള്ള ലെമ്മകളാണ് അളവിന്റെ ഘടകം.
പരിമിതികൾ
സ്വയം റിപ്പോർട്ട്: ഒരു വാക്കറിയാമെന്ന് അടയാളപ്പെടുത്താനുള്ള സന്നദ്ധത ആളുകൾക്കിടയിൽ വ്യത്യാസപ്പെടും; കെട്ടിച്ചമച്ച വാക്കുകൾ ഈ പ്രശ്നം ഭാഗികമായി മാത്രമേ തിരുത്തൂ. വിഭാഗങ്ങളുടെ വലുപ്പം പൂർണ്ണ നിഘണ്ടു കണക്കിൽനിന്നല്ല, അവലോകനം ചെയ്ത സാമ്പിളുകളിൽനിന്നാണ്. ഭാഷകൾക്കിടയിൽ പട്ടികകളും വിഭാഗങ്ങളുടെ വലുപ്പവും വ്യത്യസ്തമായതിനാൽ കണക്കുകൾ ഭാഷകൾക്കിടയിൽ താരതമ്യം ചെയ്യാനാവില്ല. പ്രത്യേക താൽപര്യങ്ങളും പരിചിതമായ പദഭാഗങ്ങളും ഫലത്തെ മാറ്റും. മുമ്പത്തെ ശ്രമത്തിലെ വാക്കുകൾ ഓർക്കുന്നത് തുടർന്നുള്ള ഫലങ്ങളെ മാറ്റും. ഇത് ബുദ്ധിശക്തിയോ ഭാഷാപ്രവാഹമോ ആരോഗ്യാവസ്ഥയോ അളക്കുന്നില്ല. താരതമ്യത്തിനുള്ള കളിക്കാർ ജനസംഖ്യാ മാനദണ്ഡങ്ങളല്ല, സൈറ്റിലെ സന്ദർശകരാണ്.
ഭാഷകളും അവലോകന നിലയും
ഇംഗ്ലീഷ് (രണ്ട് ഘട്ടം), കൂടാതെ ജർമ്മൻ, സ്പാനിഷ്, ഫ്രഞ്ച്, ഇറ്റാലിയൻ, പോളിഷ്, പോർച്ചുഗീസ്, റഷ്യൻ (ഒറ്റ ഘട്ടം); സൈറ്റിലെ മറ്റ് ഭാഷകളിൽ ഇംഗ്ലീഷ് പരിശോധനയാണ് കാണിക്കുന്നത്. യഥാർഥ വാക്കുകൾ: ആവൃത്തി അനുസരിച്ച് റാങ്ക് ചെയ്ത Wiktionary ലെമ്മകൾ (kaikki.org വഴി; wordfreq 3.1.1), ഓരോ വിഭാഗത്തിൽനിന്നുമുള്ള സാമ്പിളുകൾ കൈകൊണ്ട് അവലോകനം ചെയ്തു; ലൈസൻസ് ആവശ്യപ്പെടുന്നതിനാൽ CC BY-SA 4.0 പ്രകാരം പങ്കിടുന്നു. ഓരോ പട്ടികയ്ക്കുമുള്ള അക്ഷരരീതികളെ അടിസ്ഥാനമാക്കി കെട്ടിച്ചമച്ച വാക്കുകൾ തയ്യാറാക്കി കൈകൊണ്ട് അവലോകനം ചെയ്തു.
നിർദ്ദേശ ഭാഷ അനുസരിച്ചുള്ള അവലോകന നില
പ്രസിദ്ധീകരിച്ച നിർദ്ദേശ ഭാഷകൾ താഴെ നൽകിയിരിക്കുന്നു. വിവർത്തന രീതി: യന്ത്രസഹായത്തോടെയുള്ള വിവർത്തനവും ഓട്ടോമാറ്റിക് സ്ക്രിപ്റ്റ്, അക്ഷരവിന്യാസ പരിശോധനകളും. ഭാഷാനുസൃതമായ ഉള്ളടക്കം മുകളിൽ വിവരിച്ചിരിക്കുന്നു; മാതൃഭാഷക്കാരുടെ അവലോകനം ഇവിടെ രേഖപ്പെടുത്തിയിട്ടില്ല.
| നിർദ്ദേശ ഭാഷ | രേഖപ്പെടുത്തിയ അവലോകന നില |
|---|---|
| English | യഥാർത്ഥ ഇംഗ്ലീഷ് പാഠം. |
| Deutsch | ഓട്ടോമാറ്റിക് സ്ക്രിപ്റ്റ്, അക്ഷരവിന്യാസ പരിശോധനകൾ; മാതൃഭാഷക്കാരുടെ അവലോകനം രേഖപ്പെടുത്തിയിട്ടില്ല. |
| Español | ഓട്ടോമാറ്റിക് സ്ക്രിപ്റ്റ്, അക്ഷരവിന്യാസ പരിശോധനകൾ; മാതൃഭാഷക്കാരുടെ അവലോകനം രേഖപ്പെടുത്തിയിട്ടില്ല. |
| Français | ഓട്ടോമാറ്റിക് സ്ക്രിപ്റ്റ്, അക്ഷരവിന്യാസ പരിശോധനകൾ; മാതൃഭാഷക്കാരുടെ അവലോകനം രേഖപ്പെടുത്തിയിട്ടില്ല. |
| Italiano | ഓട്ടോമാറ്റിക് സ്ക്രിപ്റ്റ്, അക്ഷരവിന്യാസ പരിശോധനകൾ; മാതൃഭാഷക്കാരുടെ അവലോകനം രേഖപ്പെടുത്തിയിട്ടില്ല. |
| Polski | ഓട്ടോമാറ്റിക് സ്ക്രിപ്റ്റ്, അക്ഷരവിന്യാസ പരിശോധനകൾ; മാതൃഭാഷക്കാരുടെ അവലോകനം രേഖപ്പെടുത്തിയിട്ടില്ല. |
| Português | ഓട്ടോമാറ്റിക് സ്ക്രിപ്റ്റ്, അക്ഷരവിന്യാസ പരിശോധനകൾ; മാതൃഭാഷക്കാരുടെ അവലോകനം രേഖപ്പെടുത്തിയിട്ടില്ല. |
| Русский | ഓട്ടോമാറ്റിക് സ്ക്രിപ്റ്റ്, അക്ഷരവിന്യാസ പരിശോധനകൾ; മാതൃഭാഷക്കാരുടെ അവലോകനം രേഖപ്പെടുത്തിയിട്ടില്ല. |
ഉദ്ധരിക്കേണ്ട വിധം
Helibrain (2026). Vocabulary test, ven-adaptive-1. https://helibrain.com/vocabulary-test/methods
മാറ്റങ്ങളുടെ പട്ടിക
· പതിപ്പ് en-adaptive-1 · നിലവിൽ പുറത്തിറക്കിയിരിക്കുന്ന ചുമതലയെക്കുറിച്ചുള്ള ആദ്യ രീതിശാസ്ത്ര പ്രസിദ്ധീകരണം.
അവലംബങ്ങൾ
Meara, P., & Buxton, B. (1987). An alternative to multiple choice vocabulary tests. Language Testing, 4(2), 142–154.
https://doi.org/10.1177/026553228700400202original yes/no vocabulary test with pseudowords
Brysbaert, M., Stevens, M., Mandera, P., & Keuleers, E. (2016). How many words do we know? Practical estimates of vocabulary size dependent on word definition, the degree of language input and the participant's age. Frontiers in Psychology, 7, 1116.
https://doi.org/10.3389/fpsyg.2016.01116vocabulary-size estimates by age; research context shown on the page
Lemhöfer, K., & Broersma, M. (2012). Introducing LexTALE: A quick and valid Lexical Test for Advanced Learners of English. Behavior Research Methods, 44(2), 325–343.
https://doi.org/10.3758/s13428-011-0146-0validated yes/no lexical test; accuracy formula
Nation, I. S. P., & Beglar, D. (2007). A vocabulary size test. The Language Teacher, 31(7), 9–13.
frequency-stratified sampling; word-family unit (different from lemmas)
രീതിശാസ്ത്ര പാഠം: CC BY 4.0. Helibrain-ന് കടപ്പാട് നൽകി ഈ രീതിയിലേക്കുള്ള ലിങ്ക് ചേർക്കുക. ഉറവിട ഡാറ്റാസെറ്റുകൾക്കും ചുമതലാ സാമഗ്രികൾക്കും അവയുടെ സ്വന്തം ലൈസൻസുകളുണ്ട്; ഈ ലൈസൻസ് രീതിശാസ്ത്ര പാഠത്തിന് മാത്രമാണ്.
← പദസമ്പത്ത് പരിശോധന-ലേക്ക് മടങ്ങുക