词汇量测试：方法

测量内容

通过自我报告并校正对伪词的误报，测量以词元计的接受性（识别）词汇量。不测量释义知识、词汇产出或语言熟练度。

流程

英语（方法 en-adaptive-1，词表 en-1）：第1步为包含40个项目的词格：从7个词频段各随机抽取5个词，再加5个伪词，打乱顺序；玩家勾选自己认识的词（“至少能解释一种意思”）。第2步为包含60个新项目的词格：每个词频段各有4个新词；另有25个额外词，安排在第1步校正后已知比例最接近50%的词频段附近（距离该词频段越远，权重每段减半）；再加7个新伪词。没有词语重复。不限时；每一步提交前都可以更改勾选。结果出来后可选答问题：年龄组、母语者或学习者身份、学习年限、阅读频率。德语、西班牙语、法语、意大利语、波兰语、葡萄牙语和俄语（词表 *-1）：每次显示一个词，从6个词频段各随机抽取10个词（共60个真实词），再加30个伪词并打乱顺序（共90个项目）；玩家回答“认识”或“自造词”。开始前先提供2个真实词和2个伪词供练习并给出反馈（可跳过）。不限时；离开标签页不会结束测试。

参数

评分

每个词频段 b：h = 该词频段中被标为认识的真实词比例（英语仅计入 step-2 个词，因此自适应选词不会使估算产生偏差）；f = 被标为认识的伪词比例（英语计入两步中的全部12个伪词）。已知比例 p = (h − f) / (1 − f)，限制在0到1之间（f = 1时为0）。估算值 = 各词频段的词表大小 x p 之和，取整到100，并且不超过词表大小；数值越高表示词汇量越大。范围：英语采用4,000次模拟抽样的中央90%区间（每个词频段命中率使用 Jeffreys Beta 后验分布，误报率使用一个共享的 Beta 抽样值，每个词频段大小根据原始70个候选词的审查结果使用 Beta 分布表示不确定性），并扩大范围以包含估算值；若 f = 1，范围为整个词表。其他语言的范围：各词频段二项分布标准误之和的正负1.645倍。其他语言还会得到类似 LexTALE 的准确率，即真实词接受比例和伪词拒绝比例的平均值。英语百分位数：在符合条件的玩家中，估算值严格低于该玩家的人数比例（使用当前方法和词表、结果可靠、非自动化作答的可能性较高，并且每位玩家只计首次符合条件的尝试）；只有组内人数至少为100时才会显示，否则会显示已发表研究中的数值作为参考。

有效运行规则

服务器会根据该次测试的随机种子重新生成项目（除练习环节外，页面不会收到哪些项目是真实词的信息）。每个项目都必须作答；英语两步格式必须恰好有40个和60个答案，不能与一步格式混用。把过多伪词标为认识的结果会被标记为不稳定，且不会显示百分位数。服务器会根据原始日志（以及适用时的测试随机种子）重新生成每次测试，并自行计算分数；页面上任何关于答案对错的提示都会被忽略。违反游戏规则的日志会被拒绝，且不会存储任何内容。已存储的测试记录可能带有质量标记，这些标记不会显示，也不会阻止结果：同一 IP 地址进行了10次或更多测试、缺少访客 ID、切换标签页，以及自动化信号（自动化浏览器、不可能的速度、没有输入事件、时间间隔呈机器式规律）。

与经典任务的差异

使用伪词的是/否测试可追溯至 Meara 和 Buxton（1987）。LexTALE（Lemhöfer & Broersma 2012）是固定的60项测试，具有经过验证的百分比得分；Brysbaert 等人（2016）根据一个规模很大的在线词汇知识数据集估算词汇量，使用了不同的词典，并对“认识一个词”的定义较宽松。本估算方法、词表和两步设计都是新的，尚未经过独立校准。计量单位是不同的书面词元，而不是 Nation 的词汇量测试所采用的词族。

局限性

自我报告：人们标记自己认识某个词的意愿各不相同，伪词只能部分校正这种差异。各词频段大小来自经过审查的样本，并非对完整词典的计数。不同语言的词表和词频段大小不同，因此各语言的估算结果不可比较。专业兴趣和熟悉的词语组成部分会影响结果。记住先前测试中出现的词会改变之后的结果。本测试不测量智力、流利度或健康状况。用于比较的玩家是网站访客，并非常模。

语言与审校状态

英语（两步），以及德语、西班牙语、法语、意大利语、波兰语、葡萄牙语和俄语（一步）；网站的其他语言版本显示英语测试。真实词：来自 Wiktionary 的词元（通过 kaikki.org），按词频排名（wordfreq 3.1.1），并对每个词频段的样本进行人工审查；按照许可要求，以 CC BY-SA 4.0 共享。每份词表中的伪词均根据该词表的字母模式生成，并经人工审查。