《二语词汇覆盖率九十八阈值、齐普夫频率曲线与马来语闽南语速成边界母典》各章定量结论
语言课程常说「掌握两千个常用词就能读懂八成文字,日常交流从此无忧」。本书检验这句话,并把反常识命题写成可以计算、可以推翻的形式:词表的覆盖率是计数,理解是能力;按胡与内申 2000 年、内申 2006 年与劳弗等人 2010 年的研究,舒适的独立阅读约需 95 % 到 98 % 的覆盖率,从两千词族到这个区间,词汇量要乘以四倍以上。核对原始文献后,本书修正了立项蓝图:98 % 是回归推算的数而非直接测试的条件,施密特等人 2011 年看到的是斜坡而不是断崖,克雷梅尔等人 2023 年的重复研究未能完全重现原结果;昂贵的不是「最后 2 %」,而是 95 % 之后的每一个点。书中参数为示意,全部计算由书中程序生成;本书是非个人化的经营与教学参考,不是针对任何个人或企业的经营建议,也不承诺任何课程能在某个期限内带来流利。
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-228 · English version
- 第 1 章 · 百分之九十八:覆盖率阈值的原始证据与它的边界
第一章把覆盖率译成纸面上的生词密度,并计算断崖与斜坡两种剂量—反应曲线的效应量;从九成五到九成八,每个覆盖点约需 1166.7 个词族,是前一段价格的 7.0 倍,从两千词族到九成八覆盖,词汇量要乘以 4.0 到 4.5。 - 第 2 章 · 齐普夫曲线:累积覆盖率的解析式与词表大小的反解
第二章推导调和数的闭式近似与幂律尾部的比值公式,并用两个已发表锚点拟合齐普夫—曼德博参考曲线,两千词族约覆盖 0.8618。 - 第 3 章 · 一个词怎么数:词形、词元、词族与马来语的词缀
「两千词」与「八千词族」之间隔着一个常被省略的计数单位。p31 表明,同一条参考曲线上,98 % 所需的词形数可以是词族数的 1.95 倍到 4.62 倍;而以词族计数的 98 %,在学习者认出派生形式的把握只有一半时,会降到 0.7389 至 0.8167。马来语词缀丰富,p32 用一个只认词典词根的规则集,把三十五个常见词形归入十六个词族;闽南语词缀少,难点转到切分,台罗的连字符是让计数可以重复的办法。下一章离开平均数,去看一页一… - 第 4 章 · 一页一页地看:覆盖率的逐页波动与窄领域词表的边界
第四章说明平均 98 % 的词表仍有 0.396 的页面低于 98 %,而一千六百个词的客服领域词表最多覆盖 0.7905。 - 第 5 章 · 遗忘与复习:半衰期回归与一份诚实的时间表
第五章用半衰期回归排复习表:「九十天速成」只能走到 0.8050 的覆盖率,每天约半小时要 500 天才到八千词族。 - 第 6 章 · 马来语与闽南语:速成承诺的结构边界
第六章计算马来语的词缀与借词能把达到 95 % 的时间缩短为 3.78 分之一,台语的文白异读一项就让听力目标多出 47 天。 - 第 7 章 · 东西方原典考辨:《尔雅》的类聚与夸美纽斯的《世界图解》
《尔雅》以常用词训释罕见同义词,是按意义归并的古代词族;《世界图解》以图示物、按主题组织课程,降低了获得意义的成本。p71 表明,在一般文字上按主题整块收词的词表远不如频率词表,只有当文本高度集中于某个主题(主题比例达到 0.5 以上)时,混合编排才胜出;p72 表明图画与词典改变的是每个生词的价格,而不是生词的数量。两部原典都在提醒我们,覆盖率之外还有意义与情境;而覆盖率提醒它们,先学什么由频率决定。最后一章把全书的计算收拢成一套可… - 第 8 章 · 实证闭环:客服话术词表、团队学习计划与推翻本书的方案
第八章给出马来西亚与台湾客服团队的建表、测量与复测流程,蒸馏小工具「词表覆盖率计算器」(示范中词缀规则把覆盖率从 0.6667 提到 0.8667),以及三项预注册检验与推翻本书核心命题的条件。书中以标注框区分已发表的证据、可运行的 Python 计算(19 段程序)、原典与作者的假说。
模型示意算例,非实时报价