Анализ параметров сложности текстов разных стилей (на примере текстов ОГЭ и PET)

   В статье представлены результаты многофакторного анализа 117 текстов ОГЭ и 83 текстов Кембриджского экзамена Preliminary English Test (PET) и рассмотрено влияние следующих параметров на сложность текстов разного стиля: индекса читабельности по Флешу-Кинкейду, индекса нарративности, индекса лексического многообразия Measure of Textual Lexical Diversity (MTLD). Оценка параметров сложности текста осуществлялась при помощи онлайн-сервиса TextInspector. Взаимозависимость значений указанных выше параметров подтверждает их влияние на сложность текста. Выявлено, что тексты ОГЭ обладают большей читабельностью, меньшей нарративностью и меньшим уровнем лексического многообразия в сравнении с текстами PET. Таким образом, тексты ОГЭ являются менее сложными в сравнении с текстами PET. Однако в текстах PET уровень дисперсии значений параметров внутри корпуса значительно меньше, что говорит о более цельном ядре типологических метрик и более тщательном отборе текстов. Стилистическая принадлежность текстов оказывает непосредственное влияние на их сложность и восприятие: тексты публицистического стиля являются наиболее сложными, а научно-популярные тексты, по данным анализа параметров, имеют наименьшую сложность. Результаты исследования могут быть полезны для разработчиков тестов, методистов, образовательных организаций и преподавателей.

1. Солнышкина М. И., Гафиятова Э. В., Казачкова М. Б. Инструменты оценки сложности текста: современная парадигма // Научное наследие Е. И. Пассова в контексте развития иноязычного образования : Материалы Международной научной конференции, посвящённой 90-летию со дня рождения Е. И. Пассова, Липецк, 01–02 декабря 2020 года / Под общей редакцией В. Б. Царьковой, А. А. Люлюшина. Липецк: Липецкий государственный педагогический университет имени П. П. Семенова-Тян-Шанского, 2020. С. 251– 263.

2. Солнышкина М. И., Казачкова М. Б., Харькова Е. В. Инструменты измерения сложности текстов на английском языке // Иностранные языки в школе. 2020. № 3. С. 15– 21.

3. Зиганшина Ч. Р. Качественные параметры сложности текста (на материале художественных и научно-популярных текстов PIRLS) // Мир науки, культуры, образования. 2020. № 5 (84). С. 388– 391.

4. Cambridge Assessment English. URL: https://cambridgeenglish.org/ (дата обращения: 08. 12. 2021).

5. Text Inspector: The professional web tool for analyzing texts. URL: https://textinspector.com/workflow (дата обращения: 20. 10. 2021).

6. Biber, D. Representativeness in Corpus Design // Oxford, Literary and Linguistic Computing, 8, 1993. pp. 243– 257.

7. Солнышкина М. И., Замалетдинов Р. Р., Гафиятова Э. В., Гизатулина Д. Ю., Бегаева М. Н. Многофакторный анализ сложности текста // Иностранные языки в школе. 2021. № 2. С. 28–34.

8. Полякова В. В., Шаброва Н. В. Основы теории статистики : учебное пособие. Екатеринбург: Издательство Уральского университета, 2015. 145 с.

9. McNamara, D.S., Graesser, A.C., McCarthy, P.M., Zh.Cai. Automated evaluation of Text and Discourse with Coh-Metrix // New York, Cambridge University Press, 2014. 285 p.

10. Biber, D., Conrad, S., Reppen, R. Corpus linguistics: investigating language structure and use // Cambridge, Cambridge University Press, 1998, 300 p.

11. Kraal, A., Koornneef, A., Broek, P. Processing of expository and narrative texts by low and high-comprehending children. Reading and Writing // New York, Springer, 31 (9), 2018. pp. 2017–2040.

12. Выготский Л. С. Динамика умственного развития школьника в связи с обучением // Л. С. Выготский. Умственное развитие детей в процессе обучения. - М.-Л., 1935. С. 33–52.

13. Солнышкина М. И., Кисельников А. С. Параметры сложности экзаменационных текстов // Вестник Волгоградского государственного университета. Серия 2: Языкознание. 2015. №. 1.

14. Solnyshkina M. I., Gabitov A. I., Shayakhmetova L. Kh., Ilyasova L.G., Aкbarova S.A. Text Complexity In Russian Textbooks On Social Studies // Revista Publicando, 4, 2017. Pp. 597 – 606.

15. Solovyev V.D., Ivanov V.V., Akhtiamov R.B., Dictionary of Abstract and Concrete Words of the Russian Language: A Methodology for Creation and Application // Journal of Research in Applied Linguistics, 10, 2019, pp. 215–227.