بررسیکننده رایگان خوانایی ببینید جملات شما واقعاً چه امتیازی میگیرند
این ابزار در یک اجرا شش فرمول شناختهشده خوانایی را روی همان متن اعمال میکند: Flesch Reading Ease، Flesch-Kincaid Grade Level، Gunning Fog، SMOG، Coleman-Liau و Automated Readability Index. یک چکیده، مقاله یا یک متن را پیست کنید و یک معیارِ خواندن در سطحمقطع دریافت کنید که در برابر اهدافی سنجیده شده که به طور خاص برای اسناد آکادمیک و عمومی طراحی شدهاند. یک فرمول میتواند گمراهکننده باشد؛ وقتی شش فرمول روی همان بازه توافق دارند، این اتفاق به ندرت رخ میدهد.
متن شما را همزمان با شش فرمول خوانایی نمرهگذاری میکند: Flesch، Flesch-Kincaid، Gunning Fog، SMOG، Coleman-Liau و ARI.
0 / 1,000 واژه
84,000+
پژوهشگران بینالمللی
میانگین امتیاز
مورد اعتماد پژوهشگرانی که در این مجلات منتشر میکنند
چگونه امتیاز خوانایی خود را در سه گام بررسی کنید
متن خود را اضافه کنید
یک چکیده، یک فصل کامل، یک خلاصه برای عموم یا یک نامه پوششی، تا 1,000 کلمه. هرچقدر هم که طولِ بخشِ استخراجشده باشد، همه امتیازها در یک اجرا با هم محاسبه میشوند.
هر شش عدد را مقایسه کنید
میانگین را بهعنوان عدد اصلی در نظر بگیرید. فرمولهای جداگانه زیر آن نشان میدهند دشواری از طول جمله است، از طول واژه است، یا از هر دو با هم.
ویرایش کنید تا به بازه مطلوب برسید
جمله های بلند را بشکنید، عبارت های اسمی را با فعل ها عوض کنید، و ببینید اعداد با ویرایش جابه جا می شوند تا جایی که متن دقیقا جایی باشد که خواننده شما به آن نیاز دارد.
یک بررسیکننده خوانایی برای نوشتار جدی
هر شش عدد در کنار هم
Flesch، Flesch-Kincaid، Fog، SMOG، Coleman-Liau و ARI با هم محاسبه میشوند، تا یک مقدار دورافتاده از یک فرمول، بازنگری را به مسیر نادرست نکشاند.
هدفهایی ساختهشده برای اسناد واقعی
باندهای جداگانه برای نثر پژوهشی (13-16)، نوشتار برای مخاطب عمومی (8-12) و اسناد رو به شرکت کنندگان (6-8)، به جای یک قاعده فراگیر برای هر نوع متن.
شمارش جمله و هجا نمایش داده میشود
میانگین طول جمله، هجا در هر واژه و سهم واژههای پیچیده جداگانه نشان داده میشود، تا ببینید کدام عامل واقعاً عدد را تغییر میدهد.
هیچ چیز به سرور ارسال نمیشود
هر فرمول در همان زبانه مرورگری که از پیش باز کردهاید اجرا میشود. یک فصل منتشرنشده هرگز لازم نیست از دستگاهی که روی آن نوشته شده است خارج شود.
یک فرمول خوانایی چه چیزی را میتواند و چه چیزی را نمیتواند بگوید
یک فرمول خوانایی میزان آموزش لازم برای این که یک خواننده بتواند یک متن را در یک بار خواندن دنبال کند تخمین میزند. درباره این که استدلال درست است یا نه نظر نمیدهد، فقط درباره دو عادتی که خواننده را خسته میکنند: جملههایی که طولانی میشوند، و بخشهایی از کلمههای چندهجایی که گزینه کوتاهتری به جایشان ارائه نمیشود. مطالعات روی ژورنالهای منتشرشده، مقالات معمولی را حدود grade 14 تا 16 قرار میدهد، در حالی که چکیدههای پزشکی به سمت 18 میل میکنند، و پیمایشهای چنددهساله درباره نوشتار علمی نشان میدهد نثر برای سالهاست که از نظر دشواری رو به افزایش بوده، حتی با این که سردبیرها درخواستِ عکسِ آن را دارند. فاصلهای که مقاله ما درباره سطح خواندن مقالههای پژوهشی آن را کامل بررسی میکند.
پیامد آن انتزاعی نیست. یک داور از چکیده یک برداشت می سازد، پیش از اینکه به مقدمه برسد، و پاراگرافی که برای فهمیدن نیاز به دو بار خواندن دارد، صرف نظر از نتیجه ای که داخل آن توصیف شده، علیه مقاله کار می کند. خوانندگانی بیرون از زیرحوزه شما، از جمله داورانی که تا حدی برای پوشش گستره تعیین شده اند، از همان پاراگراف تصمیم می گیرند که آیا پیگیری کار ارزش دارد یا نه. در همین حال، کاغذبازی پیرامون یک مطالعه به قواعد خودش پاسخ می دهد: مواد شرکت کنندگان در پایه 6 تا 8، خلاصه های تامین مالی به زبان ساده، و یک بیانیه مطبوعاتی که هر کسی باید بتواند آن را بخواند. یک پروژه به راحتی می تواند هر سه باند را داخل یک هفته نیاز داشته باشد، به همین دلیل این صفحه شش فرمول را بررسی می کند، نه اینکه روی یکی مستقر شود.
نثر تولید شده توسط ماشین یک پیچیدگی اضافه می کند که ارزش دارد مراقبش باشید. خروجی پیش فرض یک چت بات معمولا یک باند دشواری را از خط آغاز تا خط آخر نگه می دارد و رفت و برگشت طبیعیِ نوشتار یک فرد را که بین یک جمله تنظیم کوتاه و جمله طولانی تری که آن را باز می کند دیده می شود، از دست می دهد. اجرای یک بخش از متن به صورت جداگانه، به جای اینکه از ابتدا تا انتها انجام شود، معمولا کششی را آشکار می کند که هیچ کس واقعا آن را بازبینی نکرده است. تعداد را اینجا با burstiness checker برای ریتم جفت کنید، و وقتی اصلاح لازم دیگر فقط بازنویسی نیست و تشخیص هم کافی نیست، TextPulse humanizer را وارد کنید.
Every formula reads the same draft a little differently
None of the six was built with your particular reader in mind, which is exactly the case for running all of them together.
Flesch Reading Ease
1948The earliest of the six and still the one most software reports by default. It weighs average words per sentence against average syllables per word on a 0-100 scale, where a higher reading runs easier. Most published research sits under 30 on this scale, so a paper reaching 30 to 50 stands out as unusually approachable.
Flesch-Kincaid Grade
1975A 1975 conversion of the Flesch formula into a US school-grade number, which is why it became the default citation in readability research. Surveys of published journals place medical abstracts near grade 18 and typical discussion sections around 16.
Gunning Fog Index
1952Weighs sentence length against the share of three-syllable-plus words, which makes it the formula quickest to react to jargon. When a Fog score runs well ahead of the Flesch-Kincaid grade for the same passage, vocabulary is doing more damage than sentence structure.
SMOG Index
1969Samples polysyllabic words across thirty sentences to gauge whether a reader will fully grasp the passage. It is the formula health communication relies on: consent forms and patient materials are typically required at grade 6 to 8, checked specifically with SMOG.
Coleman-Liau Index
1975Swaps syllable counting for characters per word, which machines can tally without ambiguity. Where it agrees with Flesch-Kincaid, trust the grade; where the two pull apart, the words in the passage are unusually long or short relative to how the sentences are built.
Automated Readability Index
1967Built from characters per word and words per sentence for military technical manuals, so it answers to long sentences more sharply than the others. That sensitivity makes it a fast early warning for a methods paragraph that has chained five steps into one fifty-word sentence.
Matching the target band to the document
Fit the number to the reader, never the reverse. A single research project commonly needs three of these bands running at once.
One finding, two very different sentences
Both passages are scored live by this tool. The underlying claim never moved; only the sentence construction did.
"The utilization of a multifactorial analytical approach for the assessment of intervention efficacy across heterogeneous participant subgroups necessitated the implementation of a stratified statistical methodology capable of accommodating substantial variance in baseline demographic characteristics."
One 34-word sentence, four nominalizations, thirteen complex words.
"This analysis needed a statistical method suited to mixed groups. Baseline traits varied widely between participants. The method had to account for that variation."
Three short sentences, plain verbs in place of noun phrases, nothing lost.
چه کسانی از readability checker استفاده میکنند
دانشجویان کارشناسی و نویسندگان تکالیف درسی
یک مقاله را با بازهای که مدرس انتظار دارد مقایسه کنید، و ببینید کدام جملهها دشواری را بالا میبرند.
پژوهشگران تحصیلات تکمیلی
چکیده یا بخش بحث را پیش از آنکه داور اصلاً آن را باز کند، از محدوده اواخر دهه 20 پایین بیاورید.
پژوهشگران بالینی و سلامت
فرمهای رضایتنامه و مواد مربوط به مشارکتکنندگان را در همان خط grade 6-8 نگه دارید که بیشتر کمیتههای اخلاق تعیین میکنند، و این کار را بهطور خاص با شمارش SMOG بررسی کنید.
نویسندگان محتوا و SEO
خوانندگان وب بهسرعت از پاراگرافهای فشرده صرفنظر میکنند. صفحات فرود و مقالهها را در بازهای نگه دارید که یک مخاطب عمومی واقعاً آن را تا پایان بخواند.
عددها میگویند پایه 19.
کوتاه کردن طول جملهها به یک بازنویسی واقعی نیاز دارد.
TextPulse humanizer جمله های بیش از حد بارگذاری شده را از هم جدا می کند، عبارت های اسمی را با فعل ها عوض می کند و ریتم یکنواخت را در یک پیش نویس کامل تغییر می دهد، با اینکه هر تغییر برای تایید ردیابی می شود، بنابراین نوشتار به پایه ای می رسد که خواننده شما انتظار دارد، بدون اینکه یک ادعا را حذف کند.