무료 가독성 검사기 문장이 실제로 어떤 점수를 받는지 확인하세요
이 도구는 같은 passage에 6가지 확립된 가독성 공식을 한 번의 실행으로 적용합니다. Flesch Reading Ease, Flesch-Kincaid Grade Level, Gunning Fog, SMOG, Coleman-Liau, Automated Readability Index입니다. abstract, essay 또는 article을 붙여넣으면 학술 및 일반 독자용 문서를 위해 특별히 설계된 목표와 비교한 grade-level reading benchmark를 얻을 수 있습니다. 공식 하나는 오해를 부를 수 있지만, 6개가 같은 범위를 가리키는 일은 거의 그렇지 않습니다.
Flesch, Flesch-Kincaid, Gunning Fog, SMOG, Coleman-Liau, ARI의 여섯 가지 가독성 공식으로 텍스트를 한 번에 채점합니다.
0 / 1,000 단어
84,000+
국제 연구자
평균 평점
다음 분야에 논문을 발표하는 연구자들이 신뢰합니다
세 단계로 가독성 점수를 확인하는 방법
글을 추가하세요
abstract, full chapter, lay summary 또는 cover letter, 최대 1,000단어까지. 발췌문의 길이가 어떻든 모든 점수는 한 번의 실행으로 함께 계산됩니다.
여섯 수치를 모두 비교하세요
평균값을 핵심 수치로 보세요. 아래의 개별 공식은 어려움이 문장 길이 때문인지, 단어 길이 때문인지, 아니면 둘 다인지 보여줍니다.
원하는 범위에 들어갈 때까지 줄이세요
긴 문장을 끊고, 명사구를 동사로 바꾸며, 편집하면서 숫자가 이동하는 것을 확인하십시오. 그러면 해당 구절이 독자가 필요로 하는 위치에 놓이게 됩니다.
진지한 글쓰기를 위한 가독성 검사기
여섯 수치를 나란히 표시
Flesch, Flesch-Kincaid, Fog, SMOG, Coleman-Liau, ARI를 함께 계산하므로, 한 공식의 예외값이 수정 방향을 잘못 이끌지 않습니다.
실제 문서를 위해 설계된 기준
모든 종류의 텍스트에 대한 하나의 포괄적 규칙 대신, 연구 산문용 밴드(13-16), 일반 독자용 글쓰기(8-12), 참여자에게 직접 전달되는 문서용 밴드(6-8)를 분리하십시오.
문장 수와 음절 수 표시
평균 문장 길이, 단어당 음절 수, 복합어 비율을 분리해 보여 주므로, 어떤 요소가 실제로 수치를 움직이는지 확인할 수 있습니다.
서버로 전송되지 않음
모든 공식은 이미 열려 있는 브라우저 탭에서 실행됩니다. 미발표 장은 작성된 기기를 떠날 필요가 없습니다.
가독성 공식이 말해 주는 것과 말해 주지 못하는 것
가독성 공식은 독자가 passage를 한 번 읽고 따라갈 수 있으려면 어느 정도의 학력이 필요한지 추정합니다. 그것은 논증이 타당한지에는 의견이 없고, 독자를 지치게 하는 두 가지 습관만 봅니다. 너무 길게 이어지는 문장, 그리고 더 짧은 대안 없이 계속되는 여러 음절 단어의 구간입니다. 출판된 저널 연구는 일반적인 article을 대략 grade 14 to 16 수준에 두고, medical abstracts는 18 쪽으로 기울어집니다. 수십 년에 걸친 scientific writing 조사에서는 편집자들이 정반대를 요구하는 동안에도 산문이 오히려 더 어려워지는 추세가 이어졌습니다. 이 간극은 우리의 연구 논문의 reading level에 관한 글에서 자세히 다룹니다.
결과는 추상적이지 않습니다. 검토자는 서론에 도달하기 전에 초록에서 인상을 형성하며, 해석에 두 번의 읽기가 필요한 문단은 그 문단 안에서 설명된 결과와 무관하게 논문에 불리하게 작용합니다. 하위 분야 밖의 독자, 폭을 위해 부분적으로 배정된 검토자까지 포함하여, 그 동일한 문단을 근거로 해당 연구를 더 추적할 가치가 있는지 판단합니다. 한편, 연구를 둘러싼 문서 작업은 각자 자신의 규칙에 따릅니다. 6학년에서 8학년 수준의 참여자 자료, 쉬운 언어로 된 자금 지원 요약, 누구나 읽을 수 있어야 하는 보도자료입니다. 하나의 프로젝트는 단일 주 안에 이 세 밴드 모두가 필요할 수 있으므로, 이 페이지는 하나에 정착하지 않고 여섯 가지 공식을 점검합니다.
기계가 작성한 산문은 주의할 만한 변수를 추가합니다. 챗봇의 기본 출력은 첫 문장부터 마지막까지 한 가지 난이도 밴드를 유지하는 경향이 있어, 짧은 준비 문장과 그것을 풀어내는 더 긴 문장 사이에서 사람이 글을 쓰며 자연스럽게 오가는 주고받음이 빠집니다. 전체를 처음부터 끝까지가 아니라 구간별로 실행하면, 실제로는 아무도 수정하지 않은 구간에서 늘어지는 부분이 보통 드러납니다. 여기의 카운트를 리듬을 위한 burstiness checker와 함께 사용하고, 필요한 수정이 재작성이고 진단만으로는 충분하지 않게 되는 순간에는 TextPulse humanizer를 도입하십시오.
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.
가독성 검사기를 사용하는 사람
학부생과 과제 작성자
에세이를 교수가 기대하는 범주와 비교하고, 어떤 문장이 난이도를 높이는지 확인합니다.
대학원 연구자
검토자가 열기 전에 초록이나 토론 부분을 20대 후반의 난이도에서 낮춥니다.
임상 및 보건 연구자
동의서와 참여자 자료를 윤리위원회가 설정하는 6-8학년 수준에 맞추고, 특히 SMOG 점수로 확인합니다.
콘텐츠 및 SEO 작성자
웹 독자는 밀도 높은 문단을 빠르게 떠납니다. 랜딩 페이지와 글을 일반 독자가 실제로 끝까지 읽을 수 있는 범주 안에 두십시오.
수치상 19학년입니다.
문장 길이를 줄이려면 실제로 다시 써야 합니다.
TextPulse humanizer는 과부하된 문장을 끊고, 명사구를 동사로 바꾸며, 전체 원고에서 평평한 리듬을 다양하게 만듭니다. 또한 모든 변경 사항을 승인 확인을 위해 추적하므로, 사용자의 글은 주장 하나를 떨어뜨리지 않으면서도 독자가 기대하는 학년 수준에 도달합니다.