အခမဲ့ ဖတ်ရှုရလွယ်ကူမှုအမှတ်စစ်ဆေးစက်

မည်သို့ အလုပ်လုပ်သည်

ဤကိရိယာသည် classic readability ဖော်မြူလာ ခြောက်မျိုး — Flesch Reading Ease, Flesch-Kincaid Grade, Gunning Fog, SMOG, Coleman-Liau, and Automated Readability Index — ကို သင့် browser ထဲတွင် လုံးဝ execute ဖြစ်သော ကိုယ်တိုင်ရေးထားသော JavaScript ကို သုံး၍ run လုပ်ပါသည်။ Server သို့ မည်သည့်အချိန်တွင်မျှ စာသား ဘာမှ မပို့ပါ။

1. 1
   စကားလုံးနှင့် စာကြောင်းများ Tokenizing

   ကိရိယာသည် သင့်စာသားကို whitespace ပေါ် ခွဲ၍ စကားလုံး ရေတွက်ပြီး . ! or ? ဖြင့် အဆုံးသတ်သော run များနှင့် ကိုက်ညီသော regex တစ်ခုကို သုံး၍ စာကြောင်းများ ရေတွက်သည်။ ဖော်မြူလာများ သုညဖြင့် ဘယ်တော့မှ မစားရစေရန် အနည်းဆုံး စာကြောင်းတစ်ကြောင်းကို ရှိကြောင်း လိုက်နာစေသည်။
2. 2
   Syllable နှင့် ရှုပ်ထွေးသော စကားလုံးများ ရေတွက်ခြင်း

   စကားလုံးတစ်ခုစီကို silent-e ending များ ဖယ်ရှားပြီး ရှေ့ဆုံး y ကို ဖယ်ရှားကာ ထို့နောက် vowel cluster (aeiouy) များကို ရေတွက်သော heuristic syllable counter တစ်ခုကို ဖြတ်သန်းစေသည်။ Syllable သုံးလုံး သို့ ထို့ထက်ပိုသော စကားလုံးများကို Gunning Fog နှင့် SMOG လိုအပ်သော input ဖြစ်သည့် 'complex words' အဖြစ် အမှတ်အသားပြုသည်။
3. 3
   ဖော်မြူလာ ခြောက်မျိုးကို အသုံးချထားသည်

   Score ခြောက်မျိုးစလုံးကို primitive သုံးခု — စာကြောင်းတစ်ခုလျှင် စကားလုံး၊ စကားလုံးတစ်ခုလျှင် syllable နှင့် စကားလုံးတစ်ခုလျှင် character — မှ ၎င်းတို့၏ ထုတ်ပြန်ထားသော coefficient များကို သုံး၍ ဆင်းသက်ထားသည်။ ဥပမာ Flesch Reading Ease သည် 206.835 minus 1.015*(words/sentences) minus 84.6*(syllables/words) ဖြစ်သည်။ Coleman-Liau သည် syllable များအစား character count များကို သုံးသဖြင့် syllable counter ပေါ် မမူတည်သော ဖော်မြူလာ တစ်ခုတည်း ဖြစ်သည်။
4. 4
   စာကြောင်းအဆင့် highlighting နှင့် target စစ်ဆေးမှု

   Score လုပ်ပြီးနောက် ကိရိယာသည် စကားလုံး 20 ခုကျော် (amber) သို့မဟုတ် 30 ခုကျော် (red) စာကြောင်းများကို Hemingway Editor ကဲ့သို့ အမှတ်အသားပြုရန် ဒုတိယအကြိမ် လျှောက်သည်။ target audience (marketing, general, or academic) ကို သတ်မှတ်ထားပါက grade-level score တစ်ခုစီကို ကိန်းသေ grade threshold တစ်ခုနှင့် နှိုင်းယှဉ်ပြီး pass or fail indicator ဖြင့် ပြသည်။

ဆက်နွှယ်သော ကိရိယာများ