単語数カウンター

2つの単語数カウンターの間で最もよくある食い違いの原因は、どちらかのバグではありません — それは境界で何が「単語」としてカウントされるかの違いです。「well-known」のようなハイフン付き複合語が1単語か2単語か、句の間の独立したダッシュが単語数を切るかどうか、そして「42」のような数字の並びが文字でできた単語と同じようにカウントされるかどうかは、すべてカウントアルゴリズムが決めなければならない決定であり、異なるツールは異なる決め方をします。このツールはMicrosoft WordとGoogle Docsが使う慣習に従います — 短縮形とハイフン付き複合語はそれぞれ1単語としてカウントされます — これは特に、ここで生成された合計が編集者、出版社、あるいは単語数ベースの課題の上限が期待するものと一致するようにするためです。

テキストをスペースで分割するナイーブな単語数カウンターは、英語やほとんどのヨーロッパ言語ではそれなりにうまく機能します。それらの言語では単語が慣習的にスペースで区切られるためです。中国語、日本語、タイ語では完全に失敗します。これらのどれも単語間にスペースをまったく使わないためです — 中国語のテキストの段落全体にはスペースが1つもなく、スペースで分割するカウンターは、実際に何単語含まれていようと、それを1単語のブロックとして報告してしまいます。

このツールは代わりに、ブラウザ自体が実装するUnicodeテキストセグメンテーションを使います。これはスペースが各単語を示すと仮定するのではなく、言語を考慮したルールを適用して単語の境界を特定します。だからこそ、より単純なツールがほぼ荒唐無稽に近いものを報告してしまう混在または非ラテン文字のテキストに対して、妥当なカウントを報告するのです。

このツールが黙読に使う1分あたり238語という数字は、2019年の読書速度研究の大規模メタ分析から来ており、特定の読者についての事実ではなく人口の平均です — 実際の読書速度は、話題への馴染み、テキストの難易度、個々の読者によって大きく変動し、どちらの方向にも簡単に2倍になります。表示される数字は計画の推定として便利です — 典型的な読者にとって、ある文章にだいたいどれくらい時間がかかるか — 特定の人物への正確な予測としてではありません。

発話時間はより遅く別のペースを使います。話される配信は黙読とは異なるテンポで行われるためです: 台本を明瞭に、通常のリズムと間で声に出して読むプレゼンターは、1分あたり130語に近い速度で進みます。そのため表示される2つの数字は単に同じ数字をスケールしたものではありません。

文章の中で最も使われている単語のリストは、単なる好奇心ではなく実用的な編集の助けです: 書き手は無意識に同じ一握りの単語に頼りがちで、「とても」、「ただ」、あるいは特定の形容詞に大きく依存する文章は、書いている最中には気づきにくいが指摘されれば明らかな形で反復的に読めます。実際の頻度カウントを見ることで、何かが反復的に読めるという漠然とした感覚が、変える価値のある単語の具体的で実行可能なリストに変わります。