Legibilidad

Durante siglos, maestros y educadores han reconocido la importancia de la organización, la coherencia y el énfasis en la buena escritura. En la década de 1880, el profesor de inglés L. A. Sherman descubrió que la oración en inglés se estaba acortando. En la época isabelina , la oración promedio tenía 50 palabras, mientras que en la época moderna de Sherman, tenía 23 palabras. ^{[ 11 ]}

En 1889, en Rusia, el escritor Nikolai A. Rubakin publicó un estudio de más de 10 000 textos escritos por gente común. ^{[ 12 ]} De estos textos, seleccionó 1500 palabras que, según él, la mayoría de la gente entendía. Descubrió que los principales obstáculos para la comprensión eran las palabras desconocidas y las oraciones largas . ^{[ 13 ]} A partir de los 13 años, Rubakin comenzó a escribir su propio diario y publicó numerosos artículos y libros sobre ciencia y otros temas para la gran cantidad de nuevos lectores en toda Rusia. En opinión de Rubakin, la gente no era tonta; simplemente era pobre y necesitaba libros baratos, escritos en un lenguaje que pudieran comprender. ^{[ 12 ]}

La evaluación más temprana de la facilidad de lectura es el juicio subjetivo denominado nivelación de texto . Las fórmulas no abarcan completamente el contenido, el propósito, el diseño, la información visual y la organización de un texto. ^{[ 14 ] [ 15 ] [ 16 ]} La nivelación de texto se usa comúnmente para clasificar la facilidad de lectura de textos en áreas donde las dificultades de lectura son fáciles de identificar, como los libros para niños pequeños. En niveles más altos, clasificar la facilidad de lectura se vuelve más difícil, ya que las dificultades individuales son más difíciles de identificar. Esto ha llevado a mejores formas de evaluar la facilidad de lectura.

En la década de 1920, el movimiento científico en educación buscaba pruebas para medir el rendimiento estudiantil y así contribuir al desarrollo curricular. Los maestros y educadores sabían desde hacía tiempo que, para mejorar la habilidad lectora, los lectores —especialmente los principiantes— necesitaban material de lectura que se ajustara a su capacidad. Psicólogos universitarios realizaron gran parte de la investigación inicial, que posteriormente fue retomada por las editoriales de libros de texto. ^{[ 17 ]} En 1921, Harry D. Kitson publicó *The Mind of the Buyer* , uno de los primeros libros en aplicar la psicología al marketing. El trabajo de Kitson demostró que cada tipo de lector compraba y leía su propio tipo de texto. Tras leer dos periódicos y dos revistas, descubrió que la brevedad de las oraciones y la corta longitud de las palabras eran los factores que más contribuían a la facilidad de lectura. ^{[ 18 ]}

En 1923, Bertha A. Lively y Sidney L. Pressey publicaron la primera fórmula para evaluar la facilidad de lectura. Les preocupaba que los libros de texto de ciencias de la escuela secundaria contuvieran demasiados términos técnicos y que los profesores dedicaran todo el tiempo de clase a explicarlos. Argumentaron que su fórmula ayudaría a medir y reducir la "carga de vocabulario" de los libros de texto. Su fórmula utilizaba cinco variables de entrada y seis constantes. Por cada mil palabras, contaba el número de palabras únicas, el número de palabras que no figuraban en la lista de Thorndike y el índice medio de las palabras que sí figuraban en la lista. Aplicar la fórmula manualmente a un libro requería tres horas. ^{[ 19 ]}

Tras el estudio de Lively-Pressey, se buscaron fórmulas más precisas y fáciles de aplicar. En 1928, Carleton Washburne y Mabel Vogel crearon la primera fórmula moderna de legibilidad. La validaron utilizando un criterio externo y obtuvieron una correlación de 0,845 con las puntuaciones de los exámenes de los estudiantes que leyeron y apreciaron los libros de referencia. ^{[ 20 ]} También fue la primera en introducir la variable de interés en el concepto de legibilidad. ^{[ 21 ]}

Entre 1929 y 1939, Alfred Lewerenz del Distrito Escolar de Los Ángeles publicó varias fórmulas nuevas. ^{[ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ]}

En 1934, el psicólogo educativo Edward Thorndike, de la Universidad de Columbia, observó que, en Rusia y Alemania, los profesores utilizaban recuentos de frecuencia de palabras para relacionar los libros con los alumnos. La habilidad con las palabras era el mejor indicador del desarrollo intelectual y el predictor más fuerte de la facilidad de lectura. En 1921, Thorndike publicó Teachers Word Book , que contenía las frecuencias de 10 000 palabras. ^{[ 27 ]} También publicó su fórmula de legibilidad. Escribió que las habilidades con las palabras pueden mejorarse si el profesor introduce palabras nuevas y las repite con frecuencia. ^{[ 28 ]} En 1939, W. W. Patty y W. I. Painter publicaron una fórmula para medir la carga de vocabulario de los libros de texto. Esta fue la última de las primeras fórmulas que utilizaron la lista de frecuencia de vocabulario de Thorndike. ^{[ 29 ]} Hasta la llegada de las computadoras, las listas de frecuencia de palabras fueron las mejores herramientas para evaluar la facilidad de lectura de los textos. ^{[ 10 ]}

En 1981, la Enciclopedia World Book incluyó los niveles de grado de 44 000 palabras. ^{[ 30 ]} Una estrategia popular entre los educadores en la actualidad es el "aprendizaje incidental de vocabulario", que fomenta la eficiencia en el aprendizaje de vocabulario a corto plazo en lugar de la memorización de palabras y significados que los maestros esperan que se retengan. ^{[ 31 ]} La táctica del aprendizaje incidental busca ayudar a los estudiantes a desarrollar la comprensión y las habilidades de aprendizaje en lugar de memorizar palabras. Mediante esta estrategia, se espera que los estudiantes puedan desenvolverse en diversos niveles de legibilidad utilizando pistas contextuales y comprensión.

Durante la Gran Depresión de la década de 1930, el gobierno estadounidense invirtió en educación para adultos . En 1931, Douglas Waples y Ralph Tyler publicaron *What Adults Want to Read About* (Lo que los adultos quieren leer). Fue un estudio de dos años sobre los intereses de lectura de los adultos. Su libro no solo mostró lo que la gente leía, sino también lo que les gustaría leer. Descubrieron que muchos lectores carecían de materiales de lectura adecuados: les hubiera gustado aprender, pero los materiales de lectura eran demasiado difíciles para ellos. ^{[ 32 ]}

Lyman Bryson , del Teachers College de la Universidad de Columbia, descubrió que muchos adultos tenían dificultades para leer debido a una educación deficiente. Aunque las universidades llevaban mucho tiempo intentando enseñar a escribir con un estilo claro y legible, Bryson observó que era poco común. Escribió que ese lenguaje es el resultado de una «... disciplina y un arte que pocas personas con ideas se molestan en alcanzar... Si el lenguaje sencillo fuera fácil, muchos de nuestros problemas se habrían resuelto hace mucho tiempo». ^{[ 10 ]} Bryson ayudó a establecer el Laboratorio de Legibilidad en la universidad. Dos de sus alumnos fueron Irving Lorge y Rudolf Flesch .

En 1934, Ralph Ojemann investigó las habilidades de lectura en adultos, los factores que influyen directamente en la facilidad de lectura y las causas de cada nivel de dificultad. No inventó una fórmula, sino un método para evaluar la dificultad de los materiales de educación para padres . Fue el primero en validar este método utilizando 16 fragmentos de revistas probados con lectores reales. Evaluó 14 factores medibles y tres factores reportados que influyen en la facilidad de lectura.

Ojemann hizo hincapié en las características reportadas, como si el texto era coherente o excesivamente abstracto. Utilizó sus 16 pasajes para comparar y evaluar la facilidad de lectura de otros textos, un método que ahora se denomina escalamiento . Demostró que, si bien estos factores no se pueden medir, tampoco se pueden ignorar. ^{[ 33 ]}

También en 1934, Ralph Tyler y Edgar Dale publicaron la primera fórmula de facilidad de lectura para adultos basada en pasajes sobre temas de salud de diversos libros de texto y revistas. De 29 factores que son importantes para los lectores jóvenes, encontraron diez que son importantes para los adultos. Utilizaron tres de ellos en su fórmula. ^{[ 34 ]}

En 1935, William S. Gray de la Universidad de Chicago y Bernice Leary del Xavier College de Chicago publicaron *What Makes a Book Readable*, uno de los libros más importantes en la investigación sobre legibilidad. Al igual que Dale y Tyler, se centraron en qué hace que los libros sean legibles para adultos con habilidades de lectura limitadas. Su libro incluyó el primer estudio científico sobre las habilidades de lectura de los adultos estadounidenses. La muestra incluyó 1690 adultos de diversos entornos y regiones. La prueba utilizó varios pasajes de periódicos , revistas y libros, así como una prueba de lectura estándar. Encontraron una puntuación media de 7,81 (equivalente al octavo mes del séptimo grado ). Aproximadamente un tercio leía al nivel de segundo a sexto grado , un tercio al de séptimo a duodécimo grado y un tercio al de decimotercer a decimoséptimo grado. Los autores enfatizaron que la mitad de la población adulta en ese momento carecía de materiales de lectura adecuados. Escribieron: «Para ellos, los valores enriquecedores de la lectura se niegan a menos que los materiales que reflejan los intereses de los adultos se adapten a sus necesidades». Los lectores más pobres, una sexta parte de la población adulta, necesitan «materiales más sencillos para promover la alfabetización funcional y establecer hábitos de lectura fundamentales». ^{[ 35 ]}

En 1939, Irving Lorge publicó un artículo que describía otras combinaciones de variables que indicaban la dificultad con mayor precisión que las utilizadas por Gray y Leary. Su investigación también demostró que «la carga de vocabulario es el factor concomitante más importante de la dificultad». ^{[ 36 ]} En 1944, Lorge publicó su Índice de Lorge , una fórmula de legibilidad que utilizaba tres variables y sentó las bases para fórmulas posteriores más sencillas y fiables. ^{[ 37 ]}

Para 1940, los investigadores habían:

• Se utilizaron con éxito métodos estadísticos para analizar la facilidad de lectura.
• Se descubrió que las palabras inusuales y la longitud de las oraciones se encontraban entre las principales causas de las dificultades de lectura.
• Se utilizó vocabulario y longitud de las oraciones en fórmulas para predecir la facilidad de lectura.

En 1943, Rudolf Flesch publicó su tesis doctoral, « Marcas de un estilo legible» , que incluía una fórmula de legibilidad para predecir la dificultad de la lectura para adultos. Investigadores de diversos campos comenzaron a utilizarla para mejorar la comunicación. Una de las variables empleadas eran las referencias personales, como nombres y pronombres personales. Otra variable eran los afijos . ^{[ 38 ]}

En 1947, Donald Murphy, de Wallace's Farmer, utilizó una edición con tirada dividida ^{[ 39 ]} para estudiar los efectos de hacer que el texto fuera más fácil de leer. Descubrió que reducir el nivel de lectura del noveno al sexto grado aumentó la audiencia en un 43% para un artículo sobre el nailon. También encontró un aumento del 60% en la audiencia de un artículo sobre el maíz, con mejores respuestas de personas menores de 35 años. ^{[ 39 ]} El resultado fue una ganancia de 42 000 lectores en una tirada de 275 000.

Wilber Schramm, director del programa de Investigación en Comunicación de la Universidad de Illinois, entrevistó a 1050 lectores de periódicos en 1947. Descubrió que un estilo de lectura más sencillo influye en la cantidad de un artículo que se lee. A esto se le denominó persistencia, profundidad o perseverancia lectora. También observó que las personas leen menos artículos largos que cortos; por ejemplo, un artículo de nueve párrafos pierde 3 de cada 10 lectores al llegar al quinto párrafo. En cambio, un artículo más corto solo pierde 2 de cada 10 lectores. ^{[ 40 ]}

Un estudio realizado en 1947 por Melvin Lostutter demostró que los periódicos, en general, tenían un nivel de lectura cinco años superior al de los lectores adultos estadounidenses promedio. Se encontró que la facilidad de lectura de los artículos periodísticos no guardaba mucha relación con la educación, la experiencia o el interés personal de los periodistas que los escribían. En cambio, tenía más que ver con las convenciones y la cultura del sector. Lostutter abogó por realizar más pruebas de legibilidad en la redacción periodística. La mejora de la legibilidad debía ser un «proceso consciente, en cierta medida independiente de la educación y la experiencia de los redactores » . ^{[ 41 ]}

En 1948, Flesch publicó su fórmula de Facilidad de Lectura en dos partes. En lugar de usar niveles de grado, empleó una escala de 0 a 100, donde 0 equivalía al grado 12 y 100 al grado 4. Eliminó el uso de afijos. La segunda parte de la fórmula predice el interés humano mediante referencias personales y el número de oraciones personales. La nueva fórmula mostró una correlación de 0,70 con las pruebas de lectura de McCall-Crabbs. ^{[ 42 ]}

En 1948, Bernard Feld realizó un estudio de cada artículo y anuncio publicado en el Birmingham News el 20 de noviembre de 1947. Dividió los artículos en dos grupos: aquellos con un nivel de lectura superior al de octavo grado y aquellos con un nivel de lectura igual o inferior. Eligió el octavo grado como punto de inflexión, ya que se determinó que era el nivel de lectura promedio de los lectores adultos. Un texto de octavo grado «...llegará a cerca del 50% de todos los adultos estadounidenses», escribió. Entre las noticias de agencias de noticias, el grupo de menor nivel obtuvo dos tercios más de lectores, y entre las noticias locales, un 75% más. Feld también creía en la importancia de instruir a los escritores en los principios de escritura clara de Flesch. ^{[ 43 ]}

Tanto Rudolf Flesch como Robert Gunning trabajaron extensamente con periódicos y agencias de noticias para mejorar la legibilidad. Principalmente gracias a sus esfuerzos, en pocos años la legibilidad de los periódicos estadounidenses pasó del nivel de 16.º al de 11.º grado, donde se mantiene hoy en día. Los editores descubrieron que las fórmulas de Flesch podían aumentar la audiencia hasta en un 60 %. El trabajo de Flesch tuvo un enorme impacto en el periodismo. La fórmula de facilidad de lectura de Flesch se convirtió en una de las métricas de legibilidad más utilizadas, probadas y fiables. ^{[ 44 ] [ 45 ]} En 1951, Farr, Jenkins y Patterson simplificaron aún más la fórmula cambiando el número de sílabas. ^{[ 46 ]}

En la década de 1940, Robert Gunning contribuyó a introducir la investigación sobre legibilidad en el ámbito laboral. En 1944, fundó la primera consultora de legibilidad dedicada a reducir la ambigüedad en periódicos y textos comerciales. En 1952, publicó * The Technique of Clear Writing* con su propio Índice de Niebla, una fórmula que correlaciona 0,91 con la comprensión medida mediante pruebas de lectura. ^{[ 9 ]}

Edgar Dale , profesor de educación en la Universidad Estatal de Ohio , fue uno de los primeros críticos de las listas de frecuencia de vocabulario de Thorndike. Afirmó que no distinguían entre los diferentes significados que tienen muchas palabras. Creó dos listas nuevas. Una, su "lista corta" de 769 palabras fáciles, fue utilizada por Irving Lorge en su fórmula. La otra fue su "lista larga" de 3000 palabras fáciles, que eran comprendidas por el 80 % de los alumnos de cuarto grado. Sin embargo, es necesario ampliar las listas de palabras con los plurales regulares de los sustantivos, las formas regulares del pasado de los verbos, las formas progresivas de los verbos, etc. En 1948, incorporó esta lista a una fórmula que desarrolló con Jeanne S. Chall , quien más tarde fundó el Laboratorio de Lectura de Harvard. En 1995, Dale y Chall publicaron una nueva versión de su fórmula con una lista de palabras actualizada, la nueva fórmula de legibilidad Dale-Chall. ^{[ 47 ]}

La fórmula de legibilidad de Spache se desarrolló en 1952.

En 1963, mientras impartía clases a profesores de inglés en Uganda, Edward Fry desarrolló su Gráfico de Legibilidad . Se convirtió en una de las fórmulas más populares y fáciles de aplicar. ^{[ 48 ] [ 49 ]}

El índice de legibilidad automatizado se desarrolló en 1967.

Harry McLaughlin determinó que la longitud de las palabras y la longitud de las oraciones debían multiplicarse en lugar de sumarse, como en otras fórmulas. En 1969, publicó su fórmula SMOG (Medida Simple de Jerga). Su uso se recomienda con frecuencia en el ámbito sanitario. ^{[ 50 ]}

La puntuación de densidad sintáctica de Golub fue desarrollada por Lester Golub en 1974.

En 1973, un estudio encargado por el ejército estadounidense sobre las habilidades de lectura necesarias para diferentes puestos militares dio como resultado la fórmula FORCAST. A diferencia de la mayoría de las demás fórmulas, utiliza únicamente un elemento de vocabulario, lo que la hace útil para textos sin oraciones completas. La fórmula cumplía con los requisitos de ser:

• Basado en materiales de lectura para el empleo en el Ejército.
• Adecuado para los jóvenes adultos varones que se incorporan al equipo.
• Lo suficientemente fácil de usar para el personal administrativo del Ejército sin capacitación ni equipo especiales. ^{[ 51 ]}

En 1975, en un proyecto patrocinado por la Marina de los EE. UU., se recalculó la fórmula de Reading Ease para obtener una puntuación de nivel de grado. La nueva fórmula ahora se llama fórmula de nivel de grado Flesch-Kincaid . ^{[ 52 ]}

El índice de legibilidad Linsear Write Raygor se desarrolló en 1977.

En 1978, John Bormuth de la Universidad de Chicago estudió la facilidad de lectura utilizando la nueva prueba de eliminación de huecos Cloze desarrollada por Wilson Taylor. Su trabajo respaldó investigaciones anteriores, incluyendo el grado de facilidad de lectura para cada tipo de lectura. El nivel óptimo para la "lectura asistida" en el aula es un texto ligeramente difícil que genera una "disposición a aprender" y para el cual los lectores pueden responder correctamente el 50% de las preguntas de una prueba de opción múltiple. El nivel óptimo para la lectura no asistida es aquel para el cual los lectores pueden responder correctamente el 80% de las preguntas. Estos puntajes de corte fueron confirmados posteriormente por Vygotsky ^{[ 53 ]} y Chall y Conard ^{[ 54 ]} . Entre otras cosas, Bormuth confirmó que el vocabulario y la longitud de las oraciones son los mejores indicadores de la facilidad de lectura. Demostró que las medidas de facilidad de lectura funcionaban igual de bien para adultos que para niños. Lo mismo que les resulta difícil a los niños también les resulta difícil a los adultos con los mismos niveles de lectura. También desarrolló varias medidas nuevas de puntajes de corte. Una de las más conocidas fue la Fórmula de Cloze Media , que se utilizó en 1981 para producir el sistema de Grado de Poder Lector utilizado por la Junta de Exámenes de Ingreso a la Universidad. ^{[ 55 ] [ 56 ] [ 57 ]}

En 1988, Jack Stenner y sus colaboradores de MetaMetrics, Inc. publicaron el Marco Lexile para evaluar la legibilidad y asignar a los estudiantes textos adecuados. El Marco Lexile utiliza la longitud promedio de las oraciones y la frecuencia promedio de las palabras en el Corpus Intermedio de American Heritage para predecir una puntuación en una escala de 0 a 2000. El Corpus AHI incluye cinco millones de palabras de 1045 obras publicadas que suelen leer los estudiantes de tercero a noveno grado.

En el año 2000, investigadores del School Renaissance Institute y Touchstone Applied Science Associates publicaron su fórmula Advantage-TASA Open Standard (ATOS) para evaluar la facilidad de lectura en libros. Desarrollaron una fórmula sencilla y aplicable a cualquier texto.

Este proyecto fue uno de los más amplios jamás realizados sobre facilidad de lectura. Los desarrolladores de la fórmula utilizaron 650 textos de lectura estandarizados, que abarcan 474 millones de palabras de los 28 000 libros leídos por estudiantes. El proyecto también utilizó los registros de lectura de más de 30 000 personas que leyeron y fueron evaluadas con 950 000 libros.

Descubrieron que tres variables proporcionan la medida más fiable de la facilidad de lectura de un texto:

• palabras por oración
• nivel de grado promedio de palabras
• caracteres por palabra

También descubrieron que:

• Para facilitar el aprendizaje, el profesor debe adaptar la facilidad de lectura del libro al nivel de lectura del lector.
• Leer suele ayudar a mejorar la comprensión lectora.
• Para la lectura en niveles inferiores al cuarto grado, el mejor progreso en el aprendizaje requiere al menos un 85 % de comprensión.
• Los lectores avanzados necesitan un 92 % de comprensión para leer de forma independiente.
• La extensión de un libro puede ser un buen indicador de la facilidad de lectura.
• La retroalimentación y la interacción con el profesor son los factores más importantes en la lectura. ^{[ 58 ] [ 59 ]}

A partir de la década de 1970, los teóricos cognitivos comenzaron a enseñar que la lectura es, en realidad, un acto de pensamiento y organización. El lector construye significado al integrar nuevos conocimientos con los ya existentes. Debido a las limitaciones de las fórmulas de facilidad de lectura, algunas investigaciones exploraron maneras de medir el contenido, la organización y la coherencia del texto. Si bien esto no mejoró la fiabilidad de las fórmulas, sus esfuerzos demostraron la importancia de estas variables en la facilidad de lectura.

Estudios realizados por Walter Kintsch y otros demostraron el papel fundamental de la coherencia en la facilidad de lectura, principalmente para las personas que aprenden a leer. ^{[ 60 ]} En 1983, Susan Kemper ideó una fórmula basada en estados físicos y mentales. Sin embargo, descubrió que esta no era mejor que la familiaridad con las palabras y la longitud de las oraciones para mostrar la facilidad de lectura. ^{[ 61 ]}

Bonnie Meyer y otros intentaron utilizar la organización como medida de la facilidad de lectura. Si bien esto no dio como resultado una fórmula, demostraron que las personas leen más rápido y retienen más cuando el texto está organizado por temas. Descubrió que un plan visible para presentar el contenido ayuda enormemente a los lectores a evaluar un texto. Un plan jerárquico muestra cómo se relacionan las partes del texto. También ayuda al lector a integrar la nueva información en las estructuras de conocimiento existentes. ^{[ 62 ]}

Bonnie Armbruster descubrió que la característica más importante para el aprendizaje y la comprensión es la coherencia textual, que se presenta en dos tipos:

• Coherencia global, que integra ideas de alto nivel como temas en una sección, capítulo o libro completo.
• Coherencia local, que une ideas dentro y entre oraciones.

Armbruster confirmó el hallazgo de Kintsch de que la coherencia y la estructura son de mayor ayuda para los lectores más jóvenes. ^{[ 63 ]} RC Calfee y R. Curley se basaron en el trabajo de Bonnie Meyer y descubrieron que una estructura subyacente desconocida puede dificultar la lectura incluso de textos sencillos. Implementaron un sistema gradual para ayudar a los estudiantes a progresar desde tramas más simples hasta otras más avanzadas y abstractas. ^{[ 64 ]}

Muchos otros estudios analizaron los efectos de otras variables del texto sobre la facilidad de lectura, entre ellas:

• Palabras descriptivas, abstracción, enunciados directos e indirectos, tipos de narración y oraciones, frases y cláusulas; ^{[ 35 ]}
• Conceptos difíciles; ^{[ 45 ]}
• Densidad de ideas; ^{[ 65 ]}
• Interés humano; ^{[ 66 ] [ 67 ]}
• Nominalización; ^{[ 68 ]}
• Voz activa y pasiva; ^{[ 69 ] [ 70 ] [ 71 ] [ 72 ]}
• Incrustaciones; ^{[ 70 ]}
• Pistas estructurales; ^{[ 73 ] [ 74 ]}
• El uso de imágenes; ^{[ 75 ] [ 76 ]}
• Diagramas y gráficos de líneas; ^{[ 77 ]}
• Resaltado; ^{[ 78 ]}
• Fuentes y diseño; ^{[ 79 ]}
• Antigüedad del documento. ^{[ 80 ]}

Coh-Metrix puede utilizarse de diversas maneras para investigar la cohesión del texto explícito y la coherencia de la representación mental del texto. «Nuestra definición de cohesión consiste en características del texto explícito que desempeñan algún papel en ayudar al lector a conectar mentalmente las ideas del texto». ^{[ 81 ]} La definición de coherencia es objeto de mucho debate. Teóricamente, la coherencia de un texto se define por la interacción entre las representaciones lingüísticas y las representaciones del conocimiento. Si bien la coherencia puede definirse como características del texto (es decir, aspectos de la cohesión) que probablemente contribuyan a la coherencia de la representación mental, las mediciones de Coh-Metrix proporcionan índices de estas características de cohesión. ^{[ 81 ]}

A diferencia de las fórmulas de legibilidad tradicionales, los enfoques de inteligencia artificial para la evaluación de la legibilidad (también conocidos como Evaluación Automática de la Legibilidad) incorporan una gran cantidad de características lingüísticas y construyen modelos de predicción estadística para predecir la legibilidad del texto. ^{[ 82 ] [ 83 ]} Estos enfoques suelen constar de tres pasos: 1. un corpus de entrenamiento de textos individuales, 2. un conjunto de características lingüísticas que se calcularán a partir de cada texto, y 3. un modelo de aprendizaje automático para predecir la legibilidad, utilizando los valores de las características lingüísticas calculadas. ^{[ 84 ] [ 85 ] [ 83 ]}

En 2008, se demostró que la complejidad sintáctica se correlaciona con tiempos de procesamiento más prolongados en la comprensión de textos. ^{[ 86 ]} Es común utilizar un amplio conjunto de estas características sintácticas para predecir la legibilidad de un texto. Las variantes más avanzadas de las características de legibilidad sintáctica se calculan frecuentemente a partir del árbol de análisis sintáctico . Emily Pitler ( Universidad de Pensilvania ) y Ani Nenkova (Universidad de Pensilvania) son consideradas pioneras en la evaluación de las características sintácticas del árbol de análisis sintáctico y en su amplia utilización en la evaluación de la legibilidad. ^{[ 87 ] [ 88 ]} Algunos ejemplos incluyen:

• Longitud media de la oración
• Altura media del árbol de análisis
• Número promedio de frases nominales por oración
• Número promedio de frases verbales por oración

Lijun Feng propuso algunas características motivadas cognitivamente (principalmente léxicas) en 2009. Esto ocurrió durante sus estudios de doctorado en la Universidad de la Ciudad de Nueva York . ^{[ 89 ]} Si bien las características motivadas cognitivamente se diseñaron originalmente para garantizar la comprensión de adultos con discapacidad intelectual , Feng demostró que dichas características también mejoraban la comprensión lectora en la población general. En combinación con un modelo de regresión logística , las características motivadas cognitivamente pueden corregir el error promedio del nivel de grado Flesch-Kincaid en más del 70 %. Las características recientemente descubiertas por Feng incluyen:

• Número de cadenas léxicas en el documento
• Número promedio de entidades únicas por oración
• Número promedio de menciones de entidades por oración
• Número total de entidades únicas en el documento
• Número total de menciones de entidades en el documento
• Longitud media de la cadena léxica
• Amplitud promedio de la cadena léxica

En 2012, Sowmya Vajjala, de la Universidad de Tubinga, creó el corpus WeeBit combinando artículos educativos de los sitios web Weekly Reader y BBC Bitesize , que ofrecen textos para diferentes grupos de edad. ^{[ 85 ]} En total, hay 3125 artículos divididos en cinco niveles de legibilidad (de 7 a 16 años). El corpus Weebit se ha utilizado en varias investigaciones de evaluación de legibilidad basadas en IA. ^{[ 88 ]}

Wei Xu ( Universidad de Pensilvania ), Chris Callison-Burch ( Universidad de Pensilvania ) y Courtney Napoles ( Universidad Johns Hopkins ) introdujeron el corpus Newsela en el ámbito académico en 2015. ^{[ 90 ]} El corpus es una colección de miles de artículos de noticias clasificados profesionalmente según su nivel de complejidad de lectura por editores profesionales de Newsela . El corpus se introdujo originalmente para la investigación sobre la simplificación de textos , pero también se utilizó para la evaluación de la legibilidad de los mismos. ^{[ 91 ]}

La influencia de las características semánticas avanzadas en la legibilidad del texto fue un tema de investigación pionero de Bruce W. Lee durante su estudio en la Universidad de Pensilvania en 2021. Al presentar su método de hibridación de características, también exploró características semánticas avanzadas diseñadas manualmente que buscan medir la cantidad de conocimiento contenido en un texto determinado. ^{[ 92 ]}

• Riqueza semántica  :${\displaystyle \sum _{i=1}^{n}p_{i}\cdot i}$
• Claridad semántica  :${\displaystyle {\frac {1}{n}}\cdot \sum _{i=1}^{n}max(p)-p_{i}}$
• Ruido semántico  :${\displaystyle n\cdot {\frac {\sum _{i=1}^{n}(p_{i}-{\bar {p}})^{4}}{(\sum _{i=1}^{n}(p_{i}-{\bar {p}})^{2})^{2}}}}$

donde el número de temas descubiertos (n) y la probabilidad del tema (p)

Gray y Leary analizaron 228 variables que afectan la facilidad de lectura y las dividieron en cuatro tipos: contenido, estilo, formato y organización. Descubrieron que el contenido era lo más importante, seguido de cerca por el estilo. En tercer lugar estaba el formato, seguido de cerca por la organización. No encontraron forma de medir el contenido, el formato ni la organización, pero sí pudieron medir las variables de estilo. Entre las 17 variables de estilo medibles significativas, seleccionaron cinco para crear una fórmula:

• Longitud media de la oración
• Número de palabras difíciles diferentes
• Número de pronombres personales
• Porcentaje de palabras únicas
• Número de frases preposicionales

La fórmula original es:

Puntuación de facilidad de lectura = 206,835 − (1,015 × ASL) − (84,6 × ASW)

Donde: ASL = longitud media de la oración (número de palabras dividido por el número de oraciones)

ASW = longitud media de las palabras en sílabas (número de sílabas dividido por el número de palabras)

La fórmula modificada es:

Nueva puntuación de facilidad de lectura = 1,599nosw − 1,015sl − 31,517

Donde: nosw = número de palabras de una sílaba por cada 100 palabras y

sl = longitud media de la oración en palabras. ^{[ 46 ]}

Para aplicar la fórmula:

1. Seleccione varios fragmentos de 100 palabras a lo largo del texto.
2. Calcula la longitud media de las oraciones en palabras (divide el número de palabras entre el número de oraciones).
3. Calcula el porcentaje de palabras que NO están en la lista de palabras fáciles de Dale-Chall, que consta de 3000 palabras.
4. Calcula esta ecuación desde 1948:

   Puntuación bruta = 0,1579*(PDW) + 0,0496*(ASL) si el porcentaje de PDW es inferior al 5%, de lo contrario calcular

   Puntuación bruta = 0,1579*(PDW) + 0,0496*(ASL) + 3,6365

Dónde:

Puntuación bruta = calificación de lectura sin corregir de un estudiante que puede responder a la mitad de las preguntas del examen sobre un texto.

PDW = Porcentaje de palabras difíciles que no están en la lista de palabras de Dale-Chall.

ASL = Longitud media de la oración

Finalmente, para compensar la "curva de equivalencia de calificaciones", aplique la siguiente tabla para la calificación final:

^{[ 93 ]}

La nueva fórmula de Dale-Chall es:

Puntuación bruta = 64 – 0,95 *(PDW) – 0,69 *(ASL)

La fórmula de niebla de Gunning es una de las más fiables y sencillas de aplicar:

Nivel de grado = 0,4 * ( (longitud promedio de la oración) + (porcentaje de palabras difíciles) )

Dónde: Palabras difíciles = palabras con más de dos sílabas. ^{[ 66 ]}

Clasificación SMOG = 3 + √ recuento de polisílabos .

Donde: recuento de polisílabos = número de palabras de más de dos sílabas en una muestra de 30 oraciones. ^{[ 94 ]}

La fórmula es:

Nivel de grado = 20 − ( N / 10)

Donde N = número de palabras monosílabas en una muestra de 150 palabras. ^{[ 51 ]}

El Índice de Densidad Sintáctica de Golub fue desarrollado por Lester Golub en 1974. Pertenece a un subconjunto más reducido de fórmulas de legibilidad que se centran en las características sintácticas de un texto. Para calcular el nivel de lectura de un texto, se toma una muestra de varios cientos de palabras. Se cuenta el número de palabras en la muestra, así como el número de unidades T. Una unidad T se define como una cláusula independiente y cualquier cláusula dependiente adjunta a ella. A continuación, se cuentan las demás unidades sintácticas y se introducen en la siguiente tabla:

Los usuarios suman los números de la columna derecha y dividen el total entre el número de unidades T. Finalmente, el cociente se introduce en la siguiente tabla para obtener una puntuación final de legibilidad.

La relación tipo-token es una de las características que se utilizan con frecuencia para capturar la riqueza léxica, que es una medida de la amplitud y diversidad del vocabulario. Para medir la dificultad léxica de una palabra, se suele utilizar su frecuencia relativa en un corpus representativo como el Corpus de Inglés Americano Contemporáneo (COCA). A continuación se incluyen algunos ejemplos de características léxico-semánticas en la evaluación de la legibilidad. ^{[ 88 ]}

• Número promedio de sílabas por palabra
• Tasa de palabras fuera del vocabulario, en comparación con el corpus completo.
• Relación tipo-token: la relación entre términos únicos y términos totales observados.
• Relación entre las palabras funcionales y el corpus completo.
• Proporción de pronombres, en comparación con el corpus completo.
• Perplejidad del modelo de lenguaje (comparación del texto con modelos genéricos o específicos del género)