Сравнительный анализ лингвистической сложности учебников по физике для средней и старшей школы

Целью статьи является комплексный сравнительный анализ учебников физики для средней и старшей школы на основе лингвистических параметров сложности текста. Актуальность исследования обусловлена потребностью к адаптации учебных текстов согласно возрастным группам, что объясняется тенденцией к персонализации в образовательном процессе. Сложность текста напрямую оказывает влияние на успеваемость учащихся и качество образования.

Материалы и методы. Материалом исследования послужил корпус учебных текстов, состоящий из 10 учебников физики пяти возрастных групп (7-11 класс) в объёме 331 782 слова. Исследование включало создание корпуса исследования (корпусный анализ), анализ учебных текстов (автоматизированная обработка текста), выявления закономерностей и аномалий учебников (сравнительный анализ). Анализ учебников проводился автоматическим анализатором текста Rulingva. Анализировались следующие предикторы сложности: читабельность текста, лексическое разнообразие, терминологическая плотность, средняя длина слов и предложений, количество знаменательных слов.

Результаты. Результаты исследования показали, что учебники для старшей школы систематически сложнее за счёт терминологической плотности (9,14 на 1000 слов) и средней длины предложений (16,5 слов), однако отмечены аномалии среди учебников средней школы, где имеется несоответствующая возрастному уровню сложность текста.

Заключение. Проведённое исследование подтверждает наличие системных различий в лингвистической сложности учебников физики для разных возрастов, а также выявляет отдельные аномалии, затрудняющие восприятие. Для валидации выявленных параметров как предикторов когнитивной нагрузки необходим целевой психолингвистический эксперимент.

Полученные данные выявляют системные различия в лингвистической сложности учебников физики для разных возрастов, а также отдельные аномалии, потенциально затрудняющие восприятие. Для валидации выявленных лингвистических параметров как непосредственных предикторов когнитивной нагрузки необходимо проведение целевого психолингвистического эксперимента с участием учащихся.

1. Галимова Х.Н. Сложность и связность текста-ретранслята: корпусный подход // Ученые записки национального общества прикладной лингвистики. 2022. №1 (37). С. 7-24. EDN OBNAVE.

2. Солнышкина М.И., Кисельников А.С. Параметры экзаменационных текстов // Вестник Волгоградского государственного университета. Серия 2: Языкознание. 2015. №. 1. С. 99-107. https://doi.org/110.15688/jvolsu2.2015.1.11. EDN TOUAGZ.

3. Lexical density as a complexity predictor: the case of Science and Social Studies textbooks / G.M. Gatiyatullina, M.I. Solnyshkina, R.V. Kupriyanov, Ch.R. Ziganshina // Research Result. Theoretical and Applied Linguistics. 2023. Vol. 9, no. 1. P. 11-26. https://doi.org/110.18413/2313-8912-2023-9-1-0-2. EDN WXMFRJ.

4. Crossley S.A., Greenfield J., McNamara D.S. Assessing text readability using cognitively based indices // TESOL Quarterly. 2008. 42(3). P. 475-493.

5. Gazzola M., Leal S., Pedroni B., Theoto Rocha F., Pompéia S., Aluísio S. Text complexity of open educational resources in Portuguese: mixing written and spoken registers in a multitask approach // Language Resources and Evaluation. 2008. 56(2). P. 621-650.

6. Галявиева Л.Ш., Хусаинова Т.А., Солнышкина М.И. Сложность учебных текстов как функция терминологической плотности // Ученые записки национального общества прикладной лингвистики. 2023. № 2(42). С. 33-50. EDN EJMNSY.

7. Чурунина А.А., Солнышкина М.И., Ярмакеев Э.И. Лексическое разнообразие как предиктор сложности учебников по русскому языку // Русистика. 2023. Т. 21, № 2. С. 212-227. https://doi.org/10.22363/2618-8163-2023-21-2-212-227. EDN ZYHDWM.

8. Гафиятова Э.В., Галявиева Л.Ш., Солнышкина М.И. Лексические предикторы сложности учебных текстов по русскому языку как иностранному // Филология и культура. 2023. № 2(72). С. 33-44. https://doi.org/10.26907/2782-4756-2023-72-2-33-44. EDN EDCXXP.

9. Донцов М.А. Особенности оценки сложности учебных текстов для школьников // Филология и культура. 2024. № 1(75). С. 17-23. https://doi.org/10.26907/2782-4756-2024-75-1-17-23. EDN SNLZKJ.

10. Kintsch W. Comprehension: A paradigm for cognition. Cambridge University Press, 1998. 461 p.

11. Kintsch W. The role of knowledge in discourse comprehension: A construction-integration model // Psychological Review. 1988. Vol. 95 (2). P. 163-182.

12. Are Good Texts Always Better? Interactions of Text Coherence, Background Knowledge, and Levels of Understanding in Learning from Text / D.S. McNamara, E. Kintsch, N.B. Songer, W. Kintsch // Cognition and Instruction. 1996. Vol. 14 (1). P. 1-43.

13. Соловьев В.Д., Солнышкина М.И., Макнамара Д.С. Компьютерная лингвистика и дискурсивная комплексология: парадигмы и методы исследований // Russian Journal of Linguistics. 2022. Т. 26, № 2. С. 275-316. https://doi.org/10.22363/2687-0088-31326. EDN CAWBDP.

14. Литвишко О.М. Исследование англоязычных юридических текстов с позиций дискурсивной комплексологии // Актуальные проблемы филологии и педагогической лингвистики. 2023. № 3. С. 76–90. https://doi.org/10.29025/2079-6021-2023-3-76-90. EDN FNXNWI.

15. Kupriyanov R.V., Bukach O.V., Aleksandrova O.I. Cognitive complexity measures for educational texts: Empirical validation of linguistic parameters // Russian Journal of Linguistics. 2023. Vol. 27 (3). P. 641-662. https://doi.org/10.22363/2687-0088-35817. EDN NAZBGA.

16. Fenk-Oczlon G., Fenk A. Complexity trade-offs do not prove the equal complexity hypothesis // Poznan Studies in Contemporary Linguistics. 2014. Vol. 50 (2). P. 145–155.

17. Solnyshkina, M.I., Harkova, E.V., Kazachkova, M.B. The Structure of Cross-Linguistic Differences: Meaning and Context of ‘Readability' and its Russian Equivalent ‘Chitabelnost' // Journal of Language and Education. 2020. Vol. 6, no. 1. P. 103-119. https://doi.org/10.17323/jle.2020.7176. EDN CXXSHI.

18. Solovyev V., Ivanov V., Solnyshkina M. Assessment of reading difficulty levels In Russianian academic texts: Approaches and metrics // Journal of intelligent & fuzzy systems. 2018. Vol. 34 (5). P. 3049–3058.

19. Derivation of new readability formulas (Automated Readability Index, Fog Count and Flesch Reading Ease Formula) for Navy enlisted personnel (Research Branch Report 8-75) / J.P. Kincaid, R.P. Fishburne, R.L. Rogers, B.S. Chissom. Memphis, TN: NavalAirStation; 1975. 40 p.

20. Solov'ev V.D., Ivanov V.V., Solnyshkina M.I. Readability formulas for three levels of Russian school textbooks // Записки научных семинаров Санкт-Петербургского отделения математического института им. В.А. Стеклова РАН. 2023. Т. 529. С. 140-156. EDN HUZWCK.

21. Solovyev V.D., Solnyshkina, M.I., Tutubalina, E.V. Topic Modeling for Text Structure Assessment: The case of Russian Academic Texts // Journal of Language and Education. 2023. Vol. 9, no. 3(35). P. 143-158. https://doi.org/10.17323/jle.2023.16604. EDN CZMQGE.