पठनीयता स्कोर चेकर

पठनीयता सूत्रों का 75 साल का इतिहास

पठनीयता स्कोरिंग की शुरुआत 1943 में कोलंबिया में Rudolf Flesch के डॉक्टरेट कार्य से हुई, जिसे 1948 में Flesch Reading Ease के रूप में औपचारिक रूप दिया गया: 0-100 स्कोर जहाँ उच्च का अर्थ है आसान। अमेरिकी नौसेना ने 1975 में पुनर्केलिब्रेशन का अनुरोध किया (Kincaid आदि, Naval Technical Training Command Report 8-75) जिसने उन्हीं सतही विशेषताओं (प्रति शब्द शब्दांश, प्रति वाक्य शब्द) को अमेरिकी स्कूल ग्रेड स्तरों पर मैप किया, यह Flesch-Kincaid Grade Level है जो 1990 के दशक की शुरुआत से Microsoft Word में बेक किया गया है। अन्य सूत्रों ने अंतराल भरे: Robert Gunning का Fog Index (1952) व्यावसायिक लेखन के लिए; McLaughlin द्वारा SMOG (1969), जिसे अमेरिकी स्वास्थ्य और मानव सेवा विभाग ने स्वास्थ्य साक्षरता के लिए स्वर्ण मानक के रूप में अपनाया; Coleman-Liau (1975) और ARI (Smith & Senter, 1967) शब्दांशों के बजाय वर्ण संख्या का उपयोग करते हैं, जिससे प्रोग्रामेटिक रूप से शब्दांश गिनने की आवश्यकता से बचा जा सकता है। Dale-Chall सूत्र (Edgar Dale, 1948; 1995 में संशोधित) «परिचित» शब्दों की शब्दावली सूची का उपयोग करता है। नए Lexile Framework (MetaMetrics, 1989) और ATOS (Renaissance Learning, 1999) कोरपस-आधारित हैं और अमेरिकी स्कूलों द्वारा उपयोग किए जाते हैं। ये सभी सूत्र प्रॉक्सी मापते हैं, समझ नहीं; परिणामों को «पठनीयता» के रूप में मानें न कि «समझ»।

विभिन्न दर्शकों के लिए लक्षित ग्रेड स्तर

• स्वास्थ्य और चिकित्सा संचार। CDC और NIH 6वीं कक्षा स्तर या उससे कम पर लिखने की सिफारिश करते हैं (Flesch Reading Ease ≥ 70, SMOG ≤ 8)। CDC का Clear Communication Index और AMA की «Health Literacy» मार्गदर्शिकाएँ इसे संहिताबद्ध करती हैं। अस्पताल डिस्चार्ज निर्देश, टीकाकरण सूचना पत्र, और रोगी सहमति प्रपत्र नियमित रूप से इस लक्ष्य से 4-6 ग्रेड चूकते हैं।
• समाचार और पत्रकारिता। Reuters, AP, और BBC के हाउस स्टाइल 9वीं कक्षा स्तर को लक्षित करते हैं (Flesch Reading Ease 60-70)। New York Times औसतन लगभग ग्रेड 9-10, The Economist ग्रेड 13-14, USA Today ग्रेड 6-7। टैब्लॉइड समाचार पत्र और Reddit पोस्ट अक्सर ग्रेड 8 से नीचे स्कोर करते हैं।
• कानूनी और सरकारी दस्तावेज़। अमेरिकी Plain Writing Act 2010 संघीय एजेंसियों से सार्वजनिक दस्तावेज़ों को सरल भाषा में लिखने की आवश्यकता है; PlainLanguage.gov अधिकतम ग्रेड 8 का सुझाव देता है। यूके Plain English Campaign (1979 में स्थापित) उपभोक्ता अनुबंधों के लिए ग्रेड 9 को लक्षित करती है। अधिकांश बीमा पॉलिसियाँ और EULAs ग्रेड 14-18 पर बैठती हैं, लगभग किसी भी उपभोक्ता की सीमा से ऊपर।
• विपणन और SEO सामग्री। Yoast SEO और Surfer सामान्य वेब सामग्री के लिए 60 से ऊपर Flesch Reading Ease की सिफारिश करते हैं (लगभग ग्रेड 8)। Buffer ने अपने ब्लॉग का विश्लेषण किया और पाया कि ग्रेड 6-9 पर पोस्ट में ग्रेड 13+ पर पोस्ट की तुलना में 36% अधिक जुड़ाव था। Mailchimp ईमेल विषय पंक्तियों के लिए ग्रेड 7 की सिफारिश करता है।
• शिक्षा और पाठ्यपुस्तकें। स्कूल पाठ्यपुस्तकें दर्शकों से एक ग्रेड स्तर नीचे लक्षित होती हैं: 9वीं कक्षा की जीव विज्ञान पाठ्यपुस्तक ग्रेड 8 पठनीयता को लक्षित करती है ताकि संघर्षरत छात्र भाषा द्वारा बहिष्कृत न हों। Common Core Lexile बैंड (2010) प्रति ग्रेड विशिष्ट स्कोर श्रेणियों का सुझाव देते हैं।
• तकनीकी प्रलेखन। Microsoft, Google, और Apple के डेवलपर प्रलेखन जैसे उपकरण ट्यूटोरियल सामग्री में ग्रेड 8-10 को लक्षित करते हैं, संदर्भ सामग्री के लिए उच्च ग्रेड की अनुमति देते हैं। MDN Web Docs का «Plain language» पुनर्रचना (2018-2020) ने औसत ग्रेड 14 से 9 तक गिरा दिया।
• अकादमिक लेखन। पत्रिका लेख नियमित रूप से ग्रेड 14-20+ स्कोर करते हैं, जो दर्शकों के लिए उपयुक्त है लेकिन उन्हें गैर-विशेषज्ञों के लिए अप्राप्य बनाता है। विज्ञान पत्रकारिता (Quanta, Aeon, The Conversation) ग्रेड 10-12 तक अनुवाद करने का लक्ष्य रखती है।

जहाँ पठनीयता स्कोरिंग वास्तव में मदद करती है

• रोगी-सामना स्वास्थ्य सामग्री। NHS Digital, Mayo Clinic, WebMD, और Healthline सभी प्रकाशन से पहले पठनीयता जाँच चलाते हैं। ग्रेड 6 लक्ष्य चूकना बुनियादी साक्षरता पर लगभग आधे अमेरिकी वयस्कों को बाहर करता है (PIAAC 2017)। अस्पताल पुनः प्रवेश दर डिस्चार्ज निर्देशों की रोगी समझ के साथ सहसंबंधित होती है।
• मसौदा और संशोधन। स्कोर लेखन के दौरान एक प्रतिक्रिया संकेत है, प्रकाशन योग्य मीट्रिक नहीं। मसौदा लिखें, स्कोर करें, उच्चतम ग्रेड स्तर के पैराग्राफ (आमतौर पर लंबे वाक्य या शब्दजाल) खोजें, उन्हें सरल करें, फिर से स्कोर करें। Hemingway Editor (2014) और Grammarly ने इस लूप के लिए विशेष रूप से ग्रेड स्तर प्रतिक्रिया जोड़ी।
• अनुवाद और स्थानीयकरण। अनुवाद स्मृति उपकरण (MemoQ, SDL Trados, Phrase) वरिष्ठ भाषाविदों के लिए जटिल अंशों को चिह्नित करने के लिए अनुवाद से पहले स्रोत पाठ को स्कोर करते हैं। UNESCO और UN जैसे अंतर्राष्ट्रीय संगठन भाषाओं में दर्शकों की पहुँच को अधिकतम करने के लिए लक्ष्य ग्रेड 6-8 पर अनुवाद करते हैं।
• सुलभता और WCAG। WCAG 2.1 सफलता मानदंड 3.1.5 (पढ़ने का स्तर) AAA है: «पूरक सामग्री या एक संस्करण जिसके लिए निचले माध्यमिक शिक्षा स्तर से अधिक उन्नत पढ़ने की क्षमता की आवश्यकता नहीं होती है»। axe DevTools जैसे उपकरण इसे अभी तक स्वचालित नहीं करते लेकिन सामग्री लेखक पठनीयता उपकरणों का उपयोग करके मैन्युअल रूप से जाँच करते हैं।
• सरकारी और नागरिक संचार। अमेरिकी Plain Writing Act (अक्टूबर 2010), EU की Clearer Communication पहल, यूके Government Digital Service (GDS) स्टाइल गाइड सभी सरल भाषा का आदेश देते हैं। कर फॉर्म, मतदाता जानकारी, लाभ आवेदन नियमित रूप से ग्रेड 14 से ऊपर स्कोर करते हैं, स्कोर अनुपालन के लिए लिटमस परीक्षण है।
• पाठ्यक्रम संरेखण। विशिष्ट ग्रेड के लिए पठन सामग्री का चयन करते समय, शिक्षक Lexile या Flesch-Kincaid स्कोर को Common Core श्रेणियों के साथ क्रॉस-रेफरेंस करते हैं। पुस्तकालय कैटलॉग सिस्टम (Follett Destiny, Lexile.com) स्कोर शामिल करते हैं ताकि छात्र अपने पठन स्तर पर पुस्तकों का स्वयं चयन कर सकें।
• SEO और सामग्री विपणन। Google के सहायक-सामग्री अद्यतन तेजी से पठनीय सामग्री का पक्ष लेते हैं। Yoast, Surfer, Clearscope, और SemRush सभी पठनीयता स्कोरिंग शामिल करते हैं। Buffer की सामग्री टीम ने पाया कि Flesch Reading Ease 60-80 लंबे समय-पर-पृष्ठ और कम बाउंस दरों के साथ सहसंबंधित है।

गलतियाँ जो पठनीयता स्कोर को भ्रामक बनाती हैं

• 100 शब्दों से कम का स्कोरिंग। सभी सूत्र सांख्यिकीय हैं और एक उचित नमूना चाहिए। एकल वाक्य या Twitter पोस्ट का स्कोरिंग जंगली झूलों का कारण बनता है। विश्वसनीय Flesch-Kincaid के लिए न्यूनतम 200-300 शब्द; SMOG के लिए न्यूनतम 30 वाक्य (इसकी मूल विशिष्टता)।
• एकल सूत्र पर भरोसा करना। प्रत्येक सूत्र के अंधे धब्बे हैं। Flesch-Kincaid लंबे शब्दों को कठोर रूप से दंडित करता है; Coleman-Liau शब्द आवृत्ति को पूरी तरह से अनदेखा करता है; SMOG आक्रामक रूप से गोल करता है। तीन स्कोर रिपोर्ट करना और माध्यिका या रेंज लेना किसी एक संख्या से बेहतर संकेत देता है।
• डोमेन-विशिष्ट शब्दजाल को अनदेखा करना। «मायोकार्डियल इन्फार्क्शन» पर एक चिकित्सा लेख ग्रेड 15 स्कोर करता है, भले ही आसपास के वाक्य सरल हों। सूत्र केवल शब्द लंबाई देखते हैं, दर्शकों से परिचित नहीं। पठनीयता स्कोर को शब्दावली या पहले-उपयोग की व्याख्या के साथ जोड़ें।
• ग्रेड स्तर के लिए अति-अनुकूलन। प्रत्येक वाक्य को 8 शब्दों में विभाजित करना और प्रत्येक बहुअक्षरीय शब्द को बदलना खंडित, बचकाना गद्य उत्पन्न करता है जो वयस्कों के लिए वास्तव में पढ़ना कठिन है। दर्शकों के ग्रेड स्तर को लक्षित करें, न कि न्यूनतम संभव संख्या को।
• अंग्रेजी सूत्रों को अन्य भाषाओं पर लागू करना। Flesch-Kincaid अंग्रेजी शब्दांश पैटर्न के लिए कैलिब्रेट किया गया है। स्पेनिश, जर्मन, फिनिश, जापानी सभी को अपनी कैलिब्रेशन की आवश्यकता है (स्पेनिश के लिए Fernández Huerta, जर्मन के लिए Amstad, सामान्य उपयोग के लिए Anderson का RIX)। अनुवादित पाठ पर अंग्रेजी सूत्र चलाने से अर्थहीन स्कोर मिलते हैं।
• स्कोर को समझ के रूप में मानना। पठनीयता सूत्र सतही विशेषताओं को मापते हैं। वे तार्किक भ्रम, गायब संदर्भ, तकनीकी सटीकता, या क्या संरचना समझ में आती है, का पता नहीं लगा सकते। एक ग्रेड-6 लेख अभी भी समझ में नहीं आ सकता है यदि उसमें सुसंगति की कमी हो।
• HTML या मार्कअप के साथ पाठ चिपकाना। टैग, URL, कोड ब्लॉक, और विशेष वर्ण वाक्य पहचान और शब्द गणना को तिरछा करते हैं। पहले मार्कअप हटाएँ (यह उपकरण कोशिश करता है लेकिन जटिल HTML/Markdown के लिए सही नहीं है)।

अधिक अक्सर पूछे जाने वाले प्रश्न

अगर वे असहमत हैं तो मुझे किस सूत्र पर भरोसा करना चाहिए?

अपने डोमेन के लिए कैलिब्रेट किया गया सूत्र चुनें। स्वास्थ्य और रोगी शिक्षा के लिए, SMOG अमेरिकी स्वास्थ्य और मानव सेवा विभाग की सिफारिश है (यह रूढ़िवादी है, ऊपर की ओर गोल करने की प्रवृत्ति है)। सामान्य वेब सामग्री और पत्रकारिता के लिए, Flesch-Kincaid Grade Level Word, Google Docs, और Yoast द्वारा उपयोग किए जाने वाले से मेल खाता है, इसलिए संपादन उपकरणों के साथ संगति महत्वपूर्ण है। स्वचालित स्कोरिंग के लिए (जैसे CI lint), Coleman-Liau या ARI अधिक विश्वसनीय हैं क्योंकि उन्हें शब्दांश गिनने की आवश्यकता नहीं होती (जो सॉफ्टवेयर में अनुमानित है)। जब सूत्र 2 ग्रेड से अधिक भिन्न होते हैं, तो पाठ देखें: बाहरी स्कोर आमतौर पर विशिष्ट पैराग्राफ को चिह्नित करते हैं।

क्या यह गैर-अंग्रेज़ी पाठ के लिए काम करता है?

अंग्रेज़ी-कैलिब्रेटेड सूत्र अन्य भाषाओं में अर्थहीन परिणाम देते हैं क्योंकि शब्दांश-प्रति-शब्द और शब्द-प्रति-वाक्य अनुपात भिन्न होते हैं। स्पेनिश के लिए, Fernández Huerta सूत्र का उपयोग करें। जर्मन के लिए, Amstad या Wiener Sachtextformel। फ़्रेंच के लिए, Kandel-Moles अनुकूलन। जापानी, चीनी, कोरियाई के लिए, «शब्दांश» की अवधारणा ही मैप नहीं होती है; आपको इसके बजाय वर्ण-घनत्व और JLPT-स्तर के विश्लेषण की आवश्यकता है। readability.js जैसे विशेष उपकरणों के पास अलग भाषा पैक हैं।

Flesch Reading Ease स्कोर ग्रेड स्तर के बजाय 0-100 पैमाने पर क्यों है?

Flesch के 1948 के पेपर ने 0-100 पैमाने का उपयोग किया जहाँ 90-100 = «बहुत आसान» (4वीं कक्षा), 60-70 = «मानक» (8-9वीं कक्षा), 0-30 = «बहुत कठिन» (कॉलेज स्नातक)। 1975 के Kincaid पुनर्केलिब्रेशन ने नौसेना के लिए उन्हीं सतही विशेषताओं का अनुवाद अमेरिकी ग्रेड स्तरों में किया, जिसे पाठकों को मैनुअल से मिलाने की आवश्यकता थी। दोनों सूत्र एक ही इनपुट (शब्दांश/शब्द, शब्द/वाक्य) का उपयोग करते हैं, लेकिन अलग आउटपुट पैमाने। अधिकांश आधुनिक उपकरण (इस सहित) दोनों रिपोर्ट करते हैं क्योंकि जब आप अपनी पसंदीदा इकाई चुन सकते हैं तो तुलना आसान होती है।

क्या AI लेखन सहायक पठनीयता उपकरणों की जगह ले सकते हैं?

LLMs (ChatGPT, Claude, Gemini) सरल शब्दांकन का सुझाव दे सकते हैं लेकिन वे पठनीयता को विश्वसनीय रूप से मापते नहीं हैं, वे स्कोर मतिभ्रम करते हैं, हर रन में अलग संख्या देते हैं, और पैराग्राफ़ों में ऐसे तरीकों से औसत निकालते हैं जो बाहरी मानों को छुपाते हैं। नियतात्मक सूत्र (इस उपकरण में वाले) हर बार समान उत्तर देते हैं और आपको स्कोर परिवर्तनों के साथ संपादन को सहसंबद्ध करने देते हैं। सही वर्कफ़्लो: फिर से लिखने के लिए LLM का उपयोग करें, फिर सत्यापित करने के लिए सूत्र का उपयोग करें कि लक्ष्य ग्रेड स्तर वास्तव में प्राप्त किया गया था। Hemingway Editor (2014) सुझावों को नियतात्मक स्कोरिंग के साथ संयोजित करने का एक प्रारंभिक उदाहरण था।

जब मैं इसे स्कोर करता हूँ तो क्या मेरा पाठ किसी सर्वर पर भेजा जाता है?

नहीं। सभी छह सूत्र (Flesch-Kincaid, Flesch Reading Ease, Gunning Fog, Coleman-Liau, SMOG, ARI) आपके ब्राउज़र में चलते हैं। टाइप करते या पेस्ट करते समय DevTools में Network टैब खोलें; आप शून्य आउटबाउंड अनुरोध देखेंगे। चिकित्सा मसौदे, आंतरिक कॉर्पोरेट संचार, अप्रकाशित पत्रकारिता, कानूनी मसौदे, और NDA के अधीन किसी भी चीज़ के लिए सुरक्षित।