Analizzatore di leggibilità
Incolla del testo e visualizza all'istante il suo livello di lettura secondo cinque formule consolidate.
I risultati si aggiornano mentre digiti. Si raccomanda un minimo di circa 100 parole per risultati accurati.
📚 Basi scientifiche e fonti
Per chi è progettato questo strumento
La valutazione della leggibilità giova ai creatori di contenuti, agli insegnanti, ai comunicatori sanitari e a chiunque scriva per un pubblico variegato. Secondo il National Center for Education Statistics (NCES), una parte significativa degli adulti americani legge a un livello di alfabetizzazione di base o inferiore, misurato dal PIAAC. I CDC e il NIH raccomandano che i documenti sanitari siano redatti al livello di una sesta classe (circa scuola media in Italia) per garantire una comprensione ampia. Le persone con disturbi cognitivi, disturbi dell'apprendimento, parlanti non madrelingua e anziani sono colpiti in modo sproporzionato dai testi complessi.
Riferimenti delle formule
- Flesch, R. (1948). «A new readability yardstick.» Journal of Applied Psychology, 32(3), 221–233. · Formula originale di Flesch Reading Ease; una scala 0–100 dove un punteggio più alto indica una lettura più facile.
- Kincaid, J.P., Fishburne, R.P., Rogers, R.L. & Chissom, B.S. (1975). «Derivation of new readability formulas for Navy enlisted personnel.» Research Branch Report 8-75, Naval Technical Training Command. · Ha ricalibrato la formula di Flesch per produrre livelli scolastici americani.
- Gunning, R. (1952). The Technique of Clear Writing. McGraw-Hill. · Il Fog Index stima il numero di anni di studio necessari per capire un testo alla prima lettura.
- Coleman, M. & Liau, T.L. (1975). «A computer readability formula designed for machine scoring.» Journal of Applied Psychology, 60(2), 283–284. · Usa conteggi di caratteri invece che di sillabe per uno scoring automatizzato più affidabile.
- McLaughlin, G.H. (1969). «SMOG grading, a new readability formula.» Journal of Reading, 12(8), 639–646. · Ampiamente considerato come il riferimento per la valutazione dell'alfabetizzazione sanitaria dal Dipartimento della Salute americano.
- Smith, E.A. & Senter, R.J. (1967). «Automated Readability Index.» AMRL-TR-66-220. Wright-Patterson Air Force Base. · Formula basata sui caratteri, originariamente progettata per lo scoring automatico dei manuali tecnici militari.
Avvertenza
Le formule di leggibilità forniscono stime statistiche basate su caratteristiche superficiali del testo (lunghezza delle parole, lunghezza delle frasi, numero di sillabe). Non misurano né la comprensione, né la coerenza, né l'accuratezza del contenuto. Nessuna formula può tenere pienamente conto delle conoscenze pregresse del lettore, della sua motivazione, né della presenza di disturbi cognitivi o dell'apprendimento. Questi punteggi vanno usati come uno tra molti indicatori durante la valutazione dell'accessibilità di un testo. Questo strumento non fornisce consigli medici, educativi o legali.
75 anni di storia delle formule di leggibilità
Il punteggio di leggibilità è iniziato con il lavoro di dottorato di Rudolf Flesch alla Columbia nel 1943, formalizzato come Flesch Reading Ease nel 1948: un punteggio 0-100 dove più alto significa più facile. La Marina degli Stati Uniti commissionò una ricalibrazione nel 1975 (Kincaid et al., Naval Technical Training Command Report 8-75) che mappò le stesse caratteristiche superficiali (sillabe per parola, parole per frase) ai livelli scolastici degli Stati Uniti, questo è il Flesch-Kincaid Grade Level integrato in Microsoft Word dai primi anni '90. Altre formule riempirono le lacune: il Fog Index di Robert Gunning (1952) per la scrittura aziendale; SMOG di McLaughlin (1969), adottato dal Dipartimento della Salute e dei Servizi Umani degli Stati Uniti come standard di riferimento per l'alfabetizzazione sanitaria; Coleman-Liau (1975) e ARI (Smith & Senter, 1967) usano conteggi di caratteri invece delle sillabe, evitando la necessità di contare le sillabe programmaticamente. La formula Dale-Chall (Edgar Dale, 1948; rivista nel 1995) utilizza un elenco di vocabolario di parole «familiari». I più recenti Lexile Framework (MetaMetrics, 1989) e ATOS (Renaissance Learning, 1999) sono basati su corpus e utilizzati dalle scuole statunitensi. Tutte queste formule misurano proxy, non comprensione; trattate i risultati come «leggibilità» non «comprensione».
Livelli scolastici target per diversi pubblici
- Comunicazione sanitaria e medica. Il CDC e il NIH raccomandano di scrivere a un livello di 6ª classe o inferiore (Flesch Reading Ease ≥ 70, SMOG ≤ 8). Il Clear Communication Index del CDC e le linee guida «Health Literacy» dell'AMA lo codificano. Le istruzioni di dimissione ospedaliera, le schede informative sui vaccini e i moduli di consenso del paziente regolarmente mancano questo obiettivo di 4-6 livelli.
- Notizie e giornalismo. Gli stili di casa di Reuters, AP e BBC mirano a un livello di 9ª classe (Flesch Reading Ease 60-70). Il New York Times ha una media di circa 9-10, The Economist 13-14, USA Today 6-7. I giornali scandalistici e i post di Reddit spesso ottengono punteggi inferiori al livello 8.
- Documenti legali e governativi. Il Plain Writing Act statunitense del 2010 richiede alle agenzie federali di scrivere documenti pubblici in linguaggio semplice; PlainLanguage.gov suggerisce un livello massimo di 8. La Plain English Campaign britannica (fondata nel 1979) mira a un livello 9 per i contratti dei consumatori. La maggior parte delle polizze assicurative e degli EULA si trovano a livello 14-18, ben al di sopra della soglia di quasi tutti i consumatori.
- Contenuti di marketing e SEO. Yoast SEO e Surfer raccomandano Flesch Reading Ease sopra 60 (circa livello 8) per contenuti web generali. Buffer ha analizzato il proprio blog e ha scoperto che i post a livelli 6-9 avevano il 36% in più di coinvolgimento rispetto ai post a livello 13+. Mailchimp raccomanda il livello 7 per le righe dell'oggetto delle email.
- Istruzione e libri di testo. I libri di testo scolastici mirano a un livello inferiore al pubblico: un libro di testo di biologia di 9ª classe punta alla leggibilità del livello 8 in modo che gli studenti in difficoltà non siano esclusi dal linguaggio. Le bande Lexile Common Core (2010) suggeriscono intervalli di punteggio specifici per ogni grado.
- Documentazione tecnica. Strumenti come la documentazione per sviluppatori di Microsoft, Google e Apple mirano al livello 8-10 nei contenuti tutorial, consentendo livelli più alti per il materiale di riferimento. Il refactoring «Plain language» di MDN Web Docs (2018-2020) ha abbassato il livello medio da 14 a 9.
- Scrittura accademica. Gli articoli di riviste regolarmente ottengono punteggi 14-20+, il che è appropriato per il pubblico ma li rende inaccessibili ai non specialisti. Il giornalismo scientifico (Quanta, Aeon, The Conversation) mira a tradurre a livello 10-12.
Dove il punteggio di leggibilità aiuta veramente
- Contenuti sanitari rivolti ai pazienti. NHS Digital, Mayo Clinic, WebMD e Healthline eseguono tutti controlli di leggibilità prima della pubblicazione. Mancare l'obiettivo del livello 6 esclude circa la metà degli adulti statunitensi al livello di alfabetizzazione di base (PIAAC 2017). I tassi di riammissione ospedaliera sono correlati alla comprensione delle istruzioni di dimissione da parte del paziente.
- Stesura e revisione. Il punteggio è un segnale di feedback durante la scrittura, non una metrica pubblicabile. Scrivi la bozza, valutala, trova i paragrafi con il livello più alto (di solito frasi lunghe o gergo), semplificali, rivalutali. Hemingway Editor (2014) e Grammarly hanno aggiunto feedback sul livello specifico per questo ciclo.
- Traduzione e localizzazione. Gli strumenti di memoria di traduzione (MemoQ, SDL Trados, Phrase) valutano il testo di origine prima della traduzione per segnalare passaggi complessi a linguisti senior. Organizzazioni internazionali come UNESCO e ONU traducono a livelli target 6-8 per massimizzare la portata del pubblico attraverso le lingue.
- Accessibilità e WCAG. Il criterio di successo WCAG 2.1 3.1.5 (Livello di lettura) è AAA: «contenuto supplementare o una versione che non richiede capacità di lettura più avanzate del livello di istruzione secondaria inferiore». Strumenti come axe DevTools non automatizzano ancora questo, ma gli autori di contenuti verificano manualmente utilizzando strumenti di leggibilità.
- Comunicazione governativa e civica. Il Plain Writing Act statunitense (ottobre 2010), l'iniziativa Clearer Communication dell'UE, la guida di stile UK Government Digital Service (GDS) impongono tutti il linguaggio semplice. Moduli fiscali, informazioni per gli elettori, richieste di benefici regolarmente ottengono punteggi superiori al livello 14, il punteggio è il test di tornasole per la conformità.
- Allineamento curricolare. Quando si selezionano materiali di lettura per un grado specifico, gli insegnanti incrociano i punteggi Lexile o Flesch-Kincaid con gli intervalli Common Core. I sistemi di catalogo bibliotecario (Follett Destiny, Lexile.com) includono i punteggi in modo che gli studenti scelgano da soli i libri al loro livello di lettura.
- SEO e content marketing. Gli aggiornamenti di contenuti utili di Google favoriscono sempre più i contenuti leggibili. Yoast, Surfer, Clearscope e SemRush includono tutti il punteggio di leggibilità. Il team contenuti di Buffer ha scoperto che Flesch Reading Ease 60-80 correla con tempi di permanenza più lunghi sulla pagina e tassi di rimbalzo più bassi.
Errori che rendono fuorvianti i punteggi di leggibilità
- Valutare meno di 100 parole. Tutte le formule sono statistiche e necessitano di un campione ragionevole. Valutare una singola frase o un post Twitter produce variazioni selvagge. Minimo 200-300 parole per un Flesch-Kincaid affidabile; minimo 30 frasi per SMOG (sua specifica originale).
- Fidarsi di una sola formula. Ogni formula ha punti ciechi. Flesch-Kincaid penalizza duramente le parole lunghe; Coleman-Liau ignora completamente la frequenza delle parole; SMOG arrotonda aggressivamente. Riportare tre punteggi e prendere la mediana o l'intervallo dà un segnale migliore di qualsiasi singolo numero.
- Ignorare il gergo specifico del dominio. Un articolo medico su «infarto del miocardio» ottiene un livello 15 anche se le frasi circostanti sono semplici. Le formule vedono solo la lunghezza delle parole, non la familiarità con il pubblico. Abbina i punteggi di leggibilità con un glossario o spiegazioni al primo utilizzo.
- Ottimizzazione eccessiva per il livello scolastico. Dividere ogni frase in 8 parole e sostituire ogni parola multisillabica produce prosa frammentata e infantile che è effettivamente più difficile da leggere per gli adulti. Mira al livello del pubblico, non al numero più basso possibile.
- Applicare formule inglesi ad altre lingue. Flesch-Kincaid è calibrato per i modelli sillabici inglesi. Spagnolo, tedesco, finlandese, giapponese hanno tutti bisogno delle proprie calibrazioni (Fernández Huerta per lo spagnolo, Amstad per il tedesco, RIX di Anderson per uso generale). Eseguire formule inglesi su testo tradotto dà punteggi privi di significato.
- Trattare il punteggio come comprensione. Le formule di leggibilità misurano le caratteristiche superficiali. Non possono rilevare confusione logica, contesto mancante, accuratezza tecnica, o se la struttura ha senso. Un articolo di livello 6 può ancora essere incomprensibile se manca di coerenza.
- Incollare testo con HTML o markup. Tag, URL, blocchi di codice e caratteri speciali alterano il rilevamento delle frasi e i conteggi delle parole. Rimuovi prima il markup (questo strumento ci prova, ma non è perfetto per HTML/Markdown complessi).
Altre domande frequenti
Di quale formula dovrei fidarmi se non sono d'accordo?
Scegli la formula calibrata per il tuo dominio. Per salute ed educazione del paziente, SMOG è la raccomandazione del Dipartimento della Salute e dei Servizi Umani degli Stati Uniti (è conservativa, tende ad arrotondare per eccesso). Per contenuti web generali e giornalismo, Flesch-Kincaid Grade Level corrisponde a ciò che usano Word, Google Docs e Yoast, quindi la coerenza con gli strumenti di editing è importante. Per punteggio automatizzato (es. un lint CI), Coleman-Liau o ARI sono più affidabili perché non necessitano del conteggio delle sillabe (che è approssimativo nel software). Quando le formule differiscono di più di 2 livelli, guarda il testo: i punteggi anomali di solito segnalano paragrafi specifici.
Funziona per testi non in inglese?
Le formule calibrate in inglese danno risultati privi di significato in altre lingue perché i rapporti sillabe-per-parola e parole-per-frase differiscono. Per lo spagnolo, usa la formula Fernández Huerta. Per il tedesco, Amstad o Wiener Sachtextformel. Per il francese, l'adattamento Kandel-Moles. Per giapponese, cinese, coreano, il concetto stesso di «sillaba» non si mappa; hai bisogno di analisi di densità di caratteri e livello JLPT. Strumenti specializzati come readability.js hanno pacchetti linguistici separati.
Perché il punteggio Flesch Reading Ease è su una scala 0-100 invece dei livelli scolastici?
L'articolo di Flesch del 1948 usava una scala 0-100 dove 90-100 = «molto facile» (4ª classe), 60-70 = «standard» (8-9ª classe), 0-30 = «molto difficile» (laureato). La ricalibrazione Kincaid del 1975 ha tradotto le stesse caratteristiche superficiali in livelli scolastici statunitensi per la Marina, che aveva bisogno di abbinare i lettori ai manuali. Entrambe le formule utilizzano gli stessi input (sillabe/parola, parole/frase) ma scale di output diverse. La maggior parte degli strumenti moderni (incluso questo) riporta entrambi perché i confronti sono più facili quando puoi scegliere l'unità preferita.
Gli assistenti di scrittura AI possono sostituire gli strumenti di leggibilità?
Gli LLM (ChatGPT, Claude, Gemini) possono suggerire una formulazione più semplice, ma non misurano in modo affidabile la leggibilità, allucinano punteggi, danno numeri diversi ogni volta e mediano i paragrafi in modi che nascondono i valori anomali. Le formule deterministiche (quelle in questo strumento) danno la stessa risposta ogni volta e ti permettono di correlare le modifiche con i cambiamenti di punteggio. Il flusso di lavoro corretto: usa l'LLM per riscrivere, poi usa la formula per verificare che il livello target sia stato effettivamente raggiunto. Hemingway Editor (2014) è stato un esempio iniziale di combinazione di suggerimenti con punteggi deterministici.
Il mio testo viene inviato a qualche server quando lo valuto?
No. Tutte e sei le formule (Flesch-Kincaid, Flesch Reading Ease, Gunning Fog, Coleman-Liau, SMOG, ARI) girano nel tuo browser. Apri la scheda Network in DevTools mentre digiti o incolli; vedrai zero richieste in uscita. Sicuro per bozze mediche, comunicazioni interne aziendali, giornalismo non pubblicato, bozze legali e qualsiasi cosa soggetta a NDA.