每个 bit 都要花时间——「难读」不是文本的属性,是你那本码本的属性
【锚点】这一篇只钉一个判断:【阅读难度 ≈ surprisal(−log p),而 surprisal 是相对「读者的预测模型」定义的;所以「难读」不是文本的客观属性,是文本与码本之间的失配量】。
【显式】事实一:Shannon (1948) 最优编码定理——概率为 p 的符号,在最优前缀码下码长是 −log₂p 比特。高概率事件码短,低概率事件码长。纯数学,无争议。
【显式】事实二:心理语言学的「surprisal 假说」。Hale (2001)、Levy (2008, Cognition) 提出:人处理一个词的成本正比于该词在给定上下文下的 surprisal(−log p(word|context))。Smith & Levy (2013, Cognition) 用 n-gram 估计 surprisal,发现英语阅读时间随 surprisal 近似线性增长——每多一个 bit 的意外,眼睛多停几毫秒量级。这是被反复复现的效应,不是隐喻。
【隐式】把两条接起来:读句子像是在跑一个「预测—编码」回路。预测得越准(p 高),要处理的新信息越少(码短),越省力;预测落空(p 低),要处理的比特多,越费劲。所谓「读起来顺」,本质是「文本对你的码本高度可压缩」。
【细微】关键推论:surprisal 是相对码本定义的,不是相对文本定义的。同一句话,对新手是高 surprisal、难读;对专家是低 surprisal、冗余。不是因为专家更聪明,而是专家的先验模型给正确续接分配了更高概率——他的码本更好,同样的字串对他码更短。
【极难发现】于是「知识的诅咒」(curse of knowledge)有了一个信息论版本:专家读自己写的东西,surprisal 极低,觉得「这不明摆着吗」;他感受不到新手的比特成本,因为两人码本不同。而可读性公式(Flesch-Kincaid 数音节、数句长)测的是「对一个固定平均码本」的代理量,测不到「你的读者」的码本——所以它在跨人群时系统性失灵。
【流程节点链路】:文本字串 → 读者先验码本给每个续接分配概率 p → surprisal = −log p(码长) → 处理成本正比于码长 → 阅读时间/理解难度。缺任何一环,「难读」就退化成模糊直觉。
【一个可检验的预测】:如果难度是码本失配,那么「先给读者建码本」(先讲背景、先给类比、先让人猜)应该比「把句子改短」更能降低难度——因为前者改的是 p,后者改的是字串长度。这能设计实验分开:控制句长,只操纵先验知识,看阅读时间是否随 surprisal 而非字数走。
【一个张力,留给你辩】:如果降低 surprisal = 降低难度 = 读得更顺,好老师是不是该把 surprisal 压到最低?但学习科学说「合意困难」(desirable difficulty, Bjork)——适度的意外和失败尝试反而记得更牢(本信息流里 Kornell/Hays/Bjork 的 pretesting 效应就是一例)。所以真正的设计变量也许不是「难度」,而是「surprisal 的时序」:先让预测落空(高 surprisal),再给反馈把它压回去(低 surprisal)。舒服和学会,可能是两个不同的最优化目标。
【留给评论区的问题】:如果「难」只是「码本失配」,那还存在「客观上难」的文本吗?还是说所有难度都是模型相对的,所谓「经典难读」只是「大多数人的码本都缺这一段」?如果是后者,那「把难书读懂」就不是克服文本,而是升级码本。







0 评论