152,218 次 TOEFL 听后重复作答告诉了我们什么

我们想弄清楚什么

我们刻意把问题限定得很窄。这些数据可以显示 LingoLeap 练习中反复出现的规律，但不能单独证明规律背后的原因。

• 句子变长时，复述完整度和平台分数如何变化？
• 哪些音素和词尾反复得到较低的自动发音评估结果？
• 学习者停顿次数增加时，平台分数如何变化？

数据是怎么处理的

规律 1：句子越长，能复述出的内容越少

这是数据中最清晰的规律。短句平均复述完整度为 78.8%，最长句降至 50.0%，平台均分也随之下降。

更值得注意的是没有明显变化的指标：从最短组到最长组，平均发音准确度只从 84.8 变为 84.5，但复述完整度相差 28.8 个百分点。换句话说，学习者不一定把保留下来的每个词都读得明显更差，而是没有把整句话完整带回来。

规律 2：少数音素明显更难

在所有测量音素中，/θ/（thin 中的 “th”）自动评估得分最低，平均为 61.6/100；在 17,575 次测量中，有 37.6% 低于服务商定义的 60 分阈值。

这个差距足以成为练习线索，但也很容易被过度解释。这些是自动评估结果，不是语音学家的人工判断。微软把 AccuracyScore 定义为发音与母语者模型的声学接近程度，并把单词准确度低于 60 分标记为读音错误 [3]。

规律 3：单词还在，词尾却消失了

在 237,757 个带词尾 -s 的单词中，11.4% 的词尾没有出现在识别结果里。

这种错误很容易被耳朵忽略。主体单词还在，整句听起来似乎正确，但一个很小的语法信号已经消失。即使词尾被保留下来，末尾擦音的平均准确度也只有 74.3/100。现有数据无法判断每一次遗漏究竟来自记忆负荷、发音动作还是语音识别误差。词尾丢失会改变语法：closes 变成 close，weekends 变成 weekend。

规律 4：停顿越多，平均分越低

平均分随着停顿次数增加而逐级下降：没有检测到停顿的作答平均为 3.68/5，停顿 5 次以上时降至 2.22/5。

这个近乎逐级下降的趋势很明显，但它并不是对“每次停顿扣多少分”的估计。能力较弱或复述不完整的学习者，可能同时更容易停顿，也更容易得到低分。

规律 5：少数单词反复得到低分

包含较难音素或辅音组合的实义词得分最低，例如 turned（41/100）和 loaner（44/100）。

这些规律可能如何关联

这些结果描述了两个可以观察的维度：一边是复述完整度和停顿行为，另一边是自动发音评估。工作记忆研究让“处理负荷”成为解释句长规律的一种合理假设 [1]；语言测评研究则提醒我们，自动语音评分仍需要针对具体测量构念进行验证 [4]。这些都是解释，不是本数据已经证明的原因。

对学习者来说，这些描述性结果仍然给出了具体的诊断目标：比较自己在短句和长句上的表现，检查句尾是否完整保留，再找出反复得低分的音素。配套方法页会把这些观察转化为练习步骤，但不应把这些建议理解为已经经过实验估计的提分效果。

从整体规律回到真实句子

上面的每个数字都是数千次作答的平均结果。接下来的 sample 页面会回到具体句子：展示目标句、如何分块、哪些词更容易被漏掉，以及学习者通常在哪里停顿。可以先从下面这个例子开始：

最后的想法

数据集说明

注释与资料来源

1. [1] Baddeley, A., Gathercole, S., & Papagno, C. (1998). The phonological loop as a language learning device. Psychological Review, 105(1), 158–173.
2. [2] Saito, K. (2019). Effects of second language pronunciation teaching revisited. Language Learning, 69(3), 652–708.
3. [3] Microsoft. (2026). Use pronunciation assessment. Microsoft Learn.
4. [4] Xi, X. (2023). Examining the validity of automated speech scoring systems. Journal of the Acoustical Society of Japan, 79(3), 170–176.

学习者经常问的问题