TOEFL 口语评分系列 · Delivery
TOEFL 口语不同分档的 Delivery 差异
LingoLeap Research Team · 2026 年 9 月
速览结论
在所报告的 LingoLeap AI 分档中，较高分档的 Delivery 平均信号也较高：从 2 分档到 4.5 分档，流利度约 50→81，语调 67→81，语速约 83→135 wpm，答题长度 58→91 词。零停顿分桶平均分最低，但受到短答与截断作答的混杂。这些是相关关系，不是因果评分规则。
这是 TOEFL 口语评分系列 的 Delivery 分册。系列主报告回答“口语是怎么评分的”，这一册只看三大维度里最“可听见”的一项：答案听起来是否流利、清晰、有节奏。
数据与方法
数据来自 LingoLeap 上真实、自愿的 TOEFL 2026 Take an Interview 练习作答，经匿名化并按每条答案的 AI 分档聚合。Delivery 计时信号来自自动语音评估（Azure），其余为 LingoLeap 的 AI 评分。这些是映射到公开评分维度名称的 AI 信号，不是 ETS 官方评分。只发布聚合结果，不含录音、转写、用户 ID 或单条作答。低于 2.0 的分档因短答案造成语速假象而从主分析中剔除。
规律 1：Delivery 每一项都随分数上升
流利度、语调、发音、准确度都随分档单调上升，其中流利度（fluency）的跨度最大。
四项里，流利度（fluency）在所报告分档间的跨度最大（约 50→81）。相比之下，语调（prosody）从 67 到 81、准确度（accuracy）从 70 到 91，跨度较小。这里比较的是分档均值差异，不代表流利度对分数有更强的因果作用。
规律 2：语速与长度也随分数上升
语速与平均分并不是线性关系。按语速分桶后，平均分在 140–159 wpm 分桶最高（约 3.5），更快的分桶均值下降。作答长度、清晰度、熟练度和识别质量都可能造成混杂，因此这不是推荐语速。
更长的答案分桶也对应更高的平均分，但这不能确定理想长度或因果效果；完整度、熟练度、题目难度等因素都可能同时影响长度与分数。
规律 3：别信“少停顿”——零停顿其实最低分
停顿数与分数不是“越少越好”：零停顿分桶的平均分最低，但该分桶受到短答和截断作答的明显混杂影响。
这正是只看单一相关就会误导的例子：原始停顿数与长度高度混杂——没停顿往往因为没说几句。所以我们不把“少停顿”当成建议，而用流利度、语速、长度来刻画 Delivery，把停顿数单列为一个诚实的旁证。
把结论变成练习
这份观察性数据不能给出单一的练习处方，但它明确不支持把“说快、别停”当成评分捷径。练习时应结合内容完整度、清晰度和个体反馈。
本研究不能说明什么
- 分数是 LingoLeap 的 AI 评分，不是 ETS 官方成绩；维度名称借用公开评分框架，不复制 ETS 评分标准文本。
- 观察性、描述性数据：报告样本量与差值，不做显著性检验或因果推断。
- 重复的学习者与题目不是相互独立的观察值。
- 低于 2.0 的分档因短答案的语速假象被剔除；语速计算设有最小计时词数的保护。
数据集说明
LingoLeap Research Team（2026）。TOEFL 口语不同分档的 Delivery 差异。 LingoLeap Research，版本 1.0。
https://lingoleap.ai/zh-TW/research/toefl-speaking-fluency
样本：14,884 次练习中的 55,614 条作答。
学习者经常问的问题
TOEFL 口语里的 “Delivery” 指什么？
Delivery 指答案“听起来怎么样”——流利度与语速、节奏与语调（prosody）、以及清晰的发音。它是 TOEFL 口语三大评分维度之一，另外两个是 Language Use（语言运用）和 Topic Development（内容展开）。在 LingoLeap 的数据里，Delivery 信号是最能拉开分档的。
说得越快分数越高吗？
这份数据不能证明改变语速会导致分数变化。140–159 wpm 分桶的平均分最高，更快分桶的均值较低，但作答长度、清晰度、熟练度和识别质量都可能造成混杂。
口语作答要尽量不停顿吗？
数据不支持把“少停顿”当作评分规则。零停顿分桶的平均分最低，但受到短答和截断作答的明显混杂；不能把停顿数本身解释为导致高分或低分。
TOEFL 口语答案应该多长？
在这份数据里，更长的作答分桶平均 AI 分数更高，但分析不能确定理想长度或因果效果。长度也可能反映完整度、熟练度、题目难度等其他因素。