>>

英语词汇量测试

你认识多少个英语单词？只需回答 80 道简短的小题，就能得到英语词汇量的科学估算、你的等级和一份免费证书。开头的题都很简单。无需注册，约 10 分钟。

请为每个单词选出正确的意思，或者选“不认识”。

FAQ：为什么改用词义题，不再考同义词和反义词？ （英文）

测试如何进行

  1. 选出词义每道题会给出一个英语单词和四个可能的释义。请选出正确的一项，或者选“不认识”。较少见的词还会附上一个简短的例句。
  2. 轻松开场前 20 个词都在日常英语最常见的 2,000 个词之列，选项也只用简单的词写成，所以即使英语不是你的母语，也能轻松开始。
  3. 按你的水平出题答完 40 题后，测试会估算你的水平，并据此挑选最后 40 个词：阅读能力强的人会遇到更多罕见词，学习者则会遇到更多日常词汇。
  4. 你的结果你会得到估算出的词汇量及 95% 区间、你的等级、一张展示你认识哪些词的图表，以及一份免费证书。

我们如何计算你的词汇量

任何测试都不可能考遍每一个英语单词，所以本测试只考随机抽取的一部分单词，再据此推算其余部分，这和民意调查的思路一样。下面是完整的计算过程。

  1. 怎样才算一个词我们统计的是词典词条（词元），来自普林斯顿大学的英语数据库 WordNet。Run、runs、ran 和 running 算作一个词；runner 这样的相关词则单独计算。专有名词、缩写以及 the、of 这类虚词不计入，英式和美式拼写（colour/color）只算一次。最终剩下 42,719 个词条。
  2. 给单词排序我们按照这些词在日常英语中出现的频率给它们排名，频率取两份大型词频统计的平均值：一份是英语网页文本，约一万亿词（Brants & Franz, 2006）；另一份是影视字幕，共 5100 万词，贴近日常口语（Brysbaert & New, 2009）。如果只看网页文本，click 和 mortgage 这样的词会排在 milk 和 afraid 前面；字幕数据纠正了这一偏差。然后把整个词表分成 10 组，从最常见的 1,000 个词，一直到最罕见的 11,719 个词。
  3. 如何选题每道题测试的都是从某一组中随机抽取的一个词。我们逐一检查了抽到的每个词：约 10% 其实并不是真正的词汇（大多是专有名词、品牌和缩写），因此每组的规模都按该组中发现的比例相应缩减，最后计入的词约为 38,000 个。题目沿用学术研究中“词汇量测试”（Vocabulary Size Test）的形式（Beglar, 2010）：四个用简单词语写成的释义。对于最常见的 3,000 个词，每个释义只由一到四个非常常用的词组成；较罕见的词还会附上一个简短的例句。
  4. 你的知识曲线单词越罕见，你认识它的概率就越低。我们用一条平滑的 S 形曲线来描述这种变化，它由两个数值决定：你恰好认识一半单词时对应的排名，以及你的掌握程度下降得有多快。我们会考察数千条可能的曲线，并按每条曲线对你答题结果的解释程度为其加权（即贝叶斯计算），同时用词频来预测单词的难度（Fischer, 1973）。
  5. 蒙对的答案有四个选项时，盲猜答对的概率是四分之一。你答错的题能反映你猜测的频率，因此计算时能判断：你在陌生词上答对的题中，有多少很可能只是运气，并将其扣除（Stoeckel, Bennett & McLean, 2016）。所以，猜测不会提高你的分数；选“不认识”则能让估算保持精确。
  6. 自适应的最后一部分答完 40 题后，系统会根据你目前的估算结果，决定最后 40 个词从哪些组中抽取（多阶段测试；Yan, von Davier & Lewis, 2014），从而把更多题目用在你从“认识”过渡到“不认识”的那一段。
  7. 汇总计算你的词汇量，就是把你的曲线在所有计入的词上累加起来的结果：假如我们能逐一测试每个词，你预计会认识的词数。我们会给出中间估计值和 95% 区间。
词汇量 = e(1)·P(1) + e(2)·P(2) + … + e(42,719)·P(42,719)  其中  P(r) = 1 / (1 + es · (ln r − ln m))
P(r) 是你认识排名第 r 的词的概率：m 是你恰好认识一半单词时对应的排名，s 表示你的掌握程度下降得有多快。e(r) 是该词所在组中真正属于词汇的比例（0.83–0.97）。
最常见的词最罕见的词单词按常见程度排序：左侧最常见，右侧最罕见
示例结果。每根柱子代表一组单词，从最常见（左）到最罕见（右）排列；柱子越宽，包含的词越多。绿色面积就是词汇量，本例约为 11,800 词。

结果有多准确？

我们用 600 名模拟测试者检验了这一方法：他们的真实词汇量已知，猜题习惯也各不相同。对于掌握程度从常见词到罕见词平稳下降的人，95% 区间在 96% 的情况下包含了真实词汇量；典型误差在词汇量超过 24,000 时约为 6%，在 12,000–24,000 之间约为 11%，词汇量更小时约为 29%。认识罕见词特别多的人（例如因为懂一门相关的语言），结果平均偏低约 16%。80 道题只能从每组中抽取少量单词，因此测两次再取平均值，结果会更精确。

局限性

  • 从四个选项中认出词义，比自己主动使用这个词要容易：本测试衡量的是你能理解的词（接受性词汇）。
  • 单词在日常英语中出现的频率，只能大致反映它的难度。如果你通过另一种语言认识很多罕见词（例如说西班牙语或法语的人熟悉源自拉丁语的词），你的结果可能会略微偏低。
  • 本测试无人监考。如果边测边查词，结果就会失去意义。
  • 我们旧版词汇测试（2026 年 9 月之前）的结果使用的是不同的量表，无法与本测试的结果比较。

完整技术说明（英文）

你的词汇量意味着什么

我们读到的内容，大部分由最常见的词构成：在我们的词表中，最常见的 3,000 个词约占日常网页文本用词的 87%，约 12,000 个词可覆盖 98%。你的等级取决于日常文本中有多少是由你认识的词构成的（根据你自己的答案推算）；超过 99% 之后，则取决于你认识多少较罕见的词。阅读研究表明，随着这一覆盖率的提高，理解能力会稳步提升，而约 98% 是实现轻松阅读的合适目标（Schmitt, Jiang & Grabe, 2011）。

等级你认识说明
入门日常文本中不到 80% 的词你认识一些最常见的英语单词。继续加油：最常见的 1,000 个词就构成了日常英语的大部分。
基础日常文本中 80–90% 的词日常文本中每 5 个词里，你认识 4 个。简短的消息和简单的对话已在你的能力范围之内。
日常会话日常文本中 90–95% 的词日常文本中大约每 10 个词里，你认识 9 个。你能跟上大多数对话和简单的文章，只是偶尔还会有不懂的地方。
独立阅读日常文本中 95–98% 的词日常文本中每 100 个词里，你至少认识 95 个。你能阅读一般的文章和网站，只需偶尔查一下单词。
流畅阅读日常文本中 98–99% 的词日常文本中每 100 个词里，你至少认识 98 个。到了这个程度，阅读会变得轻松，连读小说也不例外。
高级日常文本中超过 99% 的词每 100 个词里，你不认识的还不到 1 个；你的词汇已延伸到较少见的词、学术词汇和文学词汇。
专家日常文本中超过 99% 的词，总计 17,900+ 个词汇量丰富：你认识许多罕见词、正式用语和专业词汇。
词汇大师日常文本中超过 99% 的词，总计 25,000+ 个词汇面极广，涵盖大量罕见词、文学词汇和技术性英语词汇。
活字典日常文本中超过 99% 的词，总计 32,000+ 个我们统计的词你大多都认识，连罕见词和专业词汇也不例外。能达到这个等级的人寥寥无几。

母语者认识多少个词？一项针对 221,268 人的研究发现，一名典型的 20 岁美式英语母语者，在测试的 61,800 个词元中约认识 42,000 个，典型的 60 岁母语者约认识 48,200 个（Brysbaert et al., 2016）。该研究收录的罕见词比我们的词表多得多，因此它的数字会高于同一个人在这里的得分。

学习者需要认识多少个词？阅读研究估计，大约需要掌握 8,000–9,000 个词族（即一组相关的词，例如 run、runner 和 running），才能在没有任何辅助的情况下阅读（Nation, 2006）。

常见问题

普通人认识多少个英语单词？

这取决于怎样才算一个词。一项针对 20 多万人的研究发现，一名典型的 20 岁美式英语母语者认识约 42,000 个词元（词典词条），典型的 60 岁母语者约认识 48,200 个（Brysbaert et al., 2016）。英语学习者通常认识几千个词。在我们的词表中，约 12,000 个词可覆盖日常网页文本的 98%，最高可能得分约为 38,000。

这个词汇量测试有多准确？

每个结果都附有 95% 区间。在已知真实词汇量的模拟中，对于掌握程度从常见词到罕见词平稳下降的人，这一区间在 96% 的情况下包含了真实词汇量；词汇量大时典型误差约为 6%，词汇量小时误差更大。测两次并取平均值，可以让估算更精确。

为什么测试开头的词这么简单？

很多来做这个测试的人正在学英语。前 20 道题考的都是日常英语中最常见的 2,000 个词，选项也用简单的词写成，能让每个人都轻松进入状态，同时也能测出对学习者最重要的日常词汇。

拿不准的时候要不要猜？

如果你大概知道意思，就作答；如果确实不认识这个词，请选“不认识”。计算会根据答错的题识别猜测，并扣除蒙对的题，所以猜测不会提高分数，只会让估算变得不那么精确。

怎样才算一个词？

一个词典词条（词元）算一个词：run、runs、ran 和 running 算作一个词，而 runner 是另一个词。专有名词、缩写以及 the 这类虚词不计入。我们的词表包含来自 WordNet 的 42,719 个词条，按它们在日常英语（网页文本和影视字幕）中出现的频率排名；剔除随机抽样中发现的专有名词、品牌和缩写后，其中约 38,000 个计为词汇。

可以多次参加测试吗？

可以。每次测试都会从 774 道题的题库中随机抽词，并避开你在这个浏览器中已经见过的词，所以你很少会遇到重复的题目。几次测试之间出现小幅差异是正常的，请对照 95% 区间来比较。

为什么我的结果和旧版测试不一样？

2026 年 9 月，我们用本页公开的方法取代了旧版的近义词和反义词题目及其计分方式。旧版测试使用的词表和量表都不同，所以它的分数无法与新版比较。

这个测试适合母语者还是学习者？

两者都适合。第一部分考查日常词汇，最后一部分会自适应调整：学习者会遇到更多接近自己水平的词，阅读能力强的人则会遇到罕见词、文学词汇和技术词汇。

证书是什么？

测试结束后，你可以免费生成一份证书，上面有你的姓名、词汇量和等级。任何人都能通过证书链接核实该结果确实由 颁发。测试本身无人监考，因此证书记录的是你的测试结果，而不能证明你的身份。

你们会保存我的答案吗？

你的答案和结果只保留在你的浏览器中。我们使用 Google Analytics 统计有多少人开始和完成测试，并记录取整后的词汇量结果，绝不记录你的答案。如果你生成证书，你的答案和姓名会发送到我们的证书服务，该服务会重新计算结果，返回一个带签名的链接，且不会保存任何内容。

参考文献

本测试所依据的研究和数据。每个链接都指向原始出版物。

  1. David Beglar (2010). A Rasch-based validation of the Vocabulary Size Test. Language Testing, 27(1), 101–118. doi:10.1177/0265532209340194
  2. George A. Miller (1995). WordNet: A lexical database for English. Communications of the ACM, 38(11), 39–41. doi:10.1145/219717.219748
  3. Christiane Fellbaum (ed.) (1998). WordNet: An Electronic Lexical Database. MIT Press. doi:10.7551/mitpress/7287.001.0001
  4. Thorsten Brants, Alex Franz (2006). Web 1T 5-gram Version 1. Linguistic Data Consortium, LDC2006T13. doi:10.35111/cqpa-a498
  5. Marc Brysbaert, Boris New (2009). Moving beyond Kučera and Francis: A critical evaluation of current word frequency norms and the introduction of a new and improved word frequency measure for American English. Behavior Research Methods, 41(4), 977–990. doi:10.3758/BRM.41.4.977
  6. Marc Brysbaert, Michaël Stevens, Paweł Mandera, Emmanuel Keuleers (2016). How many words do we know? Practical estimates of vocabulary size dependent on word definition, the degree of language input and the participant’s age. Frontiers in Psychology, 7, 1116. doi:10.3389/fpsyg.2016.01116
  7. Emmanuel Keuleers, Michaël Stevens, Paweł Mandera, Marc Brysbaert (2015). Word knowledge in the crowd: Measuring vocabulary size and word prevalence in a massive online experiment. Quarterly Journal of Experimental Psychology, 68(8), 1665–1692. doi:10.1080/17470218.2015.1022560
  8. Marc Brysbaert, Paweł Mandera, Samantha F. McCormick, Emmanuel Keuleers (2019). Word prevalence norms for 62,000 English lemmas. Behavior Research Methods, 51(2), 467–479. doi:10.3758/s13428-018-1077-9
  9. Paul Nation (2006). How large a vocabulary is needed for reading and listening?. The Canadian Modern Language Review, 63(1), 59–82. doi:10.3138/cmlr.63.1.59
  10. Norbert Schmitt, Xiangying Jiang, William Grabe (2011). The percentage of words known in a text and reading comprehension. The Modern Language Journal, 95(1), 26–43. doi:10.1111/j.1540-4781.2011.01146.x
  11. Robin Goulden, Paul Nation, John Read (1990). How large can a receptive vocabulary be?. Applied Linguistics, 11(4), 341–363. doi:10.1093/applin/11.4.341
  12. Tim Stoeckel, Stuart McLean, Paul Nation (2021). Limitations of size and levels tests of written receptive vocabulary knowledge. Studies in Second Language Acquisition, 43(1), 181–203. doi:10.1017/S027226312000025X
  13. Henrik Gyllstad, Laura Vilkaitė, Norbert Schmitt (2015). Assessing vocabulary size through multiple-choice formats: Issues with guessing and sampling rates. ITL - International Journal of Applied Linguistics, 166(2), 278–306. doi:10.1075/itl.166.2.04gyl
  14. Tim Stoeckel, Phil Bennett, Stuart McLean (2016). Is “I don’t know” a viable answer choice on the Vocabulary Size Test?. TESOL Quarterly, 50(4), 965–975. doi:10.1002/tesq.325
  15. Stuart McLean, Jeffrey Stewart, Brandon Kramer (2015). An empirical examination of the effect of guessing on vocabulary size test scores. Vocabulary Learning and Instruction, 4(1), 26–35. doi:10.7820/vli.v04.1.mclean.et.al
  16. Robert B. Frary (1988). Formula scoring of multiple-choice tests (correction for guessing). Educational Measurement: Issues and Practice, 7(2), 33–38. doi:10.1111/j.1745-3992.1988.tb00434.x
  17. Gerhard H. Fischer (1973). The linear logistic test model as an instrument in educational research. Acta Psychologica, 37(6), 359–374. doi:10.1016/0001-6918(73)90003-6
  18. Duanli Yan, Alina A. von Davier, Charles Lewis (eds.) (2014). Computerized Multistage Testing: Theory and Applications. Chapman and Hall/CRC. doi:10.1201/b16858

感谢 WordleSolver.pro：我们给单词排序所用的网页文本词频，来自它的词频表。

更新日志

  • 出结果之前，测试现在会问三个简单问题：年龄段、性别和你的英语背景。每个问题都可以选择不回答，回答是匿名的，不会改变你的分数。我们会用这些回答来做新的分组统计。
  • 已将本测试记录的上线日期从 2019 年 3 月 13 日更正为 2016 年 7 月 8 日。可查看2016 年 7 月 8 日的 Wayback Machine 网页存档（英文）。
  • 第 3 版：从 774 道题的题库中随机抽取 80 道题，覆盖按日常使用频率排序的 42,719 个英语词条。开头几题简短易答；最后一部分自适应；公开计分模型并提供 95% 区间；全新的结果页面；以及可验证的免费证书。 我们为什么改变了题型（英文）
  • 感谢用户 Bach 的反馈，我们修复了一个字体显示问题。
  • 我们在原有题目的基础上新增了 24 道题，让想挑战自己的人能取得更高、更能反映自身水平的分数。
  • 感谢用户 Sasha 的反馈，我们更正了前一天修改中的一处笔误。
  • 感谢用户 Astralika Castle，我们改写了一些可能产生歧义的用语。如果你有意见或建议，欢迎在测试结束后留言。
  • 现在，测试结果可能会因答题用时的长短而有所不同。
  • 现在可以把结果以图片形式分享到 Facebook 或 Twitter。
  • 我们重新设计了结果界面。

其他语言的词汇量测试

中文 | 英语 | 日语 | 韩语
法语 | 德语 | 西班牙语 | 葡萄牙语 | 俄语
荷兰语 | 意大利语 | 波兰语 | 泰语
印尼语 | 捷克语 | 阿拉伯语 | 土耳其语
丹麦语 | 芬兰语 | 挪威语 | 瑞典语
语言英语语言自我训练前30名词汇
打字测试乌克兰语词汇量测试挪威语词汇量测试瑞典语词汇量测试土耳其语词汇量测试阿拉伯语词汇量测试捷克语词汇量测试丹麦语词汇量测试韩语词汇量测试印尼语词汇量测试中文词汇量测试(你的中文词汇量是多少？)泰语词汇量测试波兰语词汇量测试芬兰语词汇量测试日语词汇量测试俄语词汇量测试荷兰语词汇量测试葡萄牙语词汇量测试意大利语词汇量测试德语词汇量测试西班牙语词汇量测试法语词汇量测试你能认出这些单词的复数形式吗？英语拼写测试