linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？

我所说的一切都可能是错的！
即使你赞同我的观点，你的生活也不会因此有任何改变！
除非——你采取了相应的行动。

（这是书先生在的第13篇文章。本文约1800字，请花4分钟来阅读。）

引子

这是一篇旧文，作于川普当选后几日。因为最近接连听到奥巴马离职演讲和川普的记者招待会，因此翻出来，与大家分享。

这几天朋友圈都被川普当选为美国总统的事儿刷爆了。书先生因为杂事缠身，没有时间关注，但也被路夫人拉着看了几段视频。准确的说是三段，都是在川普当选后的视频。一段是川普自己的当选感言，一段是希拉里承认失败的感言，另一段是奥巴马略带苦涩的贺词。

听完过后，隐隐然觉得这三篇演讲在文字上有点差异。马上大学四六级考试就要开始了，假如他们的演讲被选作题目，哪篇会更简单呢？本着研究精神，我准备做个简单的文本分析，看下它们到底有什么不同。

分析方法

第一步：先从网上分别下载了三个演讲的文本，分别以txt格式保存。
第二步：清理文本，确保没有错别字及标点准确。
第三步：用软件统计三个文本的基本数据，包括词频分布、平均字长、平均句长、可读性、词汇密度、被动语态比例等。做好记录。

分析结果

词汇难度分析

这个数据检查文本里面的词汇难度，从两个维度考量。一是文本中单词占最常用词汇的比例，二是平均字长。分为四个刻度：0-500（使用频率最高的前500个单词），500-3000（使用频率第500-3000个单词），3000以上（使用频率排序在3000以上的单词），学术词汇。分析结果见下图：

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第1张图片

词频分布对比.jpg

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第2张图片

可以看出，三篇演讲在词汇难度上差异不大。文本中使用频率在3000以后的占比都在11%左右，没有学术词汇，符合政治演讲的特征。三篇演讲的平均字长也差不多。因此，词汇难度方面，三篇打平。

信息密度分析

信息密度可以用词汇密度来衡量，它指文本中实词（即形容词、副词、名词和动词）所占比例。分析结果如下：

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第3张图片

可见，在信息密度方面，三篇演讲也没有显著差异，而且都在口语文本的范围内。（参照下表。）

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第4张图片

词汇密度参考

易读性

易读性（readability）考察一个文本对阅读者来说的难易程度。词长、句长、音节数等都会纳入考虑。因为上面已经对比了词长，这里就不再列出。分析结果如下：

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第5张图片

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第6张图片

被动语态比例对比

在词汇难度和信息密度上都没有显著差异的三篇演讲稿，在易读性上出现了明显的区别。

川普的演讲稿平均句长只有9.45，而希拉里和奥巴马都在16以上。易读性上，特朗普的演讲最简单，只有6.45，希拉里和奥巴马分别为8.71和9.19。

易读性的数字如何解读呢？这个数字指读者需要处于什么教育水平才能看懂该文本，在美国就是以年级来计算。比如川普的6.45指6到7年级的学生能够听懂这个演讲。奥巴马的演讲最难，需要10年级的学生才能听懂。各种文本类型的易读性指数参考见下表。

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第7张图片

易读性参考

从上表可以看出，希拉里和奥巴马的演讲都在正常范围，因为政治演讲一般易读性在8-12之间。而川普的演讲易读性显著高于希拉里和奥巴马二人的演讲（数字越小，易读性越高），其易读性落在5-8之间，也即和广告词的易读性差不多。

众所周知，川普是个商人，他最擅长的就是营销，尤其是自我营销。所以，他的演讲易读性和广告类似，完全是在情理之中。

他的演讲难度低、接地气，这是不是他能够当选总统的原因之一呢？从这个数据，我们似乎可以推测投票给特朗普的选民可能平均受教育程度会低于投票给希拉里的选民，或者说美国人的语言能力在下降。当然，这只是推测，数据太小，不可能有准确的结论。纯属娱乐，请勿当真。不过，我突然能够理解为什么很多美国大学教授对特朗普当选非常失望。

川普使用被动语态的比例也远低于他的民主党对手们，仅有1.27%。171个句子中，只要两个句子使用了被动语态。三人中，奥巴马最高，被动语态句子占比7.85%。

被动语态的比例是文本难易程度的一个很直观的指标，同时也和主观性程度有关。一般来说，技术文本和学术文本使用被动语态的比例会高于普通文本。

词频分析

最后，我们来看看三篇演讲中出现频率最高的实词分别是什么，借此窥视一下三位演讲人分别更关注什么。废话不说，直接上三张词云图片吧，直观明了。

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第8张图片

川普演讲词云

川普演讲使用频率最高的实词是people，这和他这次竞选所走的“群众路线”是一致的。接下来是very和great，这也符合他一贯喜欢使用booster和最高级的风格。如果你看过他制作的真人秀The Apprentice，你听到最多的词可能就是most。

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第9张图片

希拉里演讲词云

希拉里说得最多的是thank，失败者似乎更应该感谢支持者。接下来是campaign和country。竞选失利，总结一下是应该的。自己无法出任总统，但是表示对祖国的关注也是情理之中。不过people的使用频率不如想象中高，是不是希拉里女士对这届人民有点失望？

linguistats | 川普、希拉里、奥巴马，你希望谁来出四六级阅读题？_第10张图片

奥巴马演讲词云

总统就是总统，发表的演讲里country和people并列，显示出了一国之君的胸怀。

结论

都是政治演讲，川普先生明显更接地气，或许这才是他本次竞选获胜的真正原因。当然，这纯粹是猜测。更实在的是，如果是你来选，你希望是谁来出四六级阅读题呢？