|
如果收到大学录取通知书后，你有一个长达8个月的假期，打算去做点什么？ 去山区支教，当志愿者？跨上背包，来个“迷你版”的间隔年旅行？开启学霸模式，在当地大学提前修两门专业课？ …… 有个叫Klio的姑娘。她幸运地提前8个月就拿到了美国名校Rice的录取offer。 手握Rice CS 提前录取offer，萌妹子Klio 竟然一天都没有粗去浪，就提前开启了自己的IT生涯。
从10年级到12年级，在准备留学的道路上踩过不少坑，上过几回当，着实没少走弯路。这个坚信技术能让世界更美好的妹子，决定趁着去念大学前的闲工夫，为师弟师妹们做点什么。
在自己就读的国际高中低年级蹲点了2周，聊（撩）过上百个师弟师妹后，Klio发现：美本党们全身上下都是痛点。 标准化考试 ：赶上了2016的SAT改革，老题统统作废，市面可用的参考资料屈指可数。 背景提升：百度一下，遍地都是推广，然而真正有竞争力的好活动，可遇不可求。 申请文书：都说招生官总是“恋”上好essay，然而过来人一半以上没躲过文书中介的坑。
面对全身都是痛点的吐槽，没资源、没背景、没社会经验的Klio觉得，自己最有发言权的还是标准化考试。
师弟师妹们感到前途迷茫...
于是，她决定帮大家研究一份应对改革后SAT的靠谱词汇资料。 单词这个东东，真真是简单到不值一提，又复杂到一言难尽。 随手搜搜百度文库，京东当当书城，同类考试的单词书多的让人眼花缭乱。 然而，像新东方的红宝书那样经得起考验的，却又能有几本？ 面对一门考试，究竟要背哪些词？确定了背诵范围后，又要背这些单词的哪些释义？过来人Klio认为，解决好这两个问题，备考效率将直线提高。 思路有了，具体要从何开始呢？
那么新SAT，Klio认为自然也要从官方材料入手。 不同的是，21世纪已经过去小20年了，新时代的骚年们，不需要用绳命数数了，因为他们会写！代！码！
统计结果不看不知道，一看吓一跳，什么the,a, of,that，才是词频中的霸王词...... 事实上，拿着手里跑出来的结果，Klio开始怀疑人生...... 比如，如何定义一个单词的出现频率？真的就是用程序数一遍它出现过的次数么？骚年，too simple too naive啦！ 从跑出来的excel表中看到，很多单独统计的单词，其实来自于同一个词的变形。比如，结果显示excerpt共出现了3次，而excerpted出现了29次。事实上他俩说的是一个词：excerpt，只不过在阅读的斜体字中文章来源处，有大量的“this passage is excerpted from…”的表达，拉高了excepted的出现频数。 没错，英语中有很多单词都有不规则的变型词，举几个初中阶段的例子给你看： swim swum swimming forget forgot forgotten 那么诸如这样的单词，在做词频统计的时候，是算一个词，还是算多个词？统计词频，是合并？还是分开？如果要合并，技术上怎么操作？查阅了诸多语言学和技术文献后，Klio终于找到了答案。 英美权威的语料库在进行词频统计时，会根据词性对变型词进行词频的合并计数。 这就好比一个妹子，时而呈现小清新的画风，时而呈现霸道总裁画风，但无论风格怎样多变，只要她出现在大party上的总次数足够多，我们就认定她是一个social 女皇！
单词也是一样，你可以把变型词看做一个站台的家伙，但是不管怎么个变法，只要都还原成原型词，算出总的出现概率，就能比较精确的判断这个词是否常见、常考。 因此，基于这样一种统计的规则，单词出现的频次，是指把所有的变形都进行合并统计后的计数。 如果说当年的老俞是用生命数数，那么Klio各种翻文献，找语言学理论，找算法，则是用生命在思考了。 实现这个变型词的合并统计，用到了一个超级有用的东东叫list of lemma，对此，Klio表示还可以聊上三天三夜，此处省略一万字…
本着这样一个对单词不同形态的统计原则，Klio代码一写呀，一张新SAT官方语料的单词词频汇总excel表就出来了。
▼
有了全部新版SAT官方语料的单词词频统计，是不是就大功告成了呢？
作为一个被老SAT批判性阅读虐过的孩纸，Klio确定一定以及肯定，答案是：NO！！！ WHY？ 简单说来就是：考过的内容indicates了什么重要，但无法indicate什么不重要。换言之：考过的都是重点，然而目前还没考过的，你判断不出哪些同样也是重点。 Klio当年参加中考时，全校童鞋都在刷一本书，叫《5年中考3年模拟》，据说...他们滴老师当年参加高考的时候，也刷过类似的书...
老师告诉他们，把连续多年的真题都刷一遍，你能掌握80%以上的出题要点，剩下的20%就看造化了。 这个逻辑解释老SAT很说得通。把2005年以后的亚太北美全部考卷刷上几遍，上了考场，那可真真是不会做题也会蒙... 但是改革后就不同了，官方资料太少，资料上有的，一定是重点，资料上没的，也要去推测，哪些可能也是重点。 这样的烧脑思考，正对了ITer们的口味。 Klio后半段的工作，focus在了“科学推断”上。
所谓的学术单词，就是无论是你学物理，还是学数学，学天文还是学历史，都会在教材啊、paper啊，lecture啊，频繁遇到的“万金油”单词。 比如，写神马论文都离不开literature review,那么review就是一个典型的academic word。 做物理化学生物医学实验，社科人文问卷调查，都要分析数据，那么分析，analyse也是一个典型的academic word。 美国有一个超级强大的当代语料库COCA，COCA基于上亿语料，总结出了3000个核心的academic words，还计算了这些单词在各类学科中出现频率的分布。分布的越平均，越符合“学术单词”的定义。看着计算dispersion的分类，history, humanity, literature, science, news等等，简直跟新SAT的考察类别无缝对接，真的是要激动哭了。
所谓有人的地方就有江湖，除了COCA的核心3000，雅思里还有一份专门的学术词表，叫AWL（academic word list），COCA还特别强调了自己与AWL的不同以及自己为何更流弊。 看着最最权威的白头发老爷爷们互相掐，也是醉了。不过对于Klio而言，一切权威的学术词表，都要拿来分析一下。 于是乎，结合英美最权威的AWL和COCA核心学术单词表以及老SAT全部真题的词频统计（方法如上，Klio没有直接拿市面出版的SAT单词书做样本，因为无法确定这些书收录词条的原则和算法。看，Rice的人就是这么学术严谨）,Klio开始做交叉分析，得到了4类单词：
这样，其实得到了4个单词list，对应4类不同的背诵目标：
就这样，耗时近2个月，Klio为师弟师妹们制作了一套“根红苗正”的新SAT备考单词表。 把这些单词表导入欧路词典，补充上Merriam-Webster和American Heritage Dictionary 里的中英文释义、同义词、例句。瞬间觉得，当年备考时买的那些SAT单词书都弱爆了。
这2个月的时间，Klio过的和申请季一样充实。没有了对未来的不确定与焦虑，更坦然的投入到工作中去。 这中间，也有很多surprise吓到了她自己。比如，那个“我是Rice ED生”的骄傲，在面对pdf无乱码转word的现实问题时，就被击的灰飞烟灭。 其实，现实才是最好的老师，为了解决一个问题而行动，收获往往意想不到。 搜学术期刊、找相关文献、确定算法、验证数据、交叉分析，Klio感觉自己提前8个月，就开启了大学的学术生活。
扫扫下方二维码 回复“SAT”获得完整词表 |
|
|
来自： 昵称30276536 > 《English》
