2022年全国新高考英语阅读文本复杂度研究

　　感谢您关注“永大英语”！

　　

　　2022年全国新高考英语阅读文本复杂度研究

　　钟丽妃 朱晓东

　　摘要：文本复杂度分析是考试内容效度验证、阅读测试任务设计、阅读教学等研究中至关重要的一部分。本研究基于自然语言处理工具Coh-Metrix，从易读数、易读数主成分、衔接和句法4个方面31个量化指标对2022年全国新高考英语的阅读文本复杂度进行对比研究，并运用SPSS从这四个方面进行曼-惠特尼U检验。研究表明，2022年全国新高考英语阅读理解文本在易读数、易读数主成分、衔接和句法上无显著性差异。从具体指标来看，全国新高考英语I卷的易读性低于全国新高考英语II卷，叙事性也低于全国新高考英语II卷，但是全国新高考英语I卷的衔接优于全国新高考英语II卷，句法上较全国新高考英语II卷更容易。研究表明，主题更难的题材可能使用更多的衔接手段以及更简单的句法对理解进行补偿。本研究旨在为高考英语内容效度验证研究提供数据支撑，并为如何使用自然语言处理工具建立阅读语篇文本题库提供方法参照。

　　关键词：全国新高考英语；阅读语篇；文本复杂度

　　一、引言

　　普通高等学校招生全国统一考试（以下简称高考）是一种大规模的常模参照性考试，具有覆盖广、标准化、高利害等特征。2014年9月4日国务院发布《国务院关于深化考试招生制度改革的实施意见》，标志着新一轮考试招生制度改革全面启动。2017年，上海市和浙江省成为首批高考综合改革试点地区。从2020年高考起，针对实施高考综合改革省份新课程方案的差异和教学内容范围的不同，将命制两套“新高考全国卷”。就2022年全国高考英语试卷的使用而言，广东、福建、江苏、湖南、湖北、河北、山东七省采用全国新高考英语I卷；辽宁、重庆、海南三省市采用全国新高考英语II卷；北京、上海、天津、浙江四省市自主命题；云南、广西、贵州、四川、西藏五省市区采用全国甲卷；河南、山西、江西、安徽、甘肃、青海、内蒙古、黑龙江、吉林、宁夏、新疆、陕西十二省市区则采用全国乙卷。常有教师探讨几类试卷的难易程度，但仅凭自我感觉给出的主观推断缺乏科学的数据支撑。

　　阅读理解是外语考试权重最高的部分，也是中国学生比较擅长的部分，但是在大型考试中，学生依旧觉得阅读理解偏难，而鲜有学者研究阅读文本本身难在何处。已有研究主要介绍雅思和阅读测试的开发，以及从考试策略角度和考生背景进行效度验证 （Cohen & Upton，2007；Gomez et al.，2007；Taylor & Weir，2012）。围绕大学英语四、六级以及高考考试阅读的研究主要探讨其内容效度（魏爽、梁士红，2022；高伟新、高旭阳，2021；辜向东、李志芳、张书奎，2009），对直接影响考生成绩的阅读语篇难度的研究较少，缺少采用自然语言处理工具就文本特征以及不同试卷类型展开的比较研究。

　　因此，本研究将以2022年全国新高考英语I卷和II卷的阅读理解第一节部分为研究对象，自建2022年全国新高考英语阅读理解文本小型语料库。通过Coh-Metrix自然语言处理工具，从文本的易读数、易读数主成分、衔接和句法四个方面全面分析高考阅读语篇的复杂度，并使用SPSS比较全国新高考英语阅读的文本难度差异，为高考英语内容效度验证研究提供数据支撑，并为如何使用自然语言处理工具建立阅读语篇文本题库提供方法参照。

　　

　　二、阅读语篇难度和评估系统

　　阅读语篇难度指语篇难以阅读和理解的程度，反过来讲就是可读性（readability）或易读性（easibility）（McNamara et al.，2014：78，83）。长期以来，学者常采用单一的可读性指标来测量语篇难度，如弗莱士-金凯德年级水平（Flesch-Kincaid Grade Level，FKGL）、阅读能力等级（Degrees of Reading Power，DRP）和蓝思分级（Lexile Scores）。McNamara等人（2014：13-15）研究发现，这些指标分析出的语篇难度高度相关（r>0.9），因为它们都包含句长和词长信息。如，弗莱士-金凯德年级水平的计算公式为：0.39x句子的平均单词数+11.8x单词的平均音节数-15.59，其基本理念是单词越长，可能越难；句子越长，句法可能越复杂，需要的句法分析工作越难，因而语篇的阅读等级越高。但是，词长和句长只能体现语篇的一部分表层特征，即语篇难度的一部分。这些公式忽略了阅读理解过程涉及的语言表征、结构、策略使用、加工过程等其他认知层面的因素（McNamara et al.，2014：79）。Masi（2002）也指出，在考察语篇是否适合特定读者时，不仅要量化测量词汇和句法复杂度，还应考虑其他语义和句法因素如结构嵌入、语篇类型、读者的背景知识等。

　　Coh-Metrix是由McNamara等人研发的一个基于网络、对书面文本的衔接性和连贯度进行自动分析的一个文本可读性评估系统，本文采用的是网页版Coh-Metrix 3.0。目前 Coh-Metrix 3.0可以对11个模块共106个变量进行自动分析。这11个模块依次是：描述性统计量、文本易读性主成分得分、指称衔接、潜语义分析、词汇多样性、连词、情景模式、句法复杂度、句法型式密度、词汇信息和可读性。基于多种自动分析技术，Coh-Metrix改进了以往单一的可读性公式，研制出Coh-Metrix二语可读性指标（Coh-Metrix L2 Readability，RDL2）。其计算公式为：-45.032+（52.23×相邻句子实词重叠的平均数）+（61.306×句子的平均句法相似度）+（22.205×CELEX数据库中实词的最低对数词频平均数）（Landauer，2007）。该指标特别适用于二语学习者，因为它反映了二语学习者在词汇、句子和语篇衔接方面遇到的困难。Coh-Metrix的理论基础是影响阅读理解的多层面理论框架，包括词汇、句法、篇章格局（textbase）、指称性情景模式（situation model）、体裁和修辞结构、读者和写作者/说话人和听者之间的语用交际六个维度（Graesser & McNamara，2011；Kintsch，1998）。Coh-Metrix开发的最初目的是对口头、书面文本的衔接性进行自动分析，该工具的名称Coh来自单词“cohesion”。但是它的后期设计远远超出此范围，可对一些语言指标进行测量。其中，潜语义分析技术是Coh-Metrix的一大优势，它超越了表层形式特征的统计，通过奇异值分解来压缩词频-文本矩阵，以此构建潜藏的文本语义空间，然后计算两个语言单位所代表的向量夹角的余弦值，即为两者的语义相似度 （桂诗春，2003；Landauer et al. 2007）。

　　近几年，国外学者对于Coh-Metrix的研究主要分为四类。首先，由于开发Coh-Metrix的最初目的是测量口语和书面语的衔接性，所以起初大量研究证明了Coh-Metrix的106个变量对于衔接性和阅读理解的显著影响。其次，Coh-Metrix也用于分析文本之间的区别从而判断文本的体裁。第三，Coh-Metrix也用于分析写作语言的特点以及对写作质量的预测力。最后，少许研究也使用Coh-Metrix来分析各类试卷中阅读理解文本的难度。国内对于Coh-Metrix的研究主要分为三类：第一类是自动评分研究，如杜慧颖和蔡金亭（2013）研究发现Coh-Metrix提供的易读度、词频、衔接性和句长指标与学生写作质量的相关度较高；第二类是对写作语言的特征研究。如鲍贵（2011）研究了学习者的词汇复杂性；第三类则是对试卷中阅读理解文本难度的研究，如江进林和韩宝成（2018）使用Coh-Metrix工具对近年大学英语六级、托福和雅思的163篇阅读语篇进行了难度对比分析。再如，辜向东和关晓仙（2003）利用该公式对大学英语四、六级考试的阅读测试和大学英语的阅读材料进行了易读度抽样研究。

　　

　　三、研究设计

　　（一）研究问题

　　本研究主要回答以下两个问题：

　　1. 2022年全国新高考英语I卷和II卷在易读数、易读数主要成分、衔接以及句法四个方面文本复杂度总体有何特征？

　　2. 2022年全国新高考英语I卷和II卷在易读数、易读数主要成分、衔接以及句法四个方面是否存在显著差异？如有差异，具体体现在哪些方面？

　　（二）研究对象

　　以2022年全国新高考英语I卷和全国新高考英语I卷阅读理解第一节的文本作为研究样本建立小型语料库，每套试卷都包含4篇文章，共8篇。研究者将每篇文章保存为单个文件，并对这8篇文本的格式进行了统一：将标点符号统一改为英文输入；使用分段符为段落标记；删除文本中的标题以及超纲词后面的汉语释义等。

　　（三）研究工具

　　本研究采用Coh-Metrix 3.0对英语阅读理解语篇进行自动分析。网络版Coh-Metrix 3.0可以自动处理15000词以内的单个文本，或者处理多个文本，该网页可以提供免费服务。但是文本超过15000词或者文本数量超过一定数量则需付费。

　　（四）研究过程

　　1. 运用Coh-Metrix 3.0进行多方面的定量分析；

　　2. 抽取Coh-Metrix 3.0中与本研究相关的指数；

　　3. 运用SPSS对收集的数据进行曼惠特尼U检验。

　　

　　

　　

　　四、结果与讨论

　　（一）易读数

　　在设计阅读测试的过程中，常用易读度公式作为衡量文本难度的指标，如Flesch易读数以及Flesch-Kincaid年级水平，Flesch易读度指数的范围为0到100，数值越高表明文本越容易，数值为50-60的文本阅读要求约为本族语者的高中水平，数值低于50则约为本族语者的大学阅读水平( Flesch，1948)。Flesch-Kincaid年级水平的数值以美国的学校系统为基础，12是高中的最后一年，13-16是大学水平。Crossley等人（2008）提出了专门针对二语阅读者的易读度公式，将词汇、句法以及衔接均纳入了考虑范围，涵盖了词汇频率、句法相似度和指称衔接等因素，可通过Coh- Metrix计算，数值越高显示文本越容易。

　　

　　由表4.1.1可知：全国新高考英语I卷的Flesch易读公式得出的值比全国新高考英语II卷的低（64.7/66.85），全国新高考英语I卷的Flesch-Kincai年级水平公式的值比全国新高考英语II卷的高（8.2/7.74）；而在Coh-Metrix二语易读度方面，全国新高考英语I卷的值低于全国新高考英语II卷。所以，对于二语学习者来说，全国新高考英语II卷的文本可读性更高一些。因此，从这三个指标来看，全国新高考英语I卷比II卷更难。曼-惠特尼U检验显示（各P值均大于0.05），全国新高考英语I卷和II卷在这三个指标间的差异均不显著。

　　（二）易读数主成分

　　易读数包含8个主成分：叙事性、句法简约性、单词具体性、指称衔接、深度衔接、动词衔接、连接性和时序性的z分数和百分位数。z分数是经过标准化处理过的数据，即每个文本的特征值减去所有文本组的平均数再除以标准差；百分数在0-100%之间，如70%的百分数表示该文本比70%的文本更容易。其中影响叙事性的正载荷变量包含11个，分别是动词、副词、代词、第一人称代词、第三人称代词的比例；CELEX数据库中所有词汇的对数词频平均数；CELEX数据库中实词的最低对数词频平均数；句子最低词频；实词的平均熟悉度；否定式的比例；句子间词性相异度。影响叙事性的负载荷变量有6个，分别是：单词平均音节数；名词、形容词的比例；实词的平均习得年龄；名词短语的平均修饰语数；被动语态。句法简约性的正载荷变量有：因果关系动词；意愿动词或意愿副词；段落内句子的平均句法相似度。

　　负载荷变量有：虚词与实词之比；句子平均单词数；主动词前平均单词数。词汇具体度的正载荷变量是：实词的平均意义性；实词的平均具体度；实词的平均想象性。指称衔接的正载荷变量有10个：相邻句子实词重叠的平均数；所有句子实词重叠的平均数；相邻句子论元重叠的平均数；所有句子论元重叠的平均数；相邻句子名词重叠的平均数；所有句子词干重叠的平均数；已知信息和新信息的LSA；相邻句子LSA；所有LSA；句子间词汇相异度。负载荷变量有3个变量：类形符比；所有词汇多样性；动词多样性。影响深度衔接的正载荷变量有6个：所有连词的比例；因果连词的比例；时序连词的比例；逻辑连词的比例；因果关系衔接；意愿关系衔接。动词衔接的正载荷变量是：实词的平均多义性；相邻句子动词重叠的平均数；相邻句子LSA动词重叠。连接度的正载荷变量是：附加连词的比例；转折连词的比例。最后，影响时序性的正载荷变量是时序衔接；动词时态重复；动词体重复。由于本研究的重点不是单个文本，而是两组文本，因此采用的是z分数。

　　

　　表4.2.1呈现了两类语篇的易读数z分数。根据表格可以发现，在易读数主要成分的8个变量中，曼-惠特尼U检验显示各变量之间没有显著性差异（p值均大于0.05）。但是从各个变量来看，首先，在叙事性上，全国新高考英语I卷低于II卷（-0.25/-0.04）。叙事文本通常是讲述一个故事，包括时间、人物、地点、事件等，因此使用的动词、副词、代词会更多。以往研究表明，叙事文本往往带有口语色彩，所谈论的话题往往是人们所熟悉的，句子的结构也会更加的口语化，更利于理解。口语化的文本意味着叙述者会使用音节更短、频率更高的词汇，这类词汇被儿童习得的也更早。由此可见，全国新高考英语II卷的话题比I卷更贴近读者日常生活，口语特点更加明显；第二，在句法简约性上，全国新高考英语I卷低于II卷（0.12/0.67），句子构成简单则说明名词短语的修饰语、主动词前的单词、被动语态较少。而偏重信息传递的书面文本则会采用较多的术语。由此可见，全国新高考英语II卷的句法更简约，更有利于读者理解；第三，在词汇具体度方面，全国新高考英语I卷稍高于II卷（0.70/0.62）。语篇中实词比例越高、实词的意义越丰富、越能在人脑中形成意象。因此，词汇具体度的数值越高，语篇文本越容易加工和理解。相反，抽象的词汇很难形成可视化的概念，因而更难理解。这也说明，全国新高考英语I卷的词汇比II卷的词汇更加容易理解；第四，在指称衔接维度上，全国新高考I卷高于II卷（-0.75/-1.21）。指称衔接是指随着文本的展开，文本的词汇和观点彼此联系的程度，衔接程度越高，越有利于读者理解；第五，在深度衔接上，全国新高考英语I卷低于II卷（-0.07/0.72），深度衔接主要反映文本在出现逻辑或因果关系的情况下，使用意愿性或因果性的程度。这些连词有助于读者理解事件，否则读者需要在文章中推断因果关系和逻辑关系，理解的难度会加大。数据显示，全国新高考英语I卷的深度衔接低于II卷；第六，全国新高考英语I卷的动词衔接高于II卷（-0.03/-0.26）。动词衔接指的是文本中动词重叠的程度。如果文本中多次使用相同或者意义相近的动词，故事情节可能更加连贯，有利于读者理解文本情景模式；第七，全国新高考英语I卷的连接度也高于II卷（-1.75/-2.74）。连接度体现的是文本中使用附加连词（如：and）、转折连词（如：but）、比较连词（如：on the country to）的程度，体现了文本中显性逻辑关系的数量；第八，全国新高考英语I卷的时序性高于II卷（-0.31/-0.74），时序性强的文本具有更多的时序衔接手段，有助于读者理解事件的推进顺序。

　　因此，从这8个指标来看，全国新高考英语I卷的叙事性、句法简约型、深度衔接3个指标都低于II卷，但单词具体性、指称衔接、动词衔接、连接性、叙事性这5个指标高于II卷。

　　

　　（三）衔接

　　在Coh-Metrix中，衔接指标包含三个维度，分别是指称衔接、潜语义分析和连词。其中，指称衔接是指句子间的指称相同或实词重叠，指称衔接能够帮助读者在短语、句子以及观点上建立对文本理解的语言学指示。当文本中一个句子的单词或者是同义词与其他句子不重叠，就会出现指称衔接的缺口，这将导致不同阅读水平的读者在理解上造成困难。指称衔接中包含8个变量：相邻句子名词重叠平均数、相邻句子论元重叠平均数、相邻句子词干重叠平均数、所有句子名词重叠平均数、所有句子论元重叠平均数、所有句子词干重叠平均数、相邻句子实词重叠比例平均数和所有句子实词重叠比例的平均数。潜语义分析则能够计算句子或段落之间的语义重叠。这种重叠不仅仅是指明显的语义重叠的单词，而是将语义相似或隐含语义相似的词纳入其中。Coh-Metrix中潜语义分析包含4个变量：相邻句子语义相似度平均数、段落内所有句子语义相似度平均数、相邻段落语义相似度平均数和句子间新旧信息语义相似度平均数。在建立衔接关系时，连词发挥着非常重要的角色。Coh-Metrix能提供平均1000词中连词出现的比例。

　　

　　

　　全国新高考英语I卷与II卷的阅读理解文本衔接差异数据如表4.3.1，曼-惠特尼U检验显示各变量之间没有显著性差异（p值均大于0.05）。在指称衔接维度，全国新高考英语I卷的6个变量值指都比II卷高：相邻名词重叠（0.33/0.23）、相邻论元重叠（0.43/0.38）、相邻词干重叠（0.40/0.31）、所有名词重叠（0.30/0.18）、所有论元重叠（0.37/0.32）、所有词干重叠（0.36/0.31）、相邻实词重叠（0.08/0.06）和所有实词重叠（0.07/0.05）。在潜语义分析方面，四个变量表明全国新高考英语I卷的衔接性更优：相邻句子语义相似度平均数（0.17/0.13）、段落内语义相似度平均数（0.19/0.16）、相邻段落语义相似（0.28/0.25）以及句间语义相似度平均数（0.30/0.26）。但是，连词维度的一个变量显示全国新高考英语I卷的衔接性低于II卷（72.95/87.21）。总体来看，全国新高考英语I卷的衔接性优于II卷。

　　（四）句法

　　句法复杂度包含7个变量，分别是主要动词前包含的平均单词数量、名词短语所包含的平均修饰语数量、基于词性标注的最小编辑距离、基于所有单词的最小编辑距离、基于词元的最小编辑距离、相邻句子句法相似度的平均数及所有句子句法相似度的平均数。其中，基于词性标注的最小编辑距离是指仅考虑单词词性时，一个句子需要编辑使得与另一个句子在句法上相同的程度。基于所有单词的最小编辑距离则是仅考虑句子单词时，一个句子需要编辑使其与另一个句子相同句法的程度。基于词元的最小编辑距离则是考虑词元。其中最小编辑越小说明文本的句法越简单。Coh-Metrix还通过测量句子间的句法相似度来反映句法复杂度，如相邻句子句法相似度和所有句子句法相似度。研究表明，文本中相同的句法结构越多意味着文本在句法层面越简单，越有利于读者阅读。

　　

　　

　　全国新高考英语I卷与II卷阅读理解文本句法差异如表4.4.1所示，曼-惠特尼U检验显示这7个变量之间没有显著性差异（P指均大于0.05）。但是从该表中可以看出，全国新高考英语I卷在主要动词前包含的平均单词数量、名词短语的修饰语、基于词性标注的最小编辑距离、基于所有单词的最小编辑距离上比II卷更加简单（3.24/3.28、0.89/ 0.90、0.65/0.66、0.90/0.91），说明在句法的这四个指标上，全国新高考英语I卷比II卷更容易。但是在相邻句子句法相似和所有句子句法相似度上II卷的值更高，说明在这两个变量上全国新高考英语II卷比I卷上容易，更有利于读者理解。从总体来看，全国新高考英语I卷的句法还是比II卷的句法更简单一些。

　　

　　五、结语和启示

　　通过分析，结合研究问题，本文得出结论：2022年全国新高考英语I卷与II卷阅读理解文本在易读数、易读数主成分、衔接和句法上无显著性差异。从具体指标来看，全国新高考英语I卷的易读性低于全国新高考英语II卷，叙事性也低于全国新高考英语II卷，但是全国新高考英语I卷的衔接优于全国新高考英语II卷，句法上较全国新高考英语II卷更容易。这种不一致的情况反映了易读数更低，即文本更难的文章可能会使用更多的衔接手段以及降低句法复杂度对文本理解进行补偿。

　　其次，高考作为高风险考试，对高中的教学会产生比较大的反拨作用。通过对2022年全国新高考英语I卷与II卷的阅读理解文本复杂度进行对比分析，可以了解高考英语阅读理解的文本特征，这对教学内容、教学规划和教学方法都会产生影响。在教学过程中，需要特别注意文本特征，对于长句和长段落要进行逻辑分析。从本研究中也可以看出高考重视对衔接特征能力的考查，因此，在教学中需要加强对词语重叠、语义相似、连词相似等现象的分析和学习。

　　总之，本研究运用Coh-Metrix从易读数、易读数主成分、衔接和句法这四个维度对2022年全国新高考英语I卷与II卷阅读理解文本复杂度进行了深入的对比研究，探讨了两者之间的差异性，以期为考试题型设计者和教师提供参考，从而使得我国高考阅读理解试题质量不断优化，内容效度不断提高。

　　注：本文系江西省教育科学“十三五”规划2019年度课题（YB19181）系列研究成果。

　　

　　参考文献

　　［1］Cohen, A. D. & Upton, T. A. ‘I want to go back to the text’: Response strategies on the reading subtest of the new TOEFL［J］. Language Testing, 2007(2): 209-250.

　　［2］Crossley S. A., Greenfield J & McNamara D S. Assessing text readability using cognitively based indices［J］. TESOL Quarterly，2008(3): 475-493．

　　［3］ FleschR. A new readability yardstick［J］. Journal of Applied Psychology,1948(3): 221-233．

　　［4］Gomez, P. G., Noah, A., Schedl, M., Wright, C. & Yolkut, A. Proficiency descriptors based on a scale-anchoring study of the new TOEFL iBT reading test［J］. Language Testing, 2007(3): 417-444.

　　［5］Graesser Arthur C. & McNamara Danielle S. Computational analyses of multilevel discourse comprehension.［J］. Topics in cognitive science, 2011(2).

　　［6］Kintsch, W. Comprehension: A Paradigm for Cognition［M］. Cambridge: Cambridge University Press, 1998.

　　［7］Landauer, T. K., McNamara, D. S., Dennis, S. & Kintsch, W. Handbook of Latent Semantic Analysis［M］. Mahwah, NJ: Erlbaum, 2007.

　　［8］McNamara, D. S., Graesser, A. C., McCarthy, P. M. & Cai, Z. Automated Evaluation of Text and Discourse with Coh-Metrix［M］. New York: Cambridge University Press, 2014.

　　［9］Masi, S. The literature on complexity［A］. In B. Merlini (Ed.). Complexity in Language and Text［C］. Pisa, Edizioni Plus, 2002.

　　［10］Taylor, L. & Weir, C. J. IELTS Collected Papers 2: Research in Reading and Listening Assessment［M］. Cambridge: Cambridge University Press, 2012.

　　［11］ 鲍贵.不同课程水平英语学习者词汇复杂性研究［J］. 解放军外国语学院学报, 2011(4).

　　［12］ 杜慧颖，蔡金亭. 基于Coh-Metrix的中国英语学习者议论文写作质量预测模型研究［J］. 现代外语2013(3).

　　［13］ 高伟新，高旭阳. 2021年高考英语阅读理解试题命题质量研究——以4套高考英语试卷为分析对象 ［J］.教育测量与评价,2021(12).

　　［14］ 辜向东，李志芳，张书奎. 大学英语四级考试快速阅读部分内容效度研究 ［J］. 西南民族大学学报（人文社科版) ［J］. 2009(1).

　　［15］ 辜向东，关晓仙. CET阅读测试与大学英语阅读教材易读度抽样研究 ［J］. 西安外国语学院学报, 2003(3).

　　［16］ 桂诗春. 潜伏语义分析的理论及其应用［J］. 现代外语, 2003(1).

　　［17］ 江进林，韩宝成. 基于Coh-Metrix的大学英语六级与托福、雅思阅读语篇难度研究［J］. 中国外语2018(3).

　　［18］ 魏爽，梁士红. 高考英语阅读理解试题中积极语用能力特征研究——以2017-2021年高考英语全国卷为例［J］. 教育测量与评价, 2022(2).

　　A Study on the Text Complexity of English Reading in the 2022 National College Entrance Examination

　　Zhong Lifei Zhu Xiaodong

　　Abstract: Text complexity analysis is an important part of the research on test content validity verification, reading test task design, reading teaching and so on. Based on the natural language processing tool Coh-Metrix, this study conducted a comparative study on the text complexity of English reading in the 2022 New National College Entrance Examination from 31 quantitative indicators from four aspects: readability, text easability principle component scores, cohesion and syntactic complexity. SPSS was used to conduct Mann-Whitney U test from these four aspects. The study shows that there is no significant difference in readability, text easability principle component scores, cohesion and syntactic complexity of English reading comprehension texts in the 2022 NCEE. From the perspective of specific indicators, the readability and narrative of NCEE English Volume I is lower than that of NCEE English Volume II, but the cohesion of NCEE English Volume I is better than that of NCEE English Volume II, and it is easier than NCEE English Volume II syntactically. The study concluded that subjects with more difficult themes may use more cohesive devices and simpler syntax to compensate for comprehension. The purpose of this study is to provide data support for the validation of English content validity in college entrance examination, and to provide a method reference for how to use natural language processing tools to build a reading text question bank.

　　Key words: New National College Entrance Examination English; reading context; text complexity

　　（本文首次发表在《基础教育外语教学研究》2022年第11期）