منبع لغت‌ها
لغت‌ها از کجا اومدن؟
- ۴۷آزمون زبان ارشد
- ۸ سالاز ۱۳۹۸ تا ۱۴۰۵
- ۹۲۴سؤال واژگان و کلوز
- ۲٬۰۹۶لغت تو برنامه
۲۵۸ تا از این لغت‌ها تو بیشتر از یه سالِ کنکور تکرار شدن. کنار هر لغت هم سؤال‌های واقعی‌ای رو می‌بینی که توشون اومده، با سال و متن کامل سؤال؛ یعنی می‌دونی دقیقاً تو چه جمله‌ای ازت پرسیدنش.
روش کار
لغت‌ها رو چطور درآوردیم
لیست لغت برای کنکور کم نیست، ولی معمولاً معلوم نیست از کجا اومده. ما می‌خواستیم جوابمون رو از خود دفترچه‌ها بگیریم، نه از حدس و تجربه. این کار چهار مرحله داشت:
-
همهٔ دفترچه‌ها رو گشتیم
۸۶۳ دفترچهٔ اسکن‌شده رو با OCR (تشخیص متن از روی تصویر) خوندیم. خیلی از رشته‌ها تو یه سال آزمون زبان یکسانی دارن؛ این تکراری‌ها رو پیدا کردیم و هر آزمون رو فقط یه بار شمردیم. شد ۴۷ آزمون متمایز.
-
سؤال‌ها، کلمه به کلمه
۹۲۴ سؤال واژگان و کلوز رو با جمله و گزینه‌هاش کامل پیاده کردیم و هر کلمه رو با یه خوانش مستقل دوم تطبیق دادیم. هر جا اسکن ناخوانا بود، حدس نزدیم؛ علامتش زدیم.
-
شمردیم هر لغت چقدر مهمه
۱٬۷۷۳ لغت گزینه یا جواب یه سؤال بودن. برای هر کدوم حساب کردیم چند بار و تو چند سال اومده و چند بار جواب درست بوده. ترتیبی که لغت‌ها تو برنامه بهت نشون داده می‌شن از همین عددها درمیاد.
-
متن سؤال‌ها رو با NLP تحلیل کردیم
لغت سخت فقط تو گزینه‌ها نیست. گاهی تو خود جملهٔ سؤاله و اگه بلدش نباشی، کل سؤال رو نمی‌فهمی. برای همین متن همهٔ سؤال‌ها رو با ابزارهای پردازش زبان طبیعی (NLP) تحلیل کردیم: کلمه‌ها به ریشه‌شون برگشتن، لغت‌های پایه و پرکاربرد انگلیسی کنار رفتن و بعد یه مدل زبانی تک‌تک نامزدها رو توی جملهٔ خودشون سنجید. دو تا سؤال ازش پرسیدیم: داوطلب احتمالاً این لغت رو بلد نیست؟ فهم سؤال به این لغت بنده؟ معیارش رو هم اول روی یه نمونه، کلمه به کلمه، خودمون بررسی و تنظیم کردیم.