我们实验室正在做一个与英语口语考试相关的项目。现在使用的语料是实验室自己采集和标注的。有300个音频，每个1分钟多，总时长5个多小时。任务是朗读文本，受试是初中三年级学生。
因为研究的需要，要总结错误类型和易犯错误的单词。（通常，我们都在音素级来考虑这个问题，比如/ae/容易发错，或者/n/,/l/混淆。但是，现在需要从单词级别来考虑这个问题。）
我听了朗读音频，有的读得很一般，有的甚至很难听出是英文。我根据speech error analysis常用的一些定义，总结了8个错误类型，如substituition (比如有的孩子所有以p开头的单词,像protect, problem, possible都读成people，或者哼哼唧唧一带而过)；Insertation （读的过程中插入一个单词或者un, er等）；Deletion(漏读了一个或者几个单词)等等。根据标注的语料，这些错误类型基本上可以概括在非音素级别产生的错误。但是，现在需要解决的问题是，什么样的单词容易产生这样的错误？什么原因导致产生了这些错误？
根据我目前粗浅的认识，我大概想到了以下几个方面：
1.频率相对低的词：比如the和Atlantic，后者容易出问题；-frequency
2.后学习的词：比如publish，假设他初一就学到了，即使publish词频低一些，发音难一些，但是还是可以读对。 -pre-emption
我觉得这两点和语言学习本身有关，也是usage-based model所提到的两点核心概念。不过通常先学高频词后低频，可能frequency也可以代表学习顺序了。
3. 词长，音节数：心理语言学有一些speech production的研究说，词长对言语产出有影响，词长的可能也容易读错。（一般低频词比较长，不过也不一定）
4.含有易犯错误因素的单词，比如/ae/发不对，那么pat应该读不对了
根据这些因素，采用回归分析可以得到哪些单词比较容易读错。
大家觉得这些点够不够呢？理由够充分么？还有没有其他因素呢？
因为研究的需要，要总结错误类型和易犯错误的单词。（通常，我们都在音素级来考虑这个问题，比如/ae/容易发错，或者/n/,/l/混淆。但是，现在需要从单词级别来考虑这个问题。）
我听了朗读音频，有的读得很一般，有的甚至很难听出是英文。我根据speech error analysis常用的一些定义，总结了8个错误类型，如substituition (比如有的孩子所有以p开头的单词,像protect, problem, possible都读成people，或者哼哼唧唧一带而过)；Insertation （读的过程中插入一个单词或者un, er等）；Deletion(漏读了一个或者几个单词)等等。根据标注的语料，这些错误类型基本上可以概括在非音素级别产生的错误。但是，现在需要解决的问题是，什么样的单词容易产生这样的错误？什么原因导致产生了这些错误？
根据我目前粗浅的认识，我大概想到了以下几个方面：
1.频率相对低的词：比如the和Atlantic，后者容易出问题；-frequency
2.后学习的词：比如publish，假设他初一就学到了，即使publish词频低一些，发音难一些，但是还是可以读对。 -pre-emption
我觉得这两点和语言学习本身有关，也是usage-based model所提到的两点核心概念。不过通常先学高频词后低频，可能frequency也可以代表学习顺序了。
3. 词长，音节数：心理语言学有一些speech production的研究说，词长对言语产出有影响，词长的可能也容易读错。（一般低频词比较长，不过也不一定）
4.含有易犯错误因素的单词，比如/ae/发不对，那么pat应该读不对了
根据这些因素，采用回归分析可以得到哪些单词比较容易读错。
大家觉得这些点够不够呢？理由够充分么？还有没有其他因素呢？