本文へスキップ

読みやすさチェッカー

文章の下書きを貼り付けて、古典的な可読性公式を用いて読解の容易さ、学年レベル(難易度)、文の密度、難解単語の負荷を測定します。

0 単語
TXT, DOCX, PDF, MD, CSV, TSV, HTML, JSON, XML、最大10 MB
読みやすさレポート

読みやすさのスコア、目安の学年レベル、公式別の内訳、および編集ガイダンスがここに表示されます。

改稿前に測定する

可読性スコアから分かること、分からないこと

可読性スコアツールは、アプリに入力された文章の表面的な特徴を計算します。単語、文、文字、音節、難しい語を数え、複数の定評ある式を適用します。Flesch Reading Easeは相対的な読みやすさを推定し、Flesch-Kincaid、Gunning Fog、SMOG、Coleman-Liau、ARI、Dale-Challは、それぞれ異なる学年水準の前提から難易度を表します。複数の式を並べることで、一つの数値を絶対視せず、結果の違いを確認できます。

スコアは読み手がつまずく場所を探すためのもので、アイデアの価値を評価するものではありません。学年水準が低くても手順が完全だとは限らず、高くても研究論文の質が低いとは限りません。式だけでは、事実の正確性、論理的な順序、共感性、文化的背景、視覚的な情報階層、アクセシビリティ、文書が前提とする読者の予備知識を評価できません。

実在する読者と、その人が行う作業を決めることから始めます。公的給付の案内には平易な手順が必要でも、専門家向けの手順書には正確な用語が必要です。レポートで長い文と密度の高い語彙を探し、一度に一つの障害を修正してから再評価します。短くした文から警告、例外、引用、考え同士の重要な関係が抜けていないか、改稿前後を並べて読んでください。

複数の式から得た総合学年水準は、初稿同士を比較する目安として使い、普遍的な合格点にはしないでください。短いサンプルは値が大きく揺れ、箇条書き、見出し、略語、コード、固有名詞、多言語の文章は式の前提をゆがめることがあります。最後は人による理解度確認を行います。想定読者に、次にどの行動を取るか、何が不明だったか、どの用語に説明が必要だったかを尋ねてください。

読者別の3つの確認例

公共サービスの手続き案内

例 1

幅広い一般読者。短い手順と身近な用語

申請ガイド全体を評価し、最も長い文を確認し、必要な法律用語を定義します。複数の操作を含む段落を番号付きの手順に分けてから、もう一度測定してください。学年水準を下げるためだけに条件を削除してはいけません。

技術職のオンボーディング

例 2

正確なコマンドを必要とする新任担当者

説明文とコードブロックを分けて分析します。設定の説明を短くし、API名は変えず、専門用語の前に平易な定義を加え、新しいチームメンバーに手順を実行してもらいます。低い難易度スコアより、作業を正しく完了できることが重要です。

経営層向けプロジェクト報告

例 3

判断時間が限られている意思決定者

一文あたりの情報量と難しい語の密度を確認し、判断事項、リスク、責任者、期限を冒頭へ移します。可能であれば社内略語を言い換え、独立した事実には箇条書きを使います。判断に影響する数値と条件は必ず残してください。

チェッカーが測定する項目

読みやすさは単一のスコアではありません。このツールは文章構造、言葉の難易度、および学年レベル算出公式を組み合わせて判定します。

読解の容易さ

Flesch Reading Ease公式を用い、一般的な読者がどの程度スムーズに文章を理解できるかを測定します。

文の負荷

平均的な文の長さを調べ、アイデアが詰め込まれすぎて理解の妨げになっていないかを分析します。

学年レベル

単一の偏った結果を避けるため、複数の公式によるコンセンサス(合意)学年レベルを算出します。

難解単語

文章を読むスピードを低下させる可能性のある、一般的でない言葉や多音節語を検出してマークします。

読みやすさチェッカー: 推定学年レベル, 読解の容易さ, 公式別の内訳

対応している可読性公式

一般的な科学的測定モデルに基づいた公式を採用しています。

公式主な結果

Flesch Reading Ease

1文あたりの単語数と1語あたりの音節数に基づき、非常に簡単から非常に難解までをスコア化します。

容易さスコア

Flesch-Kincaid Grade

文と音節の負荷から、米国の目安の学年レベルに換算します。

学年レベル

Gunning Fog

長文と複雑な単語の割合から、必要な教育年数を推定します。

学年レベル

SMOG Index

文章サンプル中の多音節語に基づき算出します(3文以上の入力が必要)。

学年レベル

Coleman-Liau

音節の代わりに、文字数と100語あたりの文数を用いて難易度を推定します。

学年レベル

Automated Readability Index (ARI)

文字数と1文あたりの単語数を用いて、読解に必要な学年レベルを推定します。

学年レベル

Dale-Chall

一般的な語彙リストに含まれない単語の割合から、難易度を精密に算出します。

学年レベル

読みやすさ測定が役立つシーン

公開、提出、あるいは発信する前に文章の明瞭さを確認し、読者との信頼性を高めましょう。

SEOコンテンツ

重要なキーワードや見出し階層を保護しつつ、ターゲット層にとって読みやすい状態を保ちます。

学術論文・レポート

作成したエッセイや提出資料が、提出先の読者層に適切なレベルに達しているか確認できます。

ビジネス文書

企画書、要約、規約などを、忙しい決裁者でも直感的に理解できるように調整します。

メール・ニュースレター

メルマガ、オンボーディングメール、サポート返信などの摩擦を減らし、開封・返信率を高めます。

編集チーム

文章スタイルの編集を始める前に、校正の共通基準(ベンチマーク)を全員に共有できます。

AI執筆の最終確認

生成またはヒューマライズされた文章が、過度に難解なものに変わっていないかをすばやく確認します。

読みやすさに関するよくある質問

いいえ。文の長さ、音節数、難解単語などの物理的な明瞭さの指標です。声のトーン、正確性、文章構成やユーザーの意図は別途レビューが必要です。

一般的なWebコンテンツであれば、Flesch容易さスコアが60以上、推定学年が中学1〜3年(7-9)程度が推奨されます。技術書や学術論文はそれ以上を目標にします。

各公式は異なる指標を重視して難易度を計算します。そのため、結果のばらつきを隠さず、公式別の結果とコンセンサス表示をしています。

GPTHuman は送信されたテキストをアプリケーションのデータベースに保存しませんが、設定された AI プロバイダーが独自の規約に基づいて処理します。クォータ管理には利用語数のみを記録します。

あらゆる下書きを、もっと読みやすく。

公開・提出・送信の前に、数秒でテキストの読みやすさを測定。