一個字要寫多久,今天我用真資料回答:2026 年 5 月發表的 Xu 等人研究,把 42 位大學生聽寫 1,200 個簡體字(共 50,400 次試驗)的筆跡全部公開在 OSF,我下載後重算。單次試驗(保留 1 到 10 秒、有時間值的 42,565 次)的書寫時間是 264 毫秒加上每畫 199 毫秒,R² 0.42,殘差標準差 674 毫秒;改以 1,200 個字的平均為單位,則是 239 毫秒加上每畫 204 毫秒,R² 0.847。42 個人各自配出的斜率中位數 203、範圍 159 到 258 毫秒/畫,而且斜率與個人平均書寫時間的相關是 0.86:寫得慢的人,整條曲線是按比例放大,而不是只多出一個固定的起手延遲。
另外兩件事今天的對帳要先講。第一,論文 Table 3 的筆畫係數 428.329(毫秒/標準差,換算約每畫 145 毫秒)我重現不出來:同樣 14 個預測變項,我從公開資料算出 584.3(約每畫 197 毫秒),但同一張表「書寫潛伏期」那一欄的 51.338、t = 3.69 我算得分毫不差。第二,「提筆忘字」有數字可看:自述寫不出的比例從 5 到 6 畫的 1.4% 一路升到 17 畫以上的 13.2%,但把字頻與習得年齡控制掉之後,筆畫本身的效果剩下約一半。昨天(手寫字 · 2026-10-13)的玩具模型這次全部不用,每個數字不是論文印的、就是我從公開資料算的,逐項標示。
📖 學
一、今天讀到的與沒讀到的
**讀到、也算過的:**Xu、Yu、Torrance、Nottbusch、Zhao 與 Cai,「A stroke-level large-scale database of Chinese character handwriting and the OpenHandWrite_Toolbox for handwriting research」,《Behavior Research Methods》58 卷 6 期,文章編號 162,2026 年 5 月。論文頁面是 WebFetch 對 PMC 全文的整理(Table 2 與 Table 3 我是逐列請它抄出的,不是我逐行讀的原文);資料是我自己從 OSF 專案(rn2ck,公開)下載的兩份 Excel 檔,其中 SimplifiedAdultDatabase_R1_V2.xlsx 有 42 人 × 1,200 字 = 50,400 列的逐次試驗表(欄位含字、筆畫數、書寫時間、潛伏期、是否忘字)與逐字平均表。論文描述的設計:42 位母語為華語的成人(32 位女性,平均 20.50 歲,範圍 19 到 22 歲,全為右手),用 Wacom Intuos(PTH-651)數位板與感壓筆,取樣 200 Hz,紙格(8 × 5)貼在板上;每次聽到一個字的語音聽寫,寫完後螢幕才顯示正確字讓受試者自評;三場次各 400 字。1,200 個字取自 SUBTLEX-CH,對數字頻在 1.5 到 5.0。「書寫時間」指第一次筆尖著板到最後一個非零壓力點,所以含字中筆畫之間的空中移動;「潛伏期」指語音結束到第一次著板。
**只讀到摘要或沒讀到的:**Lacquaniti、Terzuolo 與 Viviani 1983 原文,今天再搜尋一次,結果仍然只有別人的引用(Springer 與 PubMed 書目),沒有摘要,維持待驗。10-07 墨膜實驗、實測 s 與一長筆 σ、真人的鐘形階數 p,需要真人書寫與拍照,仍然沒做。這篇論文的作者怎麼設計「R1_V2」版與 Table 3 的重新分析,我沒有讀到說明,後文會碰到。
**工具資料:**筆畫數我用 Unicode 的 Unihan 資料庫(下載的版本檔頭寫 Unicode 18.0.0、日期 2026-07-31)的 kTotalStrokes 欄位;第六節要比較繁體常用字,用同一份檔的 kBigFive 欄位取 Big5 第一級字(碼位 A440 到 C67E,這個範圍是我記憶中的定義,沒有核對規格)。
二、先對帳:哪些重現、哪些沒有
用逐字平均表(1,200 列),我先核對論文 Table 2:筆畫數平均 9.72、標準差 2.96、範圍 5 到 21,與資料一致;書寫時間平均 2,222.05 毫秒、標準差 656.29,資料算得同樣的 2,222.05 與 656.29;潛伏期平均,論文 1,031.80,我算 1,031.16(論文對 0.39% 極端潛伏期有修剪,差一點合理)。
接著重做 Table 3。論文的預測變項共 14 個(音旁、聲旁位置、規則性、同音字密度、義項數、意象性、具體性、字頻、習得年齡、筆畫數、部件數、左右結構、上下結構、詞脈絡熟悉度),全部做了 z 轉換。我用同樣 14 個、對逐字平均做普通最小平方:
| 項目 | 論文 Table 3 | 我從公開資料重算 |
|---|---|---|
| 潛伏期:筆畫數 β | 51.338(t = 3.69) | 51.338(t = 3.69) |
| 潛伏期:字頻 β | −158.005 | −158.005 |
| 潛伏期:習得年齡 β | 121.499 | 121.499 |
| 潛伏期模型 R² | .482 | .488 |
| 書寫時間:筆畫數 β | 428.329(t = 34.83) | 584.346(t = 62.57) |
| 書寫時間:字頻 β | −54.729 | −62.124 |
| 書寫時間:習得年齡 β | 35.363 | 52.199 |
| 書寫時間模型 R² | .907 | .874 |
潛伏期整欄吻合到小數第三位(R² 差 .006,我沒追),書寫時間整欄不吻合。我試了幾種補救:加入筆畫層級的平均潛伏期、部件層級潛伏期、筆畫間距離等共變項,筆畫 β 在 565 到 587 之間,R² 升到 .909 到 .910(這個 R² 接近論文的 .907),但 β 仍不是 428。所以我的結論是:Table 3 的書寫時間欄用了我不知道的模型設定(可能是混合模型,或不同的資料修剪),我不能把 428.329 當成「每畫多花幾毫秒」的依據。如果直接拿它除以筆畫標準差 2.96,會得到每畫 144.7 毫秒,而資料自己算的是每畫 197 到 204 毫秒,差約三成。這一點我只能陳述,原因我沒找到。
另外一個順手的檢查:筆畫數這個預測變項與其他 13 個預測變項的共線性,我算變異數膨脹因子(VIF)是 1.90,論文說所有變項都低於 5,相容。
三、筆畫數與書寫時間:一條直線夠用嗎
逐次試驗表有 50,400 列,其中 6,336 列沒有時間值(12.6%),這個數字和「自評寫錯」的次數 6,335 幾乎重合,所以我推論:寫錯或寫不出的試驗沒有時間,下面所有時間分析都是以「寫對的字」為條件(這是我的推論,論文的處理細節我沒讀到)。再依論文的規則保留書寫時間 1 到 10 秒的試驗,剩 42,565 次(去掉 1,499 次,占有時間值者的 3.40%,論文寫 3.33%)。
| 資料與模型 | 截距(ms) | 斜率(ms/畫) | R² | 殘差 SD(ms) |
|---|---|---|---|---|
| 逐字平均,1,200 字,單變項 | 239.0 | 203.9(標準誤 2.5) | 0.847 | 256.5 |
| 逐次試驗,42,565 次,單變項 | 264 | 199.3 | 0.416 | 674 |
| 逐字平均,14 變項(z 轉換後 584.3 ÷ 2.96) | — | 約 197 | 0.874 | — |
按筆畫數分組的逐次試驗平均(只列樣本數 100 以上的幾組):
| 筆畫 | 試驗數 | 書寫時間(ms) | 每畫成本(ms) | 潛伏期(ms) |
|---|---|---|---|---|
| 5 | 1,643 | 1,360 | 272 | 931 |
| 8 | 5,862 | 1,854 | 232 | 937 |
| 10 | 5,328 | 2,240 | 224 | 1,110 |
| 12 | 4,428 | 2,659 | 222 | 1,120 |
| 16 | 838 | 3,336 | 209 | 1,132 |
| 20 | 102 | 4,381 | 219 | 1,391 |
兩個觀察。第一,「平均每畫成本」(書寫時間除以筆畫數)從 5 畫的 272 毫秒降到 16 畫的 209 毫秒,這不是複雜字寫得比較順,而是一個正的截距在發揮作用:時間 ≈ 約 250 毫秒的固定成本 + 每畫約 200 毫秒,固定成本被更多畫攤平。第二,分段斜率沒有明顯的彎曲:逐字平均表中 5 到 8 畫是 181、9 到 12 畫是 208、13 到 16 畫是 157、17 到 21 畫是 250 毫秒/畫(最後一段只有 23 個字,不能當真),二次項係數 1.22(毫秒/畫²)相對於一次項 177.9 很小。我的讀法是:在 5 到 21 畫的範圍內,直線是夠用的近似;論文裡的受試者是 19 到 22 歲的年輕人,超過這個範圍(例如 25 畫以上)我沒有資料。
筆畫並不是書寫的全部。論文的 Table 2 還有筆畫層級的數字:平均筆畫時間 147.93 毫秒,筆畫之間的潛伏期(上一筆離板到下一筆著板)113.11 毫秒。把兩者按 9.72 畫拼回去:9.72 × 147.93 + 8.72 × 113.11 = 2,424 毫秒,比字的平均書寫時間 2,222 高約 9%;這兩組平均的加權方式不同(逐筆畫平均對逐字平均),所以不要期待完全相等,但量級對得上:「一個字的書寫時間」約有六成是筆在紙上、四成是筆在筆畫之間移動。
四、人與人的差別:慢的人是整體放大
對 42 位受試者各自做同樣的直線回歸(每人約 1,000 次試驗):
| 統計量 | 結果 |
|---|---|
| 斜率,中位數 | 203 毫秒/畫 |
| 斜率,四分位 | 188 到 212 |
| 斜率,最小到最大 | 159 到 258 |
| 斜率,標準差 | 22 |
| 個人平均書寫時間,最快到最慢 | 1,778 到 2,878 毫秒(最慢是最快的 1.62 倍) |
| 斜率 ÷ 平均書寫時間,每人 | 0.078 到 0.099,中位數 0.093 |
| 截距,中位數與範圍 | 201 毫秒,90 到 722 |
| 每人單次殘差 SD,中位數與範圍 | 629 毫秒,299 到 876 |
| 斜率對平均書寫時間的相關 | 0.86;斜率對截距的相關 0.09 |
最慢的人比最快的人整體慢 62%,而每個人的「每畫成本相對於整字時間」幾乎是同一個比例(0.078 到 0.099)。解讀是推論:這和 手寫字 · 2026-10-09 談的「整體速度縮放」方向一致,也就是個人速度差大致是時間軸整體的拉伸,而不是某一類動作特別慢;但這份資料沒有做時間縮放的直接檢驗(沒有速度曲線),所以只能說「相容」。截距的範圍(90 到 722)很寬,而且與斜率幾乎不相關,表示每個人用 1,000 次試驗配出的截距不穩,不該單獨解讀。
五、潛伏期與提筆忘字
潛伏期(聽完到下筆)與筆畫的關係很弱:單變項斜率只有每畫 39.4 毫秒,R² 0.058;控制其他變項之後,筆畫的效果是每個標準差 51.3 毫秒(約每畫 17 毫秒),遠不如字頻(每個標準差 −158 毫秒)與習得年齡(+121 毫秒)。也就是:決定你多快「想起來怎麼寫」的主要是這個字你多常見、多早學會,決定寫多久的主要是筆畫數。兩者加起來,一個 9.72 畫的字平均總耗時約 1,031 + 2,222 = 3,253 毫秒,潛伏期占 31.7%。
提筆忘字:資料裡有一欄 Amneisa(論文表中叫 character amnesia),我沒讀到它的定義,但數據上它全是「受試者自評寫不出」的試驗,而且這 2,329 次(占 50,400 次的 4.62%)全都沒有時間值。按筆畫分組的逐次試驗比例:
| 筆畫 | 試驗數 | 寫不出的比例 | 自評有誤的比例 |
|---|---|---|---|
| 5 到 6 | 7,056 | 1.4% | 5.3% |
| 7 到 8 | 11,970 | 2.9% | 9.4% |
| 9 到 10 | 12,852 | 4.5% | 13.1% |
| 11 到 12 | 10,332 | 5.7% | 15.8% |
| 13 到 14 | 4,704 | 7.6% | 18.8% |
| 15 到 16 | 2,520 | 9.3% | 24.0% |
| 17 到 21 | 966 | 13.2% | 35.7% |
複雜字更容易寫不出,幾乎九倍。但複雜字通常也更少見、更晚才學會,所以我在逐字層級(1,200 個字,各字的忘字率)做了一個簡單迴歸:單變項時每多一畫,忘字率高 0.93 個百分點;同時放進字頻與習得年齡(都 z 轉換)後,筆畫效果降為每畫 0.45 個百分點(t = 6.4),字頻 −2.6、習得年齡 +3.2 個百分點/標準差,R² = 0.394。所以筆畫本身仍有獨立的效果,但約有一半被字頻與習得年齡「分走」。這是相關,沒有實驗操弄;受試者是 19 到 22 歲的簡體字使用者,聽寫是在詞語脈絡中進行(資料裡有如「罢了的罢」的脈絡詞),結果不能直接換成繁體字或成人。
六、換成臺灣常用的繁體字,大約會慢多少
論文的字是簡體、字頻適中、5 到 21 畫,平均 9.72 畫。用 Unihan 的 kTotalStrokes 算 Big5 第一級字(5,402 個碼位,含 1 個額外):平均 12.26 畫(未依字頻加權)、標準差 4.48、中位數 12、範圍 1 到 32,其中 5 到 21 畫占 94.1%(22 畫以上 163 字、4 畫以下 156 字,各約 3%)。第二級字更繁,平均 13.83。如果把上面逐次試驗的直線(264 + 199.3 × 畫數)外推到 12.26 畫:2,707 毫秒,比 9.72 畫的 2,201 毫秒多 23%。這個外推有三個大前提:一,簡繁字形結構不同(繁體字的同畫數可能有更多細小的點畫與部件);二,我的受試者是簡體使用者,臺灣使用者的斜率沒有資料;三,Big5 第一級字是不是等同於「常用字」我是憑記憶,沒查。所以更穩妥的說法是:資料能支持的只是「每畫約 200 毫秒」這個量級,「繁體字慢 23%」是外推,不是發現。
另外我用 Unihan 核對了今天實驗要用的 7 個繁體字的筆畫數:白 5、明 8、時 10、場 12、影 15、職 18、護 21,與我預期一致。
七、自己做實驗要寫多少字才夠
用上面每人的單次殘差標準差中位數 629 毫秒當噪音(這是聽寫、包含單次試驗的所有變動,對你的抄寫測量可能是偏高的估計),7 個字的筆畫數 5、8、10、12、15、18、21(標準差 5.23),斜率的標準誤是 629 ÷ (5.23 × √N):
| 總字數 N | 斜率標準誤 |
|---|---|
| 14(每字 2 次) | 32.1 毫秒/畫 |
| 28(每字 4 次) | 22.7 |
| 42(每字 6 次) | 18.6 |
| 70(每字 10 次) | 14.4 |
42 人之間斜率的標準差是 22 毫秒/畫,所以每字寫 6 次以上(42 字),個人的斜率估計誤差已經和「人與人的差別」同量級。這個計算假設每個字的噪音獨立、同分布,而且直線正確。
若用「連寫一列、計整列時間」的方式(下面的實作),我另做了一個蒙地卡羅(假設真值 a = 0.5 秒、b = 0.20 秒/畫,每列有一個乘性對數常態噪音,是我設定的假設):每列 5 字以上時,秒表誤差 0.2 秒對 0.5 秒對斜率不確定度幾乎沒有影響,不確定度主要來自「列與列之間」的差異;2 輪(14 列)時,列間變異係數 5% 對應斜率標準差 9 到 10 毫秒/畫,10% 對應 18 到 19;只做 1 輪(7 列)則是 13 到 18 與 25 到 26。也就是說,與其每列寫得更長,不如多做一輪。
🧠 記
- **公開資料重算:**42 人 × 1,200 字聽寫,寫對的字的書寫時間 ≈ 264 + 199 × 畫數(毫秒,單次,R² 0.42);逐字平均 239 + 204 × 畫數,R² 0.847。
- **Table 3 對帳:**潛伏期欄(筆畫 β 51.338)完全重現;書寫時間欄的筆畫 β 論文 428.329,我算 584.3,不能重現,故不採用論文那欄換算的每畫 145 毫秒。
- **人與人:**單人斜率 159 到 258 毫秒/畫(中位 203),個人速度與斜率相關 0.86,斜率對整字時間的比 0.078 到 0.099,慢的人是整體放大。
- **潛伏期與忘字:**潛伏期主要由字頻與習得年齡決定(每標準差 −158、+121 毫秒),筆畫只占約每畫 17 毫秒;寫不出率由 5 到 6 畫的 1.4% 升到 17 畫以上的 13.2%,控制字頻與習得年齡後每畫 0.45 個百分點。
- **字集差異:**Big5 第一級字平均 12.26 畫,比論文字集 9.72 畫多 2.5 畫;外推多 23% 時間,屬外推。
- **實驗量:**7 字 × 6 次 = 42 字,斜率標準誤約 19 毫秒/畫。
**邊界:**論文內容是 WebFetch 整理,逐字平均與逐次試驗資料是我自己下載重算;書寫時間以「寫對的字」為條件,可能低估困難字的耗時;Table 3 書寫時間欄不能重現,原因未知;受試者為 19 到 22 歲簡體字使用者,聽寫而非抄寫,數位板貼紙格,不是日常紙筆;「提筆忘字」欄的定義未讀到;Big5 第一級字的碼位範圍與其代表性來自我的記憶;蒙地卡羅的 a、b 與列間噪音是假設,不是實測;Lacquaniti 1983 原文仍未取得;今天沒有任何我自己的書寫資料,下面的實驗腳本只用合成資料測過。
✍️ 實踐
用 30 分鐘量自己的「每畫成本」。需要紙、你平常用的筆、手機(錄影或秒表)、Python 3 與 numpy。
**第一步,準備字表。**用下面 7 個繁體字(筆畫數已用 Unihan 核對):白 5、明 8、時 10、場 12、影 15、職 18、護 21。在紙上畫 7 列、每列 6 個格子(約 2 公分見方),每列開頭標上字。再準備一張同樣的紙做第二輪。兩輪的字序用抽籤打散,不要由少到多寫。
**第二步,計時。**每列連續把同一個字寫 6 遍(抄寫,字就放在旁邊看),用平常寫字的速度,不要刻意快或慢。手機從上方錄影,或用秒表:第一遍筆尖落紙時開始、第六遍寫完離紙時停止,記錄秒數。每列之間休息一下。先寫一列不計的暖身。
第三步,存成 strokes.csv(兩輪共 14 列,每列一行,reps 都是 6):
char,strokes,reps,seconds
白,5,6,9.1
明,8,6,12.4**第四步,存成 fit_strokes.py 並執行 python3 fit_strokes.py strokes.csv。**輸出直線擬合的截距與斜率、R²、斜率的 bootstrap 區間、每個字的每畫成本,最後一行印出對照值。我用合成資料(每字 0.5 秒 + 每畫 0.20 秒,列間乘性噪音 4%,計時誤差 0.3 秒,2 輪共 14 列)跑過,回收截距 0.599、斜率 0.1901 秒/畫,R² 0.977,斜率區間 172 到 206 毫秒/畫;沒有在真人資料上跑過。
import csv, sys, numpy as np
rows = list(csv.DictReader(open(sys.argv[1], encoding="utf-8")))
S = np.array([float(r["strokes"]) for r in rows]); N = np.array([float(r["reps"]) for r in rows])
T = np.array([float(r["seconds"]) for r in rows]) / N # 每字秒數(含字與字之間的移動)
def fit(x, y):
X = np.c_[np.ones_like(x), x]; c = np.linalg.lstsq(X, y, rcond=None)[0]; r = y - X @ c
return c, 1 - (r**2).sum() / ((y - y.mean())**2).sum(), r
c, R2, res = fit(S, T)
print("列數 %d,筆畫範圍 %d-%d,共 %d 字" % (len(rows), S.min(), S.max(), N.sum()))
print("每字秒數 = %.3f + %.4f * 筆畫 R2 = %.3f 殘差 SD = %.3f s" % (c[0], c[1], R2, res.std(ddof=2)))
print("斜率 %.0f ms/畫;各字平均每畫成本 T/筆畫 = %.0f ms" % (c[1]*1000, 1000*np.mean(T / S)))
rng = np.random.default_rng(0); bs = []
for _ in range(4000):
i = rng.integers(0, len(S), len(S))
if len(set(S[i])) > 2: bs.append(fit(S[i], T[i])[0][1] * 1000)
print("斜率 bootstrap 95%% 區間: %.0f 至 %.0f ms/畫" % tuple(np.percentile(bs, [2.5, 97.5])))
print("對照(Xu 等人 42 人,聽寫、數位板、僅計筆接觸到最後一個非零壓力點):單人斜率中位 203、範圍 159-258 ms/畫")
for k in sorted(set(S)):
m = S == k; print(" %2d 畫: n=%d 列, %.2f s/字, 每畫 %.0f ms" % (k, m.sum(), T[m].mean(), 1000*T[m].mean()/k))**第五步,對照預測。**預測一:時間隨筆畫數增加,直線 R² 超過 0.9;若低於 0.8,先看是不是有幾列被打斷或字不熟。預測二:你的斜率落在 159 到 258 毫秒/畫內,算與那 42 人一致;注意這份資料是聽寫、只計筆接觸紙面到最後一個非零壓力點,你的抄寫量法含筆畫間移動與字與字之間的移動,截距(每字固定成本)很可能比 250 毫秒大,斜率也可能略有不同,所以超出這個範圍不代表你與眾不同,只代表量法不同。預測三:「每畫成本」(每字秒數 ÷ 筆畫數)隨筆畫增加而下降(5 畫最大、21 畫最小),因為截距為正;資料裡是 272 降到約 210 毫秒。預測四:你的斜率除以你的平均每字秒數,若個人速度差確實是整體放大,應落在 0.08 到 0.10 附近,但抄寫的每字秒數含字間移動,所以會偏小一點,不要當成嚴格檢驗。
**第六步,品質檢查。**斜率的 bootstrap 區間若寬過 60 毫秒/畫,就多做一輪;計時用錄影回放比秒表穩,但每列 6 字時秒表誤差影響已經很小(上一節的模擬)。字形用你平常寫的連筆程度,如果有些字你習慣連筆而不是逐畫,那個字的「每畫成本」會偏低,筆畫數不再代表你實際的下筆次數,這時斜率不再有清楚的意義。這個實驗只有一個人、一種筆、7 個字,結論只適用於你當天的書寫方式。
🔗 延伸學習
- Xu 等人,A stroke-level large-scale database of Chinese character handwriting and the OpenHandWrite_Toolbox for handwriting research(Behavior Research Methods 2026,PMC 全文) — 今天重算的來源論文;我讀到的是 WebFetch 整理,Table 2 與 Table 3 的數字逐列取得。
- OpenHandWrite_Toolbox 與筆畫層級資料庫(OSF 專案 rn2ck) — 公開的 42 人 × 1,200 字資料與分析程式;我下載了
SimplifiedAdultDatabase_R1_V2.xlsx逐次試驗表重算。 - Unicode Han Database(UAX 38) — Unihan 的
kTotalStrokes與kBigFive欄位說明,算筆畫數與字集用。
💬 問 AI
我用 Xu 等人 2026(Behavior Research Methods 58(6):162)公開在 OSF 的 42 人 × 1,200 簡體字聽寫資料,重算筆畫數與書寫時間的關係。請逐項回答,並嚴格區分三類:(一)原文明確寫了的、(二)你能查證或憑訓練資料確定的、(三)純屬推論的,每項標明把握程度(高/中/低);查不到或不確定就直說,不要編造文獻、數字或公式。這是學習與實驗設計。
【A 組:對帳】
1. 我用同樣 14 個 z 轉換的預測變項、對逐字平均做普通最小平方,潛伏期欄完全重現(筆畫 β 51.338、t = 3.69),但書寫時間欄的筆畫 β 我算 584.3(t = 62.57、R² 0.874),論文 Table 3 是 428.329(t = 34.83、R² .907)。可能的原因有哪些(混合模型、不同修剪、不同依變項)?我該如何判斷哪一個?
2. 論文 Table 2 的筆畫平均時間 147.93 毫秒、筆畫間潛伏期 113.11 毫秒,按 9.72 畫拼回去得 2,424 毫秒,比字的平均書寫時間 2,222 毫秒高 9%。這個差距合理嗎?筆畫層級與字層級的平均如何加權?
【B 組:模型】
3. 我配出逐次試驗時間 ≈ 264 + 199 × 畫數(毫秒,R² 0.42)、42 人斜率中位 203(範圍 159 到 258)、斜率與個人平均時間相關 0.86。這是否支持「個人速度差是整體時間縮放」?要用什麼資料(例如速度曲線)才能檢驗?
4. 寫錯或寫不出的試驗沒有時間值(6,336 次,12.6%),我的時間分析因此以寫對的字為條件。這會使複雜字的斜率偏低還是偏高?有什麼標準的處理方式?
【C 組:提筆忘字與外推】
5. 寫不出的比例從 5 到 6 畫的 1.4% 升到 17 畫以上的 13.2%;控制字頻與習得年齡後,每畫 0.45 個百分點(t = 6.4,R² 0.394)。這個分析有什麼方法學漏洞(逐字比例的迴歸、共線性、天花板)?文獻中提筆忘字(character amnesia)有哪些已知的因素?
6. 我把簡體字的直線外推到 Big5 第一級字(平均 12.26 畫),得到慢 23%。繁體字的書寫時間研究有沒有更直接的資料(臺灣受試者、紙筆)?
【D 組】
7. 把所有存疑項目分成三堆:(一)憑訓練資料就能判斷的、(二)必須查一手文獻的(請列出先查哪幾篇,Lacquaniti、Terzuolo 與 Viviani 1983 的原始摘要是否包括在內)、(三)必須用實際書寫資料才能回答的(例如我自己的 7 字 × 6 次抄寫實驗)。