占据语言测试主导地位的阅读测试是语言测试中题库建设的重要组成部分。一般而言,影响阅读理解的变量包括语篇与读者两个方面,分别研究阅读材料的特点和读者的特点。近年来对读者因素的研究成为阅读理解研究的主流,然而针对阅读材料本身研究也是十分有意义的。如何根据考试大纲挑选出合适的测试材料是阅读测试部分的重要一步,仅凭命题人判断题库中的阅读材料是否达到等值略显主观且效率不高,因此,应该研究出较为科学的方法对选材做出客观评价和比较,湖南大学大学英语分级考试(CEPT)课题组即针对实际需要探索开发了词汇检测工具,检测文本中出现的单词难度情况。而易读度测试是国外常用的阅读文本测试,运用科学的计算公式将文本的语言特征进行量化最终计算出文本的易读度指数。本研究着重对英文易读度的判定及其在语言测试中的应用进行相关研究:试图找出最适合检测CEPT阅读文本的易读度公式,并考查易读度信息与阅读理解难度之间的关系,建立线性回归方程模型以预测结合考试大纲出题后阅读理解可能的难度值,扩大易读度检测的使用面。本研究对象为CEPT考试题库中150篇阅读材料,研究数据分为两部分:一部分是前期数据的获得,即使用六种通用易读度公式获得题库中所有阅读材料的相关易读度数据。另一部分是通过实测,即2008年8月湖南大学新生入学分级考试,通过对4794名考生的答题情况进行分析,得到每篇阅读理解的难度值。研究考查相关数据与实际测试结果之间的相关性,并分别以文本易读度与其作为阅读理解试题后的整体难度值作为自变量和因变量构建具有预测性的回归方程。通过以上实证调查,作者根据数据收集、分析、归纳,得出了初步的研究结果:本研究采用的六种常用的不同易读度公式之间相关性显著,能较准确的反映CEPT文本的易读度特性,其中以Flesch-Kincaid Grade Level公式最为可信;文本的易读度与文章编写为阅读理解后的难度值间相关性显著,能够构建出一元线性回归预测模型,可使用文章易读度指数对文本编写成阅读理解试题后的难度值进行预测。以上易读度检测结果可应用于词汇检测工具的改进:通过对文本难度的预测挑选出合适的阅读文本进行编写,控制所选文本的难度值,从而使题库中同一类型阅读理解难度比较接近,以期达到阅读文本难度等值,使试题库更加具有科学性和公平性,并有效地满足分级测试中对试题难度适当分配的要求,使易读度检测与词汇检测工具在语言测试中具有更加广泛实际的应用价值。