På et tidspunkt i næsten enhver sproglærers rejse dukker det samme spørgsmål op:

“Hvor mange ord skal jeg egentlig kunne for at blive flydende?”

Det er et naturligt spørgsmål. At lære et sprog kan føles endeløst, og et klart tal ville gøre processen mere overskuelig. Hvis nogen bare kunne sige: “Lær præcis 5.000 ord, så bliver Du flydende,” ville sprogindlæring se meget lettere ud.

Det ærlige svar er mere nuanceret.

Set fra et strengt lingvistisk perspektiv kan flydende sprogbrug ikke reduceres til ét enkelt antal ord. Sprog er ikke en lukket database. Det er et levende system af lyde, betydninger, grammatik, sociale vaner, kulturelle referencer og fleksible brugsmønstre.

Alligevel giver korpuslingvistik — studiet af store samlinger af ægte sprogbrug — os meget nyttige pejlemærker. Forskere som Paul Nation, Stuart Webb og andre har undersøgt, hvor stort et ordforråd der skal til for at forstå talt og skrevet engelsk på forskellige niveauer. Deres resultater giver os ikke et magisk tal, men de giver os et realistisk kort.

Denne artikel fokuserer primært på engelsk, fordi engelsk har nogle af de bedst undersøgte data om ordhyppighed. De generelle principper er også nyttige for andre sprog, men de præcise tal kan ændre sig afhængigt af grammatik, morfologi, skriftsystem og hvordan forskere tæller ordforråd.

For at forstå det kort skal vi først afklare ét vigtigt spørgsmål.

Hvad er det egentlig, vi tæller?

Når folk spørger: “Hvor mange ord skal jeg kunne?”, lyder ordet “ord” enkelt. Men i lingvistik er det slet ikke enkelt.

Tag det engelske verbum run.

Du kan se det i mange former: run, runs, ran, running

Skal vi tælle dem som fire separate ord? Eller som ét ord med forskellige former?

De fleste, der lærer sprog, vil nok føle, at hvis de kender verbet run, så skal hver grammatisk form ikke tælles som et helt nyt ord. Derfor bruger lingvister ofte mere abstrakte enheder, når de måler størrelsen på et ordforråd.

Det første nyttige begreb er lemma.

Et lemma er et ords grundform eller opslagsform. For eksempel er go lemmaet bag go, goes, went, gone, going. I en ordbog slår Du normalt grundformen op, ikke hver eneste mulige grammatiske form separat. Korpusværktøjer bruger lemmaer på en lignende måde: De samler forskellige ordformer under én central opslagsform.

Indtil videre er det ret intuitivt.

Men mange studier af ordforråd — især på engelsk — bruger ofte et endnu bredere begreb: ordfamilien.

Hvad er en ordfamilie?

En ordfamilie er en gruppe beslægtede ord, der er bygget op omkring det samme grundord. Den omfatter kerneordet og nogle af dets almindelige, gennemskuelige former.

For eksempel kan en forenklet ordfamilie omkring teach omfatte: teach, teaches, teaching, taught, teacher

En forenklet ordfamilie omkring nation kan omfatte: nation, national, international, nationality

Pointen er ikke, at alle disse ord er identiske. De er tydeligt forskellige ord i faktisk brug. Men de er beslægtede nok til, at kendskab til ét af dem ofte kan hjælpe Dig med at forstå de andre.

Det er vigtigt, fordi sproglærere ikke lærer hvert ord isoleret. Når Du først kender happy, bliver det lettere at forstå unhappy eller happiness. Når Du først kender move, bliver det lettere at gætte betydningen af movement. Når Du først kender use, bliver ord som useful, useless og reuse lettere at genkende.

Det er logikken bag ordfamilier.

Men ordfamilier er ikke altid enkle. Nogle beslægtede ord er lette at forstå ud fra grundordet, mens andre ikke er. For eksempel er sign og signature beslægtede, men forbindelsen er måske ikke tydelig for en begynder. Compete, competition og competitive er beslægtede, men de opfører sig forskelligt i sætninger.

Derfor er optælling af ordfamilier nyttig i forskning, men den kan være forvirrende for sproglærere. Den giver et praktisk estimat af ordforråd, men det er ikke det samme som at sige, at hvert medlem af familien automatisk er behersket.

I denne artikel er det bedst at tænke i centrale ordforrådsenheder, når vi taler om størrelsen på ordforråd: ikke hver eneste separate ordform, men heller ikke altid ét strengt ordbogslemma. I mange engelske ordforrådsstudier bygger pejlemærkerne på ordfamilier.

Den forskel betyder noget.

En sproglærer, der kender 3.000 ordfamilier, kan genkende langt flere end 3.000 individuelle ordformer i rigtige tekster. Men det betyder ikke, at vedkommende aktivt kan bruge dem alle i tale eller skrift.

Hvorfor hyppighed betyder så meget

Sprog er ikke afbalancerede systemer, hvor hvert ord forekommer lige ofte.

Et lille antal meget almindelige ord dukker op hele tiden. Tusindvis af andre ord dukker kun op en gang imellem. Dette mønster forbindes ofte med Zipfs lov, en statistisk tendens hvor de hyppigste ord står for en meget stor del af ægte sprogbrug.

På engelsk optræder ord som the, be, have, do, say, go, make, know, think, good overalt. Sjældne ord kan være nyttige, smukke eller vigtige inden for bestemte områder, men de forekommer slet ikke nær så ofte i hverdagens kommunikation.

Det skaber et stærkt læringsprincip:

De første par tusind højfrekvente ord giver Dig det største udbytte.

Hvis Du lærer de 1.000 mest almindelige ord, kan det hjælpe Dig med at genkende en overraskende stor del af almindeligt sprog. Men det betyder ikke, at Du forstår alt. De tilbageværende ukendte ord bærer ofte sætningens vigtige betydning.

For eksempel:

Jeg gik hen til ___, fordi min ___ gjorde ondt.

Du forstår måske det meste af grammatikken og de almindelige ord, men de manglende ord kan være afgørende. Var det en læge? Tandlæge? Apotek? Hospital? Knæ? Mave? Tand?

Derfor betyder dækning noget.

Hvad betyder “95 % dækning”?

Korpusforskere taler ofte om tekstdækning. Det betyder den procentdel af ordene i en tekst, som Du allerede kender.

Hvis Du kender 95 % af ordene i en tekst, lyder det fremragende. Men det betyder stadig, at 1 ud af hver 20 ord kan være ukendt.

I en kort sætning er det måske ikke et stort problem. I en roman, podcast, film eller forelæsning kan det blive trættende. Ukendte ord dukker op igen og igen, og nogle af dem kan være afgørende for betydningen.

Ved omkring 95 % dækning kan Du ofte følge den overordnede idé, især hvis emnet er velkendt, og der er visuel eller situationsmæssig støtte. Ved omkring 98 % dækning bliver forståelsen langt mere behagelig. Du kan gætte mere ud fra konteksten, læse eller lytte med færre afbrydelser og fokusere mere på betydningen i stedet for at afkode hver eneste sætning.

Paul Nations ofte citerede arbejde peger på, at der omtrent kræves 6.000–7.000 ordfamilier for omkring 98 % dækning af talt engelsk og 8.000–9.000 ordfamilier for mange skrevne tekster.

For uformelt talt engelsk, film og tv kan tallene være noget lavere. Webb og Rodgers fandt, at de hyppigste 3.000 ordfamilier, sammen med egennavne og marginale ord, gav omkring 95 % dækning af tv-programmer, mens omkring 7.000 ordfamilier gav omkring 98 % dækning.

Et nyere studie af uformelt talt engelsk peger også på, at omkring 2.000–3.000 ordfamilier kan give omkring 95 % dækning for nogle typer uformelt talt input, mens 5.000–7.000 kan være nødvendige for omkring 98 %, afhængigt af genren.

Så svaret afhænger af, hvad Du vil forstå.

En afslappet samtale, en sitcom, en universitetsforelæsning, et juridisk dokument og en litterær roman kræver ikke præcis det samme ordforråd.

Praktiske pejlemærker for ordforråd

Tabellen nedenfor er ikke en streng videnskabelig skala. Den er en praktisk, lærervenlig guide baseret på korpusforskning og studier af ordforrådsdækning.

Ordforrådets størrelse Praktisk niveau Hvad det typisk betyder
800–1.000 kerneord Overlevelse / grundlæggende kommunikation Du kan klare meget almindelige hverdagssituationer, men Dit udtryk er begrænset, og Du vil gå glip af mange detaljer.
2.000–3.000 ordfamilier Begyndende selvstændighed Du kan forstå en stor del af uformelt hverdagssprog, især med kontekst, gentagelse og velkendte emner.
3.000–5.000 ordfamilier Tryg hverdagskommunikation Det er en realistisk tærskel for mange, der vil kommunikere selvstændigt i hverdagen, på rejser, i enkle arbejdssituationer og med almindelige medier.
6.000–9.000 ordfamilier Avanceret forståelse Du kan forstå langt mere varieret talt og skrevet input, herunder mange film, podcasts, artikler og faglige samtaler.
10.000+ ordfamilier / bredt receptivt ordforråd Næsten modersmålsniveau eller meget avanceret niveau Du kan lettere håndtere komplekst, akademisk, litterært og specialiseret sprog, selvom der altid vil være nye ord.

Den vigtigste læring er denne:

Du behøver ikke kende hvert eneste ord i et sprog for at bruge det godt.

Faktisk kender ingen hvert eneste ord i et sprog. Selv modersmålstalere møder jævnligt ukendte ord inden for specialiserede områder, litteratur, jura, medicin, teknologi eller regionale talemåder.

Modersmålstalere har også et langt større receptivt ordforråd end aktivt ordforråd. Receptivt ordforråd betyder de ord, Du kan genkende og forstå. Aktivt ordforråd betyder de ord, Du trygt kan bruge i tale eller skrift. Forskning i størrelsen på engelske modersmålstaleres ordforråd viser, at voksne modersmålstalere kan genkende titusindvis af lemmaer, men at de aktivt bruger en meget mindre delmængde i hverdagen.

Denne forskel er meget vigtig for sproglærere.

Du behøver ikke aktivt bruge 20.000 ord for at tale flydende. Men efterhånden som Dit receptive ordforråd vokser, kan Du forstå flere bøger, film, samtaler, jokes, argumenter og kulturelle referencer.

Klar til næste del? Se del 2 her: