Jossain vaiheessa lähes jokaisen kielenoppijan matkalla nousee esiin sama kysymys:

“Kuinka monta sanaa minun oikeasti täytyy osata, jotta minusta tulee sujuva?”

Se on luonnollinen kysymys. Kielen oppiminen voi tuntua loputtomalta, ja selkeä numero tekisi prosessista helpommin hallittavan. Jos joku voisi vain sanoa: “Opettele tasan 5 000 sanaa, niin puhut sujuvasti”, kielenoppiminen näyttäisi paljon helpommalta.

Rehellinen vastaus on kuitenkin vivahteikkaampi.

Tiukasti kielitieteellisestä näkökulmasta sujuvuutta ei voi tiivistää yhteen sanamäärään. Kieli ei ole suljettu tietokanta. Se on elävä järjestelmä, jossa yhdistyvät äänteet, merkitykset, kielioppi, sosiaaliset tavat, kulttuuriset viittaukset ja joustavat käyttötavat.

Silti korpuslingvistiikka — eli suurten, todellista kielenkäyttöä sisältävien aineistojen tutkimus — antaa meille erittäin hyödyllisiä vertailukohtia. Tutkijat kuten Paul Nation, Stuart Webb ja monet muut ovat selvittäneet, kuinka paljon sanastoa tarvitaan puhutun ja kirjoitetun englannin ymmärtämiseen eri tasoilla. Heidän havaintonsa eivät anna meille taikalukua, mutta ne antavat realistisen kartan.

Tämä artikkeli keskittyy pääasiassa englantiin, koska englannin sanaston yleisyydestä on poikkeuksellisen paljon tutkittua dataa. Yleiset periaatteet pätevät myös muihin kieliin, mutta tarkat luvut voivat muuttua kieliopin, sananmuodostuksen, kirjoitusjärjestelmän ja sen mukaan, miten tutkijat laskevat sanastoa.

Jotta ymmärrät tätä karttaa, meidän täytyy ensin selventää yksi tärkeä kysymys.

Mitä me oikeastaan laskemme?

Kun ihmiset kysyvät: “Kuinka monta sanaa minun täytyy osata?”, sana “sana” kuulostaa yksinkertaiselta. Kielitieteessä se ei kuitenkaan ole lainkaan yksinkertainen.

Otetaan esimerkiksi englannin verbi run.

Voit nähdä sen monessa muodossa: run, runs, ran, running

Pitäisikö nämä laskea neljäksi erilliseksi sanaksi? Vai yhdeksi sanaksi, jolla on eri muotoja?

Useimmista oppijoista tuntuisi luultavasti siltä, että jos he osaavat verbin run, jokaista kieliopillista muotoa ei pitäisi laskea täysin uudeksi sanaksi. Siksi kielitieteilijät käyttävät sanaston laajuuden mittaamiseen usein abstraktimpia yksiköitä.

Ensimmäinen hyödyllinen käsite on lemma.

Lemma on sanan perus- tai sanakirjamuoto. Esimerkiksi go on lemma muotojen go, goes, went, gone, going taustalla. Sanakirjasta haet yleensä perusmuotoa, et jokaista mahdollista kieliopillista muotoa erikseen. Korpustyökalut käyttävät lemmoja samalla tavalla: ne ryhmittelevät eri sanamuodot yhden keskeisen hakusanan alle.

Tähän asti ajatus on melko intuitiivinen.

Monet sanastotutkimukset — erityisesti englannissa — käyttävät kuitenkin usein vielä laajempaa käsitettä: sanaperhettä.

Mikä on sanaperhe?

Sanaperhe on ryhmä toisiinsa liittyviä sanoja, jotka rakentuvat saman perussanan ympärille. Siihen kuuluu ydinsana sekä joitakin sen tavallisia ja läpinäkyviä muotoja.

Esimerkiksi yksinkertaistettu sanaperhe sanan teach ympärillä voisi sisältää: teach, teaches, teaching, taught, teacher

Yksinkertaistettu sanaperhe sanan nation ympärillä voisi sisältää: nation, national, international, nationality

Ajatus ei ole se, että kaikki nämä sanat olisivat identtisiä. Todellisessa käytössä ne ovat selvästi eri sanoja. Ne liittyvät kuitenkin toisiinsa riittävästi, jotta yhden osaaminen voi usein auttaa sinua ymmärtämään muita.

Tämä on tärkeää, koska kielenoppijat eivät opi jokaista sanaa erillään muista. Kun osaat sanan happy, sinun on helpompi ymmärtää unhappy tai happiness. Kun osaat sanan move, sinun on helpompi arvata sanan movement merkitys. Kun osaat sanan use, sanat kuten useful, useless ja reuse on helpompi tunnistaa.

Tämä on sanaperheiden logiikka.

Sanaperheet eivät kuitenkaan ole aina yksinkertaisia. Joitakin sukulaissanoja on helppo ymmärtää perussanan kautta, toisia ei. Esimerkiksi sign ja signature liittyvät toisiinsa, mutta yhteys ei välttämättä ole aloittelijalle ilmeinen. Compete, competition ja competitive liittyvät toisiinsa, mutta ne toimivat lauseissa eri tavoin.

Siksi sanaperheiden laskeminen on hyödyllistä tutkimuksessa, mutta oppijoille se voi olla hämmentävää. Se antaa käytännöllisen arvion sanaston osaamisesta, mutta se ei tarkoita, että jokainen sanaperheen jäsen olisi automaattisesti hallussa.

Kun tässä artikkelissa puhumme sanaston laajuudesta, sitä kannattaa ajatella sanaston ydinyksiköinä: ei jokaista erillistä sanamuotoa, mutta ei myöskään aina yhtä tiukkaa sanakirjalemmaa. Monissa englannin sanastotutkimuksissa vertailuluvut perustuvat sanaperheisiin.

Tällä erolla on merkitystä.

Oppija, joka osaa 3 000 sanaperhettä, voi tunnistaa todellisista teksteistä paljon enemmän kuin 3 000 yksittäistä sanamuotoa. Tämä ei kuitenkaan tarkoita, että hän osaisi käyttää niitä kaikkia aktiivisesti puheessa tai kirjoituksessa.

Miksi yleisyydellä on niin suuri merkitys

Kielet eivät ole tasapainoisia järjestelmiä, joissa jokainen sana esiintyy yhtä usein.

Pieni määrä hyvin yleisiä sanoja esiintyy jatkuvasti. Tuhannet muut sanat esiintyvät vain satunnaisesti. Tämä ilmiö liittyy usein Zipfin lakiin, tilastolliseen taipumukseen, jossa yleisimmät sanat kattavat erittäin suuren osan todellisesta kielenkäytöstä.

Englannissa sanat kuten the, be, have, do, say, go, make, know, think, good näkyvät kaikkialla. Harvinaiset sanat voivat olla hyödyllisiä, kauniita tai tärkeitä tietyillä aloilla, mutta arjen viestinnässä ne eivät esiinny läheskään yhtä usein.

Tästä syntyy vahva oppimisperiaate:

Ensimmäiset muutamat tuhannet yleisimmät sanat antavat sinulle suurimman hyödyn.

Kun opit 1 000 yleisintä sanaa, voit tunnistaa yllättävän suuren osan tavallisesta kielestä. Se ei kuitenkaan tarkoita, että ymmärtäisit kaiken. Jäljelle jäävät tuntemattomat sanat kantavat usein lauseen tärkeintä merkitystä.

Esimerkiksi:

Menin ___, koska ___ oli kipeä.

Voit ymmärtää suurimman osan kieliopista ja yleisistä sanoista, mutta puuttuvat sanat voivat olla ratkaisevia. Oliko kyse lääkäristä? Hammaslääkäristä? Apteekista? Sairaalasta? Polvesta? Vatsasta? Hampaasta?

Siksi kattavuudella on merkitystä.

Mitä “95 % kattavuus” tarkoittaa?

Korpustutkijat puhuvat usein tekstin kattavuudesta. Se tarkoittaa sitä, kuinka suuren prosenttiosuuden tekstin sanoista jo tunnet.

Jos tunnet 95 % tekstin sanoista, se kuulostaa erinomaiselta. Se tarkoittaa silti, että joka 20. sana voi olla tuntematon.

Lyhyessä lauseessa se ei ehkä ole iso ongelma. Romaanissa, podcastissa, elokuvassa tai luennolla se voi alkaa väsyttää. Tuntemattomia sanoja tulee vastaan yhä uudelleen, ja osa niistä voi olla merkityksen kannalta ratkaisevia.

Noin 95 % kattavuudella pystyt usein seuraamaan pääajatusta, varsinkin jos aihe on tuttu ja saat tukea kuvista, tilanteesta tai kontekstista. Noin 98 % kattavuudella ymmärtäminen muuttuu paljon mukavammaksi. Voit päätellä enemmän kontekstista, lukea tai kuunnella vähemmillä keskeytyksillä ja keskittyä enemmän merkitykseen sen sijaan, että purkaisit jokaisen lauseen erikseen.

Paul Nationin laajasti siteerattu työ viittaa siihen, että puhutun englannin noin 98 % kattavuuteen saatetaan tarvita suunnilleen 6 000–7 000 sanaperhettä ja monien kirjoitettujen tekstien kohdalla 8 000–9 000 sanaperhettä.

Epämuodollisessa puhutussa englannissa, elokuvissa ja televisiossa luvut voivat olla hieman matalampia. Webb ja Rodgers havaitsivat, että yleisimmät 3 000 sanaperhettä yhdessä erisnimien ja marginaalisten sanojen kanssa kattoivat noin 95 % televisio-ohjelmien kielestä, kun taas noin 7 000 sanaperhettä antoi noin 98 % kattavuuden.

Uudempi tutkimus epämuodollisesta puhutusta englannista viittaa myös siihen, että noin 2 000–3 000 sanaperhettä voi antaa noin 95 % kattavuuden joissakin epämuodollisen puheen tyypeissä, kun taas 5 000–7 000 voi olla tarpeen noin 98 % kattavuuteen genrestä riippuen.

Vastaus siis riippuu siitä, mitä haluat ymmärtää.

Rento keskustelu, komediasarja, yliopistoluento, juridinen asiakirja ja kaunokirjallinen romaani eivät vaadi täsmälleen samaa sanastoa.

Käytännön sanastotavoitteet

Seuraava taulukko ei ole tiukka tieteellinen asteikko. Se on käytännöllinen, oppijaystävällinen opas, joka perustuu korpustutkimukseen ja sanaston kattavuutta koskeviin tutkimuksiin.

Sanaston koko Käytännön taso Mitä se yleensä tarkoittaa
800–1 000 ydinsanaa Selviytyminen / perusviestintä Pärjäät hyvin tavallisissa arjen tilanteissa, mutta ilmaisusi on rajallista ja sinulta jää huomaamatta monia yksityiskohtia.
2 000–3 000 sanaperhettä Itsenäistymisen alku Ymmärrät suuren osan epämuodollisesta arkikielestä, etenkin kun mukana on konteksti, toistoa ja tuttuja aiheita.
3 000–5 000 sanaperhettä Itsevarma arjen viestintä Tämä on realistinen kynnys monille oppijoille, jotka haluavat viestiä itsenäisesti arjessa, matkustaessa, yksinkertaisissa työtilanteissa ja tavallisen median parissa.
6 000–9 000 sanaperhettä Edistynyt ymmärtäminen Ymmärrät paljon vaihtelevampaa puhuttua ja kirjoitettua kieltä, kuten monia elokuvia, podcasteja, artikkeleita ja ammatillisia keskusteluja.
10 000+ sanaperhettä / laaja reseptiivinen sanasto Lähes natiivitasoinen tai erittäin edistynyt taso Pystyt käsittelemään monimutkaista, akateemista, kirjallista ja erikoistunutta kieltä mukavammin, vaikka uusia sanoja tulee aina vastaan.

Tärkein opetus on tämä:

Sinun ei tarvitse osata kielen jokaista sanaa käyttääksesi sitä hyvin.

Itse asiassa kukaan ei osaa kielen jokaista sanaa. Myös natiivipuhujat kohtaavat säännöllisesti vieraita sanoja erikoisaloilla, kirjallisuudessa, oikeustieteessä, lääketieteessä, teknologiassa tai alueellisessa puheessa.

Natiivipuhujilla on myös paljon suurempi reseptiivinen sanasto kuin aktiivinen sanasto. Reseptiivinen sanasto tarkoittaa sanoja, jotka tunnistat ja ymmärrät. Aktiivinen sanasto tarkoittaa sanoja, joita osaat käyttää itsevarmasti puhuessa tai kirjoittaessa. Natiivien englanninpuhujien sanaston laajuutta koskeva tutkimus osoittaa, että aikuiset natiivipuhujat saattavat tunnistaa kymmeniä tuhansia lemmoja, mutta arjessa he käyttävät aktiivisesti paljon pienempää osaa niistä.

Tämä ero on erittäin tärkeä kielenoppijoille.

Sinun ei tarvitse käyttää aktiivisesti 20 000 sanaa puhuaksesi sujuvasti. Mutta kun reseptiivinen sanastosi kasvaa, ymmärrät enemmän kirjoja, elokuvia, keskusteluja, vitsejä, väittelyjä ja kulttuurisia viittauksia.

Valmis seuraavaan osaan? Katso osa 2 täältä: