अंग्रेज़ी में धाराप्रवाह होने के लिए आपको कितने शब्द जानने चाहिए? कॉर्पस भाषाविज्ञान क्या सुझाता है - भाग 1

लगभग हर भाषा सीखने वाले की यात्रा में कभी न कभी वही सवाल सामने आता है:

“धाराप्रवाह बोलने के लिए मुझे वास्तव में कितने शब्द जानने चाहिए?”

यह एक स्वाभाविक सवाल है। भाषा सीखना कभी-कभी अंतहीन लग सकता है, और कोई साफ़ संख्या मिल जाए तो पूरी प्रक्रिया अधिक संभालने योग्य महसूस होती है। अगर कोई बस यह कह दे, “ठीक 5,000 शब्द सीख लीजिए और आप धाराप्रवाह हो जाएंगे,” तो भाषा सीखना बहुत आसान लगता।

ईमानदार जवाब थोड़ा अधिक सूक्ष्म है।

सख्त भाषावैज्ञानिक दृष्टि से देखें तो धाराप्रवाहता को केवल शब्दों की एक संख्या तक सीमित नहीं किया जा सकता। भाषा कोई बंद डेटाबेस नहीं है। यह ध्वनियों, अर्थों, व्याकरण, सामाजिक आदतों, सांस्कृतिक संदर्भों और उपयोग के लचीले ढांचों की एक जीवंत प्रणाली है।

फिर भी, कॉर्पस भाषाविज्ञान — यानी वास्तविक भाषा-प्रयोग के बड़े संग्रहों का अध्ययन — हमें बहुत उपयोगी मानक देता है। Paul Nation, Stuart Webb और अन्य शोधकर्ताओं ने अध्ययन किया है कि अलग-अलग स्तरों पर बोली और लिखी हुई अंग्रेज़ी को समझने के लिए कितनी शब्दावली की ज़रूरत होती है। उनके निष्कर्ष हमें कोई जादुई संख्या नहीं देते, लेकिन वे एक यथार्थवादी नक्शा ज़रूर देते हैं।

यह लेख मुख्य रूप से अंग्रेज़ी पर केंद्रित है, क्योंकि अंग्रेज़ी के लिए शब्दावली की आवृत्ति से जुड़े कुछ सबसे अच्छे अध्ययन उपलब्ध हैं। सामान्य सिद्धांत दूसरी भाषाओं पर भी उपयोगी हैं, लेकिन सटीक संख्याएं व्याकरण, रूप-विज्ञान, लेखन प्रणाली और शोधकर्ता शब्दावली को कैसे गिनते हैं, इस पर निर्भर करते हुए बदल सकती हैं।

उस नक्शे को समझने के लिए पहले हमें एक महत्वपूर्ण सवाल स्पष्ट करना होगा।

आख़िर हम गिन क्या रहे हैं?

जब लोग पूछते हैं, “मुझे कितने शब्द जानने चाहिए?”, तो “शब्द” बहुत सरल लगता है। लेकिन भाषाविज्ञान में यह बिल्कुल सरल नहीं है।

अंग्रेज़ी क्रिया run को ही ले लीजिए।

आप इसे कई रूपों में देख सकते हैं: run, runs, ran, running

क्या हमें इन्हें चार अलग-अलग शब्द मानना चाहिए? या अलग-अलग रूपों वाला एक ही शब्द?

अधिकांश सीखने वालों को शायद लगेगा कि अगर वे run क्रिया जानते हैं, तो वे नहीं चाहेंगे कि उसके हर व्याकरणिक रूप को पूरी तरह नया शब्द माना जाए। इसी वजह से भाषाविद शब्दावली के आकार को मापते समय अक्सर अधिक अमूर्त इकाइयों का उपयोग करते हैं।

पहली उपयोगी अवधारणा है लेम्मा।

लेम्मा किसी शब्द का मूल या शब्दकोश वाला रूप होता है। उदाहरण के लिए, go, go, goes, went, gone, going के पीछे का लेम्मा है। शब्दकोश में आप आम तौर पर मूल रूप खोजते हैं, हर संभव व्याकरणिक रूप को अलग-अलग नहीं। कॉर्पस टूल भी इसी तरह लेम्मा का उपयोग करते हैं: वे अलग-अलग शब्द-रूपों को एक केंद्रीय प्रविष्टि के तहत समूहित करते हैं।

अब तक यह बात काफ़ी सहज लगती है।

लेकिन कई शब्दावली अध्ययन — खासकर अंग्रेज़ी में — अक्सर इससे भी व्यापक अवधारणा का उपयोग करते हैं: शब्द-परिवार।

शब्द-परिवार क्या होता है?

शब्द-परिवार संबंधित शब्दों का ऐसा समूह होता है जो एक ही मूल शब्द के आसपास बना होता है। इसमें मुख्य शब्द और उसके कुछ सामान्य, आसानी से समझ आने वाले रूप शामिल होते हैं।

उदाहरण के लिए, teach के आसपास एक सरल शब्द-परिवार में ये शामिल हो सकते हैं: teach, teaches, teaching, taught, teacher

nation के आसपास एक सरल शब्द-परिवार में ये शामिल हो सकते हैं: nation, national, international, nationality

विचार यह नहीं है कि ये सभी शब्द एक जैसे हैं। वास्तविक उपयोग में ये साफ़ तौर पर अलग शब्द हैं। लेकिन इनमें इतना संबंध होता है कि एक को जानने से अक्सर दूसरे को समझने में मदद मिल सकती है।

यह इसलिए महत्वपूर्ण है क्योंकि भाषा सीखने वाले हर शब्द को अलग-थलग करके नहीं सीखते। एक बार आप happy जानते हैं, तो unhappy या happiness समझना आसान हो जाता है। एक बार आप move जानते हैं, तो movement का अर्थ अनुमान लगाना आसान हो जाता है। एक बार आप use जानते हैं, तो useful, useless और reuse जैसे शब्द पहचानना आसान हो जाता है।

शब्द-परिवारों के पीछे यही तर्क है।

हालांकि, शब्द-परिवार हमेशा सरल नहीं होते। कुछ संबंधित शब्द मूल शब्द से आसानी से समझ आ जाते हैं, जबकि कुछ नहीं। उदाहरण के लिए, sign और signature संबंधित हैं, लेकिन एक शुरुआती सीखने वाले के लिए यह संबंध स्पष्ट न हो। Compete, competition और competitive संबंधित हैं, लेकिन वाक्यों में उनका व्यवहार अलग होता है।

इसी वजह से शब्द-परिवार के आधार पर गिनती शोध के लिए उपयोगी है, लेकिन सीखने वालों के लिए कभी-कभी भ्रमित करने वाली हो सकती है। यह शब्दावली-ज्ञान का एक व्यावहारिक अनुमान देती है, लेकिन इसका मतलब यह नहीं कि परिवार का हर सदस्य अपने आप पूरी तरह आ गया है।

इस लेख में, जब हम शब्दावली के आकार की बात करते हैं, तो इसे मुख्य शब्दावली इकाइयों के रूप में सोचना बेहतर है: यानी हर अलग शब्द-रूप नहीं, लेकिन हमेशा केवल एक सख्त शब्दकोशीय लेम्मा भी नहीं। अंग्रेज़ी शब्दावली के कई अध्ययनों में मानक संख्याएं शब्द-परिवारों पर आधारित होती हैं।

यह अंतर महत्वपूर्ण है।

जो सीखने वाला 3,000 शब्द-परिवार जानता है, वह वास्तविक पाठों में 3,000 से कहीं अधिक अलग-अलग शब्द-रूप पहचान सकता है। लेकिन इसका मतलब यह नहीं कि वह बोलने या लिखने में उन सभी का सक्रिय रूप से उपयोग कर सकता है।

आवृत्ति इतनी महत्वपूर्ण क्यों है

भाषाएं ऐसी संतुलित प्रणालियां नहीं हैं जहां हर शब्द बराबर बार दिखाई देता हो।

बहुत आम शब्दों की एक छोटी संख्या लगातार दिखाई देती है। हजारों अन्य शब्द केवल कभी-कभी दिखाई देते हैं। यह पैटर्न अक्सर Zipf’s law से जुड़ा होता है, जो एक सांख्यिकीय प्रवृत्ति है: सबसे अधिक बार आने वाले शब्द वास्तविक भाषा-प्रयोग के बहुत बड़े हिस्से को कवर करते हैं।

अंग्रेज़ी में the, be, have, do, say, go, make, know, think, good जैसे शब्द हर जगह दिखाई देते हैं। दुर्लभ शब्द किसी खास क्षेत्र में उपयोगी, सुंदर या महत्वपूर्ण हो सकते हैं, लेकिन वे रोज़मर्रा के संवाद में लगभग उतनी बार नहीं आते।

इससे सीखने का एक शक्तिशाली सिद्धांत बनता है:

सबसे पहले सीखे गए कुछ हजार अधिक-प्रचलित शब्द आपको सबसे बड़ा लाभ देते हैं।

सबसे आम 1,000 शब्द सीखने से आप सामान्य भाषा का आश्चर्यजनक रूप से बड़ा हिस्सा पहचान सकते हैं। लेकिन इसका मतलब यह नहीं कि आप सब कुछ समझ जाएंगे। बचे हुए अज्ञात शब्द अक्सर वाक्य का महत्वपूर्ण अर्थ लेकर चलते हैं।

उदाहरण के लिए:

I went to the ___ because my ___ was hurting.

आप ज़्यादातर व्याकरण और आम शब्द समझ सकते हैं, लेकिन खाली जगहों के शब्द बेहद ज़रूरी हो सकते हैं। क्या वह डॉक्टर था? डेंटिस्ट? फार्मेसी? अस्पताल? घुटना? पेट? दांत?

इसीलिए कवरेज मायने रखता है।

“95% कवरेज” का क्या मतलब है?

कॉर्पस शोधकर्ता अक्सर टेक्स्ट कवरेज की बात करते हैं। इसका मतलब है किसी पाठ में उन शब्दों का प्रतिशत जिन्हें आप पहले से जानते हैं।

अगर आप किसी पाठ के 95% शब्द जानते हैं, तो यह शानदार लगता है। लेकिन इसका मतलब फिर भी यह है कि हर 20 शब्दों में से 1 शब्द अज्ञात हो सकता है।

छोटे वाक्य में यह बड़ी समस्या नहीं हो सकती। लेकिन किसी उपन्यास, पॉडकास्ट, फिल्म या व्याख्यान में यह थका देने वाला हो सकता है। अज्ञात शब्द बार-बार आते हैं, और उनमें से कुछ अर्थ के लिए बेहद महत्वपूर्ण हो सकते हैं।

लगभग 95% कवरेज पर आप अक्सर मुख्य विचार समझ सकते हैं, खासकर अगर विषय परिचित हो और दृश्य या स्थिति से सहारा मिल रहा हो। लगभग 98% कवरेज पर समझना कहीं अधिक सहज हो जाता है। आप संदर्भ से अधिक अनुमान लगा सकते हैं, कम रुकावट के साथ पढ़ या सुन सकते हैं, और हर वाक्य को डिकोड करने के बजाय अर्थ पर अधिक ध्यान दे सकते हैं।

Paul Nation के व्यापक रूप से उद्धृत कार्य से संकेत मिलता है कि बोली हुई अंग्रेज़ी में लगभग 98% कवरेज के लिए करीब 6,000–7,000 शब्द-परिवारों की ज़रूरत हो सकती है, और कई लिखित पाठों के लिए 8,000–9,000 शब्द-परिवारों की।

अनौपचारिक बोली हुई अंग्रेज़ी, फिल्मों और टेलीविजन के लिए संख्याएं कुछ कम हो सकती हैं। Webb और Rodgers ने पाया कि सबसे अधिक बार आने वाले 3,000 शब्द-परिवारों ने, व्यक्तिवाचक संज्ञाओं और सीमांत शब्दों के साथ मिलकर, टेलीविजन कार्यक्रमों का लगभग 95% कवरेज दिया, जबकि करीब 7,000 शब्द-परिवारों ने लगभग 98% कवरेज दिया।

अनौपचारिक बोली हुई अंग्रेज़ी पर एक अधिक हालिया अध्ययन भी संकेत देता है कि कुछ प्रकार के अनौपचारिक बोले गए इनपुट के लिए लगभग 2,000–3,000 शब्द-परिवार करीब 95% कवरेज दे सकते हैं, जबकि शैली के आधार पर लगभग 98% के लिए 5,000–7,000 की ज़रूरत हो सकती है।

तो जवाब इस पर निर्भर करता है कि आप क्या समझना चाहते हैं।

एक साधारण बातचीत, एक सिटकॉम, विश्वविद्यालय का व्याख्यान, कानूनी दस्तावेज़ और साहित्यिक उपन्यास — इन सबके लिए बिल्कुल वही शब्दावली ज़रूरी नहीं होती।

व्यावहारिक शब्दावली मानक

नीचे दी गई तालिका कोई सख्त वैज्ञानिक पैमाना नहीं है। यह कॉर्पस शोध और शब्दावली कवरेज अध्ययनों पर आधारित, सीखने वालों के लिए एक व्यावहारिक और आसान मार्गदर्शिका है।

सबसे महत्वपूर्ण सीख यह है:

किसी भाषा का अच्छा उपयोग करने के लिए आपको उसके हर शब्द को जानने की ज़रूरत नहीं है।

असल में, कोई भी व्यक्ति किसी भाषा का हर शब्द नहीं जानता। मातृभाषी लोग भी विशेष क्षेत्रों, साहित्य, कानून, चिकित्सा, तकनीक या क्षेत्रीय बोलियों में नियमित रूप से अनजाने शब्दों से मिलते हैं।

मातृभाषी लोगों की ग्रहणशील शब्दावली, सक्रिय शब्दावली से कहीं बड़ी होती है। ग्रहणशील शब्दावली का मतलब है वे शब्द जिन्हें आप पहचान और समझ सकते हैं। सक्रिय शब्दावली का मतलब है वे शब्द जिन्हें आप बोलने या लिखने में आत्मविश्वास से उपयोग कर सकते हैं। मातृभाषी अंग्रेज़ी बोलने वालों की शब्दावली के आकार पर शोध दिखाता है कि वयस्क मातृभाषी लोग हजारों-हजार लेम्मा पहचान सकते हैं, लेकिन रोज़मर्रा के जीवन में वे उनका कहीं छोटा हिस्सा सक्रिय रूप से उपयोग करते हैं।

भाषा सीखने वालों के लिए यह अंतर बहुत महत्वपूर्ण है।

धाराप्रवाह बोलने के लिए आपको 20,000 शब्दों का सक्रिय उपयोग करने की ज़रूरत नहीं है। लेकिन जैसे-जैसे आपकी ग्रहणशील शब्दावली बढ़ती है, आप अधिक किताबें, फिल्में, बातचीत, चुटकुले, बहसें और सांस्कृतिक संदर्भ समझ सकते हैं।

अगले भाग के लिए तैयार हैं? भाग 2 यहां देखें: