Szinte minden nyelvtanuló útján eljön az a pont, amikor felmerül ugyanaz a kérdés:

„Valójában hány szót kell tudnom ahhoz, hogy folyékonyan beszéljek?”

Ez teljesen természetes kérdés. Egy nyelv tanulása végtelennek tűnhet, és egy konkrét szám sokkal kezelhetőbbé tenné a folyamatot. Ha valaki egyszerűen azt mondhatná: „Tanulj meg pontosan 5000 szót, és folyékonyan fogsz beszélni”, a nyelvtanulás sokkal könnyebbnek látszana.

Az őszinte válasz ennél árnyaltabb.

Szigorúan nyelvészeti szempontból a folyékony nyelvhasználatot nem lehet egyetlen szószámra leegyszerűsíteni. A nyelv nem zárt adatbázis. Élő rendszer: hangokból, jelentésekből, nyelvtanból, társas szokásokból, kulturális utalásokból és rugalmas használati mintákból áll.

A korpusznyelvészet — vagyis a valódi nyelvhasználat nagy gyűjteményeinek vizsgálata — mégis nagyon hasznos támpontokat ad. Olyan kutatók, mint Paul Nation, Stuart Webb és mások azt vizsgálták, mekkora szókincsre van szükség az angol beszélt és írott szövegek megértéséhez különböző szinteken. Az eredményeik nem adnak varázsszámot, de adnak egy reális térképet.

Ez a cikk főként az angolra fókuszál, mert az angolhoz áll rendelkezésre az egyik legalaposabban kutatott szófrekvencia-adatbázis. Az általános elvek más nyelveknél is hasznosak, de a pontos számok változhatnak a nyelvtantól, a morfológiától, az írásrendszertől és attól függően, hogyan számolják a kutatók a szókincset.

Ahhoz, hogy megértsd ezt a térképet, először tisztáznunk kell egy fontos kérdést.

Mit számolunk valójában?

Amikor valaki azt kérdezi: „Hány szót kell tudnom?”, a „szó” egyszerűnek hangzik. A nyelvészetben azonban egyáltalán nem az.

Vegyük például az angol run igét.

Több alakban is találkozhatsz vele: run, runs, ran, running

Ezeket négy külön szónak számoljuk? Vagy egy szónak, amelynek különböző alakjai vannak?

A legtöbb tanuló valószínűleg úgy érzi, hogy ha ismeri a run igét, nem szeretné, ha minden nyelvtani alakját teljesen új szónak számolnák. Ezért a nyelvészek gyakran elvontabb egységeket használnak a szókincs méretének mérésére.

Az első hasznos fogalom a lemma.

A lemma egy szó alap- vagy szótári alakja. Például a go az a lemma, amelyhez a go, goes, went, gone, going alakok tartoznak. Egy szótárban általában az alapalakot keresed ki, nem minden lehetséges nyelvtani alakot külön-külön. A korpuszeszközök hasonló módon használják a lemmákat: a különböző szóalakokat egy központi bejegyzés alá csoportosítják.

Eddig ez elég intuitív.

Sok szókincskutatás — különösen az angolban — azonban egy még tágabb fogalmat használ: a szócsaládot.

Mi az a szócsalád?

A szócsalád rokon szavak csoportja, amelyek ugyanarra az alapszóra épülnek. Ide tartozik az alapvető szó és néhány gyakori, átlátható alakja.

Például egy egyszerűsített szócsalád a teach körül tartalmazhatja ezeket: teach, teaches, teaching, taught, teacher

Egy egyszerűsített szócsalád a nation körül tartalmazhatja ezeket: nation, national, international, nationality

Az elképzelés nem az, hogy ezek a szavak mind azonosak. A tényleges használatban egyértelműen különböző szavak. De elég szoros a kapcsolat köztük ahhoz, hogy ha az egyiket ismered, az gyakran segíthet megérteni a többit.

Ez azért fontos, mert a nyelvtanulók nem minden szót elszigetelten tanulnak meg. Ha már ismered a happy szót, könnyebben megérted az unhappy vagy a happiness szót. Ha már ismered a move szót, könnyebb kitalálni a movement jelentését. Ha már ismered a use szót, az olyan szavakat is könnyebben felismered, mint a useful, useless és reuse.

Ez a szócsaládok mögötti logika.

A szócsaládok azonban nem mindig egyszerűek. Egyes rokon szavakat könnyű megérteni az alapszóból, másokat viszont nem. Például a sign és a signature rokon szavak, de a kapcsolat nem biztos, hogy egy kezdőnek nyilvánvaló. A compete, competition és competitive is összetartoznak, de másképp viselkednek a mondatokban.

Ezért hasznos a szócsaládok szerinti számolás a kutatásban, de a tanulók számára zavaró lehet. Gyakorlati becslést ad a szókincstudásról, de nem jelenti azt, hogy a család minden tagját automatikusan teljesen elsajátítottad.

Ebben a cikkben, amikor a szókincs méretéről beszélünk, érdemes alapvető szókincsegységekben gondolkodnod: nem minden külön szóalakot számolunk, de nem is mindig egyetlen szigorú szótári lemmát. Sok angol szókincskutatásban a mérföldkőnek számító számok szócsaládokon alapulnak.

Ez a különbség számít.

Egy tanuló, aki 3000 szócsaládot ismer, valós szövegekben 3000-nél jóval több egyedi szóalakot felismerhet. Ez azonban nem jelenti azt, hogy mindegyiket aktívan használni is tudja beszédben vagy írásban.

Miért számít ennyire a gyakoriság?

A nyelvek nem kiegyensúlyozott rendszerek, ahol minden szó ugyanolyan gyakran fordul elő.

Néhány nagyon gyakori szó állandóan megjelenik. Több ezer másik szó csak alkalmanként fordul elő. Ezt a mintázatot gyakran Zipf törvényéhez kapcsolják: ez egy statisztikai tendencia, amely szerint a leggyakoribb szavak a valódi nyelvhasználat nagyon nagy részét lefedik.

Az angolban az olyan szavak, mint a the, be, have, do, say, go, make, know, think, good, mindenhol előfordulnak. A ritka szavak lehetnek hasznosak, szépek vagy fontosak bizonyos szakterületeken, de a mindennapi kommunikációban közel sem jelennek meg ilyen gyakran.

Ebből egy erős tanulási elv következik:

Az első néhány ezer nagy gyakoriságú szó adja a legnagyobb megtérülést.

A leggyakoribb 1000 szó megtanulása segíthet abban, hogy a hétköznapi nyelv meglepően nagy részét felismerd. Ez azonban nem jelenti azt, hogy mindent érteni fogsz. A megmaradó ismeretlen szavak gyakran a mondat fontos jelentését hordozzák.

Például:

Elmentem a ___, mert fájt a ___.

Lehet, hogy a nyelvtan és a gyakori szavak nagy részét érted, de a hiányzó szavak kulcsfontosságúak lehetnek. Orvoshoz mentél? Fogorvoshoz? Gyógyszertárba? Kórházba? A térded fájt? A hasad? A fogad?

Ezért számít a lefedettség.

Mit jelent a „95% lefedettség”?

A korpuszkutatók gyakran beszélnek szöveglefedettségről. Ez azt jelenti, hogy egy szöveg szavainak hány százalékát ismered már.

Ha egy szöveg szavainak 95%-át ismered, az kiválóan hangzik. De ez még mindig azt jelenti, hogy minden 20. szó ismeretlen lehet.

Egy rövid mondatban ez talán nem nagy probléma. Egy regényben, podcastban, filmben vagy előadásban viszont fárasztóvá válhat. Az ismeretlen szavak újra és újra felbukkannak, és némelyikük kulcsfontosságú lehet a jelentés szempontjából.

Körülbelül 95% lefedettségnél gyakran követni tudod a fő gondolatot, különösen akkor, ha a téma ismerős, és van vizuális vagy helyzeti segítség. Körülbelül 98% lefedettségnél a megértés sokkal kényelmesebbé válik. Többet tudsz kikövetkeztetni a kontextusból, kevesebb megszakítással olvasol vagy hallgatsz, és inkább a jelentésre figyelsz, nem arra, hogy minden mondatot megfejts.

Paul Nation sokat idézett munkája szerint nagyjából 6000–7000 szócsaládra lehet szükség a beszélt angol körülbelül 98%-os lefedettségéhez, és 8000–9000 szócsaládra sok írott szöveg esetében.

A kötetlen beszélt angol, a filmek és a televízió esetében a számok valamivel alacsonyabbak lehetnek. Webb és Rodgers azt találta, hogy a leggyakoribb 3000 szócsalád, a tulajdonnevekkel és marginális szavakkal együtt, a televíziós műsorok körülbelül 95%-át fedte le, míg nagyjából 7000 szócsalád körülbelül 98% lefedettséget adott.

Egy újabb, kötetlen beszélt angolról szóló kutatás is azt sugallja, hogy körülbelül 2000–3000 szócsalád egyes kötetlen beszélt nyelvi anyagoknál nagyjából 95% lefedettséget adhat, míg 5000–7000 szócsaládra lehet szükség a körülbelül 98%-hoz, műfajtól függően.

Vagyis a válasz attól függ, mit szeretnél megérteni.

Egy laza beszélgetés, egy sitcom, egy egyetemi előadás, egy jogi dokumentum és egy szépirodalmi regény nem pontosan ugyanazt a szókincset igényli.

Gyakorlati szókincs-mérföldkövek

Az alábbi táblázat nem szigorú tudományos skála. Inkább egy gyakorlati, tanulóbarát útmutató, amely korpuszkutatásokon és szókincs-lefedettségi vizsgálatokon alapul.

Szókincs mérete Gyakorlati szint Mit jelent ez általában?
800–1000 alapszó Túlélés / alapvető kommunikáció Boldogulsz nagyon gyakori hétköznapi helyzetekben, de a kifejezésmódod korlátozott, és sok részletről lemaradsz.
2000–3000 szócsalád Kezdeti önállóság A kötetlen mindennapi nyelv nagy részét megérted, különösen kontextussal, ismétléssel és ismerős témákkal.
3000–5000 szócsalád Magabiztos mindennapi kommunikáció Ez sok tanuló számára reális küszöb, ha önállóan szeretne kommunikálni a mindennapi életben, utazáskor, egyszerű munkahelyi helyzetekben és gyakori médiatartalmakban.
6000–9000 szócsalád Haladó szintű megértés Sokkal változatosabb beszélt és írott anyagot értesz meg, köztük sok filmet, podcastot, cikket és szakmai beszélgetést.
10 000+ szócsalád / széles receptív szókincs Anyanyelvközeli vagy nagyon magas szint Kényelmesebben boldogulsz összetett, tudományos, irodalmi és szaknyelvi tartalmakkal, bár mindig lesznek új szavak.

A legfontosabb tanulság ez:

Nem kell egy nyelv minden szavát ismerned ahhoz, hogy jól használd.

Valójában senki sem ismeri egy nyelv összes szavát. Még az anyanyelvi beszélők is rendszeresen találkoznak ismeretlen szavakkal szakterületeken, irodalomban, jogban, orvostudományban, technológiában vagy regionális beszédben.

Az anyanyelvi beszélőknek is sokkal nagyobb a receptív szókincsük, mint az aktív szókincsük. A receptív szókincs azokat a szavakat jelenti, amelyeket felismersz és megértesz. Az aktív szókincs pedig azokat, amelyeket magabiztosan tudsz használni beszédben vagy írásban. Az angol anyanyelvi beszélők szókincsméretéről szóló kutatások azt mutatják, hogy a felnőtt anyanyelvi beszélők több tízezer lemmát is felismerhetnek, de a mindennapi életben ezeknek jóval kisebb részét használják aktívan.

Ez a különbség nagyon fontos a nyelvtanulók számára.

Nem kell aktívan használnod 20 000 szót ahhoz, hogy folyékonyan beszélj. De ahogy nő a receptív szókincsed, egyre több könyvet, filmet, beszélgetést, viccet, érvet és kulturális utalást értesz meg.

Készen állsz a következő részre? Nézd meg itt a 2. részt: