英語を流暢に話すには何語必要？コーパス言語学が示すこと - パート1

ほとんどの語学学習者が、どこかのタイミングで同じ疑問にぶつかります。

「流暢に話せるようになるには、実際に何語知っていればいいのだろう？」

これは自然な疑問です。言語学習は果てしなく感じられることがあり、はっきりした数字があれば、もっと取り組みやすく思えます。もし誰かが「ちょうど5,000語覚えれば流暢になります」と言ってくれるなら、語学学習はずっと簡単に見えるでしょう。

ただ、正直な答えはもう少し複雑です。

厳密な言語学の観点から言うと、流暢さを単一の語数に還元することはできません。言語は閉じたデータベースではありません。音、意味、文法、社会的な習慣、文化的な参照、そして柔軟な使い方のパターンからなる、生きたシステムです。

それでも、実際の言語使用を大量に集めて研究するコーパス言語学は、非常に役立つ目安を与えてくれます。Paul Nation、Stuart Webb などの研究者は、さまざまなレベルで英語の話し言葉や書き言葉を理解するために、どれくらいの語彙が必要かを研究してきました。その研究結果は魔法の数字を示すものではありませんが、現実的な地図を示してくれます。

この記事では主に英語に焦点を当てます。英語は語彙頻度データの研究が特によく進んでいるためです。一般的な原則は他の言語にも役立ちますが、正確な数字は、文法、形態論、文字体系、そして研究者が語彙をどう数えるかによって変わります。

その地図を理解するには、まず重要な問いを1つ明確にする必要があります。

そもそも何を数えているのでしょうか？

「何語知っていればいいの？」と聞くとき、「語」という言葉は簡単に聞こえます。でも言語学では、まったく簡単ではありません。

英語の動詞 run を例にしてみましょう。

次のように、さまざまな形で出てきます。 run, runs, ran, running

これらは4つの別々の語として数えるべきでしょうか。それとも、異なる形を持つ1つの語として数えるべきでしょうか。

多くの学習者はおそらく、動詞 run を知っているなら、すべての文法的な形を完全に新しい語として数えたくはないはずです。だからこそ、言語学者は語彙サイズを測るとき、より抽象的な単位を使うことがよくあります。

最初に役立つ概念が レンマ です。

レンマ とは、語の基本形、つまり辞書に載る形のことです。たとえば、go は go, goes, went, gone, going の背後にあるレンマです。辞書では通常、考えられるすべての文法形を別々に引くのではなく、基本形を調べます。コーパスツールも似た考え方を使い、異なる語形を1つの中心的な項目の下にまとめます。

ここまでは、かなり直感的です。

ただし、多くの語彙研究、特に英語の研究では、さらに広い概念である ワードファミリー がよく使われます。

ワードファミリーとは何でしょうか？

ワードファミリー とは、同じ基本語を中心に作られた関連語のグループです。中心となる語と、よく使われる分かりやすい派生形が含まれます。

たとえば、teach を中心にした簡略化したワードファミリーには、次のような語が含まれます。 teach, teaches, teaching, taught, teacher

nation を中心にした簡略化したワードファミリーなら、次のような語が含まれます。 nation, national, international, nationality

これは、これらの語がすべて同じだという意味ではありません。実際の使用では、明らかに別の語です。ただし関連性が十分にあるため、1つを知っていると、他の語を理解する助けになることがよくあります。

ここが重要です。言語学習者は、すべての語を完全に孤立したものとして学ぶわけではありません。happy を知っていれば、unhappy や happiness は理解しやすくなります。move を知っていれば、movement の意味を推測しやすくなります。use を知っていれば、useful、useless、reuse のような語を認識しやすくなります。

これがワードファミリーの考え方です。

ただし、ワードファミリーはいつも単純とは限りません。関連語の中には基本語から理解しやすいものもあれば、そうでないものもあります。たとえば、sign と signature は関連していますが、初心者にはそのつながりが分かりにくいかもしれません。Compete、competition、competitive は関連語ですが、文の中での働き方は異なります。

だからこそ、ワードファミリーで数える方法は研究には役立ちますが、学習者には混乱を招くこともあります。語彙知識の実用的な見積もりにはなりますが、ファミリー内のすべての語を自動的に習得している、という意味ではありません。

この記事で語彙サイズについて話すときは、核となる語彙単位 として考えるのがよいでしょう。つまり、すべての別々の語形を数えるわけではありませんが、必ずしも厳密な辞書上のレンマ1つだけを数えるわけでもありません。多くの英語語彙研究では、目安となる数字は ワードファミリー に基づいています。

この違いは重要です。

3,000のワードファミリーを知っている学習者は、実際の文章の中で3,000をはるかに超える個別の語形を認識できるかもしれません。ただし、それらすべてを話したり書いたりする中で能動的に使える、という意味ではありません。

なぜ頻度がそれほど重要なのでしょうか？

言語は、すべての語が同じ頻度で出てくるようなバランスの取れたシステムではありません。

ごく少数の非常によく使われる語が、何度も何度も登場します。一方で、何千もの他の語はたまにしか出てきません。このパターンは、実際の言語使用の非常に大きな部分を最頻出語が占めるという統計的傾向である Zipfの法則 とよく結びつけられます。

英語では、the, be, have, do, say, go, make, know, think, good のような語があらゆるところに出てきます。まれな語も、特定の分野では役立ったり、美しかったり、重要だったりしますが、日常的なコミュニケーションではそれほど頻繁には現れません。

ここから、強力な学習原則が生まれます。

最初の数千語の高頻度語が、最も大きなリターンをもたらします。

最もよく使われる1,000語を学ぶだけでも、普通の言語のかなり大きな部分を認識できるようになります。ただし、それですべてを理解できるという意味ではありません。残った未知語が、文の重要な意味を担っていることがよくあります。

たとえば、次の文を見てください。

I went to the ___ because my ___ was hurting.

文法や一般的な語のほとんどは理解できるかもしれません。でも、空欄に入る語が本質的に重要です。doctor でしょうか。Dentist でしょうか。Pharmacy でしょうか。Hospital でしょうか。Knee、Stomach、Tooth でしょうか。

だからこそ、カバー率が重要になります。

「95%のカバー率」とはどういう意味でしょうか？

コーパス研究者はよく テキストカバー率 について話します。これは、あるテキスト内の語のうち、すでに知っている語が占める割合のことです。

テキスト内の語の95%を知っていると聞くと、かなり良さそうに思えます。でもそれでも、20語に1語は未知語かもしれないということです。

短い文なら、大きな問題ではないかもしれません。ですが、小説、ポッドキャスト、映画、講義では疲れる原因になります。未知語が何度も現れ、その中には意味を理解するうえで重要なものもあります。

95%のカバー率 前後では、特にテーマがなじみ深く、視覚的または状況的な手がかりがある場合、全体的な流れを追えることがよくあります。98%のカバー率 前後になると、理解はずっと楽になります。文脈から推測しやすくなり、読む・聞くときの中断が少なくなり、すべての文を解読することよりも意味に集中しやすくなります。

Paul Nation の広く引用されている研究によると、話し言葉の英語で約98%のカバー率に達するには、およそ 6,000〜7,000ワードファミリー が必要で、多くの書き言葉のテキストでは 8,000〜9,000ワードファミリー が必要になる可能性があります。

くだけた話し言葉の英語、映画、テレビでは、必要な数はやや低くなるかもしれません。Webb と Rodgers は、最頻出の 3,000ワードファミリー に固有名詞や周辺的な語を合わせると、テレビ番組の約 95%のカバー率 に達し、約 7,000ワードファミリー で約 98%のカバー率 に達することを示しました。

くだけた話し言葉の英語に関するより新しい研究でも、非公式な話し言葉のインプットの種類によっては、約 2,000〜3,000ワードファミリー で約95%のカバー率に達する可能性があり、ジャンルによっては約98%に達するために 5,000〜7,000 が必要になると示唆されています。

つまり、答えは何を理解したいかによって変わります。

日常会話、シットコム、大学の講義、法律文書、文学小説では、必要な語彙はまったく同じではありません。

実用的な語彙の目安

次の表は、厳密な科学的尺度ではありません。コーパス研究と語彙カバー率の研究に基づいた、学習者にとって分かりやすい実用的なガイドです。

最も重要なポイントは次のとおりです。

言語をうまく使うために、その言語のすべての語を知る必要はありません。

実際、ある言語のすべての語を知っている人はいません。ネイティブスピーカーでさえ、専門分野、文学、法律、医学、テクノロジー、地域の話し言葉では、知らない語に日常的に出会います。

また、ネイティブスピーカーは 発信語彙 よりもはるかに大きな 受容語彙 を持っています。受容語彙とは、認識して理解できる語のことです。発信語彙とは、話したり書いたりするときに自信を持って使える語のことです。英語ネイティブの語彙サイズに関する研究では、大人のネイティブスピーカーは何万ものレンマを認識できる可能性がありますが、日常生活で実際に使うのはその中のずっと小さな一部です。

この違いは、言語学習者にとって非常に重要です。

流暢に話すために、20,000語を能動的に使える必要はありません。ですが、受容語彙が増えるほど、本、映画、会話、ジョーク、議論、文化的な参照をより多く理解できるようになります。

次のパートに進みますか？パート2はこちらです。