Hoeveel woorden moet je kennen om vloeiend Engels te spreken? Wat corpuslinguïstiek suggereert - Deel 1

Op een bepaald moment in de leerreis van bijna elke taalleerder duikt dezelfde vraag op:

“Hoeveel woorden moet ik eigenlijk kennen om vloeiend te worden?”

Het is een logische vraag. Een taal leren kan eindeloos aanvoelen, en een duidelijk getal zou het proces overzichtelijker maken. Als iemand gewoon kon zeggen: “Leer precies 5.000 woorden en je spreekt vloeiend,” dan zou taal leren een stuk makkelijker lijken.

Het eerlijke antwoord ligt genuanceerder.

Vanuit strikt taalkundig oogpunt kun je vloeiendheid niet terugbrengen tot één aantal woorden. Taal is geen afgesloten database. Het is een levend systeem van klanken, betekenissen, grammatica, sociale gewoonten, culturele verwijzingen en flexibele gebruikspatronen.

Toch geeft corpuslinguïstiek — het onderzoek naar grote verzamelingen echt taalgebruik — ons heel nuttige richtpunten. Onderzoekers zoals Paul Nation, Stuart Webb en anderen hebben onderzocht hoeveel woordenschat je nodig hebt om gesproken en geschreven Engels op verschillende niveaus te begrijpen. Hun bevindingen geven ons geen magisch getal, maar wel een realistische kaart.

Dit artikel richt zich vooral op Engels, omdat Engels een van de best onderzochte talen is als het gaat om woordfrequentie. De algemene principes zijn ook nuttig voor andere talen, maar de exacte aantallen kunnen verschillen door grammatica, morfologie, schrijfsysteem en de manier waarop onderzoekers woordenschat tellen.

Om die kaart te begrijpen, moeten we eerst één belangrijke vraag verduidelijken.

Wat tellen we eigenlijk?

Wanneer mensen vragen: “Hoeveel woorden moet ik kennen?”, klinkt het woord “woord” simpel. Maar in de taalkunde is het helemaal niet zo simpel.

Neem het Engelse werkwoord run.

Je kunt het in veel vormen tegenkomen: run, runs, ran, running

Moeten we die tellen als vier afzonderlijke woorden? Of als één woord met verschillende vormen?

De meeste leerders zullen waarschijnlijk het gevoel hebben dat als ze het werkwoord run kennen, ze niet willen dat elke grammaticale vorm als een compleet nieuw woord wordt geteld. Daarom gebruiken taalkundigen vaak abstractere eenheden wanneer ze de grootte van een woordenschat meten.

Het eerste nuttige concept is het lemma.

Een lemma is de basisvorm of woordenboekvorm van een woord. Bijvoorbeeld: go is het lemma achter go, goes, went, gone, going. In een woordenboek zoek je normaal gesproken de basisvorm op, niet elke mogelijke grammaticale vorm apart. Corpustools gebruiken lemma’s op een vergelijkbare manier: ze groeperen verschillende woordvormen onder één centrale ingang.

Tot zover voelt dit vrij intuïtief.

Maar veel woordenschatstudies — vooral in het Engels — gebruiken vaak een nog breder concept: de woordfamilie.

Wat is een woordfamilie?

Een woordfamilie is een groep verwante woorden rond hetzelfde basiswoord. Ze bevat het kernwoord en enkele veelvoorkomende, transparante vormen daarvan.

Een vereenvoudigde woordfamilie rond teach kan bijvoorbeeld bestaan uit: teach, teaches, teaching, taught, teacher

Een vereenvoudigde woordfamilie rond nation kan bestaan uit: nation, national, international, nationality

Het idee is niet dat al deze woorden identiek zijn. In echt taalgebruik zijn het duidelijk verschillende woorden. Maar ze zijn genoeg verwant om ervoor te zorgen dat kennis van het ene woord je vaak helpt om de andere te begrijpen.

Dat is belangrijk, omdat taalleerders niet elk woord volledig los leren. Zodra je happy kent, wordt het makkelijker om unhappy of happiness te begrijpen. Zodra je move kent, wordt het makkelijker om de betekenis van movement te raden. Zodra je use kent, herken je woorden als useful, useless en reuse makkelijker.

Dat is de logica achter woordfamilies.

Toch zijn woordfamilies niet altijd eenvoudig. Sommige verwante woorden kun je makkelijk vanuit het basiswoord begrijpen, terwijl dat bij andere niet zo is. Sign en signature zijn bijvoorbeeld verwant, maar voor een beginner is dat verband misschien niet duidelijk. Compete, competition en competitive zijn verwant, maar ze gedragen zich anders in zinnen.

Daarom is tellen in woordfamilies nuttig voor onderzoek, maar kan het voor leerders verwarrend zijn. Het geeft een praktische schatting van woordenschatkennis, maar het is niet hetzelfde als zeggen dat je elk lid van de familie automatisch beheerst.

Wanneer we in dit artikel over de grootte van je woordenschat praten, kun je het beste denken in termen van kernwoordenschateenheden: niet elke afzonderlijke woordvorm, maar ook niet altijd één strikt woordenboeklemma. In veel Engelse woordenschatstudies zijn de richtgetallen gebaseerd op woordfamilies.

Dat onderscheid doet ertoe.

Een leerder die 3.000 woordfamilies kent, kan in echte teksten veel meer dan 3.000 afzonderlijke woordvormen herkennen. Maar dat betekent niet dat diegene ze allemaal actief kan gebruiken in spreken of schrijven.

Waarom frequentie zo belangrijk is

Talen zijn geen evenwichtige systemen waarin elk woord even vaak voorkomt.

Een klein aantal heel gewone woorden komt voortdurend voor. Duizenden andere woorden komen maar af en toe voor. Dit patroon wordt vaak gekoppeld aan de wet van Zipf, een statistische tendens waarbij de meest frequente woorden een heel groot deel van echt taalgebruik vormen.

In het Engels kom je woorden als the, be, have, do, say, go, make, know, think, good overal tegen. Zeldzame woorden kunnen nuttig, mooi of belangrijk zijn in specifieke vakgebieden, maar ze komen lang niet zo vaak voor in dagelijkse communicatie.

Dat levert een krachtig leerprincipe op:

De eerste paar duizend hoogfrequente woorden leveren je het meeste op.

Als je de 1.000 meest voorkomende woorden leert, kun je al een verrassend groot deel van gewone taal herkennen. Maar dat betekent niet dat je alles begrijpt. De overgebleven onbekende woorden dragen vaak de belangrijke betekenis van de zin.

Bijvoorbeeld:

Ik ging naar de ___ omdat mijn ___ pijn deed.

Je begrijpt misschien het grootste deel van de grammatica en de gewone woorden, maar de ontbrekende woorden kunnen essentieel zijn. Was het een dokter? Tandarts? Apotheek? Ziekenhuis? Knie? Buik? Tand?

Daarom is dekking belangrijk.

Wat betekent “95% dekking”?

Corpusonderzoekers hebben het vaak over tekstdekking. Daarmee bedoelen ze het percentage woorden in een tekst dat je al kent.

Als je 95% van de woorden in een tekst kent, klinkt dat uitstekend. Maar het betekent nog steeds dat 1 op de 20 woorden onbekend kan zijn.

In een korte zin hoeft dat geen groot probleem te zijn. In een roman, podcast, film of college kan het vermoeiend worden. Onbekende woorden komen steeds opnieuw terug, en sommige kunnen cruciaal zijn voor de betekenis.

Bij ongeveer 95% dekking kun je vaak de grote lijn volgen, vooral als het onderwerp vertrouwd is en er visuele of situationele ondersteuning is. Bij ongeveer 98% dekking wordt begrip veel comfortabeler. Je kunt meer uit de context raden, lezen of luisteren met minder onderbrekingen, en je meer richten op de betekenis in plaats van elke zin te ontcijferen.

Het veel geciteerde werk van Paul Nation suggereert dat je ongeveer 6.000–7.000 woordfamilies nodig hebt voor ongeveer 98% dekking van gesproken Engels, en 8.000–9.000 woordfamilies voor veel geschreven teksten.

Voor informeel gesproken Engels, films en televisie kunnen de aantallen iets lager liggen. Webb en Rodgers ontdekten dat de meest frequente 3.000 woordfamilies, samen met eigennamen en marginale woorden, ongeveer 95% dekking van televisieprogramma’s gaven, terwijl ongeveer 7.000 woordfamilies ongeveer 98% dekking gaven.

Een recentere studie naar informeel gesproken Engels suggereert ook dat ongeveer 2.000–3.000 woordfamilies voor sommige soorten informele gesproken input ongeveer 95% dekking kunnen geven, terwijl 5.000–7.000 nodig kunnen zijn voor ongeveer 98%, afhankelijk van het genre.

Het antwoord hangt dus af van wat je wilt begrijpen.

Een informeel gesprek, een sitcom, een universitair college, een juridisch document en een literaire roman vragen niet precies dezelfde woordenschat.

Praktische richtpunten voor woordenschat

De volgende tabel is geen strikte wetenschappelijke schaal. Het is een praktische, leerdervriendelijke gids op basis van corpusonderzoek en studies naar woordenschatdekking.

De belangrijkste les is deze:

Je hoeft niet elk woord in een taal te kennen om die taal goed te gebruiken.

Sterker nog: niemand kent elk woord in een taal. Zelfs moedertaalsprekers komen regelmatig onbekende woorden tegen in gespecialiseerde vakgebieden, literatuur, recht, geneeskunde, technologie of regionaal taalgebruik.

Moedertaalsprekers hebben ook een veel grotere receptieve woordenschat dan actieve woordenschat. Receptieve woordenschat betekent de woorden die je kunt herkennen en begrijpen. Actieve woordenschat betekent de woorden die je zelfverzekerd kunt gebruiken in spreken of schrijven. Onderzoek naar de woordenschatgrootte van Engelse moedertaalsprekers laat zien dat volwassen moedertaalsprekers tienduizenden lemma’s kunnen herkennen, maar in het dagelijks leven actief een veel kleinere selectie gebruiken.

Dit onderscheid is heel belangrijk voor taalleerders.

Je hoeft niet actief 20.000 woorden te gebruiken om vloeiend te spreken. Maar naarmate je receptieve woordenschat groeit, kun je meer boeken, films, gesprekken, grappen, discussies en culturele verwijzingen begrijpen.

Klaar voor het volgende deel? Bekijk Deel 2 hier: