ஆங்கிலத்தில் சரளமாகப் பேச எத்தனை சொற்கள் தெரிந்திருக்க வேண்டும்? கார்ப்பஸ் மொழியியல் கூறுவது என்ன - பகுதி 1

கிட்டத்தட்ட ஒவ்வொரு மொழிக் கற்றலாளரின் பயணத்திலும் ஒரு கட்டத்தில் இதே கேள்வி எழுகிறது:

“சரளமாகப் பேச நான் உண்மையில் எத்தனை சொற்களைத் தெரிந்திருக்க வேண்டும்?”

இது இயல்பான கேள்விதான். ஒரு மொழியைக் கற்றுக்கொள்வது முடிவில்லாத ஒன்றாகத் தோன்றலாம்; தெளிவான ஒரு எண்ணிக்கை இருந்தால் அந்தச் செயல்முறை கையாள எளிதாக உணரப்படும். யாராவது “சரியாக 5,000 சொற்களைக் கற்றுக்கொள்ளுங்கள்; நீங்கள் சரளமாகப் பேசுவீர்கள்” என்று எளிதாகச் சொல்லிவிட்டால், மொழிக் கற்றல் மிகவும் எளிதாகத் தெரியும்.

ஆனால் நேர்மையான பதில் அதைவிட நுட்பமானது.

கடுமையான மொழியியல் பார்வையில், சரளத்தன்மையை ஒரே சொல் எண்ணிக்கைக்குள் சுருக்கிவிட முடியாது. மொழி என்பது மூடிய தரவுத்தளம் அல்ல. அது ஒலிகள், அர்த்தங்கள், இலக்கணம், சமூகப் பழக்கங்கள், பண்பாட்டு குறிப்புகள், நெகிழ்வான பயன்பாட்டு வடிவங்கள் ஆகியவற்றைக் கொண்ட உயிருள்ள அமைப்பு.

இருப்பினும், உண்மையான மொழிப் பயன்பாட்டின் பெரிய தொகுப்புகளை ஆய்வு செய்யும் கார்ப்பஸ் மொழியியல் — நமக்கு மிகவும் பயனுள்ள அளவுகோல்களை அளிக்கிறது. Paul Nation, Stuart Webb மற்றும் பிற ஆய்வாளர்கள், பேச்சு மற்றும் எழுத்து ஆங்கிலத்தை பல நிலைகளில் புரிந்துகொள்ள எவ்வளவு சொல்வளம் தேவை என்பதை ஆய்வு செய்துள்ளனர். அவர்களின் கண்டுபிடிப்புகள் நமக்கு மந்திர எண்ணை வழங்குவதில்லை; ஆனால் ஒரு யதார்த்தமான வரைபடத்தை வழங்குகின்றன.

இந்தக் கட்டுரை முக்கியமாக ஆங்கிலத்தை மையமாகக் கொண்டது, ஏனெனில் சொல்வள பயன்பாட்டு அடிக்கடி நிகழ்தல் குறித்த மிகச் சிறப்பாக ஆய்வு செய்யப்பட்ட தரவுகள் ஆங்கிலத்தில் உள்ளன. பொதுக் கோட்பாடுகள் பிற மொழிகளுக்கும் பயனுள்ளதாக இருக்கும்; ஆனால் இலக்கணம், சொல் வடிவ மாற்றங்கள், எழுத்துமுறை, ஆய்வாளர்கள் சொல்வளத்தை எவ்வாறு எண்ணுகிறார்கள் என்பவற்றைப் பொறுத்து துல்லியமான எண்ணிக்கைகள் மாறலாம்.

அந்த வரைபடத்தைப் புரிந்துகொள்ள, முதலில் ஒரு முக்கியமான கேள்வியைத் தெளிவுபடுத்த வேண்டும்.

நாம் உண்மையில் எதை எண்ணுகிறோம்?

“எத்தனை சொற்கள் எனக்குத் தெரிந்திருக்க வேண்டும்?” என்று மக்கள் கேட்கும்போது, “சொல்” என்ற வார்த்தை எளிதாகத் தோன்றுகிறது. ஆனால் மொழியியலில் அது எளிதானது அல்ல.

ஆங்கில வினைச்சொல் run-ஐ எடுத்துக்கொள்ளுங்கள்.

அதை நீங்கள் பல வடிவங்களில் காணலாம்: run, runs, ran, running

இவற்றை நான்கு தனித்தனி சொற்களாக எண்ண வேண்டுமா? அல்லது வெவ்வேறு வடிவங்களைக் கொண்ட ஒரே சொல்லாகக் கருத வேண்டுமா?

பெரும்பாலான கற்றலாளர்கள் run என்ற வினைச்சொல் தெரிந்திருந்தால், அதன் ஒவ்வொரு இலக்கண வடிவத்தையும் முற்றிலும் புதிய சொல்லாக எண்ண வேண்டாம் என்றே உணரலாம். அதனால்தான் சொல்வள அளவை மதிப்பிடும்போது மொழியியலாளர்கள் பெரும்பாலும் இன்னும் கருத்தியல் தன்மை கொண்ட அலகுகளைப் பயன்படுத்துகின்றனர்.

முதல் பயனுள்ள கருத்து லெம்மா.

லெம்மா என்பது ஒரு சொல்லின் அடிப்படை அல்லது அகராதி வடிவம். உதாரணமாக, go, goes, went, gone, going ஆகியவற்றின் பின்னால் இருக்கும் லெம்மா go. அகராதியில் பொதுவாக நீங்கள் அடிப்படை வடிவத்தையே தேடுவீர்கள்; சாத்தியமான ஒவ்வொரு இலக்கண வடிவத்தையும் தனித்தனியாக அல்ல. கார்ப்பஸ் கருவிகளும் லெம்மாக்களை இதேபோல் பயன்படுத்துகின்றன: வெவ்வேறு சொல் வடிவங்களை ஒரே மையப் பதிவின் கீழ் தொகுக்கின்றன.

இதுவரை இது மிகவும் இயல்பாகப் புரியக்கூடியதாக உள்ளது.

ஆனால் பல சொல்வள ஆய்வுகள் — குறிப்பாக ஆங்கிலத்தில் — இன்னும் விரிவான கருத்தைக் கூடப் பயன்படுத்துகின்றன: சொல் குடும்பம்.

சொல் குடும்பம் என்றால் என்ன?

சொல் குடும்பம் என்பது ஒரே அடிப்படைச் சொல்லைச் சுற்றி உருவான தொடர்புடைய சொற்களின் குழு. அதில் மையச் சொல்லும், அதனுடைய பொதுவான, அர்த்தம் தெளிவாகப் புரியும் சில வடிவங்களும் அடங்கும்.

உதாரணமாக, teach என்பதனைச் சுற்றிய எளிய சொல் குடும்பத்தில் இவை இருக்கலாம்: teach, teaches, teaching, taught, teacher

nation என்பதனைச் சுற்றிய எளிய சொல் குடும்பத்தில் இவை இருக்கலாம்: nation, national, international, nationality

இந்தச் சொற்கள் அனைத்தும் ஒன்றே என்று இதன் பொருள் அல்ல. உண்மையான பயன்பாட்டில் அவை தெளிவாகவே வெவ்வேறு சொற்கள். ஆனால் ஒன்று தெரிந்தால் மற்றவற்றைப் புரிந்துகொள்ள அது பெரும்பாலும் உதவக்கூடிய அளவுக்கு அவை ஒன்றுடன் ஒன்று தொடர்புடையவை.

இது முக்கியமானது, ஏனெனில் மொழிக் கற்றலாளர்கள் ஒவ்வொரு சொல்லையும் தனிமையாகக் கற்றுக்கொள்வதில்லை. happy தெரிந்தவுடன், unhappy அல்லது happiness புரிந்துகொள்வது எளிதாகிறது. move தெரிந்தவுடன், movement என்பதன் அர்த்தத்தை ஊகிப்பது எளிதாகிறது. use தெரிந்தவுடன், useful, useless, reuse போன்ற சொற்களை அடையாளம் காண்பது எளிதாகிறது.

சொல் குடும்பங்களின் பின்னணித் தர்க்கம் இதுதான்.

ஆனால் சொல் குடும்பங்கள் எப்போதும் எளிமையானவை அல்ல. தொடர்புடைய சில சொற்களை அடிப்படைச் சொல்லிலிருந்து எளிதாகப் புரிந்துகொள்ளலாம்; சிலவற்றை அப்படி முடியாது. உதாரணமாக, sign மற்றும் signature தொடர்புடையவை; ஆனால் தொடக்கநிலை கற்றலாளருக்கு அந்தத் தொடர்பு வெளிப்படையாகத் தெரியாமல் இருக்கலாம். Compete, competition, competitive ஆகியவை தொடர்புடையவை; ஆனால் வாக்கியங்களில் அவை வெவ்வேறு விதமாக நடக்கின்றன.

அதனால்தான் சொல் குடும்பங்களின் அடிப்படையில் எண்ணுவது ஆய்வுக்கு பயனுள்ளதாக இருந்தாலும், கற்றலாளர்களுக்கு குழப்பமாக இருக்கலாம். இது சொல்வள அறிவுக்கான நடைமுறை மதிப்பீட்டைத் தருகிறது; ஆனால் அந்தக் குடும்பத்தில் உள்ள ஒவ்வொரு சொல்லும் தானாகவே முழுமையாகக் கற்றுக்கொள்ளப்பட்டதாக அர்த்தமில்லை.

இந்தக் கட்டுரையில் நாம் சொல்வள அளவைப் பற்றி பேசும்போது, அதை மைய சொல்வள அலகுகள் என்ற கோணத்தில் நினைப்பது சிறந்தது: ஒவ்வொரு தனித்தனி சொல் வடிவமும் அல்ல; அதே நேரத்தில் எப்போதும் ஒரே கடுமையான அகராதி லெம்மாவும் அல்ல. பல ஆங்கில சொல்வள ஆய்வுகளில் அளவுகோல் எண்ணிக்கைகள் சொல் குடும்பங்களை அடிப்படையாகக் கொண்டவை.

அந்த வேறுபாடு முக்கியமானது.

3,000 சொல் குடும்பங்களை அறிந்திருக்கும் ஒரு கற்றலாளர், உண்மையான உரைகளில் 3,000-க்கும் அதிகமான தனிப்பட்ட சொல் வடிவங்களை அடையாளம் காணக்கூடும். ஆனால் அதனால் அவை அனைத்தையும் பேச்சிலும் எழுத்திலும் செயலில் பயன்படுத்த முடியும் என்று அர்த்தமில்லை.

பயன்பாட்டு அடிக்கடி நிகழ்தல் ஏன் இவ்வளவு முக்கியம்?

ஒவ்வொரு சொல்லும் சம அளவில் தோன்றும் சமநிலையான அமைப்புகள் மொழிகள் அல்ல.

மிகவும் பொதுவான சிறிய எண்ணிக்கையிலான சொற்கள் இடையறாது தோன்றுகின்றன. ஆயிரக்கணக்கான பிற சொற்கள் அவ்வப்போது மட்டுமே தோன்றுகின்றன. இந்த முறை பெரும்பாலும் Zipf’s law எனப்படும் புள்ளியியல் போக்குடன் தொடர்புடையது; அதாவது மிக அதிகமாகப் பயன்படுத்தப்படும் சொற்கள் உண்மையான மொழிப் பயன்பாட்டின் மிகப் பெரிய பகுதியை நிரப்புகின்றன.

ஆங்கிலத்தில் the, be, have, do, say, go, make, know, think, good போன்ற சொற்கள் எங்கும் தோன்றுகின்றன. அரிதான சொற்கள் குறிப்பிட்ட துறைகளில் பயனுள்ளவையாகவும், அழகானவையாகவும், முக்கியமானவையாகவும் இருக்கலாம்; ஆனால் அன்றாடத் தொடர்பாடலில் அவை அதே அளவு அடிக்கடி தோன்றுவதில்லை.

இதனால் ஒரு வலுவான கற்றல் கோட்பாடு உருவாகிறது:

முதலில் கற்றுக்கொள்ளும் சில ஆயிரம் அதிகப் பயன்பாட்டு சொற்களே உங்களுக்கு மிகப் பெரிய பலனைத் தரும்.

மிகவும் பொதுவான 1,000 சொற்களை கற்றுக்கொள்வது, சாதாரண மொழியின் ஆச்சரியப்படத்தக்க அளவு பெரிய பகுதியை அடையாளம் காண உதவும். ஆனால் அதனால் நீங்கள் அனைத்தையும் புரிந்துகொள்வீர்கள் என்று அர்த்தமில்லை. மீதமுள்ள தெரியாத சொற்களே பல நேரங்களில் வாக்கியத்தின் முக்கியமான அர்த்தத்தை சுமக்கின்றன.

உதாரணமாக:

I went to the ___ because my ___ was hurting.

இலக்கணத்தின் பெரும்பகுதியையும் பொதுவான சொற்களையும் நீங்கள் புரிந்துகொள்ளலாம்; ஆனால் விடுபட்ட சொற்கள் அத்தியாவசியமாக இருக்கலாம். அது doctor தானா? Dentist தானா? Pharmacy தானா? Hospital தானா? Knee தானா? Stomach தானா? Tooth தானா?

அதனால்தான் coverage முக்கியமானது.

“95% Coverage” என்றால் என்ன?

கார்ப்பஸ் ஆய்வாளர்கள் அடிக்கடி உரை coverage பற்றிப் பேசுகின்றனர். அதாவது ஒரு உரையில் உள்ள சொற்களில் நீங்கள் ஏற்கனவே அறிந்திருக்கும் சொற்களின் சதவீதம்.

ஒரு உரையில் உள்ள சொற்களில் 95% உங்களுக்கு தெரிந்திருந்தால், அது மிகச் சிறப்பாகத் தோன்றுகிறது. ஆனால் அதற்கும் இன்னும் ஒவ்வொரு 20 சொற்களில் 1 சொல் தெரியாமல் இருக்கலாம் என்பதே பொருள்.

ஒரு குறுகிய வாக்கியத்தில் அது பெரிய பிரச்சினையாக இருக்காமல் இருக்கலாம். ஆனால் ஒரு நாவல், podcast, திரைப்படம் அல்லது சொற்பொழிவில் அது சோர்வை ஏற்படுத்தலாம். தெரியாத சொற்கள் மீண்டும் மீண்டும் தோன்றும்; அவற்றில் சில அர்த்தத்தைப் புரிந்துகொள்ள மிகவும் முக்கியமானவையாக இருக்கலாம்.

சுமார் 95% coverage நிலை இருந்தால், பொதுக் கருத்தை பெரும்பாலும் பின்தொடர முடியும்; குறிப்பாக தலைப்பு பழக்கமானதாக இருந்தாலும், காட்சி அல்லது சூழ்நிலை ஆதரவு இருந்தாலும். சுமார் 98% coverage நிலைக்கு வந்தால், புரிதல் மிகவும் சௌகரியமாகிறது. சூழலிலிருந்து அதிகமாக ஊகிக்க முடியும்; குறைந்த இடையூறுகளுடன் படிக்கவோ கேட்கவோ முடியும்; ஒவ்வொரு வாக்கியத்தையும் பிரித்து புரிந்துகொள்ளுவதற்குப் பதிலாக அர்த்தத்தில் அதிக கவனம் செலுத்த முடியும்.

Paul Nation-ன் பரவலாக மேற்கோள் காட்டப்படும் ஆய்வு, பேச்சு ஆங்கிலத்தில் சுமார் 98% coverage பெறத் தோராயமாக 6,000–7,000 சொல் குடும்பங்கள் தேவைப்படலாம் என்றும், பல எழுத்து உரைகளுக்கு 8,000–9,000 சொல் குடும்பங்கள் தேவைப்படலாம் என்றும் கூறுகிறது.

அனௌபசாரிக பேச்சு ஆங்கிலம், திரைப்படங்கள், தொலைக்காட்சி ஆகியவற்றுக்கு இந்த எண்ணிக்கைகள் சிறிது குறைவாக இருக்கலாம். Webb மற்றும் Rodgers கண்டுபிடித்ததாவது, மிகவும் அடிக்கடி பயன்படுத்தப்படும் 3,000 சொல் குடும்பங்கள், proper nouns மற்றும் marginal words உடன் சேர்ந்து, தொலைக்காட்சி நிகழ்ச்சிகளில் சுமார் 95% coverage அளித்தன; அதே நேரத்தில் சுமார் 7,000 சொல் குடும்பங்கள் சுமார் 98% coverage அளித்தன.

அனௌபசாரிக பேச்சு ஆங்கிலம் குறித்த சமீபத்திய ஆய்வும், சில வகையான அனௌபசாரிக பேச்சு உள்ளீடுகளில் சுமார் 2,000–3,000 சொல் குடும்பங்கள் சுமார் 95% coverage அளிக்கலாம் என்றும், வகையைப் பொறுத்து சுமார் 98% பெற 5,000–7,000 தேவைப்படலாம் என்றும் கூறுகிறது.

எனவே பதில், நீங்கள் எதைப் புரிந்துகொள்ள விரும்புகிறீர்கள் என்பதைக் பொறுத்தது.

ஒரு சாதாரண உரையாடல், ஒரு sitcom, ஒரு பல்கலைக்கழக சொற்பொழிவு, ஒரு சட்ட ஆவணம், ஒரு இலக்கிய நாவல் — இவை அனைத்துக்கும் ஒரே அளவு சொல்வளம் தேவையில்லை.

நடைமுறை சொல்வள அளவுகோல்கள்

கீழே உள்ள அட்டவணை கடுமையான அறிவியல் அளவுகோல் அல்ல. கார்ப்பஸ் ஆய்வு மற்றும் சொல்வள coverage ஆய்வுகளை அடிப்படையாகக் கொண்ட, கற்றலாளர்களுக்கு ஏற்ற நடைமுறை வழிகாட்டி இது.

மிக முக்கியமான பாடம் இதுதான்:

ஒரு மொழியை நன்றாகப் பயன்படுத்த, அதில் உள்ள ஒவ்வொரு சொல்லும் உங்களுக்கு தெரிந்திருக்க வேண்டியதில்லை.

உண்மையில், எந்த மொழியிலும் உள்ள ஒவ்வொரு சொல்லையும் யாரும் அறிந்திருக்க முடியாது. தாய்மொழிப் பேசுவோர்களுக்குக் கூட சிறப்புத் துறைகள், இலக்கியம், சட்டம், மருத்துவம், தொழில்நுட்பம் அல்லது பிராந்தியப் பேச்சு ஆகியவற்றில் அறிமுகமற்ற சொற்கள் அடிக்கடி சந்திக்கப்படுகின்றன.

தாய்மொழிப் பேசுவோருக்கும் ஏற்றுக்கொள்ளும் சொல்வளம் என்பது செயலில் பயன்படுத்தும் சொல்வளத்தை விட மிகவும் பெரியதாக இருக்கும். ஏற்றுக்கொள்ளும் சொல்வளம் என்பது நீங்கள் அடையாளம் கண்டு புரிந்துகொள்ளக்கூடிய சொற்கள். செயலில் பயன்படுத்தும் சொல்வளம் என்பது நீங்கள் பேசும்போது அல்லது எழுதும்போது நம்பிக்கையுடன் பயன்படுத்தக்கூடிய சொற்கள். தாய்மொழி ஆங்கில சொல்வள அளவைப் பற்றிய ஆய்வுகள், வயது வந்த தாய்மொழிப் பேசுவோர் பத்தாயிரக்கணக்கான லெம்மாக்களை அடையாளம் காணக்கூடும்; ஆனால் அன்றாட வாழ்க்கையில் அதில் மிகவும் சிறிய பகுதியையே செயலில் பயன்படுத்துகிறார்கள் என்று காட்டுகின்றன.

இந்த வேறுபாடு மொழிக் கற்றலாளர்களுக்கு மிகவும் முக்கியமானது.

சரளமாகப் பேச 20,000 சொற்களை செயலில் பயன்படுத்தத் தெரிய வேண்டியதில்லை. ஆனால் உங்கள் ஏற்றுக்கொள்ளும் சொல்வளம் வளரும்போது, மேலும் அதிகமான புத்தகங்கள், திரைப்படங்கள், உரையாடல்கள், நகைச்சுவைகள், வாதங்கள், பண்பாட்டு குறிப்புகள் ஆகியவற்றைப் புரிந்துகொள்ள முடியும்.

அடுத்த பகுதிக்குத் தயாரா? பகுதி 2-ஐ இங்கே பார்க்கவும்: