Bạn cần biết bao nhiêu từ để thông thạo tiếng Anh? Gợi ý từ ngôn ngữ học khối liệu - Phần 1

Đến một thời điểm nào đó trong hành trình học ngôn ngữ của hầu hết mọi người, cùng một câu hỏi sẽ xuất hiện:

“Thực ra tôi cần biết bao nhiêu từ để trở nên thông thạo?”

Đó là một câu hỏi rất tự nhiên. Việc học một ngôn ngữ có thể tạo cảm giác như không có điểm kết thúc, và một con số rõ ràng sẽ khiến quá trình này có vẻ dễ kiểm soát hơn. Nếu ai đó có thể chỉ cần nói: “Học đúng 5.000 từ là bạn sẽ thông thạo”, thì việc học ngôn ngữ sẽ trông dễ dàng hơn nhiều.

Câu trả lời trung thực thì tinh tế hơn thế.

Từ góc nhìn ngôn ngữ học nghiêm ngặt, sự thông thạo không thể được rút gọn thành một con số đếm từ duy nhất. Ngôn ngữ không phải là một cơ sở dữ liệu khép kín. Đó là một hệ thống sống gồm âm thanh, ý nghĩa, ngữ pháp, thói quen xã hội, tham chiếu văn hóa và các khuôn mẫu sử dụng linh hoạt.

Tuy vậy, ngôn ngữ học khối liệu — ngành nghiên cứu các tập hợp lớn về cách ngôn ngữ được sử dụng trong thực tế — mang đến cho chúng ta những mốc tham chiếu rất hữu ích. Các nhà nghiên cứu như Paul Nation, Stuart Webb và nhiều người khác đã nghiên cứu lượng từ vựng cần thiết để hiểu tiếng Anh nói và viết ở các cấp độ khác nhau. Những phát hiện của họ không đưa ra một con số kỳ diệu, nhưng cho chúng ta một bản đồ thực tế.

Bài viết này chủ yếu tập trung vào tiếng Anh, vì tiếng Anh có một số dữ liệu tần suất từ vựng được nghiên cứu kỹ nhất. Các nguyên tắc chung cũng hữu ích cho những ngôn ngữ khác, nhưng con số chính xác có thể thay đổi tùy theo ngữ pháp, hình thái học, hệ chữ viết và cách các nhà nghiên cứu đếm từ vựng.

Để hiểu bản đồ đó, trước tiên chúng ta cần làm rõ một câu hỏi quan trọng.

Thực ra chúng ta đang đếm điều gì?

Khi mọi người hỏi: “Tôi cần biết bao nhiêu từ?”, từ “từ” nghe có vẻ đơn giản. Nhưng trong ngôn ngữ học, nó hoàn toàn không đơn giản.

Hãy lấy động từ tiếng Anh run làm ví dụ.

Bạn có thể thấy nó ở nhiều dạng: run, runs, ran, running

Chúng ta nên đếm những dạng này là bốn từ riêng biệt? Hay là một từ với các dạng khác nhau?

Phần lớn người học có lẽ sẽ cảm thấy rằng nếu họ biết động từ run, họ không muốn mỗi dạng ngữ pháp của nó bị tính là một từ hoàn toàn mới. Đây là lý do các nhà ngôn ngữ học thường dùng những đơn vị trừu tượng hơn khi đo quy mô từ vựng.

Khái niệm hữu ích đầu tiên là lemma.

Lemma là dạng gốc hoặc dạng từ điển của một từ. Ví dụ, go là lemma đứng sau go, goes, went, gone, going. Trong từ điển, bạn thường tra dạng gốc, chứ không tra riêng từng dạng ngữ pháp có thể có. Các công cụ khối liệu sử dụng lemma theo cách tương tự: chúng nhóm các dạng từ khác nhau dưới một mục trung tâm.

Đến đây, điều này khá dễ hiểu.

Nhưng nhiều nghiên cứu từ vựng — đặc biệt là trong tiếng Anh — thường sử dụng một khái niệm còn rộng hơn: họ từ.

Họ từ là gì?

Họ từ là một nhóm các từ có liên quan được xây dựng quanh cùng một từ gốc. Nó bao gồm từ cốt lõi và một số dạng phổ biến, dễ nhận ra của từ đó.

Ví dụ, một họ từ giản lược quanh teach có thể bao gồm: teach, teaches, teaching, taught, teacher

Một họ từ giản lược quanh nation có thể bao gồm: nation, national, international, nationality

Ý tưởng ở đây không phải là tất cả những từ này đều giống hệt nhau. Trong cách dùng thực tế, rõ ràng chúng là những từ khác nhau. Nhưng chúng có liên hệ đủ gần để việc biết một từ thường có thể giúp bạn hiểu các từ còn lại.

Điều này quan trọng vì người học ngôn ngữ không học từng từ một cách hoàn toàn tách biệt. Khi bạn đã biết happy, việc hiểu unhappy hoặc happiness sẽ trở nên dễ hơn. Khi bạn biết move, bạn sẽ dễ đoán nghĩa của movement hơn. Khi bạn biết use, những từ như useful, useless và reuse cũng dễ nhận ra hơn.

Đó là logic đằng sau họ từ.

Tuy nhiên, họ từ không phải lúc nào cũng đơn giản. Một số từ liên quan có thể dễ hiểu từ từ gốc, trong khi một số khác thì không. Ví dụ, sign và signature có liên quan với nhau, nhưng mối liên hệ này có thể không rõ ràng với người mới bắt đầu. Compete, competition và competitive có liên quan với nhau, nhưng chúng hoạt động khác nhau trong câu.

Đây là lý do cách đếm theo họ từ hữu ích cho nghiên cứu, nhưng có thể gây nhầm lẫn cho người học. Nó đưa ra một ước tính thực tế về kiến thức từ vựng, nhưng không đồng nghĩa với việc mọi thành viên trong họ từ đều tự động được nắm vững.

Trong bài viết này, khi nói về quy mô từ vựng, tốt nhất bạn nên nghĩ theo hướng các đơn vị từ vựng cốt lõi: không phải từng dạng từ riêng lẻ, nhưng cũng không phải lúc nào cũng là một lemma từ điển duy nhất theo nghĩa chặt chẽ. Trong nhiều nghiên cứu từ vựng tiếng Anh, các con số mốc được dựa trên họ từ.

Sự phân biệt đó rất quan trọng.

Một người học biết 3.000 họ từ có thể nhận ra nhiều hơn rất nhiều so với 3.000 dạng từ riêng lẻ trong văn bản thực tế. Nhưng điều này không có nghĩa là họ có thể chủ động sử dụng tất cả những dạng đó trong nói hoặc viết.

Vì sao tần suất lại quan trọng đến vậy

Ngôn ngữ không phải là những hệ thống cân bằng, nơi mọi từ xuất hiện thường xuyên như nhau.

Một số lượng nhỏ các từ rất thông dụng xuất hiện liên tục. Hàng nghìn từ khác chỉ thỉnh thoảng mới xuất hiện. Mô hình này thường được liên hệ với định luật Zipf, một xu hướng thống kê trong đó các từ xuất hiện thường xuyên nhất chiếm một phần rất lớn trong cách sử dụng ngôn ngữ thực tế.

Trong tiếng Anh, những từ như the, be, have, do, say, go, make, know, think, good xuất hiện ở khắp nơi. Các từ hiếm có thể hữu ích, đẹp hoặc quan trọng trong những lĩnh vực cụ thể, nhưng chúng không xuất hiện thường xuyên đến vậy trong giao tiếp hằng ngày.

Điều này tạo ra một nguyên tắc học tập rất mạnh:

Vài nghìn từ tần suất cao đầu tiên mang lại hiệu quả lớn nhất.

Học 1.000 từ thông dụng nhất có thể giúp bạn nhận ra một phần lớn đáng ngạc nhiên của ngôn ngữ thông thường. Nhưng điều này không có nghĩa là bạn sẽ hiểu mọi thứ. Những từ còn lại mà bạn chưa biết thường lại mang ý nghĩa quan trọng của câu.

Ví dụ:

I went to the ___ because my ___ was hurting.

Bạn có thể hiểu hầu hết ngữ pháp và các từ thông dụng, nhưng những từ bị thiếu có thể rất quan trọng. Đó là doctor? Dentist? Pharmacy? Hospital? Knee? Stomach? Tooth?

Đây là lý do độ bao phủ lại quan trọng.

“Độ bao phủ 95%” nghĩa là gì?

Các nhà nghiên cứu khối liệu thường nói về độ bao phủ văn bản. Điều này có nghĩa là tỷ lệ phần trăm số từ trong một văn bản mà bạn đã biết.

Nếu bạn biết 95% số từ trong một văn bản, điều đó nghe thật tuyệt. Nhưng nó vẫn có nghĩa là cứ 20 từ thì có thể có 1 từ bạn chưa biết.

Trong một câu ngắn, điều đó có thể không phải là vấn đề lớn. Trong một cuốn tiểu thuyết, podcast, bộ phim hoặc bài giảng, nó có thể trở nên mệt mỏi. Các từ chưa biết xuất hiện lặp đi lặp lại, và một số từ trong đó có thể rất then chốt đối với ý nghĩa.

Ở khoảng độ bao phủ 95%, bạn thường có thể theo dõi ý chính, đặc biệt nếu chủ đề quen thuộc và có hỗ trợ về hình ảnh hoặc tình huống. Ở khoảng độ bao phủ 98%, việc hiểu trở nên thoải mái hơn nhiều. Bạn có thể đoán nhiều hơn từ ngữ cảnh, đọc hoặc nghe với ít gián đoạn hơn, và tập trung nhiều hơn vào ý nghĩa thay vì phải giải mã từng câu.

Công trình được trích dẫn rộng rãi của Paul Nation cho rằng có thể cần khoảng 6.000–7.000 họ từ để đạt khoảng 98% độ bao phủ đối với tiếng Anh nói, và 8.000–9.000 họ từ đối với nhiều văn bản viết.

Đối với tiếng Anh nói thân mật, phim ảnh và truyền hình, các con số có thể thấp hơn đôi chút. Webb và Rodgers phát hiện rằng 3.000 họ từ xuất hiện thường xuyên nhất, cùng với danh từ riêng và các từ bên lề, mang lại khoảng 95% độ bao phủ cho các chương trình truyền hình, trong khi khoảng 7.000 họ từ mang lại khoảng 98% độ bao phủ.

Một nghiên cứu gần đây hơn về tiếng Anh nói thân mật cũng cho thấy khoảng 2.000–3.000 họ từ có thể mang lại khoảng 95% độ bao phủ cho một số loại ngữ liệu nói thân mật, trong khi có thể cần 5.000–7.000 để đạt khoảng 98%, tùy theo thể loại.

Vì vậy, câu trả lời phụ thuộc vào điều bạn muốn hiểu.

Một cuộc trò chuyện thân mật, một bộ sitcom, một bài giảng đại học, một văn bản pháp lý và một tiểu thuyết văn học không đòi hỏi chính xác cùng một lượng từ vựng.

Các mốc từ vựng thực tế

Bảng sau không phải là một thang đo khoa học nghiêm ngặt. Đây là một hướng dẫn thực tế, thân thiện với người học, dựa trên nghiên cứu khối liệu và các nghiên cứu về độ bao phủ từ vựng.

Bài học quan trọng nhất là:

Bạn không cần biết mọi từ trong một ngôn ngữ để sử dụng nó tốt.

Thực tế, không ai biết mọi từ trong một ngôn ngữ. Ngay cả người bản ngữ cũng thường xuyên gặp những từ không quen thuộc trong các lĩnh vực chuyên môn, văn học, luật, y học, công nghệ hoặc cách nói theo vùng miền.

Người bản ngữ cũng có vốn từ tiếp nhận lớn hơn nhiều so với vốn từ chủ động. Vốn từ tiếp nhận là những từ bạn có thể nhận ra và hiểu. Vốn từ chủ động là những từ bạn có thể tự tin sử dụng khi nói hoặc viết. Nghiên cứu về quy mô từ vựng của người bản ngữ tiếng Anh cho thấy người bản ngữ trưởng thành có thể nhận ra hàng chục nghìn lemma, nhưng trong đời sống hằng ngày họ chủ động sử dụng một tập hợp nhỏ hơn nhiều.

Sự phân biệt này rất quan trọng đối với người học ngôn ngữ.

Bạn không cần chủ động sử dụng 20.000 từ để nói trôi chảy. Nhưng khi vốn từ tiếp nhận của bạn tăng lên, bạn có thể hiểu nhiều sách, phim, cuộc trò chuyện, câu đùa, lập luận và tham chiếu văn hóa hơn.

Sẵn sàng cho phần tiếp theo? Xem Phần 2 tại đây: