Сколько слов нужно знать, чтобы свободно владеть языком

Что значит «свободно», если начать считать

Спроси, сколько слов нужно знать, чтобы свободно владеть языком, и услышишь что угодно, от 1000 до 20 000. В обоих концах этого разброса есть доля правды, и поэтому вопрос так путает. Число зависит от того, что ты хочешь делать с языком и что вообще считаешь словом.

Исследователи обходят слово «свободно», потому что о его смысле никто не может договориться. Вместо этого они меряют покрытие, то есть долю слов в тексте, которые читатель уже знает. Если ты знаешь 95% слов на странице, незнакомо каждое двадцатое. При 98% разрыв сужается до одного слова из пятидесяти.

Покрытие удобно тем, что совпадает с ощущением от чтения. Одно незнакомое слово из пятидесяти легко угадать по фразе вокруг. Одно из двадцати значит новое слово почти в каждой строке, и тогда внимание уходит на расшифровку, а не на сюжет.

Эта небольшая разница оказывается очень важной. Hu и Nation (2000) дали 66 студентам один и тот же рассказ с четырьмя уровнями покрытия, заменив незнакомые слова бессмысленными. При 80% никто не понял рассказ достаточно хорошо. При 90% справилось небольшое меньшинство, при 95% чуть больше, хотя это все еще было меньшинство, а при 100% поняло большинство.

Когда авторы построили по этим результатам модель, вышло, что большинству нужно около 98% покрытия, чтобы читать такой текст без помощи. С тех пор эта цифра стала стандартной планкой для чтения, и большинство оценок словарного запаса, которые ты встретишь, посчитаны от нее.

Вторая причина путаницы в том, что именно считают. В исследованиях английского обычно считают словарные семьи: одна семья объединяет слово с его частыми производными, так что paint, painted, painter и painting идут за одно. В исследованиях испанского чаще считают леммы, где pintar и pintura разные слова, а pinto и pintamos относятся к pintar. В тысяче семей поэтому больше слов, чем в тысяче лемм, и цифры двух подсчетов напрямую не сравнить.

Так что прежде чем верить любой цифре, задай два вопроса. О каких текстах идет речь, и что считали: семьи, леммы или отдельные словоформы?

Сколько слов нужно для свободного владения языком в каждом навыке

Самая цитируемая оценка принадлежит Nation (2006), который измерил, сколько реального английского покрывает каждая тысяча словарных семей. Для 98% покрытия письменного текста, например романов и газет, нужно 8000–9000 семей, а для устной речи 6000–7000. Романы и газеты попадают в один диапазон по разным причинам. Первые 2000 семей покрывают 88% романа, но только 83% газеты, а газеты добирают разницу именами собственными.

Речи нужно меньше слов, потому что люди повторяются. По данным Nation, 3000 словарных семей вместе с именами собственными уже дают больше 95% покрытия устного английского. Разговор опирается на небольшой набор частых слов гораздо сильнее, чем письмо.

Возможно, слушанию и покрытие нужно меньше, чем чтению. Van Zeeland и Schmitt (2013) проверили это прямо на устных текстах. Большинство слушателей, носители и неносители, понимали их достаточно хорошо даже при 90% покрытия, хотя результаты неносителей на этом уровне сильно разбегались. При 95% неносители понимали неплохо и с гораздо меньшим разбросом. По оценке авторов, для нормального понимания на слух хватает 2000–3000 словарных семей.

Телевидение находится посередине. Webb и Rodgers (2009) разобрали 88 телепрограмм и выяснили, что 3000 словарных семей вместе с именами собственными и междометиями дают 95,45% покрытия, а для 98% нужно около 7000 семей.

Слушание при 95% покрытия

2000–3000 словарных семей

Телепрограммы при 95%

Около 3000 семей

Устный английский при 98%

6000–7000 семей

Романы и газеты при 98%

8000–9000 семей

Образованный носитель языка

Около 20 000 семей

Последняя строка объясняет большие цифры, которые иногда попадаются. Nation приводит оценки, по которым образованные носители английского знают около 20 000 словарных семей и до двадцати лет прибавляют примерно по 1000 в год. Это описание всей жизни носителя, а не цель для ученика, и сам Nation называет такие цифры очень амбициозной целью для учебной программы.

Так что реалистичный ответ на вопрос, сколько слов нужно знать, выглядит так. Несколько тысяч словарных семей позволяют следить за большей частью разговоров, а вдвое-втрое больше позволяют читать что угодно.

Сколько слов нужно в испанском, французском или немецком

Почти все эти исследования сделаны на английском, поэтому для других языков цифры грубее. Лучшее сравнение для испанского дает Davies (2005). Он посчитал корпус на 20 миллионов слов, разделенный почти поровну между устной речью, художественной прозой и нон-фикшном, и измерил, сколько покрывает каждая тысяча лемм.

Share of spoken Spanish covered by the most frequent lemmas. Davies, 2005.

Устный испанский оказывается щедрым к новичкам. Первая тысяча лемм покрывает 87,8% речи, две тысячи 92,7%, а три тысячи доходят до 94%. С письменными текстами труднее: первая тысяча покрывает лишь 76% нон-фикшна, а три тысячи доходят до 88,2%.

Дэвис также поставил испанские цифры рядом с английскими и немецкими. Тысяча лемм покрывает 87,8% устного испанского, тысяча английских семей 84,3% устного английского, а тысяча немецких лемм 82,6% устного немецкого. В нон-фикшне разрыв шире: 76% у испанского, 74,5% у английского и 64,7% у немецкого.

Дэвис осторожен в выводах. Испанские леммы уже английских семей, так что испанский должен был бы отстать. Он считает, что этого не происходит, потому что в английском больше слов вообще, ведь в нем бок о бок живут англосаксонский, французский и латинский слои. Низкие немецкие цифры отчасти могут объясняться недоделанной разметкой, поэтому к ним он относится с осторожностью.

Из его данных следует и практическая цель для испанского. Чтобы покрыть 90% разговора, нужно около 4000 слов, а для 90% художественной прозы около 7000 и для нон-фикшна почти 8000. Если ты спрашиваешь, сколько испанских слов нужно для свободного владения, ответ такой: несколько тысяч для разговора и заметно больше для романов.

По французскому и немецкому таких подробных исследований нет, но общая картина та же. Несколько тысяч частых слов держат речь, а каждая следующая тысяча добавляет на странице меньше, чем предыдущая. Для русскоязычного читателя тут есть утешение: многие латинские и французские корни ты уже знаешь по русским заимствованиям вроде «ситуация» и «информация».

Что подсказывают уровни CEFR

Учебники описывают прогресс уровнями CEFR, поэтому полезно примерно знать, сколько слов приходится на каждый. Milton и Alexiou (2009) оценили это тестом X-Lex, то есть списком слов из 5000 самых частых в языке, который давали ученикам с уже известным уровнем.

A1

Меньше 1500 слов в английском, 1160 во французском

A2

1500–2500 в английском, 1650 во французском

B1

2750–3250 в английском, 2422 во французском

B2

3250–3750 в английском, 2630 во французском

C1

3750–4500 в английском, 3212 во французском

К этой таблице прилагаются две оговорки. Тест считает только слова из первых 5000, поэтому верхние уровни упираются в потолок, и настоящие ученики уровня C1 наверняка знают слова за его пределами. Кроме того, ученики соседних уровней пересекаются, так что цифры описывают типичного ученика, а не требования, которые обязательно выполнить.

У изучающих французский цифры меньше на каждом уровне, и авторы связывают это с тем, сколько текста покрывают самые частые французские слова. Тот же эффект, вероятно, помогает и испанскому, который, как показал Дэвис, своей первой тысячей покрывает больше текста, чем английский.

Таблица полезнее всего для планирования. Допустим, ты на уровне A2 и знаешь пару тысяч слов. Если брать середину каждого английского диапазона, до B2 остается примерно полторы тысячи слов. Работа большая, но конечная, и куда менее пугающая, чем 20 000, о которых ты мог читать. Заодно понятно, почему переход от B1 к B2 тянется медленно: слова в этой полосе реже и встречаются нужное число раз дольше.

У NativeLingo свои частотные полосы. Испанское слово с рангом до 500 считается A1, а ранги до 1500 считаются A2. B1 доходит до 3000, B2 до 6000, а C1 тянется до 12 000. Иначе говоря, ученик уровня B1 работает со словами примерно между первой и третьей тысячей.

Именно эта полоса решает, что расширение подставит. На A2 оно вставит palabra в текст об изучении языков, потому что у palabra ранг 534, а «гитару» оставит по-русски, ведь guitarra стоит на 3832-м месте и относится к B2.

Почему запас растет медленнее, чем ждешь

За цифрами покрытия прячется неприятный факт. Каждая новая тысяча слов требует примерно столько же сил, сколько предыдущая, а покрывает меньше страницы. По данным Дэвиса вторая тысяча испанских лемм добавляет к нон-фикшну 8%, а третья лишь 4,2%. Поэтому сначала прогресс кажется быстрым, а через год медленным, даже если занимаешься так же усердно.

Разрыв между 95% и 98% показывает ту же кривую с другого конца. Перейти от одного незнакомого слова из двадцати к одному из пятидесяти кажется мелочью. Но по цифрам Nation это значит вырасти примерно с 3000 семей до 6000 и больше для речи. Большая часть усилий на пути к свободному владению уходит именно на этот последний отрезок.

Поздние слова к тому же труднее встретить. Слово из первой тысячи попадается почти на каждой странице, а слово около семитысячного ранга может мелькнуть один раз за целую книгу. Webb (2007) показал, что заметный прирост начинается примерно с десяти встреч со словом. Значит, чем реже слово, тем больше нужно прочитать, пока оно наберет свои десять встреч.

Вот настоящая причина, по которой после среднего уровня так важно читать. В уроках и приложениях редким словам не хватает места. А тот, кто много читает, встречает тысячи таких слов в контексте, и полезные возвращаются достаточно часто, чтобы закрепиться.

Встретить слово все же не то же самое, что знать его. Pellicer-Sánchez и Schmitt (2010) выяснили, что после десяти и больше встреч в романе 84% читателей узнают значение слова, но вспомнить его могут только 55%. Короткое повторение, где ты набираешь слово, закрывает большую часть этого разрыва, потому что извлечение из памяти укрепляет слово гораздо сильнее, чем повторный взгляд.

Ровно для этого и сделан NativeLingo. Он подменяет примерно одно слово из ста на страницах, которые ты и так читаешь, и каждое слово получает свои встречи в настоящих фразах и в правильной форме. Ежедневное повторение с вводом превращает узнавание в активное знание, а FSRS расставляет повторения так, чтобы выученное не утекало. Сколько новых слов в день ты можешь себе позволить, отдельный вопрос, и о нем у нас есть статья про слова в день.

Чего не скажет число слов

Словарный запас предсказывает, сколько ты понимаешь, но мало говорит о том, как ты говоришь. Свободной речи нужны быстрое извлечение, чувство грамматики и запас готовых оборотов вроде por favor или a lo mejor. Ничего из этого в числе слов не видно. Два ученика с одинаковыми 3000 слов могут звучать в разговоре совершенно по-разному.

К тому же все эти подсчеты меряют пассивный запас, то есть слова, которые ты узнаешь при чтении или на слух. Слов, которые ты можешь произнести сам по первому требованию, всегда меньше. Поэтому человек, который спокойно читает, в разговоре все равно может искать слова.

У NativeLingo здесь тоже есть ясные границы. В его испанском словаре 5168 слов, и этого хватает, чтобы пройти частые полосы и зайти в менее частые. До 8000–9000 семей, которых требуют романы, он тебя не доведет. Дальше нужно много читать по-испански, а для разговора нужна разговорная практика, лучше с преподавателем.

Эти цифры полезно считать вехами, а не финишем. Примерно к 3000 частых слов большая часть бытовой речи становится понятной, а где-то после 8000 большинство книг перестает требовать словаря. Все, что между ними, строится широким чтением и повторением слов, которые важны именно тебе.

Вопросы