英語の基本2801語リスト｜この数で日常英語の9割が読めるわけ

結論: NGSLは日常の英語でよく使われる2,809語を、出てくる回数の多い順に並べたリストです。中心の2,801語で日常的な文章の約92%を占めるように選ばれています。ただし92%は「読める」より少し手前の水準で、ゴールではなく土台にあたります。

このリストは何のために作られたのか

英語の学習では「単語はいったい何個覚えればいいのか」という問いが必ず出てくる。

NGSL (New General Service List) は、その問いに語の並びそのもので答えようとしたリストである。数だけを示すのではなく、「その個数ぶんの具体的な単語」を頻度順に並べて提示する。公開したのは Browne らの研究チームで、2013年のことだった。

ここで公開しているファイルに収録されているのは2,809の見出し語である。見出し語とは活用形をまとめた代表の形を指し、go / went / going なら go だけを1つと数える、という数え方になる。

そして約2,800語で、日常的な英語の文章の約92%をカバーできる。これはリストを作った NGSL プロジェクト自身が公表している数字である。よく引かれる2,801語という語数は、この数字が出された版の収録数にあたる。

カバー率とは、文章に出てくる語のうち何割がリストに入っているか、という割合を指す。100語の英文なら92語は知っている語で、残り8語が知らない語、というイメージになる。

もとになったのは2億語規模の現代英語コーパスである。コーパスとは実際に使われた文章を大量に集めた記録のことで、言葉の使用実態を写した巨大なログにあたる。頻度順位は、その記録の中で何回出てきたかに基づいて決まっている。

「95%」と「98%」という2つの線

では92%は十分な水準なのだろうか。ここで効いてくるのが、カバー率と読解の関係を調べた一連の研究である。

Hu & Nation (2000) は、知らない語の割合を人工的に変えた文章を学習者に読ませた。知らない語をわざと混ぜて、どこから内容がつかめなくなるかを探る実験だと考えればよい。結果、95%を既知にしても、内容を十分に理解できた読み手は4人に1人ほどにとどまった。98%まで上げると、多くの読み手が辞書なしで内容をつかめた。

Nation (2006) はこの線を語彙サイズに換算している。小説や新聞を98%カバーするには8,000〜9,000語族が必要だ、という試算である。語族とは語幹が同じ語をひとまとめに数える単位で、nation / national / nationality を1つと数える考え方を指す。

Laufer & Ravenhorst-Kalovski (2010) は、もう少し現実的な二段構えを示した。95%あれば辞書などの助けを借りて読める水準、98%なら助けなしで楽に読める水準、という整理である。自転車にたとえるなら、95%は補助輪つきで走れる状態、98%は補助輪を外せる状態にあたる。

この物差しに当てると、92%は「読める」の少し手前に位置する。届いていないが、届く場所が見えている距離である。

60年前のリストを作り直した理由

同じ発想のリストは60年前にも存在した。West (1953) が編んだ General Service List である。約2,000語で英語の文章の大半をカバーする、という当時としては画期的な試みだった。

問題は、元になった資料が20世紀前半の文章だったことにある。半世紀のあいだに、英語で何が話題になり、どの語がよく使われるかは変わった。コンピュータをめぐる語のように、後から日常語になったものは古いリストには入りようがない。

Browne (2013) はこの点を指摘し、現代の大規模コーパスで同じ仕事をやり直したものとして NGSL を位置づけている。目的は変わっていない。「最初に覚える価値が最も高い語はどれか」を、その時代の実際の英語から決め直したということである。

編集部が突き合わせて分かったこと

NGSL はどれくらい「高頻度の語だけ」でできているのか。greencafe 編集部が、別系統の頻度リストと機械的に突き合わせた。

相手に使ったのは BNC/COCA 語族リストである。英語の語を頻度順に1,000語ずつの帯へ区切った定番の物差しで、身長を10cm刻みで分類するようなものだと考えればよい。

結果、2,809の見出し語のうち2,794語が、最頻3,000語族の内側に収まっていた。内訳は最初の1,000語族が1,192語、次の1,000語族が885語、その次が717語である。つまり NGSL は、ほぼ丸ごと「英語の最初の3,000語」の範囲に入っている。別々に作られた2つのリストが、ほぼ同じ場所を指していたことになる。

もうひとつ、実際の文章に当てて測った。使ったのは著作権の切れた小説で、コナン・ドイル『シャーロック・ホームズの冒険』の冒頭10,816語である。固有名詞などを除いて数えたところ、NGSL のカバー率は90.5%だった。

同じサンプルで95%に届かせるには4,000語族、98%には7,000語族が必要だった。これは既存の論文にはない独自の集計だが、上で見た閾値研究が示す方向とよくそろっている。日常的な文章より小説のほうが要求水準が高い、という感覚とも一致する。

「2,801語やれば読める」と考えないほうがいい理由

92%という数字は、あくまで日常的な文章に対しての値である。小説に当てれば90.5%まで下がり、専門的な文書ならさらに下がる。分野が狭くなるほど、そこでしか使わない語の割合が増えるからである。

さらに Schmitt, Jiang & Grabe (2011) が、この議論に重要な修正を加えている。カバー率と理解度の関係は、ある一点を越えたら急に読めるようになる階段ではなかった。実際にはなだらかな坂で、語を知るほど理解が少しずつ楽になる、という連続的な関係だったのである。

つまり95%や98%は便利な目印ではあるが、そこに魔法の境界線が引かれているわけではない。「2,801語やれば英語が読める」という短絡は、この研究とかみ合わない。

このリストは終点ではなく、ここから先の伸びが速くなる土台と受け取るのが実態に合う。上位2,000語を押さえた人が次の1,000語を学ぶときは、例文の意味がすでにおおむね取れる。学ぶほど学びやすくなる、という循環に入れるかどうかが分かれ目になる。

上から順に潰す、という使い方

頻度順のリストを上から順に扱う設計には、はっきりした理由がある。上位の語ほど、同じ量の英語を読んでも出会う回数が多い。出会う回数が多い語は、覚えたあとに復習の機会が自動的に確保される。順位の低い語を先に覚えても、次に会うまでの間隔が長くなり、その間に忘れてしまう。

ただし「何を覚えるか」と「どう覚えるか」は別の問題である。リストは前者しか決めてくれない。覚え方でつまずいている場合は、英単語が覚えられない大人へ｜研究にもとづく対処法で扱っている内容が土台になる。見返すだけで覚えられない理由については、単語帳を何周しても覚えられない人への思い出す練習に整理がある。

必要な語数そのものをもう少し詳しく知りたい場合は、英単語は何個覚えれば読める・聞けるのかが対応する。試験対策として頻度リストを使う場合の優先順位は、TOEIC単語を効率よく覚える4原則にまとめてある。

そしてリストを覚えるだけでは、残りの8%は埋まらない。埋めるのは実際の英語に触れた量である。この点は英語の本をたくさん読むと本当に力がつくのかで扱った多読の話につながる。リストは地図であって、道そのものではない。

リスト全文