昨日の記事[2010-03-01-1]で，現代英語の最頻英単語リストをいくつか紹介した．そのなかで，やや古いが広く参照されている GSL ( General Service List ) に基づき，最頻100語の語源別の内訳を調べてみた．



　英語の本来語 ( native words ) の一人勝ちであることは一目瞭然である．借用語 ( loan words ) はわずかである．最頻語彙の血は紛れもなく Anglo-Saxon である．
　古ノルド語由来の語は they, she, take, get, give の5語のみ．ただし，she の語源にはイングランド北部方言説など諸説がある．また，get と give については，語頭子音 /g/ こそ古ノルド語形に由来すると言ってよいが，対応する語は古英語にもあり，考え方によってはどちらの言語にも帰せられる．ここでは，いずれも古ノルド語由来として数えた．
　フランス語由来の語は，state, use, people の3語のみ．
　過去の記事でも類似する統計をいくつか載せているので，そちらも要参照．

　・ [2009-11-15-1]: 現代英語の基本語彙600語の起源と割合
　・ [2009-11-14-1]: 現代英語の借用語の起源と割合 (2)
　・ [2009-08-15-1]: 現代英語の借用語の起源と割合

[ ツイート | 固定リンク | 印刷用ページ ]

　英語教育や辞書学の分野で Academic Word List (AWL) という語彙集が知られている．1998年に Avril Coxhead が The Academic Corpus という350万語からなる独自コーパスをもとに英語教育用に開発した570語とその派生語（合わせて word family と呼ばれる）からなる語彙集で，高等教育で用いられる頻度の高い語からなっている．
　もう少し詳しく AWL の語彙選定基準を記せば次のようになる．(1) 各 word family がコーパスの Arts, Commerce, Law, Science 部門のサブセットすべてにおいて生起し，かつ細分化された28分野のサブセットの過半数に生起する．(2) 各 word family の出現頻度がコーパス全体で100回を超える．(3) 各 word family がコーパスの各部門で最低10回は生起する．(4) GSL ( General Service List ) (1953) の最頻2000語は除く ( see [2010-03-02-1] ) . (5) 固有名詞は除く．(6) et al, etc, ibid などの最頻ラテン語表現は除く．
　こうして厳選された語彙集が AWL で，AWL Headwords から閲覧およびダウンロードできる．word family の頻度の高い順に1から10の Sublists としてグループ分けされており，すべて合わせるとコーパス全体に生起する語の9.8%を覆うという．
　最近の上級者用英英辞書は軒並み AWL の重要性を認識しているようだ．2006年出版の Longman Exams Dictionary を皮切りに，2007年の Longman Advanced American Dictionary, 2nd ed.，2009年 Longman Dictionary of Contemporary English, 5th ed. など売れ筋辞書でも AWL が考慮されている ( Dohi et al., p. 174 ) ．Macmillan, Collins COBUILD 系でも同様である．目下の AWL の評価は Dohi et al. によると以下の通りである．

It remains to be seen whether Coxhead's AWL will continue to be used, will be revised or replaced in future advanced learners' dictionaries, because not all scholars concur with her AWL. . . . The AWL could be regarded for the time being as "a quick reference" for academic vocabulary until more research bears fruit . . . . (100)

　関連して The AWL Highlighter なるツールがあり，ここに英文テキストを入れると，AWL 語彙をハイライトしてくれる．私が最近書いた英語論文のイントロ部の1235語で試してみたら，Sublist 10 までのレベルで128語がハイライトされた．これは全体の10.36%であり，academic 度は合格か!?

 　・ Dohi, Kazuo, Tetsuo Osada, Atsuko Shimizu, Yukiyoshi Asada, Rumi Takahashi, and Takashi Kanazashi. "An Analysis of Longman Dictionary of Contemporary English, Fifth Edition." Lexicon 40 (2010): 85--187.

[ ツイート | 固定リンク | 印刷用ページ ]

　[2012-05-02-1], [2012-05-03-1]の記事で取り上げてきた Zipf's law を検証（というよりは体験）するために，General Service List (GSL) の最頻2000語余りのデータを利用して計算してみた（データファイルはこちら）．



　最初のグラフは頻度順位と頻度を掛け合わせたグラフで，頻度順で100位ほどまでの語を対象とした．以下はひたすら漸減してゆくのみなので省略．累積頻度のグラフを作成するまでもなく，最頻の数十語ほどで延べ語数のほとんどを覆ってしまう様子がよくわかる．
　次のグラフは，Zipf's law によると定数になるとされる頻度順位と頻度の積を縦軸にとったものである．上位数十語までは「定数」は上下に大きく揺れて安定しないが，以後1000語ぐらいまでは，緩やかな増減はあるものの，落ち着く．その後のグラフ外ではひたすら漸減を続ける．したがって，「定数」を云々できるのは大目に見ても上位1000語ぐらいまでだろう．
　これを法則と呼ぶのはあまりに外れていると考えるか，統計的傾向がよく出ているととらえるかは，観察者の見方ひとつである．Zipf's law における「定数」は「およそ定数」と解釈するのが暗黙の了解だが，「およそ」の幅がどの程度であるのかは明示されていない．また，Zipf's law が主張しているのと異なり，グラフの線は頻度をとるコーパスのサイズにも依存するようだ．

[ ツイート | 固定リンク | 印刷用ページ ]