#3421. 英語ことわざの文体・語彙的特徴を示す統計値[proverb][statistics][corpus][stylistics]

　「#3419. 英語ことわざのキーワード」 ([2018-09-06-1]) と「#3420. キーワードを含む英語ことわざ」 ([2018-09-07-1]) に引き続き，英語ことわざの話題．安藤邦男（著）『ことわざから探る　英米人の知恵と考え方』の紹介ページより取り出した866件の英語ことわざについて，その文体的・語彙的な特徴を数字で示してみたい．特徴を浮き彫りにするには，英語ことわざコーパスを，より大きな一般的なコーパスと比較する必要があるので，昨日と同様に100万語規模の British English 06 (BE06) を使用した．結果として，次のような基本的な統計値が得られた．  *  *

Corpus	Proverbs	BE06
tokens (running words) in text	6,276	1,011,020
types (distinct words)	1,616	45,298
type/token ratio (TTR)	25.75	4.48
standardised TTR	45.25	43.90
STTR std.dev.	46.42	54.62
STTR basis	1,000	1,000
mean word length (in characters)	4.09	4.69
word length std.dev.	1.92	2.58
sentences	869	53,466
mean (in words)	7.22	18.91
std.dev.	2.86	14.38
1-letter words	292	38,775
2-letter words	1,020	168,273
3-letter words	1,345	205,211
4-letter words	1,370	166,961
5-letter words	996	110,856
6-letter words	553	88,195
7-letter words	359	79,174
8-letter words	163	56,645
9-letter words	96	39,767
10-letter words	53	26,170
11-letter words	17	15,493
12-letter words	6	8,208
13-letter words	4	4,557
14-letter words	1	1,687
15-letter words	1	623

　見るべき点として，まず "type/token ratio" を指摘しておこう．この数値が高いほど，コーパス内で異なる語が多く用いられていると解釈できる．純粋に数値を見ると，一般コーパスよりもことわざコーパスのほうが高い値を示しており，語彙が多様であると解釈できそうだが，「#2336. Text Analyser --- 簡易テキスト統計分析器」 ([2015-09-19-1]) で示したように，コーパスサイズが互いに大きく異なるので，この指標単独ではそれほど情報量はない．
　"mean word length" と "word length std.dev." は1語当たりの文字数である．両コーパス間の違いはそれほど大きくないが，示唆的ではある．ことわざコーパスのほうが一般コーパスよりも，より短い綴字の単語を好むと解釈できるが，どんなものだろうか．確かに，いたずらに長い単語は一般コーパスよりも出にくいようには感じられる．
　最もなるほどと感じさせられるのは，1文がいくつの単語から成り立っているかを示す "mean (in words)" とその "std.dev." だろう．これらの数値もコーパスサイズに依存するとはいえ，ことわざでは平均して7.22語，一般では18.91語というのは，差が歴然としている．標準偏差も合わせて考えると，ことわざを構成する1文は全体的に短いことが分かる．「短く，語呂がよくてなんぼ」というのが，ある意味ではことわざの形式的な特徴でもあるから，この結果はまったく不思議ではないが，こうして客観的に数値を目の当たりにするとおもしろい．

　・ 安藤 邦男　『ことわざから探る　英米人の知恵と考え方』　開拓社，2018年．

[ ツイート | 固定リンク | 印刷用ページ ]