齊夫定律揭示詞彙使用的不均衡現象
語言學著名的齊夫定律 (Zipf's law) 描述了詞彙在真實語言使用情境中極度不均衡的現象。藉由大量文章的統計，我們得以統計出詞彙在實際語言使用的頻次表。將頻次表依出現次數由高而低排列，就可以觀察到齊夫定律的現象（如表1）：排名序位第20名的詞的頻次大約是排名第10名的一半；而第100名的詞大約是第10名的1/10。齊夫定律的通則就是詞頻和序位的倒數成正比（頻率∝1/序位）。
從另一個角度來說明，齊夫定律反應了詞彙使用極度不均衡的現象：語料庫中 99% 的頻次是由最高頻的 1% 詞彙所貢獻。我們實際統計約10億頻次 (tokens) 的美國COCA語料庫，其中大約由數十萬個相異英文詞 (types) 所構成，但這數十萬詞大部分的出現頻率都極低。最高頻的前100 詞大約就貢獻了5億頻次（將近50%）。講白一點就是：只要您認識了最高頻的100個英文詞，就能在一般英文文章中辨認出 50% 的詞。這個驚人的不均衡現象揭示了現代語言教學中非常重要的一個概念：只要掌握最高頻的 1% 詞彙，就能讀懂文章中99% 的詞。由此我們可以得到一個重要的啟示，語言教學應由高頻的詞彙開始學習，方能得到最佳的學習效率。
表 1、從COCA語料庫統計的詞彙頻次表，依出現頻次由大而小排列
|
序位 |
詞彙 |
頻次 |
|
1 |
the |
47,644,615 |
|
2 |
be |
40,310,332 |
|
3 |
to |
24,310,041 |
|
4 |
a |
23,738,154 |
|
5 |
and |
23,605,940 |
|
6 |
of |
22,467,586 |
|
7 |
in |
15,738,070 |
|
8 |
I |
13,977,003 |
|
9 |
that |
12,785,937 |
|
10 |
have |
11,714,476 |
|
…… |
||
|
18 |
with |
6,130,249 |
|
19 |
this |
5,290,903 |
|
20 |
as |
5,229,087 |
|
…… |
||
|
98 |
two |
1,085,199 |
|
99 |
first |
1,085,167 |
|
100 |
even |
1,080,589 |
從詞頻表到教學詞表的建置
從齊夫定律的發現，我們確立了教材的編排應該從最常用的詞彙開始，再逐漸提升詞彙的難度。然而，如果我們實際觀察詞頻表會發現，最高頻的詞以功能性的詞彙（冠詞、介詞、連詞等）居多，例如：the, be, to, a, and，它們通常沒有明確的語義內容，用於表示語法功能、連接語句或在語言結構中扮演特定的功能。對學生來說，這些詞的學習困難度較高，並不適合在初級時安排太多，而應依常用度及困難度適當的將它們安排在不同等級的教材中。所以，詞頻表通常不適合直接應用在教材的編撰上。
教學詞表則是專門為教材編撰所設計的詞表，因此，它的安排及設計必須考量到實際教學的需求。例如：依據語言能力的分級訂定各級應學習的詞彙。其中，在詞彙的順序安排上，除了依據詞頻表之外，還需將難度較高的功能詞分散到不同的能力級別。這些調整工作必須仰賴經驗豐富的語言教育專家來進行。
教材難易度的安排與評估
有了分級詞表之後，教材編撰就能依據教學大綱及教學詞表逐步提高難度級數。透過嚴格控管的情境、詞彙、文法及審慎使用的圖案，教材編撰的成果可以趨近於所設定的能力目標。然而，在編輯過程中，人工必須分心於掌握情境、詞彙、文法等要素，對編輯與審查而言都是極耗費心力的工作。透過良好的教材編輯工具，可以協助編輯者掌握目前所使用各等級詞彙的數量，自動評估目前教材的能力等級是否超過所設定的級數等。同樣的，教材的審核者也需要類似的分析工具，才能掌握教材的內容是否和課綱所設定的能力等級相符。
結語
齊夫定律揭示了詞彙使用的不均衡現象—即少數高頻詞貢獻了大部分語言使用情境中的詞彙頻次。這提示我們在語言教學中應該優先學習高頻詞彙，以提高學習效率。而教學詞表的建置正是實踐這個目標的有效參考資料。編輯者依據教學詞表的分級，循序漸進將詞彙安排到教材的內容中，就能使教材的詞彙等級控制在合理的範圍內。最後還需要有良好的教材編輯工具輔助，使教材編輯者能專注於內容，以更有效率的方式，發展出高品質的語言學習教材。
資料來源
白明弘（2022）。子計畫五：應用自然語言處理技術於英語教科書之分析比較研究。國家教育研究院整合型計畫案期中報告（NAER-2022-018-C-1-1-F2-05）。新北市：國家教育研究院。
附加檔案
- 藏在語言中的祕密：詞彙計量研究對語言教學的啟發.pdf（另開新視窗）
本著作係採用創用 CC 姓名標示 4.0 國際 授權條款授權.