「英語は100万語」は本当？ 本のデータでは約102万語、でも半分以上は辞書に載っていなかった

「英語には100万語ある」。そんな話を聞いたことはありませんか？

実はこれ、まるっきりのデタラメではありません。ハーバード大学やグーグルなどの研究チームが、電子化された大量の本で数えたところ、2000年の英語の単語は約102万2000語と推計されたのです。

ところが同じ研究は、その52%が OED（オックスフォード英語辞典）にも Merriam-Webster の大辞典にも載っていないとも推計していました。英語の単語の半分以上は、辞書の外で暮らしていたのです。

01「100万語」の出どころは一つじゃない

「英語は100万語」という数字の出どころは、学術研究だけではありません。たとえば英語のウェブサイトを監視しているという企業 Global Language Monitor は「英語は105万語近い」と主張しています。心理学者のブリスバールト（Brysbaert）らは、2016年の論文の注でこの主張を紹介し、「その大半は人名や、意味がすぐわかる派生語・合成語・複数の語からなる表現だ」と書き添えています。

一方、学術誌に載った推計としては、2011年に『Science』誌に載ったミシェル（Michel）らの研究があります。

ここでいう「単語」は、スペースで区切られた文字のかたまり（1-gram）のこと。辞書がふつう見出しにしない固有名詞や合成語（論文の例では whalewatching）も含まれ、辞書との差の一部はそのせいだと論文自身が書いています。

02辞書に載らない「語彙の暗黒物質」

研究チームは、2000年の単語リストを使用頻度ごとに分けて見本を抜き出し、OED と Merriam-Webster の大辞典（Unabridged）に載っているかを手で調べました（固有名詞は除外）。よく使われる単語はほぼ載っていましたが、10億語に1〜10回しか出てこない単語では、67%がどちらの辞書にも載っていなかったのです。しかも、この「まれな単語」がリスト全体の63%を占めていました。

こうして、英語の単語の52%は標準的な辞書に記録されていない「語彙のダークマター（暗黒物質）」だ、という推計が出てきます。論文があげた例は aridification（土地が乾燥していくこと）、slenthem（楽器の一種）、そして皮肉なことに deletable（削除できる）。

辞書の「遅れ」も見つかりました。American Heritage Dictionary 第4版が2000年に加えた2077語（buckyball, netiquette など）を調べると、その半分以上は、100年前の本ですでに「単語」と数えられるほど使われていたのです。

03OED は「50万語」。でも6割以上は…

では、最大級の英語辞典はどうでしょう。OED の公式サイトは、収録数を「50万を超える見出し（entries）」、用例は350万と紹介しています。

OED は、頻度帯の表も公開しています。廃語ではない見出しを、よく使われる順に8つの帯に分けたものです。

• 帯8（100万語に1000回より多い。the, and, of など）……0.02%
• 帯7と帯6（man, water, dog, happy など日常の語）……合わせて約1.2%
• 帯2（100万語に0.01回未満）……45%
• 帯1（現代の文章にはまず出てこない語）……18%

つまり OED の現役の見出しの6割以上（45%＋18%）は、OED 自身が「ほとんどの人は知らない」「現代の文章にはまず出てこない」と説明するレベルの語なのです。ちなみに帯8に入る名詞は time ただ一つだけだそうです。

04ネイティブは何語知っている？

ベルギー・ゲント大学のブリスバールトらは2016年、6万1800語の見出し語（レンマ）のリストを用意し、インターネット上の語彙テストで22万1268人に「知っている単語」を選んでもらいました。テストにはでたらめな偽単語も混ぜてあり、当てずっぽうの「知ってる」は差し引かれます。

その結果、アメリカ英語を母語とする20歳は、平均（中央値）で約4万2000レンマを知っていると推計されました。下位5%の人で約2万7000、上位5%の人で約5万2000。60歳では約4万8200に増え、大人になってからも、およそ2日に1語のペースで新しい単語を覚えている計算です。

レンマとは、活用形をまとめた辞書の見出しの形のこと。さらに help と helplessly のような「単語の家族（ワードファミリー）」でまとめて数えると、20歳で約1万1100にまで減ります。

ただし、ここでの「知っている」は、その単語があることを知っている程度の浅い知識も含みます。

05どんでん返し：英語の単語は「数え切れない」

ここで、身もふたもない話を。ブリスバールトらによると、「ネイティブは何語知っているの？」と聞かれた研究者の答えは、たいてい深いため息と「単語の定義しだいだ」という説明から始まるそうです。「英語は全部で何語？」となると、さらにややこしくなります。

理由の一つは、文章のデータを大きくするほど、新しい種類の語が見つかり続けること。言葉の使い手はたえず新しい語を作るので、語の種類には上限がないという見方もあります。約1兆語ぶんの英語のウェブページを集めたデータでは1360万種類もの「語」が数えられ、増え方が止まる気配はありませんでした（その多くは記号まじりの文字列でしたが）。

本のデータにもクセがあります。ペチェニック（Pechenick）らの2015年の研究は、Google Books はどの本も1冊ずつ入った図書館のようなもので、ベストセラーもだれも読まない本も同じ1冊として数えられること、そして20世紀を通じて学術的な文章（論文など）の割合が増えて、語の使われ方の変化がゆがんで見えることを指摘しました。

つまり「約102万語」は、「本に一定以上の回数出てくる文字列から、ゴミを取りのぞいたもの」という一つの数え方の答え。大辞典なら50万あまり、母語話者の頭の中なら4万ちょっと。どれもウソではなく、「単語」の定義がちがうのです。

06まとめ

「英語は100万語」は、半分ホント。本のデータで数えた一つの推計としては、たしかに約102万語でした。でもそのうち半分以上は辞書に載らない語で、ふつうの人が出会うことはまずありません。

英語の単語は、数えるそばから増えていく「生きもの」です。今日もどこかで、だれかが新しい単語を coin（作り出す）しているかもしれません。