Zo werkt deze test
Deze test laat je iets meer dan honderd woorden zien en geeft een getal in de tienduizenden terug. Zo komt hij van het een naar het ander, en zoveel kun je ervan geloven.
Je kunt niet naar elk woord vragen
Het Engels heeft ruim honderdduizend woorden in gewoon gebruik, en niemand gaat honderdduizend vakjes aanvinken. Dus doet de test wat een opiniepeiler doet: hij vraagt naar een kleine steekproef en redeneert van daaruit verder. Laat iemand een handvol woorden zien die eerlijk uit een deel van de taal getrokken zijn, tel hoeveel hij er kent, en je kunt iets zeggen over dat hele deel.
De kunst is eerlijk trekken. Woorden zijn niet uitwisselbaar — water, hypotenuse en obtund zijn drie totaal verschillende vragen — dus de steekproef moet bewust over het hele bereik verspreid worden, niet geschept waar het toevallig uitkomt.
Zeldzaamheid is de as die ertoe doet
Elk woord in de test heeft een frequentierang: ruwweg de plek waar het belandt als je de taal ordent van het meest gebruikte tot het zeldzaamste woord. Dat ene getal voorspelt beter of je een woord kent dan lengte, spelling of onderwerp. Kennis neemt af naarmate woorden zeldzamer worden. De vorm van die daling is constant genoeg om op te bouwen.
Daarom bestaat de test uit drie rondes die steeds moeilijker worden. Elke ronde neemt een steekproef uit een ander stuk van die curve: eerst alledaagse woorden, dan het midden, dan de lange staart. Je antwoorden in elke ronde leggen één punt vast, en samen bepalen ze waar de daling ligt.
Waarom de laatste ronde de langste is
Het grootste deel van een taal is zeldzaam. De woorden die je de hele dag tegenkomt, zijn een afrondingsfout tegenover de massa woorden die eens per jaar opduiken, en de steekproef moet daar rekening mee houden.
De antwoorden van elke ronde worden gewogen naar hoeveel van de taal die ronde vertegenwoordigt. Ken je de helft van de woorden in een ronde, dan krijg je ongeveer de helft toegerekend van alles waar die ronde voor staat. Tel de drie op en dat is de schatting. De rekensom is eenvoudig. Het oordeel zit eerder, in hoe de woorden gekozen zijn.
Het lastige deel: mensen zeggen te makkelijk ja
Vraag iemand of hij een woord kent, en een deel zegt ja tegen woorden die hij alleen eerder heeft gezien, die lijken op iets bekends of die hij vindt dat hij zou moeten kennen. Bijna niemand liegt. Herkenning is een vaag gevoel, en een vakje kan dit zou ik kunnen uitleggen niet onderscheiden van dat komt me bekend voor.
Zonder correctie gooit dat de rekensom in de war: elk te gretig vinkje wordt vermenigvuldigd met de omvang van de band waarin het staat.
Daarom bestaan sommige woorden in de test niet. Ze zijn gemaakt om eruit te zien en te klinken als Engels — uitspreekbaar, aannemelijk gespeld, met een geloofwaardige mate van zeldzaamheid — en daarna in meerdere woordenboeken gecontroleerd om zeker te zijn dat ze niet echt zijn, geen spelfout van iets echts en geen echt woord met een voorvoegsel eraan geplakt. Ze zijn over alle drie de rondes verspreid, zonder dat iets ze verraadt.
Niemand kan ze kennen, dus elk woord dat je ervan aanvinkt, meet hoe ruim je aanvinkt. Die mate wordt vervolgens gebruikt om de rest van je antwoorden te verdisconteren. Vink je er geen enkele aan, dan blijft je score onaangetast.
De getallen achter deze grafiek
| gokpercentage | gecorrigeerd | ruw |
|---|---|---|
| 0% | 27.000 | 27.000 |
| 5% | 26.470 | 27.720 |
| 10% | 24.920 | 28.430 |
| 15% | 22.550 | 29.150 |
| 20% | 19.610 | 29.870 |
| 30% | 13.140 | 31.300 |
Het praktische gevolg: gokken kan je resultaat niet opblazen. Een incidentele vergissing kost bijna niets, maar elk volgend verzonnen woord kost meer dan het vorige, zodat heel ruim gegeven antwoorden op een lage score uitkomen.
Wat het getal waard is
Het getal komt uit zo’n honderd vragen over een taal met een woordenschat van zes cijfers, dus de laatste cijfers zijn ruis. Laat dezelfde persoon de test twee keer doen en de twee resultaten verschillen, onderaan meer dan bovenaan. Wat overeind blijft, is de ruwe orde van grootte en de vergelijking tussen mensen.
Een paar andere dingen is het niet. Het telt woordvormen in de zin van een woordenboek, geen woordfamilies, dus het sluit niet aan bij getallen uit studies die families tellen en meestal lager uitkomen. Het vraagt alleen naar zelfstandige naamwoorden en werkwoorden. Het kan niet zien of je een woord goed kent of net goed genoeg om het te herkennen. Dat is een echt verschil, en geen vakje zal het vinden. En het meet herkenning, niet gebruik. De meeste mensen herkennen heel wat meer dan ze ooit hardop zouden zeggen.
De woorden zelf komen uit een op frequentie gerangschikte lijst van het Engels, opgebouwd uit grootschalige gebruiksgegevens en gefilterd op losse woorden van redelijke lengte. Welke woorden voorkomen, hoeveel er per ronde verzonnen zijn en waar de grenzen liggen, publiceren we hier om voor de hand liggende redenen niet.
Eerder werk
Geen van de onderliggende ideeën is van ons. Het ja/nee-checklistformaat gaat terug op Meara en Buxton eind jaren tachtig, net als de bevinding dat het verzonnen woorden nodig heeft om iets te betekenen. Nations Vocabulary Size Test vestigde het bemonsteren per frequentieband en het wegen van elke band naar wat hij vertegenwoordigt. De specifieke correctie die hier wordt gebruikt — je antwoorden verdisconteren naar hoe vaak je woorden claimt die niet bestaan — is die van Huibregtse, Admiraal en Meara uit 2002. Daarbovenop zetten we een eigen straf die groeit met elk verzonnen woord dat je aanvinkt, zodat bijna alles aanvinken niet kan doorgaan voor een grote woordenschat. Wie wil weten hoeveel woorden mensen echt kennen, moet Brysbaert en collega’s lezen, die het getal voor een volwassen moedertaalspreker rond de veertigduizend leggen en uitgebreid uitleggen waarom het zo moeilijk vast te stellen is.
Doe de test