Файл: Гинзбург - Лексикология.pdf

Last but not least contrastive analysis  deals  with the  meaning and use 

of  s i t u a t i o n a l   verbal  units,  i.e.  words,  word-groups,  sentences 
which are commonly used by native speakers in certain situations. 

For instance when we answer a telephone call and hear somebody ask-

ing for a person whose name we have never heard the usual answer for the 
Russian speaker would be 

Вы ошиблись (номером)

, 

Вы не туда попали. 

The  Englishman  in  identical  situation  is  likely  to  say 

Wrong  number. 

When  somebody  apologises  for  inadvertently  pushing  you  or  treading  on 
your foot and says 

Простите\ 

(I beg your pardon. Excuse me.) 

the Rus-

sian  speaker  in  reply  to  the  apology  would  probably  say  — 

Ничего,  по-

жалуйста, 

whereas the verbal reaction of an Englishman would be differ-

ent — 

It’s all right. It does not matter. * Nothing 

or 

*please 

in this case 

cannot be viewed as words correlated with 

Ничего, Пожалуйста."

To sum up contrastive analysis cannot be overestimated as an indispen-

sable stage in preparation of teaching material, in selecting lexical items to 
be extensively practiced and in predicting typical errors. It is also of great 
value  for  an  efficient  teacher  who  knows  that  to  have  a  native  like  com-
mand  of  a  foreign  language,  to  be  able  to  speak  what  we  call  idiomatic 
English,  words,  word-groups and  whole sentences  must be  learned within 
the  lexical,  grammatical  and  situational  restrictions  of  the  English  lan-
guage. 

An important and promising trend in modern 

linguistics which has been making 

progress during the last few  decades is the  quantitative study of language 
phenomena and the application of statistical methods in linguistic analysis. 

Statistical  linguistics  is  nowadays  generally  recognised  as  one  of  the 

major  branches  of  linguistics.  Statistical  inquiries  have  considerable  im-
portance not only because of their precision but also because of their rele-
vance to  certain problems  of  communication  engineering and information 
theory. 

Probably  one  of  the  most  important  things  for  modern  linguistics  was 

the realisation of the fact that non-formalised statements are as a matter of 
fact unverifiable,  whereas any scientific method  of cognition presupposes 
verification  of  the  data  obtained.  The  value  of  statistical  methods  as  a 
means of verification is beyond dispute. 

Though  statistical  linguistics  has  a  wide  field  of  application  here  we 

shall discuss mainly the statistical approach to vocabulary. 

Statistical  approach  proved  essential  in  the  selection  of  vocabulary 

items of a foreign language for teaching purposes. 

It is common knowledge that very few people know more than 10% of 

the words of their mother tongue. It follows that if we do not wish to waste 
time on committing to memory vocabulary items which are never likely to 
be useful to the learner, we have to select only lexical units that are com-
monly  used  by  native  speakers.  Out  of  about  500,000  words  listed  in  the 

OED 

the  “passive”  vocabulary  of  an  educated  Englishman  comprises  no 

more than 30,000 words and of these 4,000 — 5,000 

242

§ 2. Statistical Analysis

are  presumed  to  be  amply  sufficient  for  the  daily  needs  of  an  average 
member of the English speech community. Thus it is evident that the prob-
lem  of  selection  of  teaching  vocabulary  is  of  vital  importance.

1 

It  is  also 

evident that by far the most reliable single criterion is that of frequency as 
presumably  the  most  useful  items  are  those  that  occur  most  frequently  in 
our language use. 

As far back as 1927, recognising the need for information on word fre-

quency for sound teaching materials, Ed. L. Thorndike brought out a list of 
the  10,000  words  occurring  most  frequently  in  a  corpus  of  five  million 
running words from forty-one different sources. In 1944 the extension was 
brought to 30,000 words.

2

Statistical techniques have been successfully applied in the analysis of 

various  linguistic phenomena:  different structural types of  words, affixes, 
the  vocabularies  of  great writers and poets and  even in the study of some 
problems of historical lexicology. 

Statistical regularities however can be observed only if the phenomena 

under  analysis  are  sufficiently  numerous  and  their  occurrence  very  fre-
quent.  Thus  the  first  requirement  of  any  statistic  investigation  is  the 
evaluation of the size of the sample necessary for the analysis. 

To illustrate this statement we may consider the frequency of word oc-

currences. 

It  is  common  knowledge  that  a  comparatively  small  group  of  words 

makes up the bulk of any text.

3

 It was found that approximately 1,300 — 

1,500 most frequent words make up 85% of all words occurring in the text. 
If,  however,  we  analyse  a  sample  of  60  words  it  is  hard  to  predict  the 
number of occurrences of most frequent words. As the sample is so small 
it  may  contain  comparatively  very  few  or  very  many  of  such  words.  The 
size  of  the  sample  sufficient  for  the  reliable  information  as  to  the  fre-
quency of the items under analysis is determined by mathematical statistics 
by means of certain formulas. 

It  goes  without  saying  that  to  be  useful  in  teaching  statistics  should 

deal  with  meanings  as  well  as  sound-forms  as  not  all  word-meanings  are 
equally  frequent.  Besides,  the  number  of  meanings  exceeds  by  far  the 
number  of  words.  The  total  number  of  different  meanings  recorded  and 
illustrated  in 

OED 

for  the  first  500  words  of  the 

Thorndike  Word  List 

is 

14,070,  for  the  first  thousand  it  is  nearly  25,000.  Naturally  not  all  the 
meanings  should  be  included  in  the  list  of  the  first  two  thousand  most 
commonly used words. Statistical analysis of meaning frequencies resulted 
in the compilation of 

A General Service List of English Words with Seman-

tic Frequencies. 

The semantic count is a count of the frequency of the oc-

currence of the various senses of 2,000 most frequent words as found in a 
study  of  five  million  running  words.  The  semantic  count  is  based  on  the 
differentiation of the meanings in the 

OED 

and the 

’ 

1

See ‘Various Aspects ...’, § 14, p. 197; ‘Fundamentals of English Lexicography, § 6, 

p. 216.

2 

The  Teacher’s  Word  Book  of  30,000  Words 

by  Edward  L.  Thorndike  and  Irvin 

Lorge. N. Y., 1963. See also 

M. West. 

A General Service List of English Words. L., 1959, 

pp. V-VI.

3 

See ‘Various Aspects ...’, § 14, p. 197.

243

frequencies  are  expressed  as  percentage,  so  that  the  teacher  and  textbook 
writer  may  find  it  easier  to  understand  and  use  the  list.  An  example  will 
make the procedure clear. 

room (’space’) takes less room, not enough room to turn round 
(in) make room for 

(figurative) 

room for improvement

}

12%

come to my room, bedroom, sitting room; drawing room, bath-
room

}

83%

(plural = suite, lodgings) my 
room in college to let rooms

}

2%

It can be easily observed from the semantic count above that 

the 

mean-

ing ‘part of a house’ 

(sitting room, drawing

room, 

etc.) makes up 83% of 

all  occurrences  of  the  word 

room 

and  should  be  included  in  the  list  of 

meanings  to  be  learned  by  the  beginners,  whereas  the  meaning  ’suite, 
lodgings’ is not essential and makes up only 

2% 

of all occurrences of this 

word. 

Statistical  methods  have been  also  applied  to  various  theoretical  prob-

lems of meaning. An interesting attempt was made by G. K. 

Zipf 

to study 

the relation between polysemy and word frequency by statistical methods. 
Having discovered that there is a direct relationship between the number of 
different meanings of a word and its relative frequency of occurrence, Zipf 
proceeded to find a mathematical formula for this correlation. He came to 
the  conclusion  that  different  meanings  of  a  word  will  tend  to  be  equal  to 
the square root of its relative frequency (with the possible exception of the 
few  dozen  most  frequent  words).  This  was  summed  up  in  the  following 
formula  where 

m 

stands  for  the  number  of  meanings, 

F 

for  relative  fre-

quency — 

tn — F

1

/

2

. 

This formula is known as Zipf’s law. 

Though  numerous  corrections  to  this  law  have  been  suggested,  still 

there is  no reason to doubt the principle  itself, namely, that the  more fre-
quent a word is, the more meanings it is likely to have. 

One of the most promising trends in statistical enquiries is the analysis 

of collocability  of  words. It is observed that words are joined together ac-
cording to certain rules. The linguistic structure of any string of words may 
be described as a network of grammatical and lexical restrictions.

1

The set  of  lexical  restrictions  is  very  complex.  On  the standard  prob-

ability  scale  the  set  of  (im)possibilities  of  combination  of  lexical  units 
range from zero (impossibility) to unit (certainty). 

Of  considerable  significance  in  this  respect  is  the  fact  that  high  fre-

quency value of individual lexical items does not forecast high frequency 
of  the  word-group  formed  by  these  items.  Thus,  e.g.,  the  adjective 

able 

and  the  noun 

man 

are  both  included  in  the  list  of  2,000  most  frequent 

words, the word-group 

an able man, 

however, is very rarely used. 

1

 Set ‘Word-Groups and Phraseological Units’, §§ 1, 2, pp. 64,66, 244

The importance of frequency analysis of word-groups is indisputable as in 
speech we actually deal not with isolated words but with word-groups. Re-
cently attempts have been made to elucidate this problem in different lan-
guages both on the level of theoretical and applied lexicology and lexicog-
raphy. 

It should be pointed out, however, that the statistical study of vocabu-

lary has some inherent limitations. 

Firstly,  statistical  approach  is  purely  quantitative,  whereas  most  lin-

guistic  problems  are  essentially  qualitative.  To  put  it  in  simplar  terms 
quantitative research implies that one knows what to count and this knowl-
edge  is reached  only through a long period  of qualitative research carried 
on upon the basis of certain theoretical assumptions. 

For example, even simple numerical word counts presuppose a qualita-

tive  definition  of  the  lexical  items  to  be counted.  In  connection  with  this 
different  questions  may  arise,  e.g.  is  the  orthographical  unit 

work 

to  be 

considered  as  one  word  or  two  different  words: 

work 

n

  —  (to)  work 

v. 

Are  all  word-groups  to  be  viewed  as  consisting  of  so  many  words  or  are 
some  of  them  to  be  counted  as  single,  self-contained  lexical  units?  We 
know  that  in  some  dictionaries  word-groups  of  the  type 

by  chance,  at 

large, in the long run, 

etc. are counted as one item though they consist of 

at least two words, in others they are not counted at all but viewed as pecu-
liar cases of usage of the notional words 

chance, large, run, 

etc. Naturally 

the  results  of  the  word  counts  largely  depend on  the  basic theoretical  as-
sumption, i.e. on the definition of the lexical item.

1

We also need to use qualitative description of the language in deciding 

whether  we  deal  with  one  item  or  more  than  one,  e.g.  in  sorting  out  two 
homonymous  words  and  different  meanings  of  one  word.

2

  It  follows  that 

before counting homonyms one must have a clear idea of what difference 
in meaning is indicative of homonymy. From the discussion of the linguis-
tic problems above  we  may  conclude that an exact and  exhaustive defini-
tion  of  the  linguistic  qualitative  aspects  of  the  items  under  consideration 
must precede the statistical analysis. 

Secondly,  we  must  admit  that  not  all  linguists  have  the  mathematical 

equipment necessary for applying statistical methods. In fact what is often 
referred to as statistical analysis is purely  numerical counts of this  or that 
linguistic phenomenon not involving the use of any mathematical formula, 
which in some cases may be misleading. 

Thus,  statistical  analysis  is  applied  in  different  branches  of  linguistics 

including lexicology as a  means  of  verification and as a reliable criterion 
for  the  selection  of  the  language  data  provided  qualitative  description  of 
lexical items is available. 

The  theory  of  Immediate  Constituents  (IC) 
was  originally  elaborated  as  an  attempt  to 
determine the ways in which lexical units are 

relevantly  related  to  one  another.  It  was  discovered  that  combinations  of 
such units are usually structured into 

1 

See also ‘Various Aspects ...’, § 12, p. 195,

2 

See ‘Semasiology’, §§ 37, 38, pp. 43, 44.

245

§ 3. Immediate Constituents 

Analysis

hierarchically  arranged  sets  of  binary  constructions.  For  example  in  the 
word-group 

a  black  dress  in  severe  style 

we  do  not  relate 

a 

to 

black, 

black to dress, dress 

to 

in, 

etc. but set up a structure which may be repre-

sented as 

a black dress /   i n  severe style. 

Thus the fundamental aim of IC 

analysis is to segment a set of lexical units into two maximally independent 
sequences  or ICs thus revealing the hierarchical structure  of this set. Suc-
cessive  segmentation  results  in  Ultimate  Constituents  (UC),  i.e.  two-facet 
units that cannot be segmented  into smaller units having both sound-form 
and meaning. The Ultimate Constituents of the word-group analysed above 
are: 

a 

| 

black | dress | in | severe 

| 

style.

The  meaning  of  the  sentence,  word-group,  etc.  and  the  IC  binary  seg-

mentation  are  interdependent.  For  example, 

fat  major’s  wife 

may  mean 

that either ‘the major is fat’ or ‘his wife is fat’. The former semantic inter-
pretation  presupposes  the  IC  analysis  into 

fat  major’s  |  wife, 

whereas  the 

latter  reflects  a  different  segmentation  into  IC’s  and  namely 

fat 

| 

major’s 

wife.  

It 

must be admitted that this kind of analysis is arrived at by reference 

to intuition and it should be regarded as an attempt to formalise one’s se-
mantic intuition. 

It  is  mainly  to  discover  the  derivational  structure  of  words  that  IC 

analysis  is used in  lexicological  investigations. For  example, the  verb 

de-

nationalise 

has  both  a  prefix 

de- 

and  a  suffix 

-ise  (-ize). 

To  decide 

whether  this  word  is  a  prefixal  or  a  suffixal  derivative  we  must  apply  IC 
analysis.

1

 The binary segmentation of the string of morphemes making up 

the word shows that 

*denation 

or 

*denational 

cannot be considered inde-

pendent  sequences  as  there  is  no  direct  link  between  the  prefix 

de- 

and 

nation 

or 

national. 

In  fact  no  such  sound-forms  function  as  independent 

units in modern English. The only possible binary segmentation is 

de 

| 

na-

tionalise, 

therefore we may conclude that the word is a prefixal derivative. 

There are also numerous cases when identical morphemic structure of dif-
ferent words is insufficient proof of the identical pattern of their derivative 
structure which can be revealed only by IC analysis. Thus, comparing, e.g., 

snow-covered 

and 

blue-eyed 

we  observe  that  both  words  contain  two 

root-morphemes  and  one  derivational  morpheme.  IC  analysis,  however, 
shows that whereas 

snow-covered 

may be treated as a compound consist-

ing of two stems 

snow + covered, blue-eyed 

is a suffixal derivative as the 

underlying structure as shown by IC analysis is different, i.e. (

blue

+

eye

)+

-

ed.

It  may  be  inferred  from the  examples  discussed  above  that  ICs repre-

sent  the  word-formation  structure  while  the  UCs  show  the  morphemic 
structure of polymorphic words. 

Distributional analysis in its  various  forms is 
commonly used nowadays by lexicologists of 
different  schools  of  thought.  By  the  term 

d i s t r i b u t i o n  we understand the occurrence of a lexical unit rela-
tive to other lexical units of the same level (words relative to words / mor-
phemes relative to morphemes, etc.). In other 

1

 See ‘Word-Structure’, §§ 4, 6, pp. 94, 95. 246

§ 4. Distributional Analysis 

and Co-occurrence