GESPROCHEN
OpenSubtitles 2018
Film- und Fernsehuntertitel. Hervorragend für Alltagsspanisch — und der Grund, warum eine Liste allein daraus Grußformeln und Interjektionen zu weit oben führt.
CC-BY-SA
Quelle
Methode
Wie die Reihenfolge zustande kommt
Die ganze Seite steht und fällt mit einer Behauptung: dass dies die echte Häufigkeitsreihenfolge des Spanischen ist. Das ist nur etwas wert, wenn der Rechenweg sichtbar ist — hier ist er.
Die Korpora
NACHRICHTEN
Leipzig Corpora — news 2022
Spanischsprachiger Journalismus. Bringt den Wortschatz des öffentlichen Lebens mit — Politik, Wirtschaft, Recht —, den Dialog kaum berührt.
CC-BY
Quelle
ENZYKLOPÄDISCH
Leipzig Corpora — Wikipedia 2021
Spanische Wikipedia. Formale, beschreibende Prosa, und die Quelle, die abstrakten und fachlichen Wortschatz im richtigen Verhältnis hält.
CC-BY
Quelle
Ein einzelnes Korpus ist ein Genre, keine Sprache. Untertitel allein brächten dir bei, einem Film zu folgen, und ließen dich in der Zeitung stehen; Wikipedia allein genau umgekehrt. Jedes Wort wird danach eingeordnet, wie es sich in allen drei verhält.
Wie sie kombiniert werden
01
Raten statt Zählungen
Die Korpora sind unterschiedlich groß, rohe Zählungen sind also nicht vergleichbar. Jedes wird zuerst in Vorkommen pro Million Wörter umgerechnet.
02
Geometrisches Mittel
Die drei Raten werden im Logarithmus gemittelt. Das belohnt ein Wort, das überall mittelhäufig ist, gegenüber einem, das nur in einem Register ausschlägt — und genau das sollte „am häufigsten“ heißen.
03
Was entfernt wird
Eigennamen, erkannt daran, wie oft das Wort in den Quellen großgeschrieben auftaucht. Dazu Abkürzungen, Füllwörter und Schreibungen ohne Akzent, deren korrekte Form bereits in der Liste steht. Ein Wort muss in mindestens zwei Korpora vorkommen, um überhaupt zu ranken.
04
Was hinzukommt
Übersetzungen, Wortart, Niveau und ein Beispielsatz werden von Hand geschrieben. Die Aussprache wird aus der Schreibung abgeleitet statt gespeichert, weil die spanische Orthographie regelmäßig genug dafür ist.
Was die Mischung tatsächlich ändert
UNTERTITEL ÜBERGEWICHTEN
Weit oben in einer reinen Untertitelliste, deutlich tiefer, sobald Nachrichten und Enzyklopädie dazukommen:
- sabes
- hola
- oh
- quieres
- has
- dios
- vas
- papá
- necesito
- dije
- oye
- crees
- conmigo
- mierda
DIE MISCHUNG HOLT ZURÜCK
Ganz gewöhnliches Spanisch, das im Dialog kaum vorkommt und das eine Untertitelliste aus den ersten tausend herausgelassen hätte:
- nacional
- partido
- debido
- zona
- nivel
- público
- diferentes
- varios
- proyecto
- serie
- total
- principal
- finalmente
- obra
Was fertig ist
11.0002.0003.0004.0005.000
Übersetzt · 5.000
Ein Punkt = 10 Wörter, nach Häufigkeit geordnet
Alle 5.000 sind gerankt — und alle 5.000 sind übersetzt: jedes Wort hat eine englische und eine deutsche Entsprechung, eine Wortart, ein GER-Niveau und einen Beispielsatz. Der Wortschatztest kann also die ganze Liste nutzen und über die ganze Liste messen. Erst ganz oben, ab etwa 4.750, nennt er eine Untergrenze statt einer Zahl — weil es keine selteneren Wörter mehr gibt, mit denen er prüfen könnte.
Was hier nicht behauptet wird
- Drei Korpora bleiben drei Korpora. Regionales Spanisch, gesprochene Sprache, die nie zum Untertitel wird, und Fachsprachen sind unterrepräsentiert.
- Wörter werden so gerankt, wie sie geschrieben stehen; „es“ und „ser“ sind also getrennte Einträge. Das Lemma steht daneben, denn wer „es“ begegnet, sollte erfahren, zu welchem Verb es gehört.
- Die GER-Niveaus sind eine begründete Einschätzung pro Wort, keine offizielle Zuordnung. Kein Prüfungsanbieter hat sie abgesegnet.
- Die Liste endet bei 5.000. Das Spanische nicht — ein Wort auf Rang 5.001 fehlt hier, und der Test kann nicht unterscheiden, ob du 4.900 Wörter kennst oder 15.000.