빈도목록 (Frequency List)
쉽게 풀면
말뭉치 속 단어들이 각각 몇 번씩 나왔는지 세어서, 많이 나온 순서대로 정리한 목록이에요.
왜 중요한가
빈도 목록은 코퍼스에서 단어를 출현 빈도순으로 나열한 것으로, 어휘 교육에서 학습 우선 어휘 선정(GSL, NGSL, 한국어 교육용 어휘 목록), 어휘 크기 검사 제작, 텍스트 난이도 산정의 기초 자료입니다. 심리언어학에서는 단어 빈도가 인식 시간을 예측하는 가장 강력한 변수여서 실험 자극 통제에 필수적입니다.
논문에서는 이렇게 쓰입니다
빈도목록이 어휘 교육의 우선순위 결정에 실질적으로 활용되는 방식을 설명하고 있다.
단어가 나온 횟수를 세어 정리해 보니 분야별로 자주 쓰이는 표현이 다르다는 것을 확인했다는 설명입니다.
조금 더 깊게 보면
빈도 목록은 코퍼스의 구성에 절대적으로 의존하므로, 어떤 코퍼스에서 나왔는지 모르는 빈도 수치는 의미가 없습니다. 또 표제어 단위(어절·레마·단어족)를 어떻게 잡는지에 따라 순위가 크게 달라지고, 분산도(dispersion)를 고려하지 않으면 특정 텍스트에 몰린 단어가 과대평가됩니다. 고빈도 구간을 지나면 빈도 차이의 신뢰도가 급격히 떨어져 순위 비교가 무의미해집니다. 빈도목록에서 상위권 단어는 대개 기능어(전치사, 관사, 접속사)가 차지하며, 내용어의 빈도 순위는 코퍼스 장르에 훨씬 민감하게 반응하므로 어휘 교육용 목록은 장르를 균형 있게 섞은 코퍼스에서 산출해야 한다. 최근에는 단순 절대 빈도 대신, 코퍼스 내 여러 하위 구간에 얼마나 고르게 퍼져 나타나는지를 반영한 분산도 지표(예: 줄랑의 D, 그리스의 DP)나 이를 반영한 보정 빈도를 함께 보고하는 것이 어휘 목록 산출의 표준으로 자리잡고 있다.
주의할 점
빈도목록은 사용된 말뭉치의 장르와 성격에 따라 결과가 크게 달라질 수 있으므로, 특정 목적에 맞는 균형 잡힌 말뭉치에서 산출된 것인지 확인해야 한다. 빈도 목록의 순위는 표본 크기가 커질수록 안정되므로, 소규모 코퍼스에서 얻은 저빈도 단어의 순위 차이는 통계적으로 신뢰하기 어렵다. 원시 빈도만으로는 단어가 문서 전반에 고르게 퍼졌는지 소수 문서에 몰렸는지 알 수 없어, 어휘 목록 산출 시 분산도 지표를 함께 확인하는 것이 바람직하다.