단어를 몇 개 알아야 문장이 읽히는가 — 어휘 커버리지의 원리

결론부터: 문장이 읽히는지를 가르는 것은 내가 아는 단어의 개수가 아니라 그 텍스트에서 내가 아는 단어가 차지하는 비율입니다. 응용언어학에서는 이를 어휘 커버리지(lexical coverage)라 부르고, Paul Nation을 비롯한 어휘 연구에서 반복 확인된 경향은 텍스트를 무리 없이 이해하려면 약 95%, 부담 없이 편하게 읽으려면 약 98%의 커버리지가 필요하다는 것입니다. "단어 몇 개를 알아야 하는가"라는 질문에 이 기준으로 다시 답해봅니다.

"안다"가 아니라 "텍스트의 몇 %를 아는가"

어휘력을 개수로만 말하면 오해가 생깁니다. "나는 5,000개를 안다"는 말은 그 자체로는 어떤 글을 얼마나 읽어낼 수 있는지 알려주지 않습니다. 실제 읽기 경험을 좌우하는 것은 지금 손에 든 그 텍스트에서 내가 아는 단어가 차지하는 비율 — 즉 커버리지입니다. 같은 5,000개를 알아도 쉬운 글에서는 커버리지가 99%에 가깝고, 전문적인 글에서는 90%에도 못 미칠 수 있습니다.

그래서 "단어를 몇 개 알아야 문장이 읽히는가"라는 질문은 사실 "어떤 텍스트에서"라는 조건이 빠진 질문입니다. 커버리지는 그 빠진 조건을 채워 넣어, 개수가 아니라 비율로 이해도를 직접 가리키는 지표입니다.

같은 어휘량이라도 텍스트마다 커버리지가 다른 이유

어떤 텍스트든 소수의 고빈도 단어가 전체 단어 사용의 대부분을 차지하고, 나머지 대다수 단어는 각각 드물게 등장한다는 경향이 있습니다. 이를 지프의 법칙(Zipf's law)이라 부릅니다. 그 덕분에 상위 빈도 단어 몇천 개만 확실히 알아도 웬만한 글의 상당 부분이 커버됩니다.

문제는 마지막 몇 퍼센트입니다. 커버리지를 95%에서 98%로 끌어올리는 구간은 그 텍스트만의 저빈도 단어 — 특정 주제·분야에서만 쓰이는 어휘 — 로 채워져 있어서, 범용 고빈도 어휘를 아무리 늘려도 채워지지 않습니다. 수능 지문과 토익 지문에서 "필요한 어휘 개수"가 서로 다른 답으로 나오는 것도 이 때문입니다 — 두 시험이 요구하는 마지막 몇 %가 서로 다른 저빈도 어휘군이기 때문입니다. (관련 글: 수능 영단어 몇 개,토익 점수대별 어휘량)

95%와 98%, 왜 몇 %p 차이가 체감은 훨씬 큰가

커버리지 95%는 대략 스무 단어 중 한 개는 모른다는 뜻입니다. 숫자만 보면 문장마다 모르는 단어가 하나 낄 정도로 들려서 크게 위협적이지 않아 보입니다. 하지만 두 가지 이유로 체감 난이도는 산술적 차이보다 훨씬 큽니다.

• 모르는 단어의 위치를 고를 수 없습니다. 그 한 단어가 하필 문장의 뜻을 뒤집는 부정어나 인과관계를 나타내는 연결어라면, 나머지 열아홉 개를 다 알아도 문장 전체의 해석이 틀어집니다.
• 문맥 추론도 아는 단어에 기대는 작업입니다. 모르는 단어를 주변 문맥으로 짐작하는 전략은 그 주변 단어들을 안다는 전제 위에서만 작동합니다. 모르는 단어가 한 문단에 몰리면 추론에 쓸 단서 자체가 함께 사라집니다.

98%까지 올라가면 이 두 위험이 크게 줄어들어 체감 난이도가 급격히 낮아진다고 알려져 있습니다. "몇 %p 차이"가 아니라 "추론이 가능한 상태"와 "추론의 단서 자체가 무너지는 상태"의 차이이기 때문입니다.

내 커버리지는 몇 %일까 — 추정에서 시작하기

커버리지는 텍스트마다 달라지므로, 출발점은 결국 "내 어휘량이 지금 얼마인가"를 아는 것입니다. 3분 어휘력 진단은 20문항 적응형 테스트로 안정적으로 맞히는 난이도 밴드를 찾아 어휘량을 추정하고, 이를 CEFR·수능 등급대·토익 점수대로 환산해 보여줍니다 — 즉 "그 시험 지문에서 내 커버리지가 대략 어느 구간인지"에 대한 감을 잡게 해줍니다.

추정치가 나왔다면 D-day 학습 플래너에 넣어 목표 어휘량까지의 격차를 하루 학습량으로 환산해 보세요. 격차를 줄이는 순서를 정하는 원리는 하루 몇 개가 적정량인가에서 이어집니다.