Lexical Variety in Oral Production of L2 Learners of English as a Factor in Determining Language Proficiency

Abstract

Lexical variety (also referred to as lexical diversity) is a term used to describe the range of lexis used in texts. It constitutes a subcategory of language complexity, which is one of the three components of the CAF theory, that operates with complexity, accuracy and fluency These terms are used in linguistic research to describe language proficiency of native (L1) speakers, but they are also for example part of the CEFR framework, which classifies non- native (L2) speakers into categories based on their overall language competence. The majority of research within the area of lexical variety still focuses mainly on written language. As a result, the analysis of spoken production stays neglected. The analysis of spoken language can be more labour intensive as the data need to be transcribed and pruned before evaluation. A possible simplification would be to work with spoken language corpora that have already been compiled, which is the solution adopted to obtain data for the purpose of this thesis. The corpus used here is the LINDSEI_CZ, this sub-corpus contains transcriptions of Czech L2 speakers of English. The speakers were sorted into proficiency levels between B2 and C1 according to the CEFR standards. The aim of this thesis was to find if there is a significant difference in lexical variety...

Lexikální rozmanitost je termín popisující rozsah užité slovní zásoby v textu. Jedná se o podkategorii jazykové komplexity, která je jedním ze tří základních komponentů teorie označované CAF, která zahrnuje komplexnost (complexity), přesnost (accuracy) a plynulost (fluency). Tyto termíny jsou v lingvistickém výzkumu používány k popisu jazykové úrovně rodilých (L1) mluvčích a jsou také součástí např. rámce CEFR, jenž klasifikuje nerodilé (L2) mluvčí do kategorií na základě souhrnných jazykových dovedností. Většina zkoumání v oblasti lexikální rozmanitosti se i dnes soustřeďuje na jazyk psaný a analýza mluveného projevu bývá opomíjena, jelikož je třeba promluvy transkribovat a získaná data vytřídit. Východiskem může být použití již zkompilovaného korpusu a tato možnost byla také využita k získání dat pro tuto práci. Jedná se o subkorpus LINDSEI_CZ, jenž zaznamenává transkripce českých L2 mluvčích angličtiny, kteří byli zařazeni do jazykových úrovní B2 až C2 dle rámce CEFR. Cílem této práce bylo zjistit, zda lze v projevu mluvčích na úrovni B2 a C1 v daném korpusu pozorovat signifikantní rozdíl v lexikální rozmanitosti. Bylo zkoumáno všech dvanáct mluvčích na úrovni B2 a k nim bylo náhodným výběrem přiřazeno dvanáct mluvčích C1. Pro porovnání jejich jazykové rozmanitosti byly použity dva indexy a to...