Tutkimuksen tavoitteena on selvittää, kuinka sanaston käyttö kehittyy suomi toisena kielenä -oppijoiden teksteissä. Tarkastelun kohteena on sanavaraston rikkaus eli leksikaalinen diversiteetti. Aineistona on 1197 aikuisten ja koululaisten eri tekstilajeja edustavaa kirjoitusta, jotka on arvioitu valmiiksi Eurooppalaisen viitekehyksen mukaisille taitotasoille. Työ on osa Suomen Akatemian ja Jyväskylän yliopiston vuosina 2007-2009 rahoittamaa Cefling hanketta, jonka tehtävänä on selvittää, millaista kielitaito on kullakin Eurooppalaisessa viitekehyksessä kuvatulla kuudella taitotasolla. Tavoitteena on myös selvittää, onko aikuisten ja koululaisten kielenoppimisessa eroja. Keskeisimmät teoreettiset taustaajatukset tulevat Cefling-hankkeen lisäksi sanaston tutkimuksen perinteestä ja erityisesti sanaston määrällisen tutkimuksen lähtökohdista.
Perinteisten menetelmien ja mittareiden lisäksi työ esittelee nykyaikaisia sanastollisen diversiteetin mittaamiseen kehitettyjä, entistä parempia tu
nnuslukuja, joita ei ole aikaisemmin sovellettu suomenkieliseen aineistoon. Tutkimuksessa käytetyistä uusista tunnusluvuista erityisesti MTLD, sanojen monipuolisuusluku, on osoittautunut luotettavaksi ja otoskoosta riippumattomaksi keinoksi mitata sanaston monimuotoisuutta. Toinen yhtä luotettava tunnusluku on Shannonin indeksi. Aineiston sanastoa on verrattu tunnuslukujen avulla myös Suomen sanomalehtikielen taajuussanastoon, sillä aikaisempien tutkimusten mukaan oppijan kielessä esiintyvien sanojen yleisyys tai harvinaisuus kertoo osaltaan kielenkäyttäjän sanastollisesta osaamisesta.
Tutkimus osoittaa, että suomi toisena kielenä -oppijan sanasto kehittyy taitotasojen myötä. Erityisen selkeä harppaus sanaston kehittymisessä tapahtuu MTLD-tunnusluvun ja Shannonin indeksillä laskettujen tulosten mukaan taitotasolta B2 taitotasolle C1 siirryttäessä. Alemmilla tasoilla (A1 ja A2) sanaston kehittymisessä ei tapahdu ratkaisevia askelia, vaan sanaston rikkaus ja monipuolisuus alkavat kehittyä vasta myöhemmin. Johtopäätöstä tukee myös aineistosta laskettujen TTR-arvojen vertailu. Sen sijaan tutkimuksessa mukana olevien tekstilajien välille ei synny niin suuria eroja, että niistä olisi mahdollista tehdä päätelmiä eri tekstilajien osaamisesta.
Aineiston yleisimpien lekseemien tarkastelu paljastaa, että mitä ylempää taitotasoa tekstit edustavat, sitä pienemmäksi yleisimpien lekseemien kattavuus teksteissä laskee. Korkeimmilla taitotasoilla yleisimmätkään lekseemit eivät kata enää prosentuaalisesti yhtä suurta osaa kaikista tekstien saneista kuin alemmilla tasoilla. Tämä kertoo osaltaan suomi toisena kielenä -oppijoiden sanaston monipuolistumisesta kielitaidon kehittyessä.
...
