7 Stunden Serie — ein Wort mehr als die Gruppe, die nichts gesehen hat

Die zwanzig Minuten ohne Untertitel

Nimm eine Folge, die du mindestens dreimal gesehen hast. Schalte die Untertitel aus und spiel die ersten zwanzig Minuten ab.

Dann versuch es auf Englisch zu sagen: was die Hauptfigur gefragt hat und wie die andere Person geantwortet hat.

Die meisten bringen nicht mehr als ein, zwei Sätze zustande. Manche wissen nicht einmal mehr, was die Frage war — in einer Folge, die sie nach eigener Auskunft dreimal gesehen haben.

Das ist kein Gedächtnisproblem. 1991 machte eine belgische Forschungsgruppe mit einem Eyetracker etwas sehr Schlichtes: Sie setzte Menschen vor untertiteltes Fernsehen und zeichnete auf, wohin die Augen gingen. Die Untertitel zu lesen, fanden sie, ist praktisch verpflichtend. Du entscheidest nicht, ob du sie liest. Sie erscheinen, und deine Augen sind schon dort. Es passiert, wenn der Ton mühelos zu verstehen ist, und es passiert, wenn du dir vorgenommen hast, nicht hinzusehen.

Der Ton wird nicht ignoriert. Dieselben Forschenden stellten später fest, dass Erwachsene sich sehr wohl bemühen, der Sprache zu folgen.

Aber die Bedeutung kommt nicht über die Sprache an. Sie ist längst von dieser Textzeile geliefert worden, und das Hören läuft nebenher. Deine Ohren waren nie abgeschaltet. Sie wurden nur nicht mehr gebraucht.

Der Eintritt für eine Folge kostet fünf- bis siebentausend Wortfamilien

Wie viel Wortschatz braucht man also, um einer Folge ohne diese Textzeile zu folgen?

Die angewandte Linguistik hat das mehr als einmal ausgezählt. Eine Studie von 2009 zerlegte 88 Fernsehsendungen — mehr als 260.000 laufende Wörter Dialog. Wer die 3.000 häufigsten Wortfamilien kennt, plus die Eigennamen der Serie, deckt 95% des Gesagten ab. Für 98% braucht es 7.000 Wortfamilien.

2022 zählte jemand auf einem weit größeren Korpus nach — Seifenopern, Fernsehsendungen und Filme, zusammen über 600 Millionen Wörter — und landete etwas tiefer: 3.000 Wortfamilien für 95% des Fernsehdialogs, 5.000 für 98%. Eine frühere Untersuchung zum gesprochenen Englisch allgemein setzte die Zahl bei 6.000 bis 7.000 an.

Drei Studien, drei Korpora, und die 98%-Linie landet jedes Mal im selben Band: fünf- bis siebentausend Wortfamilien.

Fairness verlangt eine Einschränkung. Die Autoren der Studie von 2009 bevorzugten die 95%-Linie — sie schlossen, dass 3.000 Wortfamilien für ein angemessenes Fernsehverständnis reichen könnten. Der Grund, hier 98% zu nehmen, ist ein vielzitiertes Leseexperiment, das fand, dass bei 95% Abdeckung mehr Lesende den Text nicht verstanden als verstanden, und daraus eine Schwelle um die 98% ableitete.

Mehr als eine Ableitung ist es nicht. Jenes Experiment prüfte 80%, 90%, 95% und 100% — nie 98% — und spätere Replikationsversuche haben das Ergebnis nicht vollständig reproduziert. 98% zu nehmen ist die strenge Lesart, nicht die gesicherte.

Auch die Einheit zählt. Eine Wortfamilie ist hier ein Stamm mit allen Flexionen und regelmäßigen Ableitungen: add, added, adding, addition, additional, additionally — diese sechs zählen als eine. Chinas Hochschulaufnahmeprüfung erwartet rund 3.500 Wörter, und das CET-6, die höhere der beiden nationalen Englischprüfungen, die die meisten chinesischen Studierenden ablegen, rund 5.500. Beide zählen Wörterbucheinträge, und diese Listen enthalten schon reichlich Wörter, die Ableitungen voneinander sind.

Rechnet man 5.500 Einträge in Wortfamilien um, kann die Zahl nur schrumpfen. Die Lücke ist größer, als sie aussieht.

Zurück zu einer Folge. Jene 88 Sendungen hatten im Schnitt etwas über dreitausend laufende Wörter. Bei 95% Abdeckung sind rund 150 Wörter einer Folge Wörter, die du nicht kennst. Bei 98% sind es immer noch etwa 60.

Und diese 60 warten nicht. Sie ziehen in Gesprächstempo vorbei, vergraben in Bindungen, verschluckten Silben und einem Musikeinsatz.

Sieben Stunden, sechs Wörter — und die, die nichts gesehen haben, bekamen fünf

Man muss ja nicht alles verstehen, heißt es. Man schnappt es unterwegs auf.

Eine Studie von 2020 hat genau das gemessen. Einhundertsiebenundachtzig japanische Studierende sahen zehn Folgen derselben US-Serie, je 42 Minuten, insgesamt über sieben Stunden. Die Forschenden wählten 60 niederfrequente Wörter aus der Serie und testeten sie vorher und nachher.

Der durchschnittliche Zuwachs betrug 6,4 Wörter.

Entscheidend ist die andere Gruppe. Dreiundsiebzig Studierende derselben Universität sahen überhaupt keine Folge. Sie schrieben nach demselben Intervall einfach denselben Test noch einmal. Sie „lernten“ 5,3 Wörter.

Der Nettoertrag von über sieben Stunden lag bei etwa einem Wort.

Woher kamen diese 5,3? Der Test war Multiple Choice mit sieben Optionen. Im zweiten Durchgang heben Ausschlussverfahren und Glück die Punktzahl von allein ein wenig an. Dieser Anteil hat nichts damit zu tun, dass man etwas gesehen hat, und er schluckt fast den gesamten Zuwachs.

Das eine verbleibende Wort ist ein geschöntes. Jene 60 Zielwörter waren von Hand ausgewählt, kamen über die zehn Folgen hinweg im Schnitt zehnmal vor, und die Studierenden kannten mehr als die Hälfte davon schon vorher — eines der Zielwörter kannten 182 von 187 vorab. Die Wörter, denen man beim Sehen tatsächlich begegnet, tauchen meist ein- oder zweimal auf, und niemand bietet einem sieben Optionen an.

Rechnen wir mit der großzügigen Zahl weiter — was folgt, ist eine Annahme, keine Statistik. Angenommen, du kennst locker 3.000 Wortfamilien und willst 6.000. Mit 6,4 Wörtern pro sieben Stunden, nicht dem Netto von einem, sind das 3.300 Stunden oder rund 4.700 Folgen. Eine Folge pro Tag, dreizehn Jahre.

Fairerweise: Das eigene Fazit des Forschers ist weniger düster. Er rechnet vor, dass Vokabellernen durch Zusehen etwa so effizient ist wie einen Roman zu lesen, vielleicht minimal besser. Er hat recht, und was das heißt, ist: beide Wege sind zu langsam, um der Hauptweg zu sein — nicht, dass Zusehen besonders schlecht wäre.

Und am Ende von dreizehn Jahren kannst du einer Fernsehserie folgen. Nicht sprechen.

Die kanadischen Kinder, die ein Jahrzehnt zuhörten und es trotzdem nicht sagen konnten

Der härteste Beleg dafür, dass Input allein nicht reicht, kam nicht aus dem Labor. Er kam aus kanadischen Schulen.

Ab 1965 betrieb Kanada die französische Immersion: englischsprachige Kinder, die von den ersten Schuljahren an Mathematik, Naturwissenschaften und Sozialkunde auf Französisch hatten. Das ist ungefähr so viel Input, wie ein Mensch realistisch aufnehmen kann — sechs Stunden am Tag, über mehr als ein Jahrzehnt.

Die Forscherin Merrill Swain untersuchte diese Schülerinnen und Schüler in den 1980er-Jahren. Was sie fand, wurde zum Wendepunkt des Fachs. Ihr Hör- und Leseverstehen war nah an Muttersprachniveau, und dennoch trug das Französisch, das sie produzierten, weiterhin Fehler, die ein Muttersprachler nicht machen würde — Jahr für Jahr.

Swains Erklärung war: Was ihnen fehlte, war nicht Input, sondern Gelegenheiten, zum Produzieren von Sprache gedrängt zu werden. Beim Hören kann man sich auf Kontext, Tonfall und Bild stützen; man holt die Bedeutung heraus, ohne die Grammatik je aufzulösen. Erst wenn man selbst an der Reihe ist, den Satz zu sagen, muss man entscheiden, welche Form dieses Verb annimmt und woran der Nebensatz hängt.

Kinder mit einem Jahrzehnt Immersion überschritten diese Linie nicht durch Zuhören. Ein Erwachsener mit zwei Folgen pro Woche wird sie auch nicht überschreiten.

„Ich habe Englisch durch Serien gelernt“ hat die Kausalität verkehrt herum

Und doch lernen Menschen tatsächlich so. An jeder Schule gibt es ein paar davon, und sie lügen nicht.

Das Problem ist, wohin der Pfeil zeigt.

Um aus einer Serie etwas herauszuholen, muss man ihr ungefähr folgen können — das heißt, der Wortschatz liegt schon bei Tausenden von Wortfamilien. Fernsehen hat ihr Englisch nicht gut gemacht. Ihr Englisch wurde erst gut genug, und dann fing Fernsehen an, sich auszuzahlen. Alle unterhalb dieser Linie lesen Untertitel, und niemand aus dieser Gruppe schreibt je „Ich habe Englisch durch Serien gelernt“, weil sie es nicht getan haben. Wir hören nur eine Seite.

Es gibt eine zweite Schicht, die gern verlorengeht: Was diese Leute taten, war oft gar kein Zusehen.

Dieselbe Folge noch einmal abspielen, anhalten und einen Satz laut nachsprechen, die Intonation kopieren, einen ganzen Wortwechsel auswendig lernen und vorspielen — das sieht immer noch aus wie Serienschauen, ist aber Produktionsübung. Dieser Teil hat gewirkt. Und dieser Teil fällt aus der Geschichte heraus, sodass „Serien schauen“ den Ruhm allein einstreicht.

Die Idee hat sich gehalten, weil sie alle drei Dinge hat, die sie braucht: Sie verkleidet Lernen als Unterhaltung, der Einstieg kostet also nichts; sie ist nicht falsifizierbar, denn wer nichts gelernt hat, hat eben nicht genug geschaut; und sie trägt ein Geschäft.

Anfang 2021 schaltete die Polizei in Shanghai die bekannteste chinesische Fansub-Gruppe für US-Serien ab; in der Mitteilung war von über acht Millionen registrierten Mitgliedern die Rede. Acht Millionen Menschen in der Schlange für das eine, was Hören wieder in Lesen verwandelt.

Zurück zu diesen zwanzig Minuten.

Dass du es ohne Untertitel nicht sagen konntest, heißt nicht, dass das letzte Jahrzehnt vergeudet war. Es heißt nur eines: Du hast Wiedererkennen geübt, und du hast weder Hören noch Sprechen geübt, und die drei wachsen getrennt.

Fernsehen ist gut. Es verdient, genossen zu werden, und sobald du eine Basis hast, hebt es deinen Wortschatz tatsächlich ein wenig. Was es nicht tut, ist der schwierige Teil — einen ganzen Satz produzieren, während jemand darauf wartet.

Dafür gibt es nur einen Weg zu üben: wirklich etwas sagen, mit jemandem am anderen Ende. Darum haben wir Unscript gebaut — das Gespräch festhalten und dann das Skript Stufe für Stufe wegziehen, damit Sprechen nicht erst fünftausend Wortfamilien oder einen Vorrat an Mut voraussetzt.

Heute Abend lass die Untertitel an. Schau es als Serie.