Ofte har enkle spørgsmål komplekse svar. For eksempel: hvad er forskellen mellem sprog og dialekt? Hvis du beslutter dig for at spørge en sprogforsker om dette, skal du læne dig tilbage. Selvom der ved første øjekast ikke er noget vanskeligt i dette spørgsmål, kan det besvares på forskellige måder.
Sondringen mellem sprog og dialekt kan afhænge af et eller andet synspunkt. Fra et politisk synspunkt er sprog, hvad folk normalt taler som en nation. For eksempel fra 1850 til 1992 eksisterede det såkaldte serbokroatiske sprog, som omfattede flere dialekter, herunder serbisk, kroatisk og bosnisk. Men efter at Jugoslavien delte sig i flere uafhængige stater i midten af 1990'erne, blev disse dialekter anerkendt som separate sprog. Denne politiske definition fungerer delvist, skønt den medfører flere problemer end løsninger: der er sprog, der tales i forskellige lande, et slående eksempel på dette er spansk i Latinamerika. Ingen ville argumentere for, at mexicansk spansk og colombiansk spansk er forskellige sprog. Muligvis spansk, talt i dele af Spanien,så forskellig fra sine latinamerikanske sorter, at den fortjener at blive kaldt et separat sprog, men det er ikke helt klart.
Hvad hvis vi trækker grænsen mellem sprog og dialekt, styret af kriteriet om gensidig forståelse? Desværre er denne tilgang heller ikke ideel. En dansker vil forstå svensk noget bedre end en svensker vil forstå dansk. Ligeledes vil en person, der taler den ejendommelige bondedialekt af britisk engelsk, forstå en amerikaner fra Los Angeles meget bedre end en amerikaner. Gensidig forståelse afhænger ofte af eksterne faktorer - de er en ret ukontrollerbar variabel - og ikke af selve sprogets iboende egenskaber.
Så måske skulle vi indtage en rent sproglig tilgang. Forestil dig, at vi systematisk kan måle forskellen (D) mellem to talevarianter. Den specifikke betydning af D vil så give os mulighed for at definere grænsen mellem to dialekter og to sprog. At finde en sådan værdi burde ikke være særlig vanskelig, da de to sprog kan sammenlignes på mange kriterier, såsom sund opgørelse, grammatiske egenskaber eller ordforråd.
Men hvad nu hvis forskellene mellem talevariationer er gradvise, og sandsynligheden for at finde en given værdi på D er så høj som sandsynligheden for at finde en anden værdi? Derefter skulle vi vælge en vilkårlig værdi af D som udgangspunkt, og en vilkårlig værdi ville kaste os tilbage til overvejelser af politisk eller praktisk karakter, som vi ikke havde til hensigt at overveje. Ønsker vi, at vores afbrydelseslinje skal være på det niveau, hvor serbisk og kroatisk er forskellige sprog eller et? Katalogisering af verdens sprog, hvor mange tusinde sprog vil vi sende til glemsel: fem? Eller syv? Måske ti tusind?
I de senere år er to store hindringer for at skelne mellem sprog og dialekt er overvundet. Den første er, hvordan man måler forskellene mellem talevarianter - det vil sige finde en værdi for D. I 2008 oprettede en gruppe sprogvidere det automatiserede lighedsdomsprogram (ASJP), en daglig kurator og grundlægger, der virkelig er din. ASJP har omhyggeligt udarbejdet et systematisk sprogsammenligningssæt, der i øjeblikket indeholder 7655 ordlister. De er relevante for to tredjedele af verdens sprog, forudsat at sprog til vores formål er defineret af ISO 639-3 standardkoden. Da hver ordliste indeholder et fast sæt med 40 begreber, der fortolkes konsekvent, er det let at sammenligne dem og dermed få et mål for forskellen. Det mest anvendte mål for forskellen mellem to ord er Levenshtein-afstanden, et udtryk opkaldt efter Vladimir Levenshtein, en sovjetisk videnskabsmand, der i 1965 udviklede en algoritme til sammenligning af to tegnstrenge. Han definerede "afstand" som det mindste antal udskiftninger, indsættelser og sletninger, der kræves for at omdanne en linje til en anden. Levenshtein-afstanden kan nyttigt divideres med længden på den længste af de to linjer, og dermed sætte alle afstande på en skala fra 0 til 1. Dette fænomen er kendt som den normaliserede Levenshtein-afstand, eller LDN. Han definerede "afstand" som det mindste antal udskiftninger, indsættelser og sletninger, der kræves for at omdanne en linje til en anden. Levenshtein-afstanden kan nyttigt divideres med længden af den længste af de to linjer og dermed sætte alle afstande på en skala fra 0 til 1. Dette fænomen er kendt som den normaliserede Levenshtein-afstand, eller LDN. Han definerede "afstand" som det mindste antal udskiftninger, indsættelser og sletninger, der kræves for at omdanne en linje til en anden. Levenshtein-afstanden kan nyttigt divideres med længden på den længste af de to linjer, og dermed sætte alle afstande på en skala fra 0 til 1. Dette fænomen er kendt som den normaliserede Levenshtein-afstand, eller LDN.
Den anden hindring er, at måske "sprog" og "dialekt" er begreber, der kun kan defineres i vilkårlig rækkefølge. Her har vi nogle meget opmuntrende nyheder til dig. Hvis vi ser på alle sprogfamilierne i ASJP-databasen, hvor projektdeltagerne har inkluderet en betydelig andel af nært beslægtede sorter, kan vi begynde at søge efter forskellige typer adfærd for sprog og dialekter. Et spændende billede opstår foran os: afstandene svinger som regel enten omkring en relativt lille værdi eller omkring en relativt stor, og der dannes en depression mellem dem. Som det viser sig, ligger dette trug oftest i et snævert interval med et gennemsnit på ca. 0,48 LDN. Vi tager ikke fejl, hvis vi siger, at talevarianter ikke har en del af hinanden i deres grundlæggende ordforråd. Enten er der en tendens til større lighed, i hvilket tilfælde talevarianterne kan defineres som forskellige dialekter eller mindre lighed, i hvilket tilfælde de kan tilskrives forskellige sprog. Det er her grænsen mellem sprog og dialekt ligger.
Dette fænomen var sandsynligvis et resultat af sociale forhold. Dialekter adskiller sig, når folk bosætter sig i nye territorier og danner nye identiteter, men hvis der stadig er en vis kontakt mellem dem, kan konvergens finde sted således, at talevarianter forbliver mere end 50 procent ens (og dermed tale handler om et sprog). Imidlertid kan et lille skub mod divergens få sprogvarianter til at afvige relativt hurtigt og øge Levenshtein-afstanden, i hvilket tilfælde vi kan kvalificere dem som separate sprog. Der kan være et forhold mellem grænsen for afstandene mellem ord i standardlisten, der bruges af ASJP, og de tilsvarende afstande i andre dele af sprogstrukturen, hvilket kan føre til et alvorligt tab af forståelse. Med andre ord,tærsklen til forståelse kan korrelere med tærsklen mellem sprog og dialekter. Vi har endnu ikke undersøgt dette emne, men som et objekt til forskning er det ekstremt interessant.
Salgsfremmende video:
Efter at være nået frem til et objektivt snarere end et vilkårligt kriterium for at adskille sprog fra dialekter, kan vi anvende det på verdens sprog. Nogle par talesorter, der betragtes som nationale sprog, såsom bosnisk og kroatisk, ligger langt under LDN-tærsklen på 0,48 (hvilket betyder, at de er det samme sprog uanset eksistensen af Jugoslavien). Ikke langt fra denne tærskel findes sprog som hindi og urdu (de kan næppe kaldes to forskellige sprog). Og varianter af arabisk og kinesisk, som ofte ses som de samme sprog, svæver over LDN = 0,48 (disse sorter er separate sprog). Faktisk er der flere par sorter, der normalt betragtes som forskellige sprog, men som svinger på grænsen: for eksempel dansk og svensk, som har et LDN på 0,4921.
Endelig kan en teknik, der stammer fra datasæt, kaldet ASJP-kronologi, anvendes til at bestemme den tid, det tager for dialekter at distancere sig langt nok fra hinanden til at blive betragtet som separate sprog. Resultatet, vi fandt, er 1059 år, hvis vi ikke tager højde for en eller anden fejl. Disse fund understøttes af, hvor lang tid det normalt tager for det generiske sprog for en sprogfamilie at opdele sig i dattersprog, som senere bliver forfædre til underfamilier. Til dette har vi brug for andre analysemetoder, men resultaterne er ens: det tager cirka et årtusinde at gøre dialekter til sprog. Vi ved dette, fordi vi nu kan skelne den ene fra den anden.
Søren Wichmann er en dansk sprogforsker, der samarbejder med Leiden University (Holland), Kazan Federal University (Rusland) og Peking Linguistic University (Kina). Hans seneste bog, Temporal Stability of Linguistic Typological Features (2009), blev medforfatter sammen med Eric W. Holman.