기출 지문을 읽는 데 단어는 몇 개 필요한가 — 105만 단어 빈도 분석

"수능 영어는 3,000단어면 된다", "아니 5,000단어는 알아야 한다" — 숫자는 많이 도는데 근거는 잘 안 보입니다. 저희는 기출 지문을 갖고 있으니 직접 세기만 하면 됩니다.

2006~2026년 고1·고2·고3 독해 문항 중 산문 지문 6,326개를 단어 단위로 쪼갰습니다. 총 1,050,564단어, 서로 다른 형태는 26,435개였습니다. 이 빈도표로 "단어를 N개 알면 지문이 몇 %나 읽히는가"를 계산했습니다.

100단어가 지문의 절반이다

가장 흔한 100개 단어만으로 지문의 48.4%가 채워집니다. the·of·to 같은 기능어와 people·time 같은 기초 명사입니다. 여기서 500개로 다섯 배 늘려도 65.8%, 17%p밖에 오르지 않습니다.

기준을 뒤집어 보면 이렇습니다.

• 지문의 80%를 덮는 데 1,668개
• 90%로 올리려면 4,178개 (2.5배)
• 95%까지는 7,662개 (4.6배)

뒤로 갈수록 단어 하나가 벌어 주는 몫이 급격히 떨어집니다. 앞 1,668개는 단어당 평균 0.048%를 덮는데, 4,178번째에서 7,662번째 구간의 단어는 단어당 0.0014%입니다. 33배 차이입니다.

2,000단어를 알면, 지문 하나에 모르는 단어가 32개

비율은 감이 안 옵니다. 2016년 이후 지문의 평균 길이가 174단어니, 이걸 개수로 바꿔 보겠습니다.

2,000단어를 아는 학생이 기출 지문 하나를 펴면 모르는 단어가 32개 지나갑니다(서로 다른 단어로는 25.7개). 다섯 단어에 한 번씩 걸리는 셈이라 글의 흐름을 잡기 어렵습니다.

3,000단어면 24개, 5,000단어면 14.9개로 줄어듭니다. 흔히 말하는 "읽기가 되는 수준"(모르는 단어가 100단어에 5개 이하)에 닿으려면 5,000단어대는 필요하다는 계산이 나옵니다.

26,435개 중 7,290개는 딱 한 번 나온다

단어를 무한정 외울 수 없는 이유가 빈도표에 그대로 있습니다. 서로 다른 형태 26,435개 가운데 7,290개(27.6%)는 21년치 시험지 전체에서 단 한 번만 나왔습니다. 두 번 이하인 것까지 합치면 40%에 가깝습니다.

21년치 안에서 한 번씩만 쓰인 단어들이라, 적어도 기출 범위에서는 다시 만날 기대값이 매우 낮습니다. 그러면서 지문에는 계속 섞여 나옵니다. 이 빈도 구조에서는 "모르는 단어가 하나도 없는 상태"를 목표로 잡기 어렵고, 문장 안에서 모르는 단어를 건너뛰고 뜻을 잡는 처리 쪽에 무게를 두는 편이 현실적이라고 봅니다. 다만 두 학습 방식을 비교해 본 수치는 아닙니다.

학년이 올라가면 어휘가 넓어진다

상위 2,000개(전체의 82.1%를 덮는 목록) 밖에 있는 단어가 지문에서 차지하는 비율로 학년을 비교했습니다.

• 고1 15.8% · 고2 17.8% · 고3 18.9%

유형 구성은 학년별로 1%p 안쪽으로 같았는데, 어휘는 갈립니다. 고1과 고3의 차이는 3.1%p — 174단어 지문으로 치면 한 지문에 5~6단어입니다. 고1 기출로 유형 훈련은 되지만, 어휘 체감은 고3 기출이 확실히 위입니다.

20년 동안 꾸준히 넓어졌다

2006년 15.8%에서 2026년 19.7%까지, 20년에 3.9%p 올랐습니다. 지문 단어 수 증가는 2015년에 멈췄는데 어휘 폭은 2020년 이후에도 계속 벌어집니다. 2022년부터 5년 연속 오름세입니다.

문장은 계속 길어지고 어휘는 계속 넓어지는 중입니다. 시험지 분량은 고정됐는데 안에 들어가는 문장과 단어가 무거워지는 방향입니다.

유형별로는 지칭추론·장문이 가장 많이 걸린다

2016년 이후 문항만 유형별로 갈라, 지문 하나에서 상위 2,000개 밖 단어가 몇 개 나오는지 셌습니다.

비율과 개수가 다르게 나오는 게 이 표의 핵심입니다. 밖 단어 비율이 가장 높은 유형은 안내문 일치(21.9%)인데, 지문이 짧아 실제 개수는 20.4개로 가장 적은 쪽입니다. 반대로 지칭추론은 비율이 15.6%로 가장 낮은데 개수로는 51.1개입니다. 지문이 길기 때문입니다.

빈칸추론은 30.5개로 중간입니다. 읽기량도 중간이었습니다. 빈칸추론이 어려운 이유는 어휘나 분량이 아니라 논리 구조라는 쪽에 무게가 실립니다.

정리

• 기출 지문의 절반은 가장 흔한 단어 100개로 채워집니다.
• 80%를 덮는 데 1,668개, 90%에 4,178개, 95%에 7,662개 — 뒤로 갈수록 효율이 급락합니다.
• 2,000단어 수준이면 지문 하나에 모르는 단어가 32개, 5,000단어면 14.9개입니다.
• 형태 26,435개 중 27.6%는 21년 동안 한 번만 나왔습니다. 전부 외우는 전략은 성립하지 않습니다.
• 어휘 폭은 학년(고1 15.8% → 고3 18.9%)과 연도(2006년 15.8% → 2026년 19.7%) 양쪽으로 계속 넓어집니다.

데이터에 대해

• 대상: 2006~2026년 고1·고2·고3 전국연합학력평가·수능 영어 독해 문항 중 지문이 60단어 이상인 산문 지문 6,326개(총 1,050,564단어). 도표·짧은 안내문 등 60단어 미만 지문은 어휘 통계를 왜곡해 제외했습니다.
• 단어는 영문자와 아포스트로피만 남겨 소문자로 통일해 셌습니다. 원형 복원(lemmatization)은 하지 않았습니다 — work와 works, worked는 각각 다른 형태로 셉니다. 따라서 "필요 단어 수"는 단어책의 표제어 수보다 크게 나옵니다. 표제어 기준으로는 대략 3분의 2 수준으로 보시면 됩니다.
• 사람 이름·지명처럼 항상 대문자로만 나오는 형태 1,684개(전체 토큰의 2.6%)는 빈출 목록에서 제외했습니다. 커버리지 계산에는 지문에 실제로 등장하는 단어이므로 그대로 포함했습니다.
• 빈도 순위는 외부 어휘 목록이 아니라 이 기출 말뭉치 자체에서 뽑았습니다. 즉 "상위 2,000개"는 기출에 가장 많이 나온 2,000개이며, 시판 단어장의 2,000단어와 같지 않습니다.
• 연도별 표는 지문이 60개 미만인 2007·2008년을 뺐습니다. 2026년은 상반기 시험까지만 반영됐습니다.
• 수능 짝수형 시험지는 홀수형과 문항·번호가 완전히 같아 중복으로 보고 집계에서 뺐습니다(전체 8,402 → 7,915문항).