げっ

大量の小説から「げっ」を検索すれば、用例がすぐ集まるように思えます。ところが結果には、「すげって何だ」の一部や、表記を崩した別の語が紛れうる一方、「げ」「ゲッ」「げえっ」は漏れます。コンピュータにとって文字列の一致と語の一致は別物です。短い感動詞ほど周囲との境界が曖昧で、表記揺れの影響も大きい。コーパス——一定の方針で集めた言語資料——を使ってこの声を調べる作業は、検索件数を読む前に、何を同じ語として数えるかを決めるところから始まります。

形態素解析も万能ではありません。句読点に挟まれた「げっ、宿題を忘れた」は切り出しやすいのに、漫画的な台詞の「げーーっ！」や、地の文と連続する自由間接話法は判定が難しくなります。そこで実際の調査では、候補となる綴りを複数検索し、前後の文脈を人が確認する手順が要る。長音や促音を正規化すれば拾える例は増えますが、「げっ」と「げえ」を同一視しすぎれば、声の長さが示す驚きの差を消してしまいます。集計の便利さと表現の細部は、しばしば交換条件になります。

件数より有益なのが、前後に何が現れるかを見る共起です。作例を小さな資料にしても、「請求書を見て、げっ」「扉を開けると、げっ」「げっ、先生」のように、直後には望ましくない発見や人物が置かれやすいと予想できます。ただし、これは驚き一般ではありません。宝くじの当選に発したなら、喜びより先に困惑や不信が立ったと読める。「うわ」が嫌悪にも感嘆にも広く動けるのに対し、この声は話者の評価を負の側へ傾けやすい、という仮説を立てられます。確かめるには、対象資料を定め、各用例を驚き、嫌悪、失敗の自覚などに分類します。

資料の偏りにも用心が必要です。新聞記事を集めたコーパスでは会話的な感動詞が少なく、台詞の多い娯楽小説では増えるでしょう。年代、媒体、登場人物の年齢設定が違えば、表記も頻度も変わる可能性がある。ある資料で少ないから日本語全体で珍しい、とは言えません。これは標本から母集団を推測する統計の基本と同じです。どの棚から本を取ったかを示さずに割合だけ比べると、文体差を時代差と取り違えます。

創作では、こうした計量の限界そのものが手掛かりになります。「げっ」を一度置けば、説明なしに反射的な拒否を示せる反面、同じ人物に繰り返させれば漫画的な口癖へ近づく。台詞一覧を検索し、誰が、何を見たとき、どの表記で発したかを並べるだけでも偏りは見えるはずです。章ごとの回数を表にすれば、意図しない集中や、緊迫した場面での調子外れも発見できます。さらに前後一文を添えて一覧にすれば、同じ声が嫌悪、驚き、失敗の自覚のどれに寄っているかも比較できます。数える目的は平均的な用法へ従うことではなく、自分の用法が作中でどんな分布を作るか知ることにある。検索窓からこぼれる表情を文脈へ戻して初めて、一文字と促音からなる短い声は、人物固有の反応として聞こえてきます。