Corpus survey · 2026-09-07

五文型の実測、
とくに SVOC の C は何か

23.8億語のバランスコーパスから 2,163万文を無作為抽出し、係り受け解析して 3,433万の定形節を第1〜第5文型に分類した。SVO＋to do は第5文型に数えている。ラベルは層別サンプル337件を人手で照合して精度を実測した。

21,625,500解析した文

318,028,050語（コーパスの13.4%）

34,331,727分類した定形節

337人手で照合した節

01 — 五文型の割合

英文の20分の19は第1〜第3文型で終わる

単位は定形節（主節・等位節・that節・関係詞節・副詞節をそれぞれ1件）。受動態と there 構文は表層では SV / SVC に見えてしまうので、5文型とは別枠にした。下の割合は5文型だけを分母にした値。

SVOC第1 SV

27.7%8,643,356

SVOC第2 SVC

19.3%6,002,756

SVOC第3 SVO

48.6%15,137,768

SVOO第4 SVOO

1.25%389,059

SVOC第5 SVOC

3.14%979,566

5文型の外に置いたもの（別の分母：全節に対する割合）

7.42%受動態 2,549,039節

1.84%there 構文 630,183節

8.4%定形動詞のない断片文（文単位）

第4文型と第5文型を足しても4.4%。 教科書での扱いの重さと、実際に出会う頻度は釣り合っていない。なお the book I bought のような関係詞省略の目的語空所は表層に目的語がないため SV に落ちる（全節の1.11%）。これを SVO に振り替えると SV 27.7→26.5%、SVO 48.6→49.8%。主節だけに限れば SV 22.1 / SVC 20.3 / SVO 52.4 / SVOO 1.56 / SVOC 3.61%。

02 — 本題

SVOC の C の4分の3は準動詞

「生」は機械分類そのままの件数、「補正後」は C の型ごとに人手で測った精度（右列）を掛けて再正規化した推定値。過去分詞Cの精度が低いのは the assay developed herein のような縮約関係詞を have O 過去分詞と取り違えるため。

準動詞が C（補正後合計 75.6%）

原形不定詞

31.1%生 28.0 / 精度 .91

to不定詞

31.1%生 27.1 / 精度 .94

現在分詞

9.3%生 12.2 / 精度 .63

過去分詞

4.1%生 7.7 / 精度 .44

名詞・形容詞が C（補正後合計 23.0%）

形容詞

15.4%生 14.3 / 精度 .88

名詞

7.6%生 8.6 / 精度 .72

その他

副詞・前置詞句ほか

1.4%生 2.1

学校で最初に教える「call O C（名詞）」「make O C（形容詞）」型は、合わせても23%しかない。定義の説明としては名詞・形容詞が最も分かりやすいので、 定義は名詞・形容詞、演習量は準動詞と配分を分けるのが実態に合う。

03 — C の型ごとに、その C を取る動詞

原形不定詞Cの57%は let

各カードの％は、その C 型の SVOC 内での構成比。例文はコーパスからそのまま採った実例で、 O は青の下線、C は橙の下線で示した。

C = 原形不定詞

let

57.2%

make

18.9%

help

7.3%

see

6.3%

have

3.9%

hear

3.0%

watch

2.0%

feel

1.3%

Let me get my jacket.

They make us go do the shopping by bus.

I could feel him breathe on me.

C = to不定詞

want

24.4%

allow

10.7%

tell

8.1%

ask

8.0%

expect

4.7%

need

4.1%

get

2.6%

force

2.6%

I want you to eat something before you go into the water.

He forced me to steal the technology!

C = 形容詞

make

39.0%

find

8.7%

keep

6.3%

get

5.3%

leave

4.0%

have

2.9%

call

2.7%

That permanence makes analysis possible.

So, you'd better keep him alive.

C = 現在分詞

see

18.8%

have

9.5%

hear

6.5%

find

6.0%

get

4.5%

feel

3.9%

want

3.5%

Did you see me dancing in the center?

But do you hear me complaining all the time?

C = 名詞

call

37.1%

make

22.4%

consider

3.7%

see

2.3%

keep

2.2%

name

1.2%

But that does not make you a superhero.

History would call her the Unsinkable Molly Brown.

C = 過去分詞

have

20.2%

get

15.5%

want

6.6%

see

6.4%

keep

4.8%

find

3.4%

I just got the sonogram done.

I want this man's personal effects brought up and analyzed.

使役動詞の実際の比率は let 57 : make 19 : have 4。 「make / have / let の3つ」と横並びで教えるのと現実はかなり違う。原形不定詞Cはこの8語で閉じている（他の動詞は取らない）ので、暗記対象として妥当。
知覚動詞は原形より -ing の方が多い：see O do 17,300件に対し see O doing 22,400件。
O の位置も型で違う：原形不定詞Cの O は78.5%が代名詞（let's 24%・ me 20%・you 9%）。形容詞Cでは it が22%（make it easy の形式目的語）。一方、現在分詞C・過去分詞Cの O は代名詞が4割弱で普通名詞が主。

04 — レジスター

第4文型は話し言葉の文型（会話 1.92% ↔ 論文 0.17%）

ソース	SV	SVC	SVO	SVOO	SVOC
字幕（映画・ドラマ）	27.4	19.9	47.2	1.92	3.67
現代小説	33.3	15.8	46.2	1.27	3.41
放送インタビュー	28.6	19.0	48.2	1.11	3.06
ニュース記事	23.9	18.2	54.1	0.96	2.81
Wikipedia	25.4	22.9	49.1	0.54	2.06
医学論文	19.9	27.5	51.1	0.17	1.34
arXiv 抄録	15.5	21.4	60.9	0.16	2.12

SVOC の C の内訳も、レジスターで順位が入れ替わる。 let me / let's が消える書き言葉では、C は to不定詞と過去分詞に寄る。

ソース	原形	to不定詞	形容詞	現在分詞	名詞	過去分詞
字幕	33.9	28.1	12.2	8.3	8.6	6.4
放送インタビュー	32.6	23.2	11.6	15.2	8.4	7.4
現代小説	27.8	22.1	16.9	16.2	6.6	7.9
ニュース記事	17.0	37.1	15.1	11.3	9.3	8.6
Wikipedia	8.9	42.3	12.3	8.8	15.9	10.8
医学論文	4.8	38.3	20.0	7.5	10.8	17.3

入試長文で出会う第5文型と、会話で使う第5文型は別物と考えてよい。 have/get O 過去分詞は医学論文で17.3%を占める書き言葉の形式で、会話教材ではなく読解教材で扱うべき項目。

05 — ついでに取れたもの

第3文型の3分の1は O が名詞ではない

内訳	件数	%
SVO の O ＝名詞句	9,519,667	62.9
SVO の O ＝ that節・wh節	3,113,045	20.6
SVO の O ＝ to不定詞	1,846,279	12.2
SVO の O ＝動名詞	279,228	1.8
SVC の C ＝名詞 / 形容詞	2,850,332 / 2,807,725	47.5 / 46.8
SVOO の O2 ＝名詞句 / 節	231,228 / 157,831	59.4 / 40.6
受動態のうち SVOC 由来（be asked to do 等）	321,487	12.6
受動態のうち SVOO 由来（be given a book）	104,984	4.1
regard O as C 型（SVOCに数えていない）	113,058	—

SVOO は give と tell の2語でほぼ決まる。 O2が名詞句なら give 48.4% / tell 13.3%、O2が節なら tell 75.3% / ask 8.6%。 give A to B のように前置詞句へ振り替えた形は58,614件で、 SVOO（名詞句型）と合わせた中の20%。 offer / owe / spare / envy のたぐいは合計しても数%しかない。

06 — 教材に落とすなら

頻度と授業配分のずれ

第5文型の入口を call O C / make O C にしない。 実際の4分の3は準動詞C。定義は名詞・形容詞で、演習量は準動詞に。
原形不定詞Cは8語で閉じる（let / make / help / see / have / hear / watch / feel）。比率まで見せると let の別格ぶりが効く。
「see O do と see O doing の違い」を扱うなら -ing が本線。実データでは -ing の方が3割多い。
have/get O 過去分詞は読解教材の項目。会話にはほとんど出ない。
第4文型は give と tell。時間をかけるなら、個々の動詞より「give型が to、buy型が for」の交替（前置詞句型は20%）。
第4文型は書き言葉ではほぼゼロ（論文0.17%）。入試長文の読解に必要な優先度は低い。

07 — この数字をどこまで信じるか

層別337件を人手で照合した

ラベル	照合数	精度	主な誤りの型
there構文	16	1.00	—
受動態 / SVOO（O2＝名詞句）	32	0.97	付帯状況の分詞を補語と誤認
SVO	16	0.94	省略（I have to,）
SVC	87	0.93	進行形・受動を C と誤認
SV / SVOO（O2＝節）	32	0.81	縮約関係詞／コンマ連結の2文
SVOC	192	0.82	C型別は §02 の表

取りこぼし側も実測した。SVOC の誤検出を抑えるためのガードで落ちたのは全節の 0.38%で、中身は use cookies to store data のような目的の不定詞が大半。真の取りこぼしは SVOC 全体の1〜2%程度。SV・SVO のサンプル32件に「本当は SVOC だった」ものは0件だった。

副産物：common_crawl は文の36.4%が英語でなかった（ドイツ語・イタリア語など）。英語として解析すると小さいセルを汚すので、機能語投票による決定論フィルタで除外してある。他ソースの非英語率は Wikipedia 1.4%、それ以外は1%未満。

コーパス＝ローカル23.8億語バランスコーパス（字幕・放送インタビュー・現代小説・ニュース・ Wikipedia・common crawl・Reddit・医学論文・arXiv・自然会話の10ソース、話し言葉35%）。解析＝spaCy en_core_web_sm、乱数種固定の無作為ウィンドウ抽出、11プロセス並列。判定ルール・標本設計・既知の限界は C:\JC_EDU\_catalog\pattern5\METHOD.md、集計表は tables/、SVOC 98万件・SVOO 39万件の実例レコードは work/sm*.records.tsv.gz。