Care limbă e cea mai apropiată de română? Trei măsurători, trei răspunsuri

Hărțile apropierii

Pe hărți, un punct e o limbă, așezată acolo unde se vorbește. Cu cât punctul e mai mare și mai intens, cu atât limba e mai aproape de română după măsura respectivă. Cercul gol marchează româna. Sunetele au două hărți, câte una pentru fiecare descriere a românei.

Trei baze de date deschise descriu limbile lumii din trei unghiuri: cuvintele de bază, gramatica și sunetele. Fiecare a fost folosită la fel: româna, comparată pe rând cu toate limbile din bază.

Rudele, vecinii și limbile care doar au aceleași sunete sunt trei lucruri diferite. Cuvintele de bază se moștenesc din limba-mamă și se schimbă greu. Gramatica se moștenește și ea, dar se apropie, în secole de conviețuire, de a vecinilor. Sunetele unei limbi sunt puține, câteva zeci, iar două limbi pot ajunge să aibă aproape aceleași sunete fără să se fi întâlnit vreodată.

O limbă lângă română

Scrie numele unei limbi. Cele patru rigle pornesc din stânga, de la română: cu cât semnul limbii e mai la stânga, cu atât limba e mai aproape după măsura respectivă. Sub rigle sunt dovezile: cele 40 de cuvinte puse alături, trăsăturile de gramatică la care limbile coincid sau diferă, sunetele comune și cele care apar numai într-una dintre cele două limbi.

Fiecare loc e însoțit de un interval. Calculul se poate face în mai multe feluri la fel de îndreptățite (care listă de cuvinte pentru română, care descriere a sunetelor, câte trăsături comune se cer); intervalul arată cel mai bun și cel mai slab loc pe care limba îl ocupă în toate aceste variante. La sunete se dă și locul median, cel din mijloc când variantele sunt puse în ordine. Sunt 5.734 de limbi în total, dar numai 201 intră în clasament la toate cele trei măsuri.

Cuvintele: rudele ies primele

Programul ASJP (Automated Similarity Judgment Program) a strâns 11.540 de liste din toată lumea, fiecare cu aceleași 40 de înțelesuri, cele mai stabile dintr-o listă clasică de 100 (lista lui Swadesh): eu, tu, noi, unu, doi, apă, foc, soare, nume. Fiecare cuvânt e transcris cu un set mic de simboluri fonetice. Distanța dintre două limbi se calculează cuvânt cu cuvânt: câte sunete trebuie schimbate, adăugate sau scoase ca să ajungi de la o formă la cealaltă, raportat la lungime. Rezultatul se împarte apoi la distanța medie dintre cuvintele cu înțelesuri diferite din aceleași două liste. Zero înseamnă forme identice la toate înțelesurile comparate. În jur de 1 (scorul poate trece puțin peste), cuvintele cu același înțeles nu seamănă mai mult decât cele luate la întâmplare.

Cea mai apropiată listă e cea meglenoromână (0,44), în toate cele 72 de variante de calcul. Urmează italiana (0,60), sarda logudoreză (0,61), aromâna (0,61, dar cu numai 32 de cuvinte comune din 40) și napolitana (0,62). În calculul de bază, pe primele 17 locuri sunt limbi romanice (pe ultimul dintre ele, o creolă portugheză din India). Spaniola e pe locul 29 (0,73), franceza pe 33 (0,78).

Meglenoromâna și aromâna sunt socotite, în tradiția lingvisticii românești, dialecte istorice ale românei, alături de dacoromână și de istroromână. Cataloagele internaționale Glottolog și ISO 639-3 le trec drept limbi separate. Oricum le-ai numi, sunt rudele cele mai apropiate ale românei, iar prima limbă din afara acestui grup e italiana. ASJP nu are listă separată nici pentru istroromână, nici pentru graiul din Republica Moldova, pe care Glottolog îl trece ca dialect al românei.

În calculul de bază, latina vine abia pe locul 18 (0,69); după variantă, e între locurile 10 și 25, dar mereu după italiană și sarda logudoreză. Măsura compară formele de azi sunet cu sunet și nu spune nimic despre descendență. «Foc» și italienescul «fuoco» continuă latinescul «focus», care însemna vatră; pentru foc, lista latină din ASJP are «ignis».

Dincolo de limbile romanice, scorurile se apropie repede de 1. Bulgara e pe locul 53 (0,87), albaneza pe 245 (0,93), chineza mandarină pe 2.843 (0,99), maghiara pe 3.846 (1,00). Mai mult de jumătate dintre cele 5.457 de limbi au peste 0,99, iar numai 127 coboară sub 0,90. Aici, unde aproape toate limbile se înghesuie lângă 1, locul unei limbi spune foarte puțin. Clasamentul nu măsoară nici vocabularul împrumutat: bulgara și maghiara, din care româna a luat multe cuvinte, sunt comparate doar pe 40 de înțelesuri stabile, fără cuvintele marcate ca împrumuturi.

ASJP are liste și pentru limbi artificiale, lăsate aici în afara clasamentului. Interlingua, alcătuită din vocabularul comun al marilor limbi europene, în cea mai mare parte romanic, ar fi a doua (0,59); esperanto ar fi pe locul 29 (0,72).

Cele 40 de cuvinte, alături

ASJP notează sunetele cu 41 de simboluri, redate aici în alfabetul fonetic internațional; «ă» și «î» au același simbol (ə). Listele sunt redate așa cum sunt în ASJP, cu inconsecvențele lor de transcriere. Numărul mic de lângă fiecare cuvânt e distanța față de cuvântul românesc: 0 pentru forme identice, 1 când trebuie schimbat fiecare sunet. Lista aromână e cea numită VLACH în ASJP și are 32 de cuvinte din 40.

Gramatica: o rudă și o vecină, cu același scor

WALS, atlasul mondial al structurilor lingvistice, descrie gramatica fiecărei limbi prin trăsături cu câteva valori posibile: unde stă articolul hotărât, câte cazuri are substantivul, în ce ordine vin subiectul, verbul și complementul. Româna are 82 de trăsături descrise; 65 țin de gramatică, restul de sunete și de vocabular. Măsura folosită aici e simplă: dintre trăsăturile descrise la ambele limbi, câte au aceeași valoare.

Italiana are aceeași valoare ca româna la 41 din 51 de trăsături, albaneza la 45 din 56, portugheza la 40 din 50: patru din cinci, la toate trei. Urmează greaca (48 din 65), spaniola (47 din 64), ucraineana (29 din 40) și bulgara (41 din 57). Franceza, limbă romanică, are 38 din 64, mai puțin decât rusa (46 din 65) sau engleza (45 din 65). La celălalt capăt, turca: 21 din 58.

Cu 50–60 de trăsături, diferențele mici nu pot despărți limbile: marjele de eroare ale primelor zece se suprapun. Ce rămâne valabil în cele nouă variante de calcul: albaneza e în primele trei în toate, italiana e în primele cinci în opt dintre ele (în a noua nu are destule trăsături comune ca să intre în clasament), iar franceza nu urcă niciodată peste locul 14.

Comparația e mai curată pe aceleași trăsături pentru toate limbile. Sunt 36 descrise la toate cele opt limbi din tabelul de mai jos. Pe ele, albaneza coincide cu româna la 32, italiana la 30, portugheza la 29, spaniola la 28, bulgara la 24, greaca la 23, iar franceza la 21.

Pe aceleași 36 de trăsături

1. albaneză32
2. italiană30
3. portugheză29
4. spaniolă28
5. bulgară24
6. greacă23
7. franceză21

Unde româna se desparte de italiană, albaneza e de partea românei. La opt trăsături româna și italiana au valori diferite, iar albaneza e descrisă și ea; la cinci dintre ele, albaneza are valoarea românei și la una singură pe a italianei. Cele cinci: articolul hotărât lipit la sfârșitul cuvântului («lupul», în albaneză «ujku»), cazurile marcate prin terminații, numeralele ordinale formate de la cele cardinale cu excepția lui «primul», felul în care se formează poruncile și îndemnurile și ordinea subiect–verb. La bulgară și la greacă nu se vede același lucru: în aceeași comparație, bulgara e de trei ori de partea românei și de șase ori de a italianei, greaca de patru și de cinci ori. Una dintre cele șase e chiar articolul hotărât: WALS îl socotește pe cel bulgăresc cuvânt aparte, deși stă tot după substantiv («вълкът», lupul).

Unde româna și italiana diferă, de partea cui e albaneza

Rezultatul nu e o probă a uniunii lingvistice balcanice, numele dat de lingviști asemănărilor de gramatică dintre română, albaneză, bulgară, macedoneană și greacă. Dintre trăsăturile ei clasice, WALS are articolul pus după substantiv; infinitivul înlocuit de conjunctiv («vreau să plec» față de «vreau a pleca»), viitorul format cu «a vrea» și complementul reluat prin pronume nu au rubrici proprii. Articolul, infinitivul și viitorul sunt arătate, cu exemple, pe pagina despre uniunea lingvistică balcanică. Nici italiana nu e departe de albaneză: cele două au aceeași valoare la 42 din 58 de trăsături descrise la amândouă.

Ce spune Grambank, care nu are româna

Cea mai mare bază de date comparativă de gramatică, după autorii ei, Grambank (2.467 de limbi și dialecte, 195 de trăsături), nu are fișă pentru română în versiunea 1.0.3. Nu are nici pentru bulgară, nici pentru spaniolă. O are pe a aromânei, cu 165 de trăsături completate, așa că testul poate fi repetat pentru ruda cea mai apropiată a românei care are date.

Așa cum sunt codate în Grambank, aromâna coincide cel mai des cu italiana și cu portugheza (151 din 164 de trăsături la fiecare), apoi cu occitana, galiciana, lombarda și corsicana. Albaneza toscă, baza albanezei literare, vine imediat după ele (142 din 160), înaintea sardei, a catalanei (142 din 164) și a francezei (136 din 165).

Și aici, unde aromâna se desparte de italiană, albaneza e de partea aromânei: de nouă ori, față de patru. Macedoneana dă 9 la 3, greaca 7 la 6. Printre trăsături: articolul pus după substantiv, cazurile, apoi modul și timpul marcate prin particule invariabile. Două dintre aceste codări au fost contestate la verificare: italiana apare în Grambank fără verb auxiliar pentru timp, deși «ho visto» are unul, iar a doua privește pronumele lipit după verb în aromână. Fără ele, scorurile sunt 7 la 4 pentru albaneză, 7 la 3 pentru macedoneană și 5 la 6 pentru greacă.

Toate cele 65 de trăsături, la opt limbi

Valorile din WALS pentru română și pentru șapte limbi de comparație. Căsuțele marcate au aceeași valoare ca româna; liniuța înseamnă că trăsătura nu e descrisă pentru limba respectivă. În formulele de ordine, S e subiectul, V verbul, O complementul direct, Neg negația, iar parantezele drepte arată o negație lipită de verb. Trăsătura 45A, despre pronumele de politețe, are propria pagină: De ce spunem «dumneavoastră».

Sunetele: două descrieri ale românei, două liste

PHOIBLE adună inventare de sunete. Un inventar e lista sunetelor unei limbi care pot deosebi două cuvinte (fonemele, uneori și variante ale lor), așa cum a stabilit-o un lingvist. Sunt 3.020 de inventare pentru 2.186 de limbi. Ce se măsoară aici e câte sunete au două inventare în comun, din câte au împreună; una dintre variantele de calcul măsoară în schimb cât de apropiate sunt sunetele unui inventar de ale celuilalt. Nu se măsoară cât de des apare fiecare sunet în vorbire, nici melodia frazei, nici cum sună limba pentru cineva care nu o știe.

Pentru română, PHOIBLE are trei inventare, iar ele nu coincid. Două urmează descrierea obișnuită: șapte vocale, 20 de consoane și semivocalele din «iarnă», «ziuă», «seară» și «soare». Al treilea, întocmit după cartea Ioanei Chitoran despre fonologia românei (2002), numără separat consoanele muiate (palatalizate) de la sfârșitul unor cuvinte ca «lupi», «pomi», «rupi»: p-ul din «lupi» e trecut ca alt sunet decât p-ul din «lup». Inventarul ajunge astfel la 51 de unități, față de 31 și 32.

Sunetele românei, în cele trei descrieri din PHOIBLE

Cu descrierea obișnuită, cele mai apropiate inventare sunt ale unor limbi îndepărtate: damana din Columbia, bangolan din Camerun, nupe din Nigeria, o creolă franceză din Brazilia (karipúna) și mazanderani din Iran. Primele trei nu au nicio legătură cu româna; mazanderani e o limbă iraniană, deci o rudă foarte îndepărtată. Au, ca româna, un inventar de mărime mijlocie, făcut mai ales din sunete răspândite în toată lumea. Bangolan are toate cele 29 de sunete prezente în cele trei descrieri ale românei: șapte vocale, 20 de consoane și semivocalele din «iarnă» și «ziuă».

Când consoanele muiate sunt numărate separat, lista se mută în nordul și estul Europei: rusă, sorabă, vepsă, sami skolt, lituaniană, erzeană, bulgară. Toate au serii întregi de consoane muiate, ca rusa în «брать» (brat', a lua) față de «брат» (brat, frate).

În niciuna dintre cele 72 de variante de calcul italiana nu urcă peste locul 19, iar chineza mandarină nu urcă peste locul 986, din 2.085. Albaneza are 28 dintre cele 29 de sunete comune descrierilor românei, italiana 25 (îi lipsesc «ă», «î», «h» și «j»), bulgara 24, chineza mandarină 17.

Dintre aceste 29 de sunete, cele mai rare în inventarele din PHOIBLE sunt «j» din «joc» (ʒ, prezent în 15,9% din inventare), «î» (ɨ, 16,5%) și «ă» (ə, 22,4%). Urmează «ț» (26,8%) și «v» (27,0%). Cel mai răspândit sunet care lipsește din toate cele trei descrieri ale românei e «ng» din englezescul «sing» (ŋ, în 62,8% din inventare). Printre următoarele se numără «ñ» din spaniolă (ɲ, 42,7%) și ocluziva glotală, pauza scurtă din mijlocul interjecției englezești «uh-oh» (ʔ, 37,5%).

Cât de răspândite sunt sunetele românei

Cum sună româna pentru urechea unui străin e altă întrebare. Într-un joc online în care oamenii ghiceau limba dintr-o înregistrare de 20 de secunde, cu 15 milioane de răspunsuri analizate în 2017 de Hedvig Skirgård, Seán Roberts și Lars Yencken, pe harta confuziilor făcute de jucători româna stă lângă greacă, albaneză și limbile slave.

De ce nu se potrivesc cele trei răspunsuri

Fiecare măsură urmărește altceva. Lista de 40 de cuvinte e alcătuită din înțelesurile cele mai stabile, iar pe primele 17 locuri din calculul de bază sunt numai limbi romanice, rudele românei.

Gramatica se moștenește, dar se și apropie de a limbilor din jur. Româna se vorbește departe de celelalte limbi romanice: între ea și italiană stau limbi slave și maghiara, iar bulgara, albaneza și greaca îi sunt mai aproape pe hartă. Pe grafic, limbile romanice sunt aproape la ambele măsuri; albaneza, greaca și bulgara sunt aproape la gramatică și departe la cuvinte.

Sunetele sunt puține. O limbă are câteva zeci de foneme, iar cele mai răspândite (p, t, k, m, n, a, i, u) apar aproape peste tot. Două inventare de mărime mijlocie se pot suprapune în proporție de peste trei sferturi fără ca limbile să aibă vreo legătură, cum se întâmplă cu româna și damana.

De aceea întrebarea din titlu nu are un singur răspuns. «Cea mai apropiată» are sens numai împreună cu măsura: la cuvinte, la gramatică sau la sunete.

Surse

Bazele de date

• Wichmann, Holman, Brown, Dryer & Ran (eds.), The ASJP Database, version 21 (2025) Listele de cuvinte; versiunea CLDF 21.1, licență CC BY 4.0.
• Dryer & Haspelmath (eds.), The World Atlas of Language Structures Online (2013), v2020.4 Trăsăturile de gramatică; CC BY 4.0. Fișa românei: wals.info/languoid/lect/wals_code_rom.
• Grambank v1.0.3 (2023) Trăsăturile de gramatică ale aromânei și ale limbilor de comparație; CC BY 4.0.
• Skirgård, Haynie, Blasi, Hammarström, Collins et al., “Grambank reveals the importance of genealogical constraints on linguistic diversity…”, Science Advances 9(16), 2023 Articolul care descrie Grambank.
• Moran & McCloy (eds.), PHOIBLE 2.0 (2019), Max Planck Institute for the Science of Human History Inventarele de sunete; versiunea CLDF 2.0.1, licență CC BY-SA 3.0. Inventarele românei: phoible.org/languages/roma1327.
• Hammarström, Forkel, Haspelmath & Bank, Glottolog 5.3 (2026) Identitatea, clasificarea și coordonatele limbilor; CC BY 4.0.
• Natural Earth, 1:110m land Conturul continentelor de pe hărți; domeniu public.

Metodă și studii

• Wichmann, Holman, Bakker & Brown, “Evaluating linguistic distance measures”, Physica A 389(17), 2010, 3632–3639 Distanța LDND folosită la cuvinte.
• ASJP, software and instructions Regulile de calcul urmate: cel mult două sinonime, împrumuturile excluse.
• Chitoran, The Phonology of Romanian: A Constraint-Based Approach, Mouton de Gruyter, 2002 Sursa inventarului cu consoane palatalizate (EA 2443 în PHOIBLE).
• Agard, “Structural Sketch of Rumanian”, Language 34(3, part 2), 1958, 7–127 Una dintre sursele celorlalte două inventare ale românei (SPA 165, UPSID 527).
• Lee & Zee, “Standard Chinese (Beijing)”, Journal of the International Phonetic Association 33(1), 2003, 109–112 Sursa a două dintre cele patru inventare ale chinezei standard din PHOIBLE.
• Skirgård, Roberts & Yencken, “Why are some languages confused for others? Investigating data from the Great Language Game”, PLOS ONE 12(4), 2017 Cu ce limbi e confundată româna la auz.
• Anderson, Tresoldi, Greenhill, Forkel, Gray & List, “Variation in phoneme inventories: quantifying the problem and improving comparability”, Journal of Language Evolution 8(2), 2023, 149–168 De ce inventarele aceleiași limbi diferă de la o bază de date la alta.
• Littell, Mortensen, Lin, Kairis, Turner & Levin, “URIEL and lang2vec”, EACL 2017 O bibliotecă de distanțe între limbi, construită din aceleași surse.

Pe aceeași temă

• Patru familii fără nicio rudenie, același viitor pentru toate cinciUniunea lingvistică balcanică, pe trei trăsături și cinci limbi.
• Cine spune la fel ca tine? Harta cuvintelor în 107 limbi din Europa și AsiaUn cuvânt la alegere, în 107 limbi, după cât de asemănător sună.
• De ce spunem «dumneavoastră»Pronumele de politețe în 207 limbi din WALS.
• Dialectele Italiei care seamănă cu româna: atlasul AIS, sat cu satUnde în Italia se spune ca în română, sat cu sat.
• De unde vin cuvintele româneștiCât e latină, franceză, slavă sau turcă în dicționar.