Microsoft Word u lg rept doc

---

Evaluating Language Statistics:  

The Ethnologue and Beyond 

 

 

 

 

A report prepared for the UNESCO Institute for Statistics 

 

 

 

 

 

 

John C. Paolillo 

School of Informatics, Indiana University 

 

Assisted by Anupam Das 

Department of Linguistics, Indiana University 

 

 

March 31, 2006 

 

---

0. Introduction 

How many languages are there in the  world? In a region or a particular country? How 

many  speakers  does  a  given  language  have?  Are  there  more  speakers  of  English  or 

Mandarin? How are the numbers of these speakers changing, in the world, in a country or 

on the Internet? Linguists are often asked questions such as these, whether by members 

of other disciplines, lay-people, or policy makers. Yet despite the interest in and obvious 

importance of these questions, they are not easy questions to answer, and there are few 

sources one can turn to for definitive answers.  

 

Since  the  early  1990s,  new  awareness  of  a  number  of  language-related  issues  have 

foregrounded the need for good answers to these questions. On the one hand, there is the 

economic  trend  of  globalization,  which  requires  people  from  a  variety  of  different 

countries,  ethnicities,  cultures  and  language  backgrounds  to  communicate  with  one 

another. Globalization has been accompanied by claims about the economic importance 

of  one  language  vis-a-vis  another,  and  the  importance  of  specific  languages  in  global 

communication functions or for scientific and cultural exchange. Such discussions have 

led to re-evaluations of the status of many languages in a range of contexts, such as the 

role of English globally and in the European Union, and the role of Mandarin Chinese in 

the Pacific Rim and on the Internet.  

 

On the other hand, there is an increased social consciousness around the importance of 

language diversity in the development and maintenance of knowledge, cultural heritage, 

and human dignity, under the related causes of linguistic human rights and the protection 

of endangered languages. These social concerns raise new questions: when is a language 

endangered? When can it still be protected, and when is it already extinct beyond hope? 

How are the language rights of world’s citizens best served?  And what can one expect 

for the evolution of the complex system represented by the world’s languages in all their 

contexts of use? In short, what will be the contribution of language to the next century of 

humanity’s existence?  

 

Questions  such  as  these  underscore  the  need  for  good  sources  of  information  about 

language statistics, and in particular, language population statistics, as the answer to all of 

these questions, whether asked in specific for a given locale or in general for the world as 

a  whole,  is  likely  to  begin  with  an  assessment  of  what  is  known  about  the  affected 

populations. For this reason it is essential that we survey the available information about 

language  populations  and  seek  to  evaluate  its  worth.  In  what  ways  is  the  existing 

information  adequate  for  our  needs?  In  what  ways  might  it  be  improved?  Are  there 

countries of regions in which the information we have is better than others? If there are 

multiple sources of information, how well are these to be trusted? Are some sources more 

trustworthy than others?  

 

This report seeks to answer this latter set of questions, through a systematic evaluation of 

available  information  on  language  populations.  Unfortunately,  there  are  very  few 

comprehensive  sources  of  information  about  language  populations  at  present. 

Consequently  this  report  focuses  principally  on  two  different  catalogues  of  language 

---

information: (i) the Ethnologue, compiled by SIL International, and (ii) the Linguasphere, 

compiled by David Dalby of the School of Oriental and African Studies in London. Both 

catalogues have been actively compiled for more than 50 years, and both have reasonably 

recent  activities,  with  dedicated  websites  and  ongoing  development.  Of  the  two,  the 

Ethnologue  has  more  specific  information  about  language  populations,  whereas  the 

Linguasphere mainly is concerned with cataloging linguistic relatedness among different 

varieties of speech.  

 

This report is organized as follows. Section 1 describes the linguistic issues that define 

the context collecting, reporting and interpreting language statistics: the definition of the 

notion  “language”,  its  relation  to  family  relatedness  and  linguistic  structure,  the 

phenomenon of language death and disappearance and the process of linguistic fieldwork. 

Section  2  describes  the  main  currently  available  sources  of  information  in  which 

comprehensive  language  statistics  are  presented.  Subsections  describe  the  Ethnologue 

and Linguasphere publications specifically, followed by a final subsection in which other 

sources  of  language  statistics,  in  particular  for  endangered  languages,  are  discussed. 

Section  3  presents  an  evaluation  of  currently  available  language  statistics,  focusing  on 

data availability and currency, as reflected in the existing sources. Section 4 presents  a 

global linguistic profile based on the existing language statistics, to ascertain what can be 

learned  form  this  information,  and  what  other  sorts  of  information  would  be  desirable. 

The  fifth  and  final  section  suggests  how  the  existing  statistics  might  be  developed  and 

improved in the future. 

 

 

1. Language statistics: the challenge 

1.1. The notion of “language” 

Before  one  can  discuss  language  statistics  and  the  number  of  speakers  of  the  world’s 

languages, one must define what one means by the word “language”. While we all think 

of a language as being a variety of speech which one can use to express oneself verbally 

and  be  understood,  identifying  the  boundaries  of  a  language  —  a  crucial  issue  if 

languages  are  to  be  counted  and  their  speakers  enumerated  —  is  not  a  trivial  matter. 

People may mean many different things by “language”. For some, “language” means the 

linguistic form of a substantial literature. Such a definition is unsatisfactory for the simple 

reason that writing is only a few thousand years old while humanity, and the distinctly 

human  attribute  of  speech,  is  far  older.  Further  complicating  the  issue  is  that  in  some 

societies,  including  the  Arabic-speaking  world,  Greece,  the  German-speaking  part  of 

Switzerland, and in many parts of India, written language employs a different linguistic 

system from everyday speech.  

 

 

Sometimes  languages  are  regarded  as  associated  with  a  particular  nation  or 

country, as if each nation had only one language. While nation states and other forms of 

nationalism have done much to spread particular languages, there is scarcely a country in 

the  world  citizens  that  speak  a  single  language  and  most  countries  have  tens  and  even 

hundreds of languages. Languages are also regarded as varieties of speech with a wider 

---