Cách Tự Kiểm Tra Tiếng Anh Mà Không Cần Hỏi Native Speaker

1Bạn Viết 'Make a Decision' hay 'Do a Decision'? — Hỏi AI Có Thể Sai. Hỏi Corpus Không Bao Giờ Sai.

Scenario: bạn phân vân giữa "make a decision" và "do a decision".

Bạn tra Google: 100 kết quả, mỗi trang nói 1 cách.

Bạn hỏi ChatGPT: nó nói "make a decision" nhưng không giải thích convincingly.

Bạn tra CORPUS: COCA có 4,832 kết quả cho "make a decision", 3 cho "do a decision".

→ Xong. Không cần hỏi ai.

Corpus = không phải AI đoán, mà là DATA thực từ hàng tỷ câu tiếng Anh.

3 công cụ cần biết

COCA (Corpus of Contemporary American English) — 1 tỷ+ từ, miễn phí
Google Ngram Viewer — xem trend theo thời gian
Sketch Engine — collocation chuyên sâu

Từ điển nói từ CÓ THỂ dùng. Corpus nói từ THỰC SỰ được dùng. Khác biệt lớn.

2COCA — Cách Tra Từ Như Chuyên Gia

https://www.english-corpora.org/coca/

Tra collocation

Tìm xem từ nào đi với từ nào:

Search "heavy [nn*]" (heavy + danh từ)

→ Kết quả: heavy rain, heavy traffic, heavy load, heavy heart

Search "strong [nn*]"

→ Kết quả: strong wind, strong evidence, strong argument

→ "heavy rain" đúng, "strong rain" không phổ biến.

Tra register/formality

COCA chia theo register: spoken, fiction, magazine, newspaper, academic.

"commence" chỉ xuất hiện trong academic → formal.
"start" xuất hiện ở mọi register → neutral.

So sánh 2 cách nói

"I think" vs "I believe" → frequency khác nhau ở từng register.

→ Khi phân vân → tra COCA 30 giây = biết câu trả lời.

COCA vs BNC — Mỹ hay Anh?

Hai corpus lớn nhất, free, cho tiếng Anh:

	COCA (American)	BNC (British)
Full name	Corpus of Contemporary American English	British National Corpus
Kích thước	1 tỷ+ từ (updated to 2019)	100 triệu từ (cập nhật đến 1994)
Register	Spoken, fiction, magazine, newspaper, academic, blog	Spoken, fiction, newspaper, academic
Dùng khi	American English hiện đại	British English, văn bản truyền thống
Link	english-corpora.org/coca	english-corpora.org/bnc

Ví dụ khác biệt AmE vs BrE:

"autumn" (BrE) vs "fall" (AmE) → COCA: "fall" >>>>> "autumn". BNC: "autumn" >> "fall"

"lift" vs "elevator" → BNC: lift phổ biến. COCA: elevator phổ biến

→ Tra cả hai corpus nếu bạn cần viết cho cả hai đối tượng.

Dictionary Labels — Khi Corpus Và Từ Điển Gặp Nhau

Từ điển dùng labels để báo register — nhưng labels này được đưa ra DỰA TRÊN corpus:

Label	Nghĩa	Ví dụ corpus
[formal]	Chủ yếu trong academic/formal writing	"commence" — COCA: 92% academic/newspaper
[informal]	Spoken/casual — tránh trong writing	"gonna" — COCA: 95% spoken
[AmE]	Phổ biến ở Mỹ hơn Anh	"sidewalk" — COCA >> BNC
[BrE]	Phổ biến ở Anh hơn Mỹ	"pavement" — BNC >> COCA
[dated]	Đang giảm tần suất	"shall" — Google Ngram: giảm từ 1950
[approving/disapproving]	Semantic prosody	"cause" (disapproving) vs "result in" (neutral)

Takeaway: Dictionary label [informal] = corpus data cho thấy từ xuất hiện nhiều ở spoken register. Label [AmE] = frequency cao ở COCA, thấp ở BNC. Không phải quy định tự nhiên — là observation từ data.

COCA là "Google cho tiếng Anh thực" — mỗi lần phân vân từ/cụm từ → tra ngay.

3Google Ngram — Xem Từ Thay Đổi Theo Thời Gian

https://books.google.com/ngrams/

Xem trend từ theo thời gian

Search "cell phone, mobile phone, smartphone"

→ "cell phone" tăng mạnh 1990s, "mobile phone" lên 2000s, "smartphone" từ 2010

Search "whom"

→ Giảm dần theo thời gian → formal/archaic

Search "they" (singular)

→ Tăng mạnh sau 2015 → language change đang xảy ra

Cách dùng

Gõ 2-3 cụm từ, phân tách bằng dấu phẩy → so sánh trend
Chọn corpus: English (all), American English, British English
Xem years: 1800-2019

Ngram không nói đúng/sai — nó nói xu hướng. Từ đang tăng = natural. Từ đang giảm = archaic hoặc formal.

4Sketch Engine — Collocation Chuyên Sâu

https://www.sketchengine.eu/ (có free tier)

Word Sketch

Tra "effect" → thấy:

Adjectives phổ biến: significant effect, negative effect, positive effect, adverse effect
Verbs đi với effect: have an effect, produce an effect, cause an effect, have effect on
Objects: effect on health, on performance, on behavior

Thesaurus thông minh

Tra "big" → thấy: large, significant, major, huge — ranked by similarity + corpus frequency.

→ Không chỉ là synonyms, mà là synonyms ĐƯỢC DÙNG THỰC SỰ trong context tương tự.

Concordance — xem câu thực

Tra "make sense" → thấy hàng trăm câu thực tế dùng cụm này.

"That makes sense."

"It doesn't make any sense."

"Can you make sense of this?"

→ Hiểu context sử dụng thực.

Bạn không cần native speaker sống bên cạnh. 3 công cụ này cho bạn access vào hàng tỷ câu tiếng Anh thực — 24/7, miễn phí.

Semantics & Meaning · Compositional Semantics

Luyện Tập — Practice Framework

Áp dụng ngay với material bạn đang dùng hàng ngày (email, news, podcast) — không cần textbook.

Bước 1: Chọn 1 cặp từ bạn hay nhầm (ví dụ: say vs tell, make vs do)

Bước 2: Search cả hai trên COCA → so sánh frequency, register, collocations

Bước 3: Search Google Ngram → trend thay đổi thế nào

Bước 4: Viết summary: từ nào dùng ở context nào, dựa trên data

Mỗi tuần verify 2-3 cặp → sau 2 tháng bạn có corpus skill tự chủ

Metric đo tiến bộ: khi không chắc từ nào đúng → reflex đầu tiên là check corpus, không phải hỏi AI

55 Chiều Phân Tích + Quy Trình 5 Bước Verify Bất Kỳ Cụm Từ Nào

Người mới dùng corpus chỉ nhìn vào frequency (số lần xuất hiện). Nhưng để hiểu đầy đủ một từ/cụm từ, cần phân tích theo 5 chiều.

5 chiều phân tích corpus

Chiều	Câu hỏi cần trả lời	Công cụ
Frequency	Từ/cụm từ này phổ biến đến đâu?	COCA frequency list
Register	Xuất hiện nhiều trong spoken, academic, fiction?	COCA genre filter
Collocation	Từ nào thường đi kèm bên trái, bên phải?	Sketch Engine word sketch
Variation	AmE vs BrE? Đang tăng hay giảm theo thời gian?	Google Ngram
Semantic prosody	Connotation tích cực, tiêu cực, hay trung tính?	COCA concordance

Semantic prosody — chiều ít người biết nhất

Ví dụ: "cause" vs "result in"

Tra COCA concordance: "cause" thường đi với kết quả tiêu cực (cause damage, cause problems, cause death). "Result in" trung tính hơn.

Dù cả hai đều có nghĩa "dẫn đến" — "cause" mang semantic prosody tiêu cực. Dùng "our strategy caused growth" → nghe kỳ. Dùng "our strategy resulted in growth" → tự nhiên hơn

Nghe thử sự khác biệt:

Quy trình 5 bước verify bất kỳ cụm từ nào

Bước 1: Xác định câu hỏi cụ thể

Đừng chỉ nghĩ "từ này đúng không?" — hãy hỏi: đây là vấn đề collocation? Register? Từ đang tăng hay giảm? Xác định đúng câu hỏi → chọn đúng công cụ

Bước 2: Chọn công cụ phù hợp

Collocation → Sketch Engine. Frequency + Register → COCA. Trend theo thời gian → Google Ngram. AmE vs BrE → COCA (American) + BNC (British)

Bước 3: Thiết lập search đúng cách

Search cụm từ chính xác trong ngoặc kép để tránh kết quả rời rạc. Dùng wildcard [nn*] để tìm collocations. So sánh 2-3 phương án cùng lúc thay vì search từng cái

Bước 4: Đọc dữ liệu toàn diện

Không chỉ nhìn số. Đọc 20-30 ví dụ thực tế (concordance). Chú ý context xung quanh — từ này thường xuất hiện trong tình huống nào, với chủ đề gì

Bước 5: Đưa ra quyết định dựa trên data

Chọn phương án có frequency cao nhất trong register phù hợp, semantic prosody phù hợp với ý bạn muốn diễn đạt, và collocation pattern tự nhiên

Ví dụ thực tế — verify "significant" vs "considerable"

significant

COCA: ~180,000 kết quả

Academic frequency cao. Collocates: significant difference, significant impact, significant increase

considerable

COCA: ~35,000 kết quả

Ít phổ biến hơn. Collocates: considerable effort, considerable amount, considerable attention

→ "Significant difference" (academic) vs "Considerable effort" (general) — không phải synonym hoàn toàn vì collocation pattern khác nhau.

5 chiều phân tích + 5 bước quy trình = framework verify hoàn chỉnh. Mỗi lần phân vân từ nào, chạy qua checklist này — 5 phút tra corpus thay thế 5 năm hỏi người bản ngữ.

Bắt đầu với Chiều 1 (Frequency) và Chiều 2 (Register) — hai chiều này giải quyết 80% vấn đề phổ biến. Chiều 5 (Semantic prosody) khó nhất nhưng quan trọng khi viết academic hoặc business English.