Para tener fluidez conversacional en italiano necesitas aproximadamente 3.000 familias de palabras de alta frecuencia, que cubren cerca del 95% de las palabras del habla y la escritura cotidianas. Leer novelas y periódicos sin diccionario requiere unas 8.000-9.000 familias (Nation, 2006). El italiano es uno de los idiomas mejor documentados en esta cuestión, porque la lingüística italiana tiene una larga tradición de definir con exactitud qué palabras forman el núcleo utilizable.
Qué cuenta como una palabra en italiano#
Cualquier cifra de vocabulario carece de sentido hasta que fijas la unidad. La misma página de italiano da cuatro respuestas distintas.
| Unidad | Definición | Ejemplo en italiano |
|---|---|---|
| Token | Cada palabra que aparece, contada cada vez | parla, parla, parliamo = 3 tokens |
| Tipo | Cada forma escrita distinta, contada una vez | parla, parliamo = 2 tipos |
| Lema | Una palabra base más sus formas flexionadas | parlare cubre parlo, parli, parlava, parlerò, parlato |
| Familia de palabras | Un lema más sus derivaciones transparentes | parlare más parola, parlante, parlata, riparlare |
La flexión del italiano es rica. Un solo verbo regular tiene bastante más de cuarenta formas conjugadas según tiempo, modo y persona, los sustantivos y adjetivos llevan género y número, y los pronombres clíticos se fusionan con el verbo, de modo que dirglielo es un único token escrito que contiene un verbo y dos pronombres. Los sufijos alterativos multiplican aún más las formas: casa se convierte en casetta, casona, casaccia sin añadir conceptos nuevos. Todo esto explica por qué una meta como «3.000 palabras en italiano» siempre significa 3.000 lemas o familias, nunca 3.000 formas escritas.
La propia respuesta de Italia: el vocabolario di base#
El italiano tiene un punto de referencia inusualmente concreto. El lingüista Tullio De Mauro compiló un vocabolario di base, revisado más tarde como el Nuovo vocabolario di base della lingua italiana (2016), que describe un núcleo de unas 7.000 palabras dividido en tres franjas: una franja fondamentale de unos 2.000 elementos que aparecen constantemente, una franja de alto uso de unos pocos miles más que son comunes pero menos incesantes, y una franja de alta disponibilità de palabras que todo el mundo conoce pero rara vez escribe, como los objetos domésticos.
El propio relato de De Mauro es que la franja fondamentale por sí sola representa la gran mayoría de las palabras de un texto corrido en italiano corriente, y que el núcleo completo cubre la inmensa mayoría de la comunicación general. Eso encaja de cerca con la investigación internacional sobre cobertura que viene a continuación, alcanzada de forma independiente desde una tradición distinta, lo cual es una buena señal de que las cifras no son un artefacto de un solo método. El trabajo anterior de De Mauro sobre el corpus LIP de italiano hablado (1993) plantea el mismo punto para el habla.
Los umbrales de cobertura detrás de «fluido»#
La investigación sobre vocabulario no mide la fluidez directamente. Mide la cobertura: el porcentaje de palabras de un texto que ya conoces. El 95% de cobertura se suele describir como el suelo para una comprensión adecuada cuando el lector puede inferir el resto por contexto (Laufer, 1989), aproximadamente una palabra desconocida de cada veinte. El 98% de cobertura es el nivel que Hu y Nation (2000) asociaron con la lectura independiente, donde el diccionario se vuelve opcional en lugar de necesario, aproximadamente una palabra desconocida de cada cincuenta.
El análisis de Nation de 2006 situó el vocabulario necesario para esa cifra del 98% en unas 8.000-9.000 familias de palabras para el texto escrito y unas 6.000-7.000 para el lenguaje hablado. El habla reutiliza un núcleo más estrecho, por eso los estudiantes pueden conversar con comodidad mucho antes de poder disfrutar de una novela.
Cuánto texto cubren las primeras 1.000, 2.000 y 5.000 palabras#
La frecuencia está desequilibrada en todos los idiomas estudiados, un patrón que Zipf describió en 1949. Un conjunto pequeño de palabras aparece en casi todas las frases, y una cola muy larga casi nunca aparece.
| Familias de palabras más frecuentes | Cobertura aproximada del texto | Qué suele desbloquear |
|---|---|---|
| 1.000 | ~80-85% | Italiano de supervivencia, la idea general de una conversación sencilla |
| 2.000 | ~90% | Intercambios cotidianos con lagunas; lecturas graduadas |
| 3.000 | ~95% | Fluidez oral cómoda; la mayoría de los temas diarios |
| 5.000 | ~96-97% | Noticias simplificadas, cine subtitulado con contexto |
| 8.000-9.000 | ~98% | Novelas y periódicos sin editar, leídos por placer |
La franja más alta en italiano son palabras funcionales y verbos de trabajo: di, che, e, il, essere, avere, fare, potere, dire, andare. Estos pocos cientos de elementos son inevitables y por eso la mejor inversión posible. El reverso es la mitad desalentadora: pasar del 95% al 98% significa adquirir varios miles de palabras cada vez más raras, cada una encontrada solo ocasionalmente. Los rendimientos decrecientes están integrados en la distribución, lo cual también explica por qué las metas de vocabulario en español caen casi exactamente en el mismo rango pese a venir de una tradición de corpus distinta.
Los hablantes de inglés parten con una ventaja parcial gracias al latín. Palabras como sufficiente, considerare y tradizione son transparentes a simple vista, y el italiano formal o académico suele ser más fácil para un lector de inglés que el italiano coloquial. La ventaja se desvanece en el habla, y viene con falsos amigos: camera es una habitación, fattoria es una granja, y morbido significa blando.
Vocabulario italiano por nivel del MCER#
El MCER describe lo que los estudiantes pueden hacer y no especifica ningún tamaño de vocabulario. Las franjas de abajo combinan la investigación sobre tamaño de vocabulario (Milton, 2009) con la forma de las listas base del italiano, y deben leerse como orientación, no como requisito.
| Nivel MCER | Familias de palabras aproximadas | Qué suele permitir |
|---|---|---|
| A1 | 500-1.000 | Saludos, números, pedidos, datos personales sencillos |
| A2 | 1.000-2.000 | Intercambios rutinarios, narración en passato prossimo, textos cortos y sencillos |
| B1 | 2.000-3.000 | Situaciones de viaje y de trabajo, habla estándar clara, lecturas graduadas |
| B2 | 4.000-5.000 | Discusión abstracta, lectura de prensa con alguna búsqueda ocasional |
| C1 | 6.000-8.000 | Uso profesional y académico, la mayor parte de la literatura |
| C2 | 9.000-10.000+ | Rango cercano al nativo, incluidos los modismos, el registro y el color regional |
Por qué cada cifra de aquí es una estimación#
Desconfía de las cifras que parecen precisas. La unidad es la palanca más grande, ya que contar familias en lugar de formas flexionadas puede recortar drásticamente un total en italiano. El corpus es la siguiente, porque una lista derivada de una colección de subtítulos como OpenSubtitles pondera el vocabulario conversacional de forma muy distinta a una construida con la Repubblica o con literatura del siglo XX. Conocer una palabra no es binario, así que el vocabulario pasivo siempre va por delante del activo. Y la cobertura no es comprensión: puedes conocer el 98% de las palabras de un contrato de alquiler italiano y aun así entenderlo mal. Italia añade una complicación más, ya que el uso regional y el vocabulario dialectal varían tanto que una conversación milanesa y una napolitana no recurrirán a listas idénticas.
Cómo construir de verdad un vocabulario italiano de ese tamaño#
Las listas de palabras por sí solas son lentas, y se desvanecen. Dos mecanismos con evidencia real detrás funcionan mucho mejor juntos.
Volumen de lectura comprensible. La hipótesis del input de Krashen (1985) sostiene que adquirimos un idioma al entender mensajes ligeramente por encima de nuestro nivel actual. Leer en italiano algo que en su mayoría puedes seguir pone las familias de alta frecuencia delante de ti repetidamente en contexto, que es como una forma reconocida se convierte en una palabra conocida. El argumento y sus límites se exponen en el input comprensible explicado.
Repaso programado. Repasar en intervalos cada vez más amplios combate la curva del olvido que Ebbinghaus publicó en 1885 con mucha más eficiencia que releer, un hallazgo confirmado en docenas de experimentos revisados por Cepeda y sus colegas en 2006. El argumento a favor de la repetición espaciada explica cómo funciona la programación en la práctica.
LingoBlend está construido en torno a esa combinación. Pega un artículo en italiano, un capítulo o una receta, ajusta el porcentaje de mezcla, y las palabras del idioma objetivo se entretejen en un texto que ya entiendes, que es el diglot weave de Burling de 1968 con un motor de IA detrás. Toca una palabra mezclada y obtienes su significado, su gramática y su forma base, así que avrei detto se remonta a dire en lugar de quedarse en tus notas como una forma huérfana. Las palabras guardadas entran en una cola de repetición espaciada SM-2 y alimentan cinco juegos de repaso. La guía para aprender italiano es un buen sitio para empezar.