Cada ronda de Llenar los Espacios te muestra una frase real con una palabra que falta, y tienes que proporcionarla. La frase en sí siempre ha sido decisiva para lo que de verdad aprendes en cada ronda; un ejemplo mal escrito o traducido de forma extraña es una mala ronda sin importar lo correcta que sea tu respuesta. Lo nuevo es qué frase se elige para una palabra dada, de entre todas las candidatas que existen para ella.
La idea detrás del i+1#
La hipótesis del input comprensible de Stephen Krashen es una de las ideas más citadas en la adquisición de segundas lenguas: las personas adquieren un idioma a partir de un input que se entiende casi por completo, con un pequeño tramo incorporado —un peldaño más allá de la capacidad actual—. A ese tramo lo llamó i+1: tu nivel actual, i, más un único incremento. Si queda muy por debajo de tu nivel, no hay nada que aprender; si queda muy por encima, no hay nada a lo que anclar la pieza nueva. La zona que realmente funciona es estrecha, y se define por cuánto del material circundante ya entiendes, no por lo difícil que sea el elemento nuevo en sí mismo.
Aplicado a una sola frase, el i+1 tiene una forma muy literal: todas las palabras son conocidas excepto una, y esa es exactamente la que se te pide que produzcas. Llenar los Espacios ya tenía integrada por diseño la parte de "falta una palabra": el hueco es siempre la palabra evaluada. Lo que no tenía, hasta ahora, era ninguna forma de saber si el resto de la frase era realmente i+1 para la persona que la leía, o si daba la casualidad de que estaba llena de otras tres palabras que nunca había visto.
Qué ha cambiado exactamente#
Llenar los Espacios siempre ha elegido sus frases de ejemplo por calidad: longitud natural, una traducción utilizable, que la palabra objetivo aparezca de forma limpia. Ese listón de calidad no se ha movido. Lo nuevo es que, entre las frases que lo superan, la app ahora también considera cuánto del resto de la frase ya conoces —usando los mismos datos de dominio y repaso que hay detrás de la mezcla consciente del dominio y del grafo de vocabulario— y favorece la que deja el hueco como tu único vacío.
El resultado es que dos estudiantes que repasan exactamente la misma palabra pueden ver dos frases distintas, cada una i+1 específicamente para ellos:
| Frase candidata para "aeropuerto" | A quién le encaja | Por qué |
|---|---|---|
| El ___ está muy lejos del centro. | Un principiante que conoce estar, muy, lejos, centro | Cada palabra alrededor ya es familiar: solo el hueco es nuevo |
| Perdimos el vuelo porque el tráfico cerca del ___ era terrible. | Un lector avanzado cómodo con perdimos, vuelo, tráfico, cerca | Una frase más rica y natural, pero igualmente comprensible por completo para este lector |
Ambas frases son ejemplos reales, escritos por personas, que ya existían en el conjunto. No se generó nada para ninguno de los dos estudiantes: la app simplemente eligió la que les deja un único hueco aislado en lugar de una frase difícil en tres sitios a la vez.
La preferencia está acotada, a propósito#
El ajuste al i+1 es una preferencia por encima de la calidad de la frase, no un sustituto de ella. Una frase bien formada y bien traducida en la que conoces todo menos una palabra no pierde frente a nada, pero una frase por lo demás débil (fraseo raro, sin traducción, una longitud poco natural) no gana solo porque casualmente sea i+1 para ti. Si la mejor coincidencia i+1 para una palabra es una frase de baja calidad y hay disponible una frase de buena calidad con una palabra desconocida adicional, la app puede seguir eligiendo la de buena calidad. El objetivo es orientar la selección entre candidatas ya decentes hacia la que te sitúa en el punto óptimo del input comprensible, no perseguir un ajuste i+1 perfecto a costa de una frase que de verdad se lea bien.
Tampoco es estático. Tu vocabulario cambia cada semana —hay palabras que pasan de aprendizaje a dominadas, se guardan palabras nuevas—, así que el mismo conjunto de frases para "aeropuerto" puede ordenarse el mes que viene de forma distinta a como se ordena hoy, aunque las frases en sí no hayan cambiado. No hay nada que configurar: la clasificación simplemente refleja tu historial de repaso tal como está cada vez que se carga una sesión.
Lo conocido también te sigue a través de la flexión, no solo por coincidencias exactas de palabra. Si tu historial de repaso muestra que conoces comer, una frase candidata que contenga comí o comiendo se trata como si contuviera una palabra conocida alrededor del hueco, no una desconocida: la misma resolución de formas flexionadas que hace que dominar despertar también acredite despierta en otras partes de la app.
De dónde vienen realmente las frases#
Vale la pena ser precisos aquí, porque sería fácil asumir que esto significa frases generadas por IA hechas a tu medida, y no es así. El conjunto de frases proviene de Tatoeba, un corpus abierto de frases reales escritas por personas, con traducciones, construido por la comunidad, la misma fuente que Llenar los Espacios siempre ha usado. Lo que ha cambiado está enteramente del lado de la selección: qué frase real y existente se muestra a qué estudiante para una palabra dada. Ninguna frase se escribe ni se reescribe para cada usuario.
Hay una única excepción acotada, y es anterior a esta función por completo: en palabras para las que Tatoeba de verdad no tiene ninguna frase utilizable, los usuarios Pro recurren a una frase generada por Gemini a un nivel intermedio. Ese recurso solo se activa cuando el corpus no tiene nada que ofrecer; no forma parte de cómo funciona la selección i+1 y no ha cambiado.
Lo que cuesta#
Nada. Tu conjunto de palabras conocidas se construye a partir de datos que la app ya tiene —el mismo historial de repetición espaciada que impulsa tu calendario de repaso— y la clasificación ocurre en el dispositivo. Ninguna palabra que hayas guardado o repasado se envía a ningún sitio para esta función, no se hacen llamadas de red adicionales, y está disponible para todos los estudiantes sin importar la suscripción. Este es uno de los sitios donde la personalización es realmente gratuita: la inteligencia está en cómo se usan los datos existentes, no en ninguna llamada nueva a una IA.