Para medir tu vocabulario se evalúa una muestra aleatoria de palabras extraídas de cada banda de frecuencia de un idioma, y luego escalas tu puntuación al tamaño de la banda. Si tomas diez palabras de la tercera banda de 1.000 y aciertas ocho, el test te atribuye aproximadamente 800 palabras en esa banda. La aritmética es sencilla. Lo difícil está debajo: decidir qué cuenta como palabra.
Qué estás contando en realidad#
Hay tres unidades en circulación, y producen totales radicalmente distintos a partir del mismo conocimiento. Una forma superficial es cada forma escrita distinta, así que run, runs, running, ran cuenta como cuatro. Un lema agrupa una palabra base con sus flexiones dentro de una misma categoría gramatical, así que esas cuatro se reducen a una, mientras que runner sigue siendo aparte. Una familia de palabras incorpora además las derivaciones transparentes, convirtiendo run, runs, running, ran, runner, rerun en una sola familia. Bauer y Nation (1993) establecieron niveles graduados de afijación para que los investigadores pudieran precisar qué derivaciones contaban.
| Unidad | run, runs, running, ran, runner, rerun cuenta como | Uso típico |
|---|---|---|
| Forma superficial | 6 | Recuentos de tokens en corpus, correctores ortográficos |
| Lema | 2 (run, runner) | Diccionarios, la mayoría de las listas bilingües de palabras |
| Familia de palabras | 1 | La investigación de cobertura de Nation, los test de tamaño |
Por eso «conozco 5.000 palabras» es casi infalsificable por sí solo. Un mismo alumno puede describirse honestamente como alguien que conoce 3.000 familias de palabras, unos 5.000 lemas, o bastante más de 10.000 formas superficiales. La brecha se amplía en idiomas morfológicamente ricos, donde un solo sustantivo finlandés, turco o ruso aparece en decenas de formas, así que los recuentos por forma superficial favorecen a esos alumnos. Antes de comparar tu número con un objetivo publicado, comprueba que ambos lados usan la misma unidad. La mayoría de los objetivos serios, incluidos los de cuántas palabras hacen falta para ser fluido en español, se expresan en familias de palabras.
Cómo funcionan los test de tamaño de vocabulario#
Una lista de frecuencia se divide en bandas de 1.000 familias de palabras, ordenadas de más a menos comunes. Un test de tamaño toma una pequeña muestra fija de cada banda, normalmente un ítem de opción múltiple que pide el significado de la palabra objetivo en un contexto breve y neutro. Tu puntuación en una banda estima la proporción que conoces de esa banda, y las estimaciones se suman.
El método es sólido, pero la muestra es escasa. Diez ítems por banda significa que cada ítem pesa cien palabras, así que un acierto por suerte mueve la estimación en 100. Los resultados por banda son ruidosos, mientras que el total es mucho más estable. Trata cualquier resultado como un rango de unos pocos cientos de palabras y vuelve a medir con meses de diferencia.
Comprobar la sobreestimación con palabras inventadas#
El formato más barato es una lista de sí/no: ves palabras y marcas las que conoces. Sin corrección, está muy inflado, porque los alumnos marcan palabras que simplemente les resultan familiares y nada penaliza el optimismo. La solución estándar es sembrar la lista con palabras inventadas pero plausibles, construidas con la ortografía real del idioma. Meara y Buxton (1987) establecieron el método: marcar una palabra inventada mide la sobreestimación directamente, así que la puntuación pasa a ser aciertos reales menos la tasa de falsas alarmas.
LexTALE (Lemhöfer y Broersma, 2012) es la versión moderna más conocida, con ediciones en inglés, neerlandés y alemán. Da un porcentaje de competencia en lugar de un tamaño en palabras, lo cual es una afirmación más defendible.
Los test estándar: VST y VLT#
Dos instrumentos del grupo de Paul Nation dominan el campo, y responden a preguntas distintas. El Vocabulary Size Test (Nation y Beglar, 2007) es el test de totales: 140 ítems de opción múltiple, diez de cada una de las primeras catorce bandas de 1.000 familias, y cada respuesta correcta vale 100 familias, así que la puntuación bruta se multiplica por 100. Existen versiones bilingües en muchas lenguas maternas, lo que elimina la variable de tener que entender una definición en inglés para demostrar que conoces una palabra en inglés.
El Vocabulary Levels Test (Nation, 1983, revisado por Schmitt, Schmitt y Clapham, 2001) es el diagnóstico. Explora bandas concretas —tradicionalmente las de 2.000, 3.000 y 5.000, más una sección académica y otra de 10.000— emparejando palabras con definiciones breves. Su resultado es un perfil: sólido en 2.000, irregular en 3.000, débil en 5.000. Eso te dice dónde invertir los próximos tres meses, algo que un total nunca te dice.
Por qué la autoevaluación sobreestima#
Reconocer es mucho más fácil que recordar, y ambas son más fáciles que usar. El enfoque de Nation separa la forma, el significado y el uso de una palabra; la autoevaluación solo capta lo primero. Ves contemplar, sientes un destello de reconocimiento y la marcas, sin ser capaz de producirla en una frase ni distinguirla de una vecina parecida. Los cognados amplifican esto: un lector que viene del inglés reconoce a simple vista cientos de palabras romances sin saber cuáles son falsos amigos.
La opción múltiple añade su propia inflación, ya que cuatro opciones dan un 25% con adivinación a ciegas, y la eliminación de opciones lo eleva más. Por eso las estimaciones serias corrigen por adivinación, añaden controles con palabras inventadas o usan un formato de recuerdo. Para una comprobación privada, tapa las traducciones de cincuenta de tus palabras guardadas y escribe los significados; la diferencia frente a tu puntuación de reconocimiento es tu tasa de sobreestimación.
Cobertura: la medida que de verdad predice la lectura#
Si tu objetivo es leer, la cantidad útil no es tu total sino la proporción de palabras de una página que ya conoces. Laufer (1989) identificó aproximadamente un 95% de cobertura como el umbral donde la comprensión se vuelve manejable con diccionario. Hu y Nation (2000) descubrieron que la comprensión cómoda y sin ayuda de ficción generalmente requiere más cerca del 98%. Nation (2006) estimó que el 98% de un texto escrito requiere entre 8.000 y 9.000 familias de palabras, mientras que el texto hablado necesita aproximadamente entre 6.000 y 7.000, ya que el habla recurre a un rango más estrecho.
Esos porcentajes son más fáciles de juzgar como densidades. Al 95% una palabra de cada veinte es desconocida, aproximadamente una por línea de un libro de bolsillo. Al 98% es una de cada cincuenta, aproximadamente una por párrafo corto, que el contexto suele resolver sin romper tu ritmo de lectura. Esa es la diferencia entre estudiar un texto y leerlo. La misma lógica sustenta el input comprensible y explica por qué los lectores de nivel intermedio se estancan, un patrón que se trata en la meseta del nivel intermedio.
Qué te permite leer un tamaño de vocabulario dado#
Las cifras siguientes son aproximadas, extraídas de la investigación de cobertura de Nation sobre inglés escrito. Otros idiomas desplazan los límites, y los textos individuales pueden quedar fuera de ellos.
| Familias de palabras | Cobertura aprox. del texto escrito | Qué permite realmente |
|---|---|---|
| 1.000 | ~75–80% | Lecturas graduadas en A1, etiquetas, diálogo simple |
| 2.000 | ~85–90% | Lecturas graduadas A2, temas cotidianos familiares |
| 3.000 | ~90% | La mayoría de la conversación cotidiana, textos adaptados B1 |
| 4.000–5.000 | ~95% | Noticias y no ficción corrientes, con diccionario |
| 8.000–9.000 | ~98% | Novelas y periodismo sin adaptar, leídos por placer |
| ~15.000–20.000 | Más allá del 98% | El rango que suele estimarse para lectores nativos instruidos |
Las estimaciones de hablantes nativos varían entre estudios porque también dependen de la unidad de recuento, así que lee esa última fila como un orden de magnitud. Trasladar las bandas a etiquetas de competencia es impreciso pero útil, y en los niveles del MCER explicados se expone cómo encajan los descriptores.
Medir la cobertura en tus propios textos#
Puedes saltarte el test formal y medir directamente lo que te importa. Toma una página que quieras leer, cuenta 100 palabras seguidas de texto y marca las que no entiendes. Dos o menos te sitúan cerca de la zona del 98%, así que simplemente lee. Alrededor de cinco te sitúan cerca del 95%: legible con apoyo y productivo para el vocabulario. Más de diez y estás descifrando en lugar de leer, lo que convierte el texto en el problema, no a ti.
Con la última versión de la app, LingoBlend también responde a la pregunta de este capítulo por ti: la pantalla de Práctica muestra una estimación continua de tu vocabulario —«unas 320 palabras · A2»—, contando solo palabras que has demostrado conocer a través de repasos de repetición espaciada, con las flexiones reducidas a una sola palabra de diccionario.
Ese recuento también te dice cómo configurar una herramienta. LingoBlend fija la cobertura de forma deliberada: pegas un texto que ya querías leer y un deslizador controla qué proporción de las palabras aparece en tu idioma objetivo, así que la densidad de palabras desconocidas se mantiene en el rango productivo en lugar de donde la dejó el autor. Las palabras tocadas se guardan con su contexto gramatical y vuelven según un calendario de repetición espaciada. El resto de las herramientas de lectura y repaso de LingoBlend está en la página de funciones.