Abre la sección de vocabulario de casi cualquier app de idiomas y verás siempre lo mismo: una lista. Palabras en una columna, traducciones en otra, tal vez una barra de dominio. Es la vista de una hoja de cálculo de algo que, dentro de tu cabeza, no se parece en nada a una hoja de cálculo. Este artículo repasa lo que la investigación dice realmente sobre cómo se almacenan las palabras, las dos consecuencias prácticas que importan para quien aprende, y cómo hemos empezado a construir LingoBlend alrededor de esa forma.
Cómo es en realidad el léxico mental#
El término que usan los psicolingüistas para tu almacén de palabras es el léxico mental, y el modelo clásico de este es una red semántica: palabras como nodos, relaciones como conexiones, y activación que se propaga por esas conexiones (Collins y Loftus, 1975). Cuando oyes doctor, las palabras enfermera, hospital y medicina se reconocen de forma medible más rápido durante la fracción de segundo siguiente, un efecto llamado priming semántico, uno de los hallazgos más replicados del campo.
Las conexiones no son solo de significado. Los estudios de asociación de palabras —decir una palabra y anotar la primera que viene a la mente— muestran vínculos estables y estructurados de varios tipos:
| Tipo de conexión | Ejemplo (español) | Qué refleja |
|---|---|---|
| Familia de palabras | comer → comida, comedor | Raíz y morfología compartidas |
| Sinónimo / antónimo | feliz → contento, triste | Solapamiento y contraste de significado |
| Tema / colocación | comer → cocina, almuerzo | Palabras que viven en las mismas situaciones |
| Semejanza de forma | pero ↔ perro | Parecidos en sonido y ortografía |
La investigación sobre segundas lenguas añade el hallazgo que más importa para quien aprende: la densidad de la red sigue el nivel de dominio. El trabajo de Paul Meara sobre redes léxicas en L2 sostuvo que el tamaño del vocabulario por sí solo es una medida débil: los almacenes de palabras de los principiantes se comportan como colecciones sueltas, mientras que el de los estudiantes avanzados se comporta como redes al estilo nativo, con asociaciones que pasan de basarse en el sonido ("¿con qué rima?") a basarse en el significado a medida que crece el dominio. Dos estudiantes pueden conocer las mismas 2.000 palabras, y el que tiene las palabras conectadas lee más rápido, recuerda más rápido y adivina mejor las palabras nuevas.
Primera consecuencia: las palabras nuevas necesitan algo a lo que atarse#
Una palabra nueva que se conecta con algo que ya sabes tiene dónde vivir. Es el principio del input comprensible aplicado al vocabulario: el aprendizaje ocurre en el borde de lo que ya sabes, no en el vacío. Si ya conoces comer, entonces comida apenas es una palabra nueva: hereda la raíz, el tema y la mitad de sus contextos de un nodo que ya posees. Aprenderla cuesta una fracción de lo que cuesta una palabra no relacionada.
Ese borde —el conjunto de palabras a una conexión de distancia de tu vocabulario conocido— es tu frontera personal, y ahí es donde vive el aprendizaje más barato. Las listas de frecuencia lo ignoran por completo: entregan a cada estudiante la misma siguiente palabra, sin importar lo que ese estudiante ya sepa. Un modelo de red puede ordenar tu frontera específicamente para ti. (Esto no es una idea nueva en el software educativo en general —las plataformas de matemáticas llevan años usando grafos de prerrequisitos para elegir "qué sigue"—, pero es poco común en las apps de idiomas.)
Segunda consecuencia: las palabras parecidas se pelean entre sí#
La segunda predicción es menos intuitiva y está mejor respaldada: estudiar palabras parecidas juntas las hace más difíciles de aprender. Una línea de investigación que se remonta décadas atrás (Tinkham, 1993; Waring, 1997) descubrió que aprender conjuntos agrupados semánticamente —todos los colores a la vez, todas las frutas a la vez— es más lento, de forma medible, que aprender las mismas palabras en conjuntos mixtos, porque los elementos parecidos interfieren entre sí. Cualquier estudiante que haya cruzado para siempre los cables entre el inglés Tuesday/Thursday o entre el español pero/perro conoce esa sensación. Las directrices de Paul Nation sobre la enseñanza de vocabulario lo dicen sin rodeos: presenta los elementos relacionados y confundibles en momentos distintos.
La consecuencia práctica: una app debería saber cuáles de tus palabras son confundibles, y usar ese conocimiento para mantenerlas separadas cuando son nuevas, y para contrastarlas deliberadamente una vez que las sigues confundiendo. Las sesiones de repaso de LingoBlend ahora hacen las dos cosas, usando los mismos pares de confusión mapeados que se describen más abajo; consulta cómo Pares confusos mantiene separados pero y perro.
Qué implica esto para cómo debería modelarte una app#
Junta las dos consecuencias y los requisitos salen solos:
| Modelo de lista plana | Modelo de red |
|---|---|
| Sabe qué palabras guardaste | Sabe qué palabras guardaste y cómo se relacionan |
| Siguiente palabra = siguiente fila de una lista de frecuencia | Siguiente palabra = tu frontera, ordenada |
| Ciego a los confundibles | Puede separar pero/perro en el tiempo y luego contrastarlos |
| despierta y despertar son dos filas sin relación | Ambas son de la misma familia de palabras, y saber una cuenta también para la otra |
| El tamaño del vocabulario como única métrica | Tamaño y conectividad |
Esa última fila merece una nota, porque es donde las apps de modelo de lista pierden silenciosamente tu progreso. Quien aprende se encuentra las palabras en formas flexionadas —despierta, no la forma de diccionario despertar—, y un modelo de lista guarda la forma que guardaste como su propia fila aislada. Un modelo de red resuelve las formas hasta su familia, así que el conocimiento se acumula en un solo sitio.
Cómo pone esto en práctica LingoBlend#
Hemos construido ahora un grafo de vocabulario para cada uno de nuestros 17 idiomas: unas 3.000 de las palabras más útiles por idioma —seleccionadas por su frecuencia de uso real, no por el orden de los libros de texto—, conectadas por familias de palabras, sinónimos, antónimos, confundibles, temas y semejanza semántica, y reconocidas tanto en sus formas flexionadas como en sus formas de diccionario (despierta → despertar, e irregulares que ninguna regla ortográfica podría atrapar nunca, como el italiano va → andare).
Tu parte del grafo viene de lo que LingoBlend ya rastrea: cada palabra que guardas, y cómo te van los repasos en los juegos de repetición espaciada. Ese historial de repaso le dice a la app cuánto conoces en realidad cada palabra y superpone tu conocimiento al mapa del idioma, en tu dispositivo, sin coste y sin conexión.
Hoy esto funciona entre bastidores, y con la última versión de la app la lista de funciones construidas sobre ello ha crecido bastante más allá de la primera: mezclas que dejan de gastar espacios de traducción en palabras que ya dominas, recomendaciones basadas en la frontera y exploración por familias de palabras en tu diccionario, y sesiones de repaso conscientes de las interferencias que mantienen separados los pares confundibles. Si quieres el recorrido técnico más a fondo de lo que hay en el grafo, lo escribimos: dentro del grafo de vocabulario de LingoBlend.
Lectura relacionada: cómo construir vocabulario leyendo para la investigación sobre cobertura y encuentros repetidos, la ciencia de la lectura bilingüe para entender por qué el texto en dos idiomas mantiene la atención, y mide el tamaño de tu vocabulario para saber qué te dice el tamaño y qué no. O consulta toda la base de investigación en nuestra página de ciencia.