Se você quer um único número para o inglês, aqui vão dois. Cerca de 3.000 famílias de palavras de alta frequência te levam a aproximadamente 95% de cobertura do inglês falado, o ponto em que a conversa deixa de ser um jogo de adivinhação. Cerca de 8.000 a 9.000 famílias de palavras te levam a aproximadamente 98% de cobertura do inglês escrito, o ponto em que romances e jornais se tornam genuinamente confortáveis. Os dois números vêm da pesquisa de cobertura de Paul Nation (Nation, 2006), e ambos são faixas, não linhas de chegada, porque “fluente” significa coisas diferentes para falar, ler e trabalhar.
O que fluência significa em termos de cobertura#
A pesquisa sobre vocabulário evita a palavra “fluente” e mede, em vez disso, a cobertura: a proporção das palavras de um texto que um leitor já conhece. Dois patamares aparecem repetidamente.
- 95% de cobertura é o patamar que Laufer (1989) associou à compreensão adequada, e hoje costuma ser tratado como o piso a partir do qual um texto funciona quando há algum apoio disponível, como um glossário ou um interlocutor paciente. Isso equivale a uma palavra desconhecida a cada vinte.
- 98% de cobertura é o ponto em que a maioria dos aprendizes consegue ler de forma independente e por prazer, sem parar (Hu e Nation, 2000). Isso equivale a uma palavra desconhecida a cada cinquenta.
Três pontos percentuais parecem pouco. Em termos de vocabulário, é a diferença entre alguns milhares de famílias de palavras e quase dez mil, e é por isso que as pessoas conseguem bater papo tranquilamente em inglês anos antes de conseguir ler um romance sem esforço.
O que conta como uma palavra#
Qualquer contagem de palavras em inglês não significa nada até você saber qual é a unidade contada. A mesma página de texto rende quatro números bem diferentes.
| Unidade | O que significa | Exemplo em inglês |
|---|---|---|
| Token | Cada palavra corrida, contada toda vez que aparece | speak, speak, speaking são 3 tokens |
| Type | Cada forma escrita distinta, contada uma vez | speak, speaking são 2 types |
| Lema | Uma palavra-base mais suas flexões | speak cobre speaks, spoke, spoken, speaking |
| Família de palavras | Um lema mais suas derivações transparentes | speak também cobre speaker, speech, unspoken |
O inglês flexiona muito menos do que o espanhol, o alemão ou o russo, então types e lemas ficam mais próximos entre si aqui do que na maioria dos idiomas: um verbo tem um punhado de formas, não dezenas. A lacuna que importa no inglês é entre lemas e famílias: depois que você conhece nation, as formas national, nationally e nationality costumam vir de graça, o que é a suposição por trás das contagens baseadas em famílias, embora a economia seja menor para o aprendiz do que a unidade sugere. Quando um estudo diz “8.000 famílias de palavras”, isso não significa 8.000 eventos de memorização separados.
Os números de cobertura para o inglês#
O estudo de Nation de 2006 usou o British National Corpus, uma coleção de cerca de 100 milhões de palavras em inglês britânico, e perguntou quantas famílias de palavras um aprendiz precisa para cada nível de cobertura. Os pontos de ancoragem abaixo vêm desse trabalho. As linhas intermediárias são aproximações que seguem a mesma curva, então leia-as como o formato do problema, não como medições exatas.
| Famílias de palavras conhecidas | Inglês escrito (livros, notícias) | Inglês falado (conversa, TV) |
|---|---|---|
| 1.000 | cerca de 80% | cerca de 80–85% |
| 2.000 | cerca de 90% | cerca de 90% |
| 3.000 | na casa dos 90% | cerca de 95% (Nation, 2006) |
| 4.000–5.000 | cerca de 95% (Nation, 2006) | cerca de 96–97% |
| 6.000–7.000 | cerca de 97% | cerca de 98% (Nation, 2006) |
| 8.000–9.000 | cerca de 98% (Nation, 2006) | acima de 98% |
Duas ressalvas acompanham esses números. As contagens de Nation presumem que nomes próprios e um punhado de itens marginais, como interjeições, já são conhecidos, o que é uma suposição razoável para a maioria dos leitores. E a fala é sistematicamente mais fácil do que a escrita: a conversa recicla um núcleo menor, enquanto o inglês escrito recorre à metade mais rara do dicionário.
Por que as primeiras 1.000 palavras fazem a maior parte do trabalho#
A frequência das palavras em inglês segue o padrão desigual formalizado como a lei de Zipf (Zipf, 1949): um conjunto minúsculo de palavras aparece o tempo todo, e um conjunto enorme quase nunca aparece. Em um texto corrido em inglês, a única palavra the responde sozinha por algo entre cinco e sete por cento de todas as palavras, e as cem palavras mais frequentes juntas respondem por aproximadamente metade de tudo o que é escrito.
O efeito prático é que o vocabulário inicial é o melhor investimento que você jamais fará em inglês. A faixa do topo é dominada por palavras funcionais e verbos de uso geral: be, have, do, get, make, go, take, come, see, know. A General Service List de Michael West (1953) capturou essa percepção para o ensino de inglês com cerca de 2.000 famílias de palavras, e a ideia ainda sustenta listas modernas construídas a partir do BNC e do COCA, o Corpus of Contemporary American English. Juntos, esses dois corpora cobrem o inglês britânico e o americano, e o núcleo de alta frequência é parecido o suficiente entre as variantes para que as faixas do topo pareçam praticamente as mesmas, não importa onde você aprenda.
A mesma curva explica a má notícia. Ir de 95% para 98% significa aprender milhares de palavras que aparecem raramente cada uma, então as repetições vêm devagar e não dá para forçar o ritmo. Esse trecho é o platô intermediário em formato de vocabulário.
Um dicionário enorme e um núcleo pequeno#
O inglês é famoso pelo seu tamanho. O Oxford English Dictionary documenta mais de 600.000 palavras ao longo de mil anos, incluindo termos obsoletos, em parte porque o inglês absorveu vocabulário do nórdico antigo, do franco-normando e do latim, e manteve as sobreposições. Essa história produziu dupletos com significado quase idêntico em registros diferentes: begin e commence, freedom e liberty, help e assist.
Esse total importa muito menos para um aprendiz do que parece. A metade rara do dicionário é rara para todo mundo. As estimativas sobre o que falantes nativos realmente sabem variam conforme a unidade de contagem: Goulden, Nation e Read (1990) estimaram cerca de 17.000 famílias-base de palavras para adultos nativos com escolaridade, enquanto Brysbaert e colaboradores (2016) estimaram que um americano médio de vinte anos conhece aproximadamente 42.000 lemas. Esses números não estão em conflito; eles contam coisas diferentes, e esse é exatamente o problema das metas de vocabulário e a razão pela qual medir o tamanho do seu vocabulário exige cuidado.
O que um aprendiz precisa é do núcleo compartilhado, e esse núcleo é pequeno. O vocabulário especializado é uma tarefa separada e menor: a Academic Word List de Coxhead (2000) isola 570 famílias de palavras que se repetem amplamente na escrita acadêmica de artes, comércio, direito e ciências, somando-se às primeiras 2.000 famílias de alta frequência, o que a torna uma lista curta com um retorno grande para quem estuda ou trabalha em inglês.
O que cada nível do CEFR aproximadamente exige#
O Quadro Europeu Comum de Referência (CEFR) não especifica nenhuma contagem de palavras, por design, já que precisa funcionar para qualquer idioma. As faixas abaixo vêm de trabalhos de perfilamento de bancas examinadoras e de pesquisas específicas por idioma, e as fontes discordam bastante entre si, então trate-as como orientação, não como metas. Se os próprios níveis ainda são novidade para você, Níveis do CEFR explicados cobre o que cada faixa garante.
| Nível | Vocabulário aproximado (as estimativas variam; as fontes divergem sobre se são palavras ou famílias) | Como é a leitura |
|---|---|---|
| A1 | ~500–1.000 | Placas, cardápios, frases curtas e previsíveis |
| A2 | ~1.000–2.000 | Textos pessoais simples, leitores graduados de nível básico |
| B1 | ~2.000–3.000 | Notícias simplificadas, leitores graduados, textos factuais com apoio |
| B2 | ~3.000–5.000 | Artigos de jornal e material profissional em uma área familiar |
| C1 | ~5.000–8.000 | Ficção literária, jornalismo denso, escrita acadêmica |
| C2 | ~8.000–16.000 | Qualquer coisa, incluindo trocadilhos, dialeto e campos técnicos desconhecidos |
Especificamente para o inglês, o English Vocabulary Profile da Cambridge, parte do programa English Profile, mapeia palavras individuais e até significados individuais de uma palavra para níveis do CEFR usando evidências de corpus de aprendizes. É a coisa mais próxima que o inglês tem de uma lista oficial de palavras por nível, e vale a pena consultar se você quer saber se uma determinada palavra é A2 ou B2 em vez de adivinhar. Em termos de tempo, em vez de palavras, a Cambridge English publica uma orientação aproximada de horas de aprendizagem guiada, que vai de algumas centenas de horas para alcançar o A2 até pouco mais de mil horas cumulativas para se aproximar do C2. São números de ordem de grandeza que variam enormemente conforme a proximidade entre o seu idioma nativo e o inglês.
O que as contagens de palavras deixam passar em silêncio#
Três características do inglês tornam uma contagem bruta de famílias otimista demais.
Phrasal verbs. Put off, get over, look after e turn down são formados por palavras que você já conhece e significam algo que não dá para prever. Martinez e Schmitt (2012) reuniram uma lista de aproximadamente 500 expressões multipalavra frequentes justamente porque as listas de palavras isoladas as deixam invisíveis, e muitas delas estão dentro do inglês mais comum que você vai ouvir.
Polissemia. Palavras de alta frequência em inglês carregam muitos significados. Run e get têm, cada uma, centenas de sentidos distintos em um dicionário completo, então “conhecer” essas palavras não é um evento único. É por isso que encontrar uma palavra repetidas vezes em contextos diferentes funciona melhor do que encontrá-la uma única vez em um cartão.
Ortografia e som. A ortografia do inglês corresponde à pronúncia de forma irregular, então reconhecer uma palavra na página e reconhecê-la na fala são habilidades parcialmente separadas. Aprendizes que leem bastante muitas vezes entendem muito mais do que conseguem acompanhar em uma conversa, e a solução é mais volume de escuta, não mais palavras.
Como construir esse vocabulário na prática#
Dois mecanismos têm a evidência mais forte por trás deles, e funcionam melhor juntos.
Input compreensível. A hipótese do input de Krashen (1985) sustenta que adquirimos um idioma ao entender mensagens um pouco além do nosso nível atual. Para o inglês isso é fácil de organizar, já que existe mais material em inglês on-line do que em qualquer outro idioma, mas o problema é o tamanho do salto de dificuldade: um site de notícias fica muito acima do vocabulário de A2. Os leitores graduados são a ponte clássica, e as principais séries da Oxford e da Penguin publicam tabelas de nível que vão de algumas centenas de palavras-chave até alguns milhares, então consulte a tabela atual da editora e comece um nível abaixo do que o seu orgulho sugere. A lógica por trás disso está em input compreensível explicado e em como construir vocabulário lendo.
Repetição espaçada. Revisar uma palavra em intervalos crescentes combate a curva do esquecimento descrita por Ebbinghaus (1885) de forma muito mais eficiente do que a revisão concentrada. A versão prática disso está em repetição espaçada para aprender idiomas.
O LingoBlend é construído em torno de rodar os dois mecanismos ao mesmo tempo. Você cola qualquer texto que realmente queira ler e escolhe qual fração das palavras será mesclada para o inglês, de um leve 5% até a imersão total, então o tamanho do salto de dificuldade é algo que você define, não algo que o texto impõe. Toque em uma palavra mesclada para ver o significado e a gramática dela e salvá-la, e as palavras salvas entram em cinco jogos de prática com um cronograma de repetição espaçada. Especificamente para o inglês, o plano Pro inclui alguns clássicos na íntegra, entre eles Orgulho e Preconceito e O Grande Gatsby, que são um destino razoável assim que os textos simplificados começarem a parecer lentos demais. O guia de aprendizado de inglês é o ponto de partida, e se você quiser saber onde está a sua própria contagem agora, quantas palavras você sabe explica o que um contador confiável consegue e não consegue te dizer.