Para ter fluência conversacional em francês, você precisa de aproximadamente 3.000 famílias de palavras de alta frequência, o que cobre cerca de 95% das palavras do francês falado e escrito no dia a dia. Para ler romances e jornais sem precisar recorrer ao dicionário, a pesquisa aponta para algo em torno de 8.000-9.000 famílias (Nation, 2006). “Fluente” não é um número único. É uma meta de cobertura ligada a um objetivo específico, e a distância entre conversar com tranquilidade e ler Camus sem ajuda é de vários milhares de palavras.
O que conta como uma palavra em francês#
Antes que qualquer número faça sentido, você precisa saber o que está sendo contado. A mesma página em francês gera quatro totais bem diferentes.
| Unidade | Definição | Exemplo em francês |
|---|---|---|
| Token | Cada palavra corrida, contada toda vez que aparece | parle, parle, parlons = 3 tokens |
| Tipo | Cada forma escrita distinta, contada uma vez | parle, parlons = 2 tipos |
| Lema | Uma entrada mais suas formas flexionadas | parler cobre parle, parles, parlons, parlait, parlerai |
| Família de palavras | Um lema mais suas derivações transparentes | parler mais parole, parleur, reparler |
A flexão do francês amplia bastante essa diferença. Um único verbo regular tem dezenas de formas escritas entre tempo, pessoa e modo, e adjetivos e substantivos carregam gênero e número. Uma peculiaridade útil joga a seu favor: muitas dessas formas escritas são homófonas. Parle, parles e parlent são escritas de formas diferentes, mas pronunciadas de maneira idêntica, então o número de formas que você precisa distinguir de ouvido é muito menor do que o número que precisa distinguir na página. Quando um curso promete “3.000 palavras em francês”, quase sempre quer dizer 3.000 lemas ou famílias. A Frequency Dictionary of French (2009), de Lonsdale e Le Bras, uma referência padrão, é organizada em torno dos 5.000 lemas mais frequentes exatamente por esse motivo.
Os limiares de cobertura por trás de “fluente”#
A pesquisa sobre vocabulário não mede a fluência diretamente. Ela mede a cobertura, a porcentagem de palavras corridas em um texto que o leitor já conhece. Dois limiares aparecem repetidamente na literatura.
A cobertura de 95% costuma ser descrita como o piso para uma compreensão adequada, quando o leitor consegue adivinhar o resto pelo contexto (Laufer, 1989). Isso equivale a mais ou menos uma palavra desconhecida a cada vinte, ou aproximadamente uma por linha de um livro de bolso. A cobertura de 98% é o nível que Hu e Nation (2000) associaram à leitura independente, em que o próprio texto sustenta a compreensão e o dicionário vira algo opcional, não necessário. Isso equivale a mais ou menos uma palavra desconhecida a cada cinquenta.
A análise de Nation em 2006 situou o vocabulário necessário para chegar a esses 98% em cerca de 8.000-9.000 famílias de palavras para texto escrito, e um pouco menos, por volta de 6.000-7.000, para a língua falada. A fala reaproveita um núcleo menor de vocabulário, e é por isso que quem estuda consegue manter uma conversa muito antes de conseguir ler um romance com conforto.
Quanto texto as 1.000, 2.000 e 5.000 palavras mais frequentes cobrem#
A frequência das palavras é extremamente desigual. Um punhado de itens aparece em quase toda frase, e uma cauda longa de palavras quase nunca aparece. Zipf (1949) formalizou esse formato, e é por isso que as primeiras mil palavras rendem tanto e a palavra de número 8.000 rende tão pouco.
| Famílias de palavras mais frequentes | Cobertura aprox. do texto | O que normalmente libera |
|---|---|---|
| 1.000 | ~80-85% | Francês de sobrevivência, o essencial de uma conversa simples |
| 2.000 | ~90% | Conversas do dia a dia com lacunas; leituras graduadas |
| 3.000 | ~95% | Fluência oral confortável; a maioria dos temas do cotidiano |
| 5.000 | ~96-97% | Notícias simplificadas, filme legendado com apoio do contexto |
| 8.000-9.000 | ~98% | Romances e jornais não adaptados, lidos por prazer |
A faixa de alta frequência do francês é dominada por palavras funcionais e verbos de trabalho pesado: de, le, et, être, avoir, faire, aller, pouvoir, dire, vouloir. Essas poucas centenas de itens são inevitáveis, e é exatamente por isso que aprendê-los compensa tanto. O reverso da moeda é a parte desanimadora. Subir de 95% para 98% significa adquirir vários milhares de palavras progressivamente mais raras, cada uma das quais você vai encontrar só ocasionalmente. Os retornos decrescentes estão embutidos na distribuição, não no seu método de estudo.
Falantes de inglês começam aqui com uma vantagem incomum. O levantamento de etimologia do inglês feito por Finkenstaedt e Wolff em 1973 descobriu que uma fatia enorme do léxico do inglês vem do francês ou do latim, o que significa que milhares de palavras em francês são reconhecíveis à primeira vista para quem fala inglês. Essa vantagem é real para a leitura e quase inútil para a compreensão auditiva, e vem acompanhada de faux amis como actuellement (que significa “atualmente”, não “na verdade”) e librairie (livraria, e não biblioteca).
Vocabulário de francês por nível do CEFR#
O Quadro Europeu Comum de Referência (CEFR) descreve o que quem aprende consegue fazer, não quantas palavras conhece. Ele não especifica nenhum tamanho de vocabulário. O mapeamento abaixo combina a pesquisa de tamanho de vocabulário de Milton (Milton, 2009; Milton e Alexiou, 2009) com listas de palavras de exames publicados, e deve ser lido como uma orientação, não uma especificação.
| Nível CEFR | Famílias de palavras aprox. | O que costuma sustentar |
|---|---|---|
| A1 | 500-1.000 | Cumprimentos, números, pedir comida, fatos pessoais simples |
| A2 | 1.000-2.000 | Trocas rotineiras, passado e futuro, textos curtos e simples |
| B1 | 2.000-3.000 | Lidar com viagens e situações de trabalho, acompanhar fala clara, leituras graduadas |
| B2 | 4.000-5.000 | Discutir temas abstratos, ler a imprensa com consultas ocasionais |
| C1 | 6.000-8.000 | Uso profissional e acadêmico fluente, a maior parte da literatura |
| C2 | 9.000-10.000+ | Faixa quase nativa, incluindo idiomatismos, registro e prosa especializada |
Duas pessoas no mesmo nível podem diferir por milhares de palavras dependendo do que leem, então trate essas faixas como nuvens sobrepostas, não como linhas exatas. O mesmo padrão se repete em idiomas aparentados, e é por isso que as metas de vocabulário equivalentes para o espanhol caem quase no mesmo lugar.
Por que todo número aqui é uma estimativa#
Desconfie de quem cita esses números com três algarismos significativos. A variação vem de quatro fontes. A unidade é a que mais importa: contar famílias em vez de lemas pode cortar um total em um terço ou mais. O corpus vem em seguida, já que uma lista de frequência construída a partir de legendas, como as derivadas da coleção OpenSubtitles, pesa o vocabulário conversacional de um jeito bem diferente de uma lista construída a partir de jornais ou de prosa literária. A definição de “conhecer” uma palavra também importa, porque reconhecer chuchoter em uma frase é muito mais fácil do que produzi-la sob demanda, e o vocabulário passivo de qualquer pessoa que estuda ultrapassa o ativo. Por fim, cobertura não é compreensão. Você pode conhecer 98% das palavras de um contrato jurídico em francês e ainda assim não entender o ponto, porque domínios especializados carregam seu próprio vocabulário, que as listas de frequência nunca alcançam.
Como construir de verdade um vocabulário de francês desse tamanho#
Listas de palavras sozinhas são lentas, e elas se perdem com o tempo. Dois mecanismos com evidências reais por trás funcionam muito melhor combinados.
Volume de leitura compreensível. A Hipótese do Input de Krashen (1985) sustenta que adquirimos um idioma ao entender mensagens um pouco acima do nosso nível atual. Ler francês que você consegue acompanhar na maior parte expõe você a palavras de alta frequência dezenas ou centenas de vezes em contexto natural, e é isso que transforma uma forma reconhecida em uma família conhecida. Se você quiser entender a mecânica por trás disso, o input compreensível explicado cobre o argumento e seus limites.
Revisão programada. Revisar uma palavra em intervalos crescentes combate a curva do esquecimento documentada por Ebbinghaus em 1885 de forma muito mais eficiente do que reler o texto. A pesquisa por trás da repetição espaçada é uma das descobertas mais replicadas da ciência da aprendizagem, confirmada em dezenas de estudos por Cepeda e colegas em 2006.
O LingoBlend é construído sobre essa combinação. Cole um artigo em francês, um capítulo ou uma receita, ajuste o controle de blend, e o app tece palavras do idioma-alvo no texto que você já entende, a técnica do diglot weave de Burling (1968) com um mecanismo moderno por trás. Tocar em uma palavra mesclada mostra seu significado, sua gramática e sua forma base, então voudrais volta para vouloir e você constrói famílias em vez de colecionar formas órfãs. As palavras salvas entram então em uma fila de repetição espaçada SM-2 e alimentam cinco jogos de revisão. O guia de aprendizado de francês é um bom lugar para começar a planejar.