Para ter fluência conversacional em alemão, você precisa de aproximadamente 3.000 famílias de palavras de alta frequência, o que cobre cerca de 95% das palavras do discurso e da escrita cotidianos. Ler romances e jornais sem dicionário exige algo como 8.000-9.000 famílias (Nation, 2006). O alemão complica isso mais do que a maioria dos idiomas, porque seu hábito de soldar substantivos uns aos outros faz com que a pergunta “quantas palavras” não tenha uma resposta estável até você decidir o que é uma palavra.
O que conta como uma palavra em alemão#
O mesmo parágrafo em alemão produz quatro totais diferentes, dependendo da unidade que você conta.
| Unidade | Definição | Exemplo em alemão |
|---|---|---|
| Token | Cada palavra em uso, contada a cada ocorrência | spricht, spricht, sprechen = 3 tokens |
| Tipo | Cada forma escrita distinta, contada uma vez | spricht, sprechen = 2 tipos |
| Lema | Uma palavra-base mais suas formas flexionadas | sprechen cobre spreche, sprichst, sprach, gesprochen |
| Família de palavras | Um lema mais suas derivações transparentes | sprechen mais Sprache, Sprecher, Gespräch, aussprechen |
Duas características do alemão tornam a unidade de família especialmente útil. Os verbos de prefixo separável se dividem dentro da oração, de modo que anrufen aparece como ich rufe dich an, e um iniciante que lê essa frase vê um verbo e uma partícula solta em vez de um único lema. O ablaut dos verbos fortes muda a própria raiz, de modo que singen, sang, gesungen parecem três itens e são um só. Quando alguém cita uma meta de vocabulário em alemão, quase sempre está se referindo a lemas ou famílias. A Frequency Dictionary of German (2006), de Jones e Tschirner, é construído sobre os cerca de 4.000 lemas mais frequentes, e seus autores relatam que esses poucos milhares de verbetes respondem pela grande maioria das palavras em uso no corpus.
Os substantivos compostos quebram a contagem#
O alemão forma compostos de maneira produtiva, o que significa que os falantes fabricam substantivos novos na hora, empilhando palavras que já existem. Handschuh é um sapato de mão, uma luva. Geschwindigkeitsbegrenzung é um limite de velocidade. Krankenversicherungskarte é a carteirinha do plano de saúde. Nenhum deles precisa ser aprendido como um item separado se você já conhece as partes, porque o significado é composicional e geralmente óbvio.
Isso arruína as estatísticas ingênuas de vocabulário em duas direções ao mesmo tempo. Uma lista de frequência conta cada composto como seu próprio tipo, então os corpora de alemão mostram muito mais tipos distintos do que corpora de inglês do mesmo tamanho, com uma cauda enorme de compostos que aparecem exatamente uma vez. Isso infla qualquer afirmação do tipo “o alemão tem X palavras”. Ao mesmo tempo, a carga de aprendizado é menor do que o número de tipos sugere, porque um composto que você nunca viu costuma ser instantaneamente transparente. A consequência prática: avalie seu vocabulário em alemão por famílias e radicais, não por verbetes de dicionário, e trate substantivos longos desconhecidos como um exercício de decodificação, não como uma tarefa de memorização. Um aprendiz que conhece Kranken-, Versicherung e Karte já ganhou a terceira palavra de graça.
Os compostos nem sempre são transparentes, e vale a pena admitir isso com honestidade. Handschuh é adivinhável; Wahrzeichen (marco) e Augenblick (momento) são idiomáticos e precisam ser aprendidos. Mas os casos transparentes dominam, especialmente no alemão técnico e administrativo.
Os limiares de cobertura por trás de “fluente”#
A pesquisa sobre vocabulário mede a cobertura, a proporção de palavras em uso em um texto que o leitor já conhece. Dois limiares se repetem. 95% de cobertura costuma ser descrito como o piso para uma compreensão adequada quando o contexto consegue suprir o restante (Laufer, 1989), aproximadamente uma palavra desconhecida em cada vinte. 98% de cobertura é o nível que Hu e Nation (2000) associaram a uma leitura genuinamente independente, aproximadamente uma palavra desconhecida em cada cinquenta. A análise de Nation de 2006 situou o vocabulário necessário para 98% em cerca de 8.000-9.000 famílias de palavras no texto escrito, e bem menos, cerca de 6.000-7.000, na linguagem falada, porque a fala recicla um núcleo menor.
Quanto texto as 1.000, 2.000 e 5.000 palavras mais frequentes cobrem#
A frequência é brutalmente desigual. Zipf (1949) descreveu o formato: poucos itens aparecem constantemente, e a maioria quase nunca aparece.
| Famílias de palavras mais frequentes | Cobertura aproximada do texto | O que costuma desbloquear |
|---|---|---|
| 1.000 | ~80-85% | Alemão de sobrevivência, a ideia geral de uma conversa simples |
| 2.000 | ~90% | Trocas cotidianas com lacunas; leituras graduadas |
| 3.000 | ~95% | Fluência oral confortável; a maioria dos temas do dia a dia |
| 5.000 | ~96-97% | Notícias simplificadas, filmes legendados com contexto |
| 8.000-9.000 | ~98% | Romances e jornais sem edição, lidos por prazer |
A faixa superior em alemão é formada por palavras funcionais e verbos de uso constante: der, die, und, sein, haben, werden, können, müssen, machen, gehen. Aprendê-las é inevitável e enormemente rentável. O lado difícil de engolir é este: subir de 95% para 98% significa adquirir vários milhares de palavras cada vez mais raras, que você vai encontrar apenas ocasionalmente. Isso é uma propriedade da distribuição de frequência, não uma falha do seu método de estudo. A mesma curva aparece em todos os idiomas estudados, e é por isso que as metas de vocabulário em espanhol ficam quase no mesmo lugar.
Vocabulário alemão por nível do CEFR#
O CEFR descreve o que um estudante consegue fazer e deliberadamente não especifica tamanhos de vocabulário. Ainda assim, o alemão conta com uma referência de verificação incomumente boa, porque o Goethe-Institut publica listas de palavras para seus exames A1, A2 e B1, e a lista do B1 chega a cerca de 2.400 itens. Isso bate de perto com as estimativas abaixo, que se apoiam na pesquisa sobre tamanho de vocabulário (Milton, 2009).
| Nível do CEFR | Famílias de palavras aproximadas | O que costuma permitir |
|---|---|---|
| A1 | 500-1.000 | Apresentações, números, compras, fatos pessoais simples |
| A2 | 1.000-2.000 | Trocas rotineiras, narração no passado, textos curtos e simples |
| B1 | 2.000-3.000 | Situações de viagem e trabalho, fala padrão clara, leituras graduadas |
| B2 | 4.000-5.000 | Discussão abstrata, leitura de imprensa com consultas ocasionais |
| C1 | 6.000-8.000 | Uso profissional e acadêmico, a maior parte da literatura |
| C2 | 9.000-10.000+ | Nível quase nativo, incluindo expressões idiomáticas, registro e prosa especializada |
Por que todo número aqui é uma estimativa#
Trate tudo isso acima como faixas. A unidade domina: contar famílias em vez de tipos pode alterar o total do alemão por um fator de várias vezes, por causa dos compostos. O corpus importa em seguida, já que uma lista derivada de uma coleção de legendas como a OpenSubtitles pondera o vocabulário conversacional de um jeito muito diferente de uma lista construída a partir do Die Zeit. Conhecer uma palavra não é binário, então o vocabulário passivo sempre supera o ativo. E cobertura não é compreensão: você pode conhecer 98% das palavras de uma apólice de seguro alemã e ainda assim não saber com o que concordou.
Como construir de verdade um vocabulário alemão desse tamanho#
Listas sozinhas são lentas e esquecíveis. Dois mecanismos respaldados por evidências fazem o trabalho quando combinados.
Volume de leitura compreensível. A hipótese do input de Krashen (1985) sustenta que a aquisição acontece quando você entende mensagens um pouco além do seu nível atual. Ler alemão que você consegue acompanhar na maior parte coloca as famílias de alta frequência diante de você repetidamente, em contexto natural, e é também onde a decodificação de compostos se torna automática. A diferença entre estudo cuidadoso e leitura de alto volume é abordada em leitura intensiva versus extensiva.
Revisão programada. Revisar em intervalos cada vez mais amplos combate a curva do esquecimento que Ebbinghaus publicou em 1885 de forma muito mais eficiente do que reler, um achado confirmado em dezenas de experimentos revisados por Cepeda e colegas em 2006. O argumento prático a favor da repetição espaçada detalha essa programação.
LingoBlend combina os dois. Cole um artigo ou capítulo em alemão, ajuste a porcentagem de blend, e palavras do idioma-alvo são tecidas no texto que você já entende, que é o diglot weave de Burling, de 1968, com um motor moderno. Tocar em uma palavra mesclada mostra seu significado, sua gramática e sua forma base, de modo que gesprochen se resolve em sprechen e os verbos separáveis deixam de parecer duas peças sem relação. As palavras salvas então entram em uma fila de repetição espaçada SM-2 que alimenta cinco jogos de revisão. O guia para aprender alemão é um bom ponto de partida.