A fluência conversacional em japonês exige cerca de 3.000 palavras, o suficiente para cerca de 95% de cobertura da fala cotidiana, enquanto ler livros e jornais não adaptados com conforto aponta para 10.000 palavras ou mais, somadas a quase todo o conjunto jōyō de 2.136 kanjis. O japonês é o idioma em que a pergunta padrão mais falha, porque vocabulário e conhecimento do sistema de escrita são eixos separados, e nenhum dos dois sozinho prevê se você consegue ler uma página.
O japonês precisa de duas contagens, não uma#
Em espanhol ou alemão, conhecer uma palavra e conseguir lê-la são quase a mesma habilidade. No japonês, elas se separam. Você pode conhecer perfeitamente a palavra falada kansatsu e travar diante de 観察 no papel, e pode conhecer o significado e as leituras de um kanji e ainda assim não conseguir decifrar um composto formado a partir dele. Vocabulário é quantas palavras distintas você conhece, faladas ou escritas. Kanji é quantos dos cerca de 2.000 caracteres de uso geral você consegue ler em contexto. O progresso em um apoia o outro, mas não o substitui, então qualquer resposta honesta precisa apresentar os dois números.
O que conta como uma palavra em japonês#
O texto em japonês não tem espaços, então os limites das palavras não são dados pelo sistema de escrita. Eles são impostos por um padrão de segmentação, e os padrões divergem entre si. O Balanced Corpus of Contemporary Written Japanese, base do A Frequency Dictionary of Japanese (2013) de Tono, Yamazaki e Maekawa, define tanto palavras de unidade curta quanto palavras de unidade longa, e o mesmo texto gera totais diferentes sob cada uma delas. Essa ambiguidade não tem equivalente nas línguas europeias.
| Unidade | Definição | Exemplo em japonês |
|---|---|---|
| Token | Toda palavra corrida sob uma segmentação escolhida | 食べる, 食べる, 食べた = 3 tokens |
| Tipo | Cada forma distinta, contada uma vez | 食べる, 食べた = 2 tipos |
| Lema | Uma palavra-base mais suas formas flexionadas | 食べる cobre 食べます, 食べた, 食べない, 食べられる |
| Família de palavras | Uma palavra-base mais suas derivações | 食べる mais 食べ物, 食事, por meio de kanjis compartilhados |
O conceito de família de palavras, que rende tanto na pesquisa de vocabulário do inglês e das línguas românicas, encaixa mal no japonês. A derivação acontece majoritariamente por composição de kanjis: 電 (elétrico) mais 車 (veículo) dá 電車 (trem), e 電話 (telefone) vem quase de graça assim que o caractere é conhecido. O conhecimento dos caracteres substitui em parte o aprendizado palavra por palavra, de um jeito que não tem paralelo nas línguas europeias. Os empréstimos em katakana formam outra faixa semigratuita para falantes de inglês, embora os significados se desloquem, de modo que マンション é um apartamento, e não uma mansão.
Os limiares de cobertura por trás de “fluente”#
A pesquisa de vocabulário mede a cobertura, a fração de palavras corridas em um texto que o leitor já conhece. 95% de cobertura é descrita como o piso para uma compreensão adequada quando o contexto consegue preencher as lacunas (Laufer, 1989), cerca de uma palavra desconhecida em vinte. 98% de cobertura é o nível que Hu e Nation (2000) associaram à leitura independente, cerca de uma palavra desconhecida em cinquenta. A análise de Nation de 2006 situou o vocabulário necessário para 98% em cerca de 8.000-9.000 famílias de palavras em inglês, com menos exigido para a fala do que para a escrita.
Os números para o japonês costumam ser citados mais altos, em torno de 10.000 ou mais para uma leitura confortável, por dois motivos. A unidade de família de palavras deixa de funcionar, então as contagens são dadas em palavras, e não em famílias, o que as infla, e o japonês escrito se apoia em compostos sino-japoneses que são raros individualmente, mas constantes em conjunto. Trate o número de 10.000 como o mesmo limiar numa unidade mais frouxa, e não como prova de que o japonês exige mais aprendizado do que o francês.
| Palavras mais frequentes | Cobertura aprox. do texto | O que costuma destravar |
|---|---|---|
| 1.000 | ~75-80% | Japonês de sobrevivência, a ideia geral de uma conversa simples |
| 2.000 | ~85-90% | Trocas do dia a dia com lacunas; leituras graduadas |
| 3.000 | ~93-95% | Fluência oral confortável em temas familiares |
| 5.000 | ~96% | Mangá, dramas com legendas, notícias simplificadas |
| 10.000+ | ~98% | Romances e jornais não adaptados, lidos por prazer |
O eixo dos kanjis: jōyō, kyōiku e cobertura#
A lista jōyō kanji do governo japonês, revisada em 2010, contém 2.136 caracteres e define o conjunto esperado de um leitor adulto escolarizado. Um subconjunto de 1.006 kyōiku kanji é ensinado ao longo dos seis anos da escola primária. Jornais e publicações em geral respeitam amplamente o limite do jōyō, e caracteres fora dele costumam vir com furigana.
As contagens de frequência de caracteres em corpora de jornais e de uso geral mostram a mesma distribuição zipfiana desigual que Zipf descreveu em 1949. São números aproximados, e eles são mesmo aproximados:
| Kanjis conhecidos | Cobertura aprox. de caracteres | Efeito prático |
|---|---|---|
| 100 | ~40-50% | Placas, datas, números, rótulos básicos |
| 500 | ~80% | Textos graduados simples, muito mangá com furigana |
| 1.000 | ~95% | A maioria das frases legível com poucas lacunas |
| 2.136 (jōyō completo) | ~99% | Jornais e publicações em geral |
Repare no que esses 95% com 1.000 kanjis significam e no que não significam. Cobertura de caracteres não é cobertura de palavras. Um caractere não reconhecido num composto de dois caracteres costuma bloquear a palavra inteira, então a taxa efetiva de falha no nível da palavra é maior do que o número de caracteres sugere. É por isso que o último milhar de kanjis ainda importa, mesmo parecendo estatisticamente marginal.
Níveis de japonês: JLPT e CEFR#
O JLPT parou de publicar listas oficiais de vocabulário e kanjis depois da reformulação de 2010. Os números abaixo vêm das especificações de conteúdo da prova anteriores a 2010 e de análises de terceiros amplamente divulgadas, então eles descrevem o formato do exame, e não um currículo oficial. O JF Standard da Japan Foundation mapeia o ensino de japonês sobre o CEFR, de onde vem a coluna de nível.
| JLPT | CEFR aprox. | Vocabulário aprox. | Kanjis aprox. |
|---|---|---|---|
| N5 | A1 | ~800 | ~100 |
| N4 | A2 | ~1.500 | ~300 |
| N3 | A2-B1 | ~3.500-4.000 | ~650 |
| N2 | B1-B2 | ~6.000 | ~1.000 |
| N1 | B2-C1 | ~10.000 | ~2.000 |
Apesar da sua reputação, o N1 não é nível nativo. Ele certifica apenas leitura e compreensão auditiva, não estabelece nenhum patamar de fala ou escrita, e mesmo depois de passar, muitos romances continuam difíceis.
Por que todo número aqui é uma estimativa#
A unidade é contestada, os corpora divergem, e os números do exame não são oficiais. Listas de frequência extraídas de coleções de legendas como a OpenSubtitles pendem para o registro falado e subcontam os compostos sino-japoneses que dominam os registros escritos, enquanto os corpora de jornais fazem o oposto. Conhecer uma palavra também não é binário, e o japonês acrescenta uma divisão: você pode conhecer uma palavra de ouvido, de vista, ou das duas formas. Por fim, cobertura não é compreensão. Keigo, elipses e sujeitos não expressos podem deixar você conhecendo todas as palavras de uma frase e, ainda assim, sem saber quem fez o quê a quem.
Como construir as duas contagens na prática#
Listas sozinhas são lentas no eixo do vocabulário e apenas cansativas no eixo dos kanjis. Dois mecanismos sustentam esse trabalho.
Volume de leitura compreensível. A Hipótese do Insumo de Krashen (1985) sustenta que a aquisição vem de entender mensagens um pouco acima do seu nível. No japonês, isso cumpre uma função dupla, já que cada página lida também treina o reconhecimento de caracteres em contexto, algo que nenhum exercício isolado de kanji reproduz. Material com furigana reduz bastante a barreira de entrada, que é o argumento prático por trás de ler mangá para aprender japonês.
Revisão programada. Revisar em intervalos crescentes combate a curva do esquecimento que Ebbinghaus documentou em 1885, um achado confirmado em dezenas de experimentos revisados por Cepeda e colegas em 2006. Os kanjis em particular se perdem rápido sem isso. O guia prático de repetição espaçada explica o cronograma.
O LingoBlend junta as duas coisas em um único ciclo. Cole qualquer texto, defina a porcentagem de blend, e palavras em japonês são tecidas no material que você já entende, o que é o diglot weave de Burling, de 1968, aplicado com um mecanismo de IA. Tocar numa palavra mesclada mostra seu significado, sua gramática e sua forma base, e as palavras salvas alimentam uma fila de repetição espaçada SM-2 em cinco jogos de revisão com áudio de pronúncia, o que importa mais aqui do que num idioma em que a grafia prevê a pronúncia. O guia de aprendizado de japonês mostra por onde começar, e as metas de vocabulário para o espanhol mostram como isso se dá de forma bem diferente numa língua europeia.