Toda rodada do Preencher Lacunas mostra uma frase real com uma palavra faltando, e você precisa completá-la. A frase em si sempre importou para o quanto a rodada realmente ensina algo: um exemplo confuso ou mal traduzido é uma rodada ruim, não importa quão certa seja a sua resposta. O que é novo é qual frase é escolhida para determinada palavra, entre quantas candidatas existirem para ela.
A ideia por trás do i+1#
A hipótese do input compreensível de Stephen Krashen é uma das ideias mais citadas na aquisição de segunda língua: as pessoas adquirem o idioma a partir de um input quase totalmente compreensível, com um pequeno avanço embutido, um degrau além da capacidade atual. Ele chamou esse avanço de i+1: o seu nível atual, i, mais um único incremento. Longe demais abaixo do seu nível e não sobra nada para aprender; longe demais acima e não há nada para ancorar a novidade. A faixa que realmente funciona é estreita, e é definida por quanto do material ao redor você já entende, não por quão difícil é o item novo isoladamente.
Aplicado a uma única frase, o i+1 tem uma forma bem literal: toda palavra é conhecida, exceto uma, e é exatamente essa que se pede para você produzir. O Preencher Lacunas já trazia a parte da “uma palavra faltando” embutida por design: a lacuna é sempre a palavra testada. O que faltava, até agora, era qualquer noção de se o resto da frase era realmente i+1 para quem estava lendo, ou se por acaso vinha recheado de outras três palavras que a pessoa nunca tinha visto.
O que realmente mudou#
O Preencher Lacunas sempre escolheu suas frases de exemplo pela qualidade: comprimento natural, uma tradução utilizável, a palavra-alvo aparecendo de forma limpa. Essa régua de qualidade não mudou. O que é novo é que, entre as frases que passam nesse teste, o app agora também considera o quanto do resto da frase você já conhece, usando os mesmos dados de domínio e revisão por trás do blend consciente do domínio e do grafo de vocabulário, e favorece aquela que deixa a lacuna como a sua única palavra desconhecida.
O resultado é que dois aprendizes estudando exatamente a mesma palavra podem ver duas frases diferentes, cada uma i+1 especificamente para eles:
| Frase candidata para "aeropuerto" | Para quem ela serve | Por quê |
|---|---|---|
| El ___ está muy lejos del centro. | Um iniciante que conhece estar, muy, lejos, centro | Toda palavra ao redor já é familiar, só a lacuna é nova |
| Perdimos el vuelo porque el tráfico cerca del ___ era terrible. | Um leitor avançado à vontade com perdimos, vuelo, tráfico, cerca | Frase mais rica e natural, ainda totalmente compreensível para esse leitor |
As duas frases são exemplos reais, escritos por humanos, que já existiam no banco de frases. Nada foi gerado para nenhum dos dois aprendizes: o app simplesmente escolheu a frase que deixa cada um com um único ponto isolado de dificuldade, em vez de uma frase difícil em três lugares ao mesmo tempo.
A preferência é limitada, de propósito#
O encaixe i+1 é uma preferência sobre a qualidade da frase, não um substituto para ela. Uma frase bem formada e bem traduzida, em que você conhece todas as palavras menos uma, ainda não perde para nenhuma outra; mas uma frase fraca por outros motivos (fraseado estranho, sem tradução, um comprimento pouco natural) não vence só por acontecer de ser i+1 para você. Se a melhor correspondência i+1 para uma palavra for uma frase de baixa qualidade, e houver uma frase de boa qualidade disponível com mais uma palavra desconhecida nela, o app ainda pode escolher a de boa qualidade. A ideia é direcionar a seleção, entre candidatas já decentes, para aquela que coloca você no ponto ideal do input compreensível, não perseguir um encaixe i+1 perfeito às custas de uma frase que realmente se lê bem.
Também não é algo estático. O seu vocabulário muda toda semana: palavras se graduam do aprendizado para o domínio, novas palavras são salvas, então o mesmo banco de frases para "aeropuerto" pode ter uma classificação diferente no mês que vem em relação a hoje, mesmo que as frases em si não tenham mudado. Não há nada para configurar: a classificação simplesmente reflete o seu histórico de revisões no momento em que cada sessão carrega.
O quanto você já sabe também acompanha a flexão, não só correspondências exatas de palavra. Se o seu histórico de revisões mostra que você conhece comer, uma frase candidata com comí ou comiendo é tratada como contendo uma palavra conhecida ao redor da lacuna, não uma desconhecida: a mesma resolução de formas que faz com que dominar despertar também beneficie despierta em outras partes do app.
De onde as frases realmente vêm#
Vale a pena ser preciso aqui, porque seria fácil supor que isso significa frases geradas por IA e feitas sob medida para você: não é o caso. O banco de frases vem do Tatoeba, um corpus aberto e construído pela comunidade, de frases reais escritas por humanos com traduções, a mesma fonte que o Preencher Lacunas sempre usou. O que mudou está inteiramente do lado da seleção: qual frase real já existente é mostrada para qual aprendiz, para determinada palavra. Nenhuma frase é escrita ou reescrita por usuário.
Há uma exceção pontual, e ela é anterior a esse recurso: em palavras para as quais o Tatoeba genuinamente não tem nenhuma frase utilizável, usuários Pro recorrem a uma frase gerada pelo Gemini em nível intermediário. Esse recurso alternativo só entra em ação quando o corpus não tem nada a oferecer: não faz parte de como a seleção i+1 funciona, e não mudou.
O que isso custa#
Nada. O seu conjunto de palavras conhecidas é montado a partir de dados que o app já tem, o mesmo histórico de repetição espaçada que conduz o seu cronograma de revisões, e a classificação acontece no próprio aparelho. Nenhuma palavra que você salvou ou revisou é enviada para lugar nenhum por causa desse recurso, nenhuma chamada de rede extra é feita, e ele está disponível para todo aprendiz, independente da assinatura. Este é um dos lugares em que a personalização é genuinamente gratuita: a inteligência está em como os dados existentes são usados, não em nenhuma chamada nova de IA.