Há pouco tempo escrevemos sobre por que o seu vocabulário é uma rede, não uma lista — o consenso de pesquisa de cinquenta anos segundo o qual as palavras vivem na sua cabeça como uma teia conectada. Este post é a outra metade: o que de fato construímos para corresponder a esse formato, e as decisões concretas por trás disso.
Quais palavras entraram — e por que a frequência vence os livros didáticos#
O grafo de cada idioma guarda cerca de 3.000 palavras. Esse número não é arbitrário: a pesquisa sobre cobertura de vocabulário (o trabalho de Paul Nation é o mais citado) mostra que as ~3.000 famílias de palavras mais comuns cobrem cerca de 95% das palavras de um texto típico — o limiar a partir do qual a leitura começa a fluir em vez de parecer decodificação. Um grafo desse tamanho cobre o vocabulário que um aprendiz encontra de verdade, do A1 até o B2.
A seleção vem do uso real — da frequência com que as palavras realmente aparecem na língua genuína do dia a dia — refinada com o nosso próprio vocabulário curado. Dados de frequência tirados da fala real têm uma propriedade que as listas de livro didático não têm: refletem o que as pessoas realmente dizem, então conseguir (dar conta de algo, conseguir fazer) ocupa o lugar que merece — bem acima de palavras arrumadinhas de livro didático que quase nunca aparecem em uma conversa real. A língua real, porém, é bagunçada: ela chega flexionada (necesito, não necesitar) e cheia de nomes próprios e ruído, então boa parte do trabalho foi normalizar cada entrada até sua forma de dicionário e checar a qualidade dela antes de ganhar um lugar no grafo.
As conexões entre as palavras#
Cada palavra se conecta aos seus vizinhos de várias formas, cada uma ganhando seu lugar com uma função diferente:
| Conexão | Exemplo | Para que serve |
|---|---|---|
| Família de palavras | comer → comida, comedor | O conhecimento se transfere pela raiz; as famílias tornam novos membros baratos de aprender |
| Sinônimo | feliz → contento | Alternativas de significado; profundidade de conhecimento |
| Antônimo | feliz → triste | Pares de contraste, material natural para quiz |
| Confundível | puerto ↔ puerta | Os pares que os aprendizes confundem — para manter separados no início, contrastar depois |
| Tema | comer → cocina, almuerzo | Palavras que aparecem nas mesmas situações |
| Similar | comer → cenar, almorzar | Palavras próximas em significado, sem serem sinônimos estritos |
As conexões de confundibilidade merecem uma nota à parte, porque codificam diretamente a pesquisa sobre interferência: palavras parecidas na escrita ou no som (pero/perro, hombre/hambre) são exatamente aquelas que não deveriam ser apresentadas na mesma sessão, e que deveriam ser deliberadamente contrastadas assim que você começa a confundi-las. Mapear esses pares em cada idioma é o que torna os dois comportamentos possíveis, e os dois já estão em funcionamento: as sessões de revisão mantêm separados os pares confundíveis recém-apresentados, e o recurso Pares confusos contrasta deliberadamente os pares que você mais erra.
Por que despierta agora conta para despertar#
Aprendizes de verdade encontram texto de verdade, e texto de verdade vem flexionado. Você salva despierta a partir de um artigo; a forma de dicionário é despertar. Trate essas duas formas como entradas sem relação — que é exatamente o que uma lista de palavras simples faz — e o seu conhecimento se fragmenta entre linhas diferentes.
Por isso o grafo resolve as formas que um aprendiz realmente encontra até as palavras de dicionário às quais elas pertencem — e fazer isso em 17 idiomas é um tour pela morfologia do mundo:
| Idioma | O que a resolução de forma precisa lidar |
|---|---|
| Finlandês | Quinze casos de substantivo |
| Sérvio | Declinação eslava completa |
| Russo | Declinação mais pares de aspecto verbal |
| Turco | Cadeias de sufixos aglutinantes |
| Espanhol | Conjugação verbal rica |
| Inglês | Plurais, -ing, -ed — comparativamente tranquilo |
| Japonês | Formas verbais; boa parte do significado carregada por partículas |
| Chinês | Praticamente não se flexiona |
Isso não é um stemmer baseado em regras ortográficas, e é por isso que ele captura os irregulares que quebram qualquer abordagem baseada em regras: o italiano va → andare e detto → dire, o espanhol fue, o francês eu. Dominar qualquer forma credita a palavra de dicionário correspondente — o comportamento de “termos-pai” que usuários avançados do jpdb e de leitores no estilo LingQ pedem há muito tempo.
Sua camada: domínio, calculado no seu aparelho#
O grafo compartilhado é o mapa; o seu conhecimento é a camada por cima. O LingoBlend já registra como cada revisão se sai nos jogos de repetição espaçada — esse histórico diz ao app o quanto você realmente conhece cada palavra salva (recém-chegada, ainda em aprendizado, solidamente dominada, ou escorregando), usando os mesmos dados sobre os quais os jogos rodam.
Vale destacar três propriedades práticas desse design, porque elas são o oposto de como os “recursos de IA” costumam funcionar:
- Nenhuma IA em tempo real. A inteligência foi investida em construir os grafos, não em chamar um modelo toda vez que você abre o app. Nada aqui espera por um servidor.
- No aparelho e offline. A sua camada de conhecimento é calculada no seu celular a partir de dados que já estão lá, e o mapa compartilhado também vive no seu aparelho.
- Custo zero adicional. Nada no grafo torna o app mais lento ou mais caro de rodar — nem para você, nem para nós.
O que isso destrava#
Hoje o grafo trabalha nos bastidores — você não vai encontrar uma tela de “grafo” no app, e achamos que essa é a decisão certa (plataformas de aprendizado que lançaram visualizações literais de grafo, como o antigo mapa de conhecimento do Khan Academy, acabaram aposentando-as). O que você vê, em vez disso, são os recursos construídos sobre ele:
- Blends que te conhecem — já disponível. A mesclagem de texto gasta um orçamento limitado de palavras traduzidas por texto; palavras dominadas são espaços desperdiçados. Com o Blend Engine v2, a camada de domínio do grafo agora pula o que você já sabe, traz de volta palavras com revisão pendente, e prioriza palavras novas na fronteira do seu conhecimento.
- Seleção consciente do nível — já disponível. O grafo sabe o quão comum cada palavra é no uso real, então os blends podem mirar palavras logo além do seu nível.
- Seu dicionário, navegável por conexão — já disponível. Com a versão mais recente do app, Palavras Relacionadas na página de detalhes de cada palavra salva revela sua família, sinônimos, antônimos, confundíveis e vizinhos de tema, as palavras salvas se agrupam em famílias em vez de linhas em ordem alfabética, e a tela inicial do Dicionário recomenda palavras no estilo “porque você conhece X”, tiradas da sua própria fronteira de conhecimento.
- Revisão consciente de interferência, e cobertura que você pode ver — já disponível. As sessões de revisão agora mantêm separados os pares confundíveis recém-apresentados, e a visão de Pares confusos contrasta lado a lado os pares que você mais confunde; histórias e livros mostram um selo de cobertura “% conhecido” antes de você começar a ler; e o grafo também alimenta uma estimativa permanente do tamanho do seu vocabulário.
Escrevemos sobre cada um desses recursos conforme eles são lançados. Para a base de pesquisa por trás de toda a abordagem, veja a página de ciência, ou comece pelo modelo de rede do vocabulário que motivou tudo isso.