Você mede o tamanho do vocabulário testando uma amostra aleatória de palavras tiradas de cada faixa de frequência de um idioma, e depois escalando a sua pontuação para o tamanho da faixa. Amostre dez palavras da terceira faixa de 1.000, acerte oito, e o teste credita a você cerca de 800 palavras ali. A aritmética é simples. A parte difícil está por baixo dela: decidir o que conta como uma palavra.
O que você realmente está contando#
Três unidades estão em circulação, e elas produzem totais completamente diferentes a partir do mesmo conhecimento. Uma forma de superfície é cada forma escrita distinta, então run, runs, running, ran conta como quatro. Um lema agrupa uma palavra-base com suas flexões dentro de uma mesma classe gramatical, então essas quatro se fundem em uma só, enquanto runner continua separada. Uma família de palavras também incorpora derivações transparentes, fazendo de run, runs, running, ran, runner, rerun uma única família. Bauer e Nation (1993) estabeleceram níveis graduados de afixação para que pesquisadores pudessem declarar quais derivações estavam considerando.
| Unidade | run, runs, running, ran, runner, rerun conta como | Uso típico |
|---|---|---|
| Forma de superfície | 6 | Contagens de tokens em corpus, corretores ortográficos |
| Lema | 2 (run, runner) | Dicionários, a maioria das listas bilíngues de palavras |
| Família de palavras | 1 | Pesquisa de cobertura de Nation, testes de tamanho |
É por isso que “eu sei 5.000 palavras” é quase infalsificável por si só. Um mesmo aprendiz pode ser descrito, com igual honestidade, como alguém que sabe 3.000 famílias de palavras, cerca de 5.000 lemas, ou bem mais de 10.000 formas de superfície. A diferença aumenta em idiomas morfologicamente ricos, onde um único substantivo finlandês, turco ou russo aparece em dezenas de formas, o que faz as contagens por forma de superfície favorecerem esses aprendizes. Antes de comparar o seu número com uma meta publicada, confira se os dois lados usam a mesma unidade. A maioria das metas sérias, incluindo as de quantas palavras você precisa para ser fluente em espanhol, é expressa em famílias de palavras.
Como funcionam os testes de tamanho de vocabulário#
Uma lista de frequência é dividida em faixas de 1.000 famílias de palavras, ordenadas da mais para a menos comum. Um teste de tamanho tira uma pequena amostra fixa de cada faixa, geralmente um item de múltipla escolha que pede o significado da palavra-alvo em um contexto curto e neutro. A sua pontuação em uma faixa estima a proporção que você conhece dela, e as estimativas são somadas.
O método é sólido, mas a amostra é fina. Dez itens por faixa significam que cada item carrega o peso de cem palavras, então um chute de sorte move a estimativa em 100. Os resultados por faixa são ruidosos, enquanto o total é bem mais estável. Trate qualquer resultado como uma faixa de algumas centenas de palavras e repita a medição meses depois.
Verificando a superestimação com pseudopalavras#
O formato mais barato é um checklist de sim ou não: você vê palavras e marca as que conhece. Sem correção, o resultado fica seriamente inflado, porque quem aprende marca palavras que apenas soam familiares, e nada pune o otimismo. A correção padrão é inserir na lista pseudopalavras plausíveis, construídas a partir da ortografia real do idioma. Meara e Buxton (1987) estabeleceram essa abordagem: marcar uma palavra inventada mede diretamente a superestimação, então a pontuação passa a ser os acertos em palavras reais menos a taxa de falso alarme.
O LexTALE (Lemhöfer e Broersma, 2012) é a versão moderna mais conhecida, com edições em inglês, holandês e alemão. Ele reporta uma porcentagem de proficiência em vez de um tamanho em palavras, uma afirmação mais defensável.
Os testes padrão: VST e VLT#
Dois instrumentos do grupo de Paul Nation dominam a área, e respondem a perguntas diferentes. O Vocabulary Size Test (Nation e Beglar, 2007) é o teste de totais: 140 itens de múltipla escolha, dez de cada uma das primeiras catorze faixas de 1.000 famílias, com cada resposta certa valendo 100 famílias, então a pontuação bruta é multiplicada por 100. Existem versões bilíngues em muitas línguas maternas, o que remove o viés de precisar interpretar uma definição em inglês só para provar que você conhece uma palavra em inglês.
O Vocabulary Levels Test (Nation, 1983, revisado por Schmitt, Schmitt e Clapham, 2001) é o diagnóstico. Ele sonda faixas específicas, tradicionalmente 2.000, 3.000 e 5.000, além de uma seção acadêmica e uma de 10.000, pareando palavras com definições curtas. O resultado é um perfil: sólido em 2.000, irregular em 3.000, fraco em 5.000. Isso mostra onde investir os próximos três meses, o que um total isolado nunca mostra.
Por que a autoavaliação superestima#
Reconhecer é muito mais fácil do que recordar, e os dois são mais fáceis do que usar. A estrutura de Nation separa forma, significado e uso de uma palavra; a autoavaliação capta só o primeiro. Você vê contemplar, sente um lampejo de reconhecimento e marca a palavra, sem conseguir produzi-la em uma frase ou separá-la de uma vizinha parecida. Os cognatos amplificam isso: um leitor vindo do inglês reconhece à primeira vista centenas de palavras de origem românica sem saber quais são falsos cognatos.
A múltipla escolha acrescenta sua própria inflação, já que quatro opções rendem 25% no chute cego, e a eliminação empurra isso para cima. Por isso, estimativas sérias corrigem o chute, acrescentam controles com pseudopalavras, ou usam um formato de recordação. Para uma checagem particular, cubra as traduções de cinquenta das suas palavras salvas e escreva os significados; a diferença em relação à sua pontuação de reconhecimento é a sua taxa de superestimação.
Cobertura: a medida que realmente prevê a leitura#
Se o seu objetivo é ler, a quantidade útil não é o seu total, e sim a fatia de palavras correntes de uma página que você já conhece. Laufer (1989) identificou cerca de 95% de cobertura como o limiar em que a compreensão se torna viável com um dicionário. Hu e Nation (2000) constataram que a compreensão confortável e sem ajuda de ficção geralmente exige algo mais perto de 98%. Nation (2006) estimou que 98% de um texto escrito exige de 8.000 a 9.000 famílias de palavras, enquanto o texto falado precisa de cerca de 6.000 a 7.000, já que a fala usa um leque mais estreito.
Essas porcentagens são mais fáceis de avaliar como densidades. A 95%, uma palavra em cada vinte é desconhecida, cerca de uma por linha de um livro de bolso. A 98%, é uma em cada cinquenta, mais ou menos uma por parágrafo curto, o que o contexto costuma resolver sem quebrar o seu ritmo. Essa é a diferença entre estudar um texto e lê-lo. A mesma lógica sustenta o input compreensível e explica por que leitores intermediários travam, um padrão coberto em o platô intermediário.
O que um determinado tamanho de vocabulário permite ler#
Os números abaixo são aproximados, tirados da pesquisa de cobertura de Nation sobre o inglês escrito. Outros idiomas deslocam esses limites, e textos individuais podem ficar fora deles.
| Famílias de palavras | Cobertura aproximada do texto escrito | O que isso realisticamente sustenta |
|---|---|---|
| 1.000 | ~75–80% | Leituras graduadas no A1, rótulos, diálogos simples |
| 2.000 | ~85–90% | Leituras graduadas no A2, temas cotidianos familiares |
| 3.000 | ~90% | A maior parte da conversa cotidiana, textos adaptados de nível B1 |
| 4.000–5.000 | ~95% | Notícias e não ficção comuns, com dicionário |
| 8.000–9.000 | ~98% | Romances e jornalismo sem adaptação, lidos por prazer |
| ~15.000–20.000 | Além de 98% | A faixa geralmente estimada para leitores nativos escolarizados |
As estimativas para falantes nativos variam entre estudos porque também dependem da unidade de contagem, então leia essa última linha como uma ordem de grandeza. Mapear faixas em rótulos de proficiência é impreciso, mas útil, e os níveis do CEFR explicados mostra como os descritores se alinham.
Medindo a cobertura nos seus próprios textos#
Você pode pular o teste formal e medir diretamente a coisa que importa. Pegue uma página que você quer ler, conte 100 palavras correntes e marque as que você não entende. Duas ou menos te colocam perto da zona de 98%, então é só ler. Por volta de cinco te colocam perto de 95%: legível com apoio e produtivo para o vocabulário. Mais de dez e você está decodificando, não lendo, o que faz do texto o problema, não de você.
Com a versão mais recente do app, o LingoBlend também responde a essa pergunta por você: o Praticar mostra uma estimativa contínua do seu vocabulário — “cerca de 320 palavras · A2” — contando só as palavras que você já comprovou ao longo das revisões de repetição espaçada, com as flexões reunidas em uma única palavra de dicionário.
Essa contagem também diz como configurar uma ferramenta. O LingoBlend ajusta a cobertura de forma deliberada: você cola um texto que já queria ler, e um controle deslizante decide que fatia das palavras aparece no seu idioma-alvo, então a densidade de palavras desconhecidas fica na faixa produtiva, em vez de onde quer que o autor a tenha deixado. Palavras tocadas são salvas com seu contexto gramatical e voltam em um cronograma de repetição espaçada. O restante das ferramentas de leitura e revisão do LingoBlend está na página de recursos.