Abra a seção de vocabulário de quase qualquer app de idiomas e você vai ver sempre a mesma coisa: uma lista. Palavras em uma coluna, traduções em outra, talvez uma barra de força. É a visão de uma planilha para algo que, dentro da sua cabeça, não se parece nada com uma planilha. Este artigo cobre o que a pesquisa realmente diz sobre como as palavras são guardadas, as duas consequências práticas que importam para quem aprende, e como começamos a construir o LingoBlend em torno desse formato.
Como o léxico mental realmente se parece#
O termo que os psicolinguistas usam para o seu banco de palavras é léxico mental, e o modelo clássico dele é uma rede semântica: palavras como nós, relações como conexões, e ativação se espalhando por essas conexões (Collins & Loftus, 1975). Quando você ouve médico, as palavras enfermeira, hospital e remédio ficam mensuravelmente mais rápidas de reconhecer na fração de segundo seguinte — um efeito chamado priming semântico, um dos achados mais replicados da área.
As conexões não são só de significado. Estudos de associação de palavras — diga uma palavra, anote a primeira que vem à cabeça — mostram ligações estáveis e estruturadas de vários tipos:
| Tipo de conexão | Exemplo (espanhol) | O que reflete |
|---|---|---|
| Família de palavras | comer → comida, comedor | Raiz compartilhada, morfologia |
| Sinônimo / antônimo | feliz → contento, triste | Sobreposição e contraste de significado |
| Tema / colocação | comer → cocina, almuerzo | Palavras que vivem nas mesmas situações |
| Semelhança de forma | pero ↔ perro | Parecidas no som e na escrita |
A pesquisa sobre segunda língua acrescenta o achado que mais importa para quem aprende: a densidade da rede acompanha a proficiência. O trabalho de Paul Meara sobre redes lexicais em L2 argumentou que o tamanho do vocabulário sozinho é uma medida fraca — o banco de palavras de iniciantes se comporta como uma coleção solta, enquanto o de aprendizes avançados se comporta como uma teia no estilo nativo, com as associações migrando do som (“rima com o quê?”) para o significado conforme a proficiência cresce. Dois aprendizes podem conhecer as mesmas 2.000 palavras, e aquele cujas palavras estão conectadas lê mais rápido, recorda mais rápido e chuta palavras novas com mais acerto.
Primeira consequência: palavras novas precisam de algo para se prender#
Uma palavra nova que se conecta a coisas que você já conhece tem onde morar. Essa é a versão vocabular do princípio do input compreensível — o aprendizado acontece na borda do que você já sabe, não no vácuo. Se você já conhece comer, então comida quase não é uma palavra nova: ela herda a raiz, o tema e metade dos contextos de um nó que você já domina. Aprendê-la custa uma fração do que custaria uma palavra sem relação nenhuma.
Essa borda — o conjunto de palavras a uma conexão de distância do seu vocabulário conhecido — é a sua fronteira pessoal, e é ali que mora o aprendizado mais barato. Listas de frequência a ignoram por completo: entregam a mesma próxima palavra para todo aprendiz, não importa o que ele já saiba. Um modelo em rede consegue ranquear a sua fronteira especificamente para você. (Essa ideia não é nova no software educacional em geral — plataformas de matemática usam grafos de pré-requisitos para escolher “o que vem a seguir” há anos — mas é rara em apps de idiomas.)
Segunda consequência: palavras parecidas brigam entre si#
A segunda previsão é menos intuitiva e mais bem comprovada: estudar palavras parecidas juntas torna o aprendizado mais difícil. Uma linha de pesquisa que remonta a décadas (Tinkham, 1993; Waring, 1997) constatou que aprender conjuntos agrupados por significado — todas as cores de uma vez, todas as frutas de uma vez — é mensuravelmente mais lento do que aprender as mesmas palavras em conjuntos misturados, porque os itens parecidos interferem entre si. Todo aprendiz que já trocou Tuesday por Thursday de vez, ou o espanhol pero por perro, conhece essa sensação. As diretrizes de ensino de vocabulário de Paul Nation dizem isso sem rodeios: apresente itens relacionados ou confundíveis em momentos diferentes.
Na prática: um app deveria saber quais das suas palavras são confundíveis — e usar esse conhecimento para mantê-las separadas enquanto são novas, e para contrastá-las de propósito assim que você passar a confundi-las. As sessões de revisão do LingoBlend agora fazem as duas coisas, usando os mesmos pares de confusão mapeados descritos abaixo; veja como os Pares confusos mantêm pero e perro separados.
O que isso significa para como um app deveria te modelar#
Junte as duas consequências e os requisitos aparecem naturalmente:
| Modelo de lista plana | Modelo em rede |
|---|---|
| Sabe quais palavras você salvou | Sabe quais palavras você salvou e como elas se relacionam |
| Próxima palavra = próxima linha de uma lista de frequência | Próxima palavra = a sua fronteira, ranqueada |
| Cego para confundíveis | Consegue separar pero/perro no tempo, depois contrastá-las |
| despierta e despertar são duas linhas sem relação | As duas são a mesma família de palavras, e saber uma credita a outra |
| Tamanho do vocabulário como única métrica | Tamanho e conectividade |
Essa última linha merece uma nota, porque é onde apps de modelo de lista deixam vazar o seu progresso em silêncio. Quem aprende encontra as palavras em formas flexionadas — despierta, não a forma de dicionário despertar — e um modelo de lista guarda qualquer forma que você salvou como a sua própria linha isolada. Um modelo em rede resolve as formas até a sua família, de modo que o conhecimento se acumula em um único lugar.
Como o LingoBlend coloca isso em prática#
Agora construímos um grafo de vocabulário para cada um dos nossos 17 idiomas: cerca de 3.000 das palavras mais úteis por idioma — selecionadas pela frequência de uso real, não pela ordem de um livro didático — conectadas por famílias de palavras, sinônimos, antônimos, confundíveis, temas e semelhança semântica, e reconhecidas tanto em suas formas flexionadas quanto nas formas de dicionário (despierta → despertar, e irregulares que nenhuma regra de ortografia conseguiria capturar, como o italiano va → andare).
O seu lado do grafo vem do que o LingoBlend já acompanha: cada palavra que você salva, e como vão as suas revisões nos jogos de repetição espaçada. Esse histórico de revisão diz ao app o quanto você realmente conhece cada palavra e sobrepõe o seu conhecimento ao mapa do idioma — no seu aparelho, sem custo, e offline.
Hoje isso funciona nos bastidores, e com a versão mais recente do app a lista de funcionalidades construídas sobre ele já cresceu bem além da primeira: blends que param de gastar espaços de tradução em palavras que você já domina, recomendações baseadas na fronteira e navegação por famílias de palavras no seu dicionário, e sessões de revisão conscientes de interferência que mantêm pares confundíveis separados. Se você quiser o tour técnico mais a fundo sobre o que há no grafo, escrevemos um: por dentro do grafo de vocabulário do LingoBlend.
Leitura relacionada: como construir vocabulário lendo para a pesquisa sobre cobertura e encontros repetidos, a ciência da leitura bilíngue para entender por que um texto em dois idiomas prende a atenção, e meça o tamanho do seu vocabulário para o que o tamanho revela e o que não revela. Ou veja toda a base científica na nossa página de ciência.