¿Cuántas palabras necesitas saber para hablar inglés con fluidez? Lo que sugiere la lingüística de corpus - Parte 1

En algún momento del recorrido de casi toda persona que aprende un idioma, aparece la misma pregunta:

“¿Cuántas palabras necesito saber realmente para hablar con fluidez?”

Es una pregunta natural. Aprender un idioma puede parecer interminable, y tener una cifra clara haría que el proceso se sintiera más manejable. Si alguien pudiera decir simplemente: “Aprende exactamente 5,000 palabras y hablarás con fluidez”, aprender idiomas parecería mucho más fácil.

La respuesta honesta es más matizada.

Desde un punto de vista lingüístico estricto, la fluidez no puede reducirse a una sola cantidad de palabras. Un idioma no es una base de datos cerrada. Es un sistema vivo de sonidos, significados, gramática, hábitos sociales, referencias culturales y patrones flexibles de uso.

Aun así, la lingüística de corpus —el estudio de grandes colecciones de uso real del lenguaje— nos da referencias muy útiles. Investigadores como Paul Nation, Stuart Webb y otros han estudiado cuánto vocabulario se necesita para comprender el inglés hablado y escrito en distintos niveles. Sus hallazgos no nos dan un número mágico, pero sí un mapa realista.

Este artículo se centra principalmente en el inglés, porque es uno de los idiomas con datos de frecuencia de vocabulario más estudiados. Los principios generales también son útiles para otros idiomas, pero las cifras exactas pueden cambiar según la gramática, la morfología, el sistema de escritura y la manera en que los investigadores cuentan el vocabulario.

Para entender ese mapa, primero necesitamos aclarar una pregunta importante.

¿Qué estamos contando realmente?

Cuando alguien pregunta: “¿Cuántas palabras necesito saber?”, la palabra “palabra” parece sencilla. Pero en lingüística no es sencilla en absoluto.

Tomemos el verbo inglés run.

Puede aparecer en muchas formas: run, runs, ran, running

¿Deberíamos contarlas como cuatro palabras separadas? ¿O como una sola palabra con distintas formas?

La mayoría de quienes aprenden un idioma probablemente siente que, si conoce el verbo run, no quiere que cada forma gramatical cuente como una palabra completamente nueva. Por eso, los lingüistas suelen usar unidades más abstractas al medir el tamaño del vocabulario.

El primer concepto útil es el lema.

Un lema es la forma base o de diccionario de una palabra. Por ejemplo, go es el lema detrás de go, goes, went, gone, going. En un diccionario, normalmente se busca la forma base, no cada forma gramatical posible por separado. Las herramientas de corpus usan los lemas de manera similar: agrupan distintas formas de una palabra bajo una entrada central.

Hasta aquí, resulta bastante intuitivo.

Pero muchos estudios de vocabulario —especialmente en inglés— suelen usar un concepto aún más amplio: la familia de palabras.

¿Qué es una familia de palabras?

Una familia de palabras es un grupo de palabras relacionadas construidas alrededor de la misma palabra base. Incluye la palabra central y algunas de sus formas comunes y transparentes.

Por ejemplo, una familia de palabras simplificada alrededor de teach podría incluir: teach, teaches, teaching, taught, teacher

Una familia de palabras simplificada alrededor de nation podría incluir: nation, national, international, nationality

La idea no es que todas estas palabras sean idénticas. Claramente son palabras distintas en el uso real. Pero están lo suficientemente relacionadas como para que conocer una a menudo ayude a entender las demás.

Esto es importante porque quienes aprenden idiomas no aprenden cada palabra de forma aislada. Una vez que conoces happy, se vuelve más fácil entender unhappy o happiness. Una vez que conoces move, se vuelve más fácil adivinar el significado de movement. Una vez que conoces use, palabras como useful, useless y reuse se vuelven más fáciles de reconocer.

Esa es la lógica detrás de las familias de palabras.

Sin embargo, las familias de palabras no siempre son simples. Algunas palabras relacionadas son fáciles de entender a partir de la palabra base, mientras que otras no. Por ejemplo, sign y signature están relacionadas, pero la conexión puede no ser obvia para alguien que empieza. Compete, competition y competitive están relacionadas, pero se comportan de forma diferente en las oraciones.

Por eso, contar familias de palabras es útil para la investigación, pero puede resultar confuso para quienes aprenden. Da una estimación práctica del conocimiento de vocabulario, pero no equivale a decir que cada miembro de la familia se domina automáticamente.

En este artículo, cuando hablamos del tamaño del vocabulario, conviene pensar en términos de unidades básicas de vocabulario: no cada forma de palabra por separado, pero tampoco siempre un único lema de diccionario estricto. En muchos estudios de vocabulario en inglés, las cifras de referencia se basan en familias de palabras.

Esa distinción importa.

Una persona que conoce 3,000 familias de palabras puede reconocer muchas más de 3,000 formas de palabras individuales en textos reales. Pero eso no significa que pueda usarlas todas activamente al hablar o escribir.

Por qué la frecuencia importa tanto

Los idiomas no son sistemas equilibrados en los que cada palabra aparece con la misma frecuencia.

Un número pequeño de palabras muy comunes aparece constantemente. Miles de otras palabras aparecen solo de vez en cuando. Este patrón suele relacionarse con la ley de Zipf, una tendencia estadística según la cual las palabras más frecuentes representan una parte muy grande del uso real del lenguaje.

En inglés, palabras como the, be, have, do, say, go, make, know, think, good aparecen en todas partes. Las palabras poco frecuentes pueden ser útiles, hermosas o importantes en campos específicos, pero no aparecen casi tan a menudo en la comunicación cotidiana.

Esto crea un principio de aprendizaje muy poderoso:

Los primeros miles de palabras de alta frecuencia te dan el mayor rendimiento.

Aprender las 1,000 palabras más comunes puede ayudarte a reconocer una parte sorprendentemente grande del lenguaje cotidiano. Pero esto no significa que entenderás todo. Las palabras desconocidas restantes suelen llevar el significado importante de la oración.

Por ejemplo:

Fui al ___ porque me dolía el/la ___.

Puede que entiendas la mayor parte de la gramática y las palabras comunes, pero las palabras faltantes podrían ser esenciales. ¿Era un médico? ¿Dentista? ¿Farmacia? ¿Hospital? ¿Rodilla? ¿Estómago? ¿Diente?

Por eso importa la cobertura.

¿Qué significa “95% de cobertura”?

Los investigadores de corpus suelen hablar de cobertura textual. Esto significa el porcentaje de palabras de un texto que ya conoces.

Si conoces el 95% de las palabras de un texto, suena excelente. Pero aun así significa que 1 de cada 20 palabras puede ser desconocida.

En una oración corta, quizá no sea un gran problema. En una novela, un podcast, una película o una clase, puede volverse cansado. Las palabras desconocidas aparecen una y otra vez, y algunas pueden ser cruciales para el significado.

Con alrededor de 95% de cobertura, a menudo puedes seguir la idea general, especialmente si el tema es familiar y hay apoyo visual o situacional. Con alrededor de 98% de cobertura, la comprensión se vuelve mucho más cómoda. Puedes deducir más a partir del contexto, leer o escuchar con menos interrupciones y enfocarte más en el significado que en descifrar cada oración.

El trabajo ampliamente citado de Paul Nation sugiere que podrían necesitarse aproximadamente 6,000–7,000 familias de palabras para alcanzar cerca del 98% de cobertura del inglés hablado, y 8,000–9,000 familias de palabras para muchos textos escritos.

Para el inglés hablado informal, las películas y la televisión, las cifras pueden ser algo más bajas. Webb y Rodgers descubrieron que las 3,000 familias de palabras más frecuentes, junto con nombres propios y palabras marginales, daban alrededor de 95% de cobertura en programas de televisión, mientras que unas 7,000 familias de palabras daban cerca de 98% de cobertura.

Un estudio más reciente sobre el inglés hablado informal también sugiere que alrededor de 2,000–3,000 familias de palabras pueden dar cerca del 95% de cobertura para algunos tipos de input oral informal, mientras que 5,000–7,000 pueden ser necesarias para llegar a alrededor del 98%, según el género.

Así que la respuesta depende de lo que quieras entender.

Una conversación casual, una sitcom, una clase universitaria, un documento legal y una novela literaria no requieren exactamente el mismo vocabulario.

Referencias prácticas de vocabulario

La siguiente tabla no es una escala científica estricta. Es una guía práctica y amigable para estudiantes, basada en investigaciones de corpus y estudios de cobertura de vocabulario.

La lección más importante es esta:

No necesitas conocer todas las palabras de un idioma para usarlo bien.

De hecho, nadie conoce todas las palabras de un idioma. Incluso los hablantes nativos se encuentran con palabras desconocidas en campos especializados, literatura, derecho, medicina, tecnología o habla regional.

Los hablantes nativos también tienen un vocabulario receptivo mucho más grande que el vocabulario activo. El vocabulario receptivo son las palabras que puedes reconocer y entender. El vocabulario activo son las palabras que puedes usar con confianza al hablar o escribir. Las investigaciones sobre el tamaño del vocabulario de hablantes nativos de inglés muestran que los adultos nativos pueden reconocer decenas de miles de lemas, pero usan activamente un subconjunto mucho más pequeño en la vida diaria.

Esta distinción es muy importante para quienes aprenden idiomas.

No necesitas usar activamente 20,000 palabras para hablar con fluidez. Pero, a medida que crece tu vocabulario receptivo, puedes entender más libros, películas, conversaciones, chistes, debates y referencias culturales.

¿Quieres seguir con la siguiente parte? Consulta la Parte 2 aquí: