Quantas palavras precisas de conhecer para falar inglês fluentemente? O que sugere a linguística de corpus - Parte 1

A certa altura, no percurso de quase todas as pessoas que aprendem uma língua, surge a mesma pergunta:

“Quantas palavras preciso realmente de conhecer para falar fluentemente?”

É uma pergunta natural. Aprender uma língua pode parecer um processo sem fim, e um número claro tornaria tudo mais fácil de gerir. Se alguém pudesse simplesmente dizer: “Aprende exatamente 5.000 palavras e falarás fluentemente”, aprender línguas pareceria muito mais simples.

A resposta honesta é mais subtil.

De um ponto de vista estritamente linguístico, a fluência não pode ser reduzida a uma única contagem de palavras. Uma língua não é uma base de dados fechada. É um sistema vivo de sons, significados, gramática, hábitos sociais, referências culturais e padrões de uso flexíveis.

Ainda assim, a linguística de corpus — o estudo de grandes coleções de uso real da língua — dá-nos referências muito úteis. Investigadores como Paul Nation, Stuart Webb e outros estudaram quanto vocabulário é necessário para compreender inglês falado e escrito em diferentes níveis. As suas conclusões não nos dão um número mágico, mas oferecem-nos um mapa realista.

Este artigo centra-se sobretudo no inglês, porque o inglês tem alguns dos dados de frequência vocabular mais estudados. Os princípios gerais também são úteis para outras línguas, mas os números exatos podem mudar consoante a gramática, a morfologia, o sistema de escrita e a forma como os investigadores contam o vocabulário.

Para compreender esse mapa, primeiro precisamos de esclarecer uma questão importante.

O que estamos realmente a contar?

Quando as pessoas perguntam: “Quantas palavras preciso de conhecer?”, a palavra “palavra” parece simples. Mas, em linguística, não é nada simples.

Pensa no verbo inglês run.

Podes vê-lo em muitas formas: run, runs, ran, running

Devemos contar estas formas como quatro palavras separadas? Ou como uma palavra com formas diferentes?

A maioria das pessoas que aprende línguas provavelmente sente que, se conhece o verbo run, não quer que cada forma gramatical conte como uma palavra completamente nova. É por isso que os linguistas costumam usar unidades mais abstratas ao medir a dimensão do vocabulário.

O primeiro conceito útil é o lema.

Um lema é a forma de base ou de dicionário de uma palavra. Por exemplo, go é o lema por trás de go, goes, went, gone, going. Num dicionário, normalmente procuras a forma de base, não cada forma gramatical possível em separado. As ferramentas de corpus usam lemas de forma semelhante: agrupam diferentes formas de palavra sob uma entrada central.

Até aqui, isto é bastante intuitivo.

Mas muitos estudos de vocabulário — especialmente em inglês — usam frequentemente um conceito ainda mais amplo: a família de palavras.

O que é uma família de palavras?

Uma família de palavras é um grupo de palavras relacionadas, construídas em torno da mesma palavra de base. Inclui a palavra central e algumas das suas formas comuns e transparentes.

Por exemplo, uma família de palavras simplificada em torno de teach poderia incluir: teach, teaches, teaching, taught, teacher

Uma família de palavras simplificada em torno de nation poderia incluir: nation, national, international, nationality

A ideia não é que todas estas palavras sejam idênticas. São claramente palavras diferentes no uso real. Mas estão suficientemente relacionadas para que conhecer uma ajude muitas vezes a compreender as outras.

Isto é importante porque quem aprende uma língua não aprende cada palavra de forma isolada. Depois de conhecer happy, torna-se mais fácil compreender unhappy ou happiness. Depois de conhecer move, torna-se mais fácil adivinhar o significado de movement. Depois de conhecer use, palavras como useful, useless e reuse tornam-se mais fáceis de reconhecer.

Essa é a lógica por trás das famílias de palavras.

No entanto, as famílias de palavras nem sempre são simples. Algumas palavras relacionadas são fáceis de compreender a partir da palavra de base, enquanto outras não. Por exemplo, sign e signature estão relacionadas, mas a ligação pode não ser óbvia para quem começa. Compete, competition e competitive estão relacionadas, mas funcionam de forma diferente nas frases.

É por isso que a contagem por famílias de palavras é útil para a investigação, mas pode criar confusão para quem aprende. Dá uma estimativa prática do conhecimento vocabular, mas não é o mesmo que afirmar que todos os membros da família ficam automaticamente dominados.

Neste artigo, quando falamos da dimensão do vocabulário, é melhor pensar em termos de unidades centrais de vocabulário: não cada forma de palavra separada, mas também nem sempre um único lema estrito de dicionário. Em muitos estudos de vocabulário em inglês, os números de referência baseiam-se em famílias de palavras.

Essa distinção é importante.

Uma pessoa que conhece 3.000 famílias de palavras pode reconhecer muito mais do que 3.000 formas de palavra individuais em textos reais. Mas isso não significa que consiga usar todas ativamente na fala ou na escrita.

Porque é que a frequência importa tanto

As línguas não são sistemas equilibrados em que todas as palavras aparecem com a mesma frequência.

Um pequeno número de palavras muito comuns aparece constantemente. Milhares de outras palavras aparecem apenas ocasionalmente. Este padrão está frequentemente ligado à lei de Zipf, uma tendência estatística em que as palavras mais frequentes representam uma parte muito grande do uso real da língua.

Em inglês, palavras como the, be, have, do, say, go, make, know, think, good aparecem em todo o lado. Palavras raras podem ser úteis, bonitas ou importantes em áreas específicas, mas não aparecem nem de perto com a mesma frequência na comunicação do dia a dia.

Isto cria um princípio de aprendizagem poderoso:

Os primeiros milhares de palavras de alta frequência dão o maior retorno.

Aprender as 1.000 palavras mais comuns pode ajudar a reconhecer uma parte surpreendentemente grande da língua comum. Mas isso não significa que vás compreender tudo. As palavras desconhecidas restantes transportam muitas vezes o significado importante da frase.

Por exemplo:

Fui ao/à ___ porque o/a meu/minha ___ doía.

Podes compreender a maior parte da gramática e das palavras comuns, mas as palavras em falta podem ser essenciais. Era médico? Dentista? Farmácia? Hospital? Joelho? Estômago? Dente?

É por isso que a cobertura importa.

O que significa “95% de cobertura”?

Os investigadores de corpus falam frequentemente de cobertura textual. Isto significa a percentagem de palavras num texto que já conheces.

Se conheces 95% das palavras de um texto, isso parece excelente. Mas ainda significa que 1 em cada 20 palavras pode ser desconhecida.

Numa frase curta, isso pode não ser um grande problema. Num romance, podcast, filme ou aula, pode tornar-se cansativo. As palavras desconhecidas aparecem repetidamente, e algumas delas podem ser cruciais para o significado.

Com cerca de 95% de cobertura, muitas vezes consegues acompanhar a ideia geral, especialmente se o tema for familiar e houver apoio visual ou situacional. Com cerca de 98% de cobertura, a compreensão torna-se muito mais confortável. Consegues deduzir mais a partir do contexto, ler ou ouvir com menos interrupções e concentrar-te mais no significado do que em decifrar cada frase.

O trabalho amplamente citado de Paul Nation sugere que podem ser necessárias cerca de 6.000–7.000 famílias de palavras para atingir aproximadamente 98% de cobertura do inglês falado, e 8.000–9.000 famílias de palavras para muitos textos escritos.

Para o inglês falado informal, filmes e televisão, os números podem ser um pouco mais baixos. Webb e Rodgers descobriram que as 3.000 famílias de palavras mais frequentes, juntamente com nomes próprios e palavras marginais, davam cerca de 95% de cobertura de programas de televisão, enquanto cerca de 7.000 famílias de palavras davam cerca de 98% de cobertura.

Um estudo mais recente sobre inglês falado informal também sugere que cerca de 2.000–3.000 famílias de palavras podem dar aproximadamente 95% de cobertura para alguns tipos de input falado informal, enquanto 5.000–7.000 podem ser necessárias para cerca de 98%, consoante o género.

Portanto, a resposta depende do que queres compreender.

Uma conversa casual, uma sitcom, uma aula universitária, um documento jurídico e um romance literário não exigem exatamente o mesmo vocabulário.

Referências práticas de vocabulário

A tabela seguinte não é uma escala científica rígida. É um guia prático e acessível, baseado em investigação de corpus e em estudos de cobertura vocabular.

A lição mais importante é esta:

Não precisas de conhecer todas as palavras de uma língua para a usar bem.

Na verdade, ninguém conhece todas as palavras de uma língua. Até os falantes nativos encontram regularmente palavras desconhecidas em áreas especializadas, na literatura, no direito, na medicina, na tecnologia ou em fala regional.

Os falantes nativos também têm um vocabulário recetivo muito maior do que o vocabulário ativo. Vocabulário recetivo significa as palavras que consegues reconhecer e compreender. Vocabulário ativo significa as palavras que consegues usar com confiança ao falar ou escrever. A investigação sobre a dimensão do vocabulário de falantes nativos de inglês mostra que adultos nativos podem reconhecer dezenas de milhares de lemas, mas usam ativamente um subconjunto muito mais pequeno na vida quotidiana.

Esta distinção é muito importante para quem aprende uma língua.

Não precisas de usar ativamente 20.000 palavras para falar fluentemente. Mas, à medida que o teu vocabulário recetivo cresce, consegues compreender mais livros, filmes, conversas, piadas, argumentos e referências culturais.

Queres continuar? Consulta a Parte 2 aqui: