Quantas palavras você precisa conhecer para ter fluência em inglês? O que a linguística de corpus sugere — Parte 1

Em algum momento da jornada de quase toda pessoa aprendendo um idioma, a mesma pergunta aparece:

“Quantas palavras eu realmente preciso conhecer para ter fluência?”

É uma pergunta natural. Aprender um idioma pode parecer algo sem fim, e ter um número claro deixaria o processo mais administrável. Se alguém pudesse simplesmente dizer: “Aprenda exatamente 5.000 palavras e você terá fluência”, aprender idiomas pareceria muito mais fácil.

A resposta honesta é mais nuançada.

De um ponto de vista linguístico rigoroso, a fluência não pode ser reduzida a uma única contagem de palavras. Um idioma não é um banco de dados fechado. É um sistema vivo de sons, significados, gramática, hábitos sociais, referências culturais e padrões flexíveis de uso.

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

Este artigo se concentra principalmente no inglês, porque o inglês tem alguns dos dados de frequência de vocabulário mais estudados. Os princípios gerais também são úteis para outros idiomas, mas os números exatos podem mudar dependendo da gramática, da morfologia, do sistema de escrita e de como os pesquisadores contam o vocabulário.

Para entender esse mapa, primeiro precisamos esclarecer uma pergunta importante.

O que estamos realmente contando?

Quando as pessoas perguntam “Quantas palavras eu preciso conhecer?”, a palavra “palavra” parece simples. Mas, na linguística, ela não é nada simples.

Veja o verbo em inglês run.

Ele pode aparecer em muitas formas: run, runs, ran, running

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

A maioria das pessoas aprendendo provavelmente sentiria que, ao conhecer o verbo run, não faz sentido contar cada forma gramatical como uma palavra completamente nova. É por isso que linguistas costumam usar unidades mais abstratas ao medir o tamanho do vocabulário.

O primeiro conceito útil é o lema.

Um lema é a forma base ou de dicionário de uma palavra. Por exemplo, go é o lema por trás de go, goes, went, gone, going. Em um dicionário, normalmente você procura a forma base, não cada possível forma gramatical separadamente. Ferramentas de corpus usam lemas de maneira semelhante: elas agrupam diferentes formas de uma palavra sob uma entrada central.

Até aqui, isso é bastante intuitivo.

Mas muitos estudos de vocabulário — especialmente em inglês — costumam usar 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 base. Ela inclui a palavra principal e algumas de 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 essas palavras sejam idênticas. Elas são claramente palavras diferentes no uso real. Mas são relacionadas o suficiente para que conhecer uma muitas vezes ajude a entender as outras.

Isso é importante porque quem aprende um idioma não aprende cada palavra de forma isolada. Depois de conhecer happy, fica mais fácil entender unhappy ou happiness. Depois de conhecer move, fica mais fácil adivinhar o significado de movement. Depois de conhecer use, palavras como useful, useless e reuse ficam mais fáceis de reconhecer.

Essa é a lógica por trás das famílias de palavras.

No entanto, famílias de palavras nem sempre são simples. Algumas palavras relacionadas são fáceis de entender a partir da palavra base, enquanto outras não são. Por exemplo, sign e signature são relacionadas, mas a conexão pode não ser óbvia para iniciantes. Compete, competition e competitive são relacionadas, mas se comportam de formas diferentes nas frases.

É por isso que a contagem por famílias de palavras é útil para pesquisa, mas pode confundir quem está aprendendo. Ela oferece uma estimativa prática do conhecimento de vocabulário, mas não é o mesmo que dizer que cada membro da família foi automaticamente dominado.

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

Essa distinção importa.

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

Por que a frequência importa tanto

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

Um pequeno número de palavras muito comuns aparece o tempo todo. Milhares de outras palavras aparecem apenas ocasionalmente. Esse padrão costuma estar 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 todos os lugares. Palavras raras podem ser úteis, bonitas ou importantes em áreas específicas, mas não aparecem com tanta frequência na comunicação do dia a dia.

Isso cria um princípio de aprendizagem poderoso:

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

Aprender as 1.000 palavras mais comuns pode ajudar você a reconhecer uma parte surpreendentemente grande da linguagem comum. Mas isso não significa que você vai entender tudo. As palavras desconhecidas restantes muitas vezes carregam o significado importante da frase.

Por exemplo:

Eu fui ao/à ___ porque meu/minha ___ estava doendo.

Você pode entender a maior parte da gramática e das palavras comuns, mas as palavras que faltam podem ser essenciais. Era um médico? Dentista? Farmácia? Hospital? Joelho? Estômago? Dente?

É por isso que a cobertura importa.

O que significa “95% de cobertura”?

Pesquisadores de corpus costumam falar sobre cobertura textual. Isso significa a porcentagem de palavras em um texto que você já conhece.

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

Em uma frase curta, isso talvez não seja um grande problema. Em um romance, podcast, filme ou palestra, pode se tornar cansativo. Palavras desconhecidas aparecem repetidas vezes, e algumas delas podem ser cruciais para o significado.

Com cerca de 95% de cobertura, muitas vezes é possível acompanhar a ideia geral, especialmente se o tema for familiar e houver apoio visual ou situacional. Com cerca de 98% de cobertura, a compreensão fica muito mais confortável. Você consegue deduzir mais pelo contexto, ler ou ouvir com menos interrupções e se concentrar mais no significado em vez de decodificar cada frase.

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

Para inglês falado informal, filmes e televisão, os números podem ser um pouco menores. Webb e Rodgers descobriram que as 3.000 famílias de palavras mais frequentes, junto com nomes próprios e palavras marginais, ofereciam cerca de 95% de cobertura de programas de televisão, enquanto cerca de 7.000 famílias de palavras ofereciam 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 oferecer aproximadamente 95% de cobertura para alguns tipos de conteúdo falado informal, enquanto 5.000–7.000 podem ser necessárias para cerca de 98%, dependendo do gênero.

Então, a resposta depende do que você quer entender.

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

Referências práticas de vocabulário

A tabela a seguir não é uma escala científica rígida. É um guia prático e amigável para quem aprende, baseado em pesquisas de corpus e estudos de cobertura de vocabulário.

A lição mais importante é esta:

Você não precisa conhecer todas as palavras de um idioma para usá-lo bem.

Na verdade, ninguém conhece todas as palavras de um idioma. Mesmo falantes nativos encontram regularmente palavras desconhecidas em áreas especializadas, na literatura, no direito, na medicina, na tecnologia ou em variedades regionais de fala.

Falantes nativos também têm um vocabulário receptivo muito maior do que o vocabulário ativo. Vocabulário receptivo significa as palavras que você consegue reconhecer e entender. Vocabulário ativo significa as palavras que você consegue usar com confiança ao falar ou escrever. Pesquisas sobre o tamanho do vocabulário de falantes nativos de inglês mostram que adultos nativos podem reconhecer dezenas de milhares de lemas, mas usam ativamente um subconjunto muito menor na vida cotidiana.

Essa distinção é muito importante para quem aprende idiomas.

Você não precisa usar ativamente 20.000 palavras para falar com fluência. Mas, à medida que seu vocabulário receptivo cresce, você consegue entender mais livros, filmes, conversas, piadas, argumentos e referências culturais.

Quer continuar? Confira a Parte 2 aqui: