As 1000 palavras mais comuns em inglês: elas cobrem mesmo 80%?
O número circula na internet sempre do mesmo jeito: aprenda as 1000 palavras mais frequentes do inglês e você vai entender 80% da fala. Parece um código de trapaça. Mil palavras são dois meses a dez minutos por dia, e depois disso aparentemente dá para viver.
O número é quase verdadeiro. A conclusão tirada dele, não. Vamos ver o que foi contado exatamente e por que daí não decorre o que parece.
De onde vieram os 80%
Por trás do número existe uma propriedade real da língua: as palavras se distribuem de forma muito desigual. Um punhado aparece o tempo todo e uma cauda enorme surge uma vez a cada centenas de páginas. Essa regularidade é conhecida como lei de Zipf e vale em todos os idiomas.
Daí o resultado das contagens em grandes corpora: as primeiras mil palavras mais frequentes cobrem de fato algo em torno de 80–85% de todas as ocorrências na fala do dia a dia. Na língua escrita e mais formal a fatia é menor, cerca de 70–75%, mas a ordem de grandeza é a mesma.
A palavra-chave aqui é ocorrências. Não foram contados sentidos nem frases, e sim quantas vezes uma palavra apareceu no texto. De dez palavras seguidas, oito serão da primeira mil. É isso que foi medido.
Por que 80% não é «eu entendo»
Cobertura de 80% significa que a cada cinco palavras uma é desconhecida. Não a cada cinco frases: a cada cinco palavras.
As pesquisas sobre compreensão de texto dão um parâmetro bem duro: para ler sem dicionário e entender tudo é preciso uma cobertura em torno de 98%, com o limite mínimo funcional perto de 95%. Com 80% o texto vira um conjunto de fragmentos entre os quais você reconstrói o sentido por adivinhação. Às vezes acerta, às vezes não, e não tem como conferir.
| Cobertura | Palavras necessárias (ordem) | Como é a sensação |
|---|---|---|
| 80% | ~1 000 | A cada cinco palavras uma escapa. Você pega o tema, perde o conteúdo |
| 90% | ~2 000–3 000 | Uma em dez. Dá para ler, mas é pesado e lento |
| 95% | ~4 000–5 000 | O mínimo funcional. Quase tudo claro, dicionário só de vez em quando |
| 98% | ~8 000–9 000 | Leitura confortável sem dicionário |
Os números da tabela são ordens de grandeza, não valores exatos — e é por isso que não dá para levá-los ao pé da letra.
Primeira troca: o que conta como palavra
Em pesquisas diferentes «palavra» significa coisas diferentes, e a diferença é enorme.
- Forma flexionada. go, goes, went, going, gone — cinco unidades.
- Lema. Essas mesmas cinco formas — uma unidade, go.
- Família de palavras. Ao lema somam-se os derivados: nation, national, nationality, nationalize, international — também uma unidade.
A estimativa «são necessárias 8000 palavras» quase sempre está contada em famílias. Em formas flexionadas já passa de trinta mil. Quando você vê um número redondo sem dizer o que foi contado, esse número pode estar longe da realidade por um fator de três ou quatro.
Segunda troca: saber a palavra não é saber esse sentido
As palavras mais frequentes são as mais polissêmicas, e isso não é coincidência. Uma palavra chega ao topo da frequência justamente porque atende dezenas de situações diferentes.
O verbo get está entre os cem primeiros de qualquer lista de frequência. Aqui em seis sentidos:
I got a new phone — consegui, comprei
I don't get it — não entendo
It's getting cold — está ficando
I'll get the door — eu abro
He got home late — chegou
I got him to help — convenci
Na lista de frequência isso é uma linha. Na cabeça são seis conhecimentos distintos, e normalmente a pessoa domina dois com segurança. Formalmente a palavra está «na primeira mil e aprendida»; de fato quatro frases em seis continuam incompreendidas.
Terceira troca: os 80% não estão no conteúdo
Esta é a parte mais importante. As palavras da primeira mil são majoritariamente funcionais e genéricas: the, of, and, to, be, have, do, go, make, very. Elas sustentam a construção da frase, mas não carregam o sentido dela.
O sentido está nos substantivos e verbos específicos do tema — e eles ficam justamente nos 20% restantes. Olhe a mesma frase com partes diferentes cobertas:
Retiradas as palavras funcionais:
___ committee ___ ___ proposed budget ___ ___ deadline.
Dá para entender: comitê, orçamento, prazo. O sentido geral se recompõe.Retiradas as palavras de conteúdo:
The ___ ___ the ___ ___ before the ___.
Dá para entender: nada.
Por isso a sensação de «eu conheço as palavras, mas não sei do que se trata» não é ilusão nem falta de prática. Você realmente conhece 80% das palavras e realmente não sabe do que a frase fala.
Então aprende a primeira mil ou não?
Aprende. Só que com as expectativas certas.
A primeira mil se paga melhor do que qualquer outra coisa que você possa aprender. Essas palavras aparecem em cada frase, se repetem sozinhas, e sem elas nada funciona: você não consegue ler com contexto nem deduzir o novo. É a fundação, e dois meses nela não são desperdício.
A segunda mil também se paga, embora bem mais devagar: subir a cobertura de 80% para 90% exige o dobro de palavras dos primeiros 80%.
Mas daí em diante a frequência geral deixa de ser o critério certo. Depois de cerca de duas mil, as palavras da lista geral passam a aparecer cada vez menos, enquanto as dos seus próprios assuntos aparecem o tempo todo. Um programador precisa de um conjunto, um médico de outro, quem assiste séries policiais de um terceiro. A lista geral de frequência não sabe nada disso.
Adiante funciona melhor não uma lista, e sim uma coleção própria, montada com o que você de fato lê e assiste. Nela a frequência é calculada pela sua vida, não por um corpus médio.
Como isso fica na prática
- A primeira mil: por lista e de propósito. Aqui uma lista de frequência pronta é ideal: as palavras são inevitáveis de qualquer jeito e a ordem quase não importa.
- Nas palavras frequentes, aprenda sentidos, não a palavra. Encontrou get num sentido novo? É um card novo, não um «já sei».
- Depois de duas mil, mude para captura. Tudo que te fez tropeçar num texto real vai para o dicionário pessoal.
- Conte cobertura, não palavras. A pergunta útil não é «quantas palavras eu sei», e sim «quantas desconhecidas há por página». Sobre a contagem do vocabulário existe uma análise separada com procedimento.
É no terceiro passo que costuma desmoronar: as palavras aparecem mas não são salvas, e um mês depois você as reencontra do zero. No VibeLing funciona assim: você adiciona a palavra no momento em que a encontra, o app completa a tradução, os exemplos e a pronúncia, e depois devolve a palavra para revisão por intervalos — antes que ela tenha tempo de ser esquecida.
A resposta curta
É verdade que mil palavras dão 80% da fala? Sim, se contarmos ocorrências.
Isso significa que você vai entender 80% do que é dito? Não. Você vai reconhecer 80% das palavras e entender bem menos, porque as que ficarem de fora são exatamente aquelas por causa das quais a frase foi dita.
Mil não é a linha de chegada nem 80% do caminho. É a plataforma de lançamento sem a qual nada mais funciona, e vale a pena alcançá-la o mais rápido possível. Dali em diante o que cresce não é uma lista, e sim o seu dicionário pessoal.
