Como este teste funciona
Este teste mostra um pouco mais de cem palavras e devolve um número na casa das dezenas de milhares. Veja como ele vai de um ao outro e o quanto vale a pena acreditar nele.
Não dá para perguntar sobre cada palavra
O inglês tem bem mais de cem mil palavras em uso comum, e ninguém vai marcar cem mil caixinhas. Então o teste faz o que um instituto de pesquisa faz: pergunta sobre uma pequena amostra e tira conclusões a partir dela. Mostre a alguém um punhado de palavras sorteadas de forma justa de uma faixa do idioma, conte quantas a pessoa conhece, e você poderá dizer algo sobre a faixa inteira.
O segredo é sortear de forma justa. As palavras não são intercambiáveis — water, hypotenuse e obtund são três perguntas completamente diferentes —, então a amostra precisa ser distribuída de propósito por toda a faixa, e não recolhida de onde for mais conveniente.
A raridade é o eixo que importa
Cada palavra do teste tem uma posição de frequência: grosso modo, onde ela cai se você ordenar o idioma da palavra mais comum à mais rara. Esse único número prevê se você conhece uma palavra melhor do que o tamanho, a grafia ou o assunto. O conhecimento diminui à medida que as palavras ficam mais raras. A forma dessa queda é constante o bastante para se construir em cima dela.
É por isso que o teste tem três rodadas cada vez mais difíceis. Cada rodada amostra um trecho diferente dessa curva: primeiro as palavras do dia a dia, depois o meio e, por fim, a cauda longa. Suas respostas em cada rodada fixam um ponto, e juntas elas localizam a queda.
Por que a última rodada é a mais longa
A maior parte de um idioma é rara. As palavras que você encontra o dia todo são um erro de arredondamento diante da massa de palavras que aparecem uma vez por ano, e a amostragem precisa respeitar isso.
As respostas de cada rodada são ponderadas pelo quanto do idioma aquela rodada representa. Se você conhece metade das palavras de uma rodada, recebe crédito por mais ou menos metade de tudo o que ela representa. Somando as três, chega-se à estimativa. A conta é simples. O critério está antes, na escolha das palavras.
A parte complicada: as pessoas dizem sim fácil demais
Pergunte a qualquer pessoa se ela conhece uma palavra e uma parte dirá que sim para palavras que só viu antes, que parecem algo conhecido ou que acha que deveria conhecer. Quase ninguém está mentindo. Reconhecer é uma sensação vaga, e uma caixinha não consegue distinguir eu saberia definir isso de isso me parece familiar.
Sem correção, isso estraga a conta: cada marcação empolgada demais é multiplicada pelo tamanho da faixa em que está.
Por isso algumas palavras do teste não existem. Elas foram criadas para parecer e soar como inglês — pronunciáveis, com grafia plausível, num grau de raridade crível — e depois conferidas em vários dicionários para garantir que não são reais, nem erros de grafia de algo real, nem uma palavra real com um prefixo colado. Estão espalhadas pelas três rodadas, sem nada que as diferencie.
Ninguém pode conhecê-las, então cada uma que você marca mede o quanto você marca à vontade. Essa taxa é usada depois para descontar o restante das suas respostas. Se não marcar nenhuma, sua pontuação fica intacta.
Os números por trás deste gráfico
| taxa de chutes | corrigido | sem correção |
|---|---|---|
| 0% | 27.000 | 27.000 |
| 5% | 26.470 | 27.720 |
| 10% | 24.920 | 28.430 |
| 15% | 22.550 | 29.150 |
| 20% | 19.610 | 29.870 |
| 30% | 13.140 | 31.300 |
A consequência prática: chutar não infla o seu resultado. Um deslize ocasional quase não custa nada, mas cada palavra inventada a mais custa mais que a anterior, então respostas dadas com muita liberdade terminam com uma pontuação baixa.
Quanto vale o número
O número vem de cerca de cem perguntas sobre um idioma com um vocabulário de seis dígitos, então os últimos dígitos são ruído. Se a mesma pessoa fizer o teste duas vezes, os dois resultados vão diferir, mais na parte de baixo do que na de cima. O que se mantém é a ordem de grandeza e a comparação entre pessoas.
Há outras coisas que ele não é. Ele conta formas de palavras no sentido do dicionário, não famílias de palavras, então não vai bater com números de estudos que contam famílias e costumam ficar mais baixos. Só pergunta sobre substantivos e verbos. Não consegue saber se você conhece bem uma palavra ou apenas o suficiente para reconhecê-la. É uma diferença real, e nenhuma caixinha vai encontrá-la. E mede o reconhecimento, não o uso. A maioria das pessoas reconhece bem mais palavras do que jamais diria em voz alta.
As palavras vêm de uma lista do inglês ordenada por frequência, construída a partir de dados de uso em grande escala e filtrada para palavras simples de tamanho razoável. Quais palavras aparecem, quantas de cada rodada são inventadas e onde ficam os cortes não são publicados aqui, por motivos óbvios.
Trabalhos anteriores
Nenhuma das ideias de base é nossa. O formato de lista sim/não remonta a Meara e Buxton no fim dos anos oitenta, junto com a constatação de que ele precisa de palavras inventadas para ter sentido. O Vocabulary Size Test de Nation estabeleceu a amostragem por faixas de frequência e a ponderação de cada faixa pelo que ela representa. A correção específica usada aqui — descontar suas respostas pela frequência com que você afirma conhecer palavras que não existem — é a proposta por Huibregtse, Admiraal e Meara em 2002. Por cima, acrescentamos uma penalidade nossa, que cresce a cada palavra inventada que você marca, para que marcar quase tudo não passe por um vocabulário grande. Quem tiver curiosidade sobre quantas palavras as pessoas realmente conhecem deve ler Brysbaert e colegas, que estimam o número para um adulto nativo em cerca de quarenta mil e explicam em detalhes por que ele é tão difícil de determinar.
Fazer o teste