7 horas de série, uma palavra à frente de quem não assistiu a nada

Os vinte minutos sem legenda

Escolha um episódio que você já viu pelo menos três vezes. Desligue a legenda e rode os primeiros vinte minutos.

Depois tente dizer em inglês: o que o protagonista perguntou e como a outra pessoa respondeu.

A maioria não passa de uma ou duas frases. Algumas pessoas nem conseguem lembrar qual era a pergunta — num episódio que, pelas próprias contas, já viram três vezes.

Isso não é problema de memória. Em 1991 um grupo de pesquisadores belgas fez algo bem simples com um rastreador ocular: sentou pessoas diante de uma televisão legendada e registrou para onde os olhos iam. Ler a legenda, descobriram, é quase obrigatório. Você não decide se vai ler. Ela aparece, e seus olhos já estão lá. Acontece quando o áudio é perfeitamente fácil de acompanhar, e acontece quando você disse a si mesmo para não olhar.

Não é que o som seja ignorado. Os mesmos pesquisadores depois constataram que adultos de fato se esforçam para acompanhar a fala.

Mas o sentido não está chegando pela fala. Ele já foi entregue por aquela linha de texto, e a escuta corre ao lado. Seus ouvidos nunca foram desligados. Só deixaram de ser necessários.

A entrada para um episódio custa de cinco a sete mil famílias de palavras

Então, quanto vocabulário é preciso para acompanhar um episódio sem aquela linha de texto?

A linguística aplicada já contou isso mais de uma vez. Um estudo de 2009 desmontou 88 programas de televisão — mais de 260 mil palavras corridas de diálogo. Conhecer as 3.000 famílias de palavras mais frequentes, mais os nomes próprios da série, cobre 95% do que é dito. Chegar a 98% exige 7.000 famílias.

Em 2022 alguém refez a contagem num corpus bem maior — novelas, programas de TV e filmes, mais de 600 milhões de palavras somadas — e chegou um pouco abaixo: 3.000 famílias para 95% do diálogo de TV, 5.000 para 98%. Um estudo anterior sobre o inglês falado em geral punha o número entre 6.000 e 7.000.

Três estudos, três corpora, e a linha dos 98% cai sempre na mesma faixa: de cinco a sete mil famílias de palavras.

A honestidade exige uma ressalva. Os autores do estudo de 2009 preferiam a linha dos 95% — concluíram que 3.000 famílias podem bastar para uma compreensão adequada da televisão. A razão de usar 98% aqui é um experimento de leitura muito citado que constatou que, com 95% de cobertura, mais leitores não entenderam o texto do que entenderam, e inferiu um limiar em torno de 98%.

E não passa de uma inferência. Aquele experimento testou 80%, 90%, 95% e 100% — nunca 98% — e tentativas posteriores de replicação não reproduziram totalmente o resultado. Adotar 98% é a leitura rigorosa, não a consolidada.

A unidade também importa. Uma família de palavras aqui é um radical com todas as suas flexões e derivações regulares: add, added, adding, addition, additional, additionally — essas seis contam como uma. O vestibular chinês espera cerca de 3.500 palavras, e o CET-6, o mais alto dos dois exames nacionais de inglês que a maioria dos universitários chineses faz, cerca de 5.500. Ambos contam entradas de dicionário, e essas listas já contêm montes de palavras que são derivações umas das outras.

Converta 5.500 entradas em famílias de palavras e o número só pode encolher. A diferença é maior do que parece.

Voltemos a um episódio. Aqueles 88 programas tinham em média pouco mais de três mil palavras corridas cada. Com 95% de cobertura, cerca de 150 palavras num episódio são palavras que você não conhece. Com 98%, ainda sobram umas 60.

E essas 60 não esperam. Passam em velocidade de conversa, enterradas em encadeamentos, sílabas engolidas e uma deixa musical.

Sete horas, seis palavras — e quem não assistiu a nada tirou cinco

Não precisa entender tudo, dizem. Você vai pegando pelo caminho.

Um estudo de 2020 mediu exatamente isso. Cento e oitenta e sete universitários japoneses assistiram a dez episódios da mesma série americana, 42 minutos cada, mais de sete horas no total. Os pesquisadores escolheram 60 palavras de baixa frequência da série e testaram antes e depois.

O ganho médio foi de 6,4 palavras.

O grupo que importa é o outro. Setenta e três estudantes da mesma universidade não assistiram a episódio nenhum. Simplesmente refizeram o mesmo teste depois do mesmo intervalo. Eles “aprenderam” 5,3 palavras.

O retorno líquido de mais de sete horas foi de cerca de uma palavra.

De onde veio esse 5,3? O teste era de múltipla escolha com sete opções. Numa segunda passagem, eliminação e sorte já sobem um pouco a pontuação sozinhas. Essa parte não tem nada a ver com ter assistido a coisa alguma, e engole quase todo o ganho.

A palavra que sobra é uma palavra superestimada. Aqueles 60 alvos foram escolhidos a dedo, apareciam em média dez vezes ao longo dos dez episódios, e os estudantes já conheciam mais da metade deles de saída — um dos alvos era conhecido por 182 dos 187 antes de começar. As palavras com que você realmente esbarra assistindo aparecem quase sempre uma ou duas vezes, e ninguém te oferece sete opções.

Vamos projetar o número generoso — o que vem a seguir é uma hipótese, não uma estatística. Digamos que você conheça com folga 3.000 famílias de palavras e queira 6.000. Usando 6,4 palavras a cada sete horas, e não a líquida de uma, dá 3.300 horas, ou cerca de 4.700 episódios. Um episódio por dia, treze anos.

Para ser justo, a conclusão do próprio pesquisador é menos sombria: ele calcula que aprender vocabulário assistindo é mais ou menos tão eficiente quanto ler um romance, talvez um pouco melhor. Ele tem razão, e o que isso significa é que as duas rotas são lentas demais para serem a principal — não que assistir seja especialmente ruim.

E, ao fim de treze anos, você consegue acompanhar uma série de televisão. Não falar.

As crianças canadenses que ouviram por uma década e ainda assim não conseguiam falar

A prova mais dura de que só input não basta não veio de um laboratório. Veio das escolas canadenses.

A partir de 1965, o Canadá manteve a imersão em francês: crianças anglófonas tendo matemática, ciências e estudos sociais em francês desde os primeiros anos de escola. Isso é praticamente todo o input que uma pessoa pode realisticamente absorver — seis horas por dia, por mais de uma década.

A pesquisadora Merrill Swain avaliou esses alunos nos anos 1980. O que ela encontrou virou um ponto de inflexão na área. A compreensão oral e a leitura deles tinham chegado perto do nível nativo e, ainda assim, o francês que produziam continuava carregando erros que um nativo não cometeria — e continuava carregando, ano após ano.

A explicação de Swain foi que o que lhes faltava não era input, mas ocasiões de serem empurrados a produzir língua. Ouvindo dá para pegar carona no contexto, no tom e na imagem; você recupera o sentido sem nunca resolver a gramática. Só quando é a sua vez de dizer a frase você é obrigado a decidir que forma aquele verbo assume e onde a oração se encaixa.

Crianças com uma década de imersão não cruzaram essa linha ouvindo. Um adulto que assiste a dois episódios por semana também não vai cruzar.

“Aprendi inglês vendo série” tem a causalidade invertida

E, no entanto, há gente que realmente aprende assim. Toda escola tem uns poucos, e eles não estão mentindo.

O problema é para que lado a seta aponta.

Para tirar alguma coisa de uma série você precisa acompanhá-la mais ou menos — o que significa que seu vocabulário já está na casa dos milhares de famílias de palavras. A televisão não deixou o inglês deles bom. O inglês deles ficou bom o bastante primeiro, e aí a televisão começou a render. Todo mundo abaixo dessa linha está lendo legenda, e ninguém desse grupo escreve “aprendi inglês vendo série”, porque não aprendeu. A gente só ouve um dos lados.

Há uma segunda camada que costuma sumir: o que aquelas pessoas faziam muitas vezes não era assistir.

Repetir o mesmo episódio, pausar para dizer uma fala em voz alta, copiar a entonação, decorar um diálogo inteiro e encená-lo — isso ainda parece assistir a uma série, mas é prática de produção. É essa parte que funcionou. E é também a parte que cai fora da história, deixando “ver série” levar o crédito sozinho.

A ideia durou porque tem as três coisas de que precisa: veste o estudo de entretenimento, então começar não custa nada; não pode ser falseada, já que quem não aprendeu simplesmente não assistiu o suficiente; e sustenta um negócio.

No começo de 2021, a polícia de Xangai fechou o mais conhecido grupo chinês de legendagem amadora de séries americanas; o comunicado falava em mais de oito milhões de membros registrados. Oito milhões de pessoas na fila pela única coisa que transforma escuta de volta em leitura.

De volta àqueles vinte minutos.

Não conseguir dizer sem legenda não significa que a última década foi perdida. Significa uma coisa só: você praticou reconhecimento, e não praticou escuta nem fala, e as três crescem separadamente.

Televisão é boa. Merece ser curtida e, uma vez que você tem uma base, vai mesmo empurrar seu vocabulário um pouco para cima. O que ela não vai fazer é a parte difícil — produzir uma frase inteira enquanto alguém espera por ela.

Só existe um jeito de praticar isso: dizer coisas de verdade, com alguém do outro lado. Foi por isso que construímos o Unscript — fixe a conversa e depois vá puxando o roteiro um nível de cada vez, para que falar não exija antes cinco mil famílias de palavras nem um estoque de coragem.

Hoje à noite, deixe a legenda ligada. Assista como série.