Test del vocabolario italiano: quante parole conosci?

Il test non chiede definizioni: mostra parole e chiede quali conosci. La lista italiana è ordinata per frequenza d'uso nei sottotitoli di film e serie e divisa in fasce uguali. Da ogni fascia arriva un piccolo campione di parole, mescolato a parole inventate. La quota spuntata in ogni fascia, corretta con la quota di inventate spuntate, si moltiplica per le voci che la fascia rappresenta; la somma delle fasce è la stima.

Il primo turno mostra insieme 40 parole reali, 2 per ognuna delle 20 fasce da 2500 voci, e 14 pseudoparole, in ordine casuale. Spunti quelle di cui conosci il significato. Il secondo turno aggiunge 60 parole reali e 20 inventate. Nessuna parola compare due volte nello stesso test.

Le parole del secondo turno non sono divise in parti uguali. Ogni fascia ne riceve almeno una, e le altre vanno soprattutto alle fasce in cui hai spuntato una parola e lasciato l'altra. In un test standard o lungo una fascia così ne riceve circa il doppio di una con due sì o due no. Il test breve le distribuisce in modo più uniforme. Anche le fasce che contano per più forme di base ne ricevono di più. È l'allocazione di Neyman, una scelta del sito: le parole vanno dove il dubbio pesa di più sulla stima.

Le tre lunghezze cambiano solo il secondo turno: il primo è uguale per tutte. In tutto il test mostra:

• Breve: 70 parole vere, 24 inventate.
• Standard: 100 parole vere, 34 inventate.
• Lunga: 160 parole vere, 54 inventate.

Ecco il conto di una fascia, con risposte di esempio. La fascia 10 comprende le voci dalla posizione 22.501 alla 25.000. Hai spuntato 7 parole su 10 (70%) e, in tutto il test, 1 parola inventata su 34 (2,9%). La differenza tra le due quote dà 67,1%. Moltiplicata per le 2153 forme di base che la fascia conta, cioè le sue 2500 voci per la quota tenuta dalla revisione (86%), fa 1444 parole.

Ogni quota resta tra zero e cento per cento. Prima della somma le quote vengono anche lisciate, perché una fascia più rara non può risultare più conosciuta di una più comune. Se succede, le due fasce prendono lo stesso valore: una media pesata sulle parole mostrate. La somma finale è arrotondata al centinaio più vicino.

Il test conta lemmi, cioè le forme di base con cui le parole compaiono come voci del dizionario. Sono l'infinito per i verbi, il singolare per i nomi, il maschile singolare per gli aggettivi. Andare è un lemma; vado, andiamo e andrebbero sono sue forme flesse e non contano a parte.

Una famiglia lessicale riunisce invece lemmi diversi con la stessa radice, come fiore, fiorire, fioraio e fioritura. Qui ognuno conta come una parola a sé, se è nella lista. Le stime in famiglie danno quindi numeri più piccoli. Nello studio di Brysbaert e colleghi del 2016, sull'inglese americano, la mediana dei ventenni è di 42.000 lemmi ma di 11.100 parole di base, contando le famiglie.

Anche la parola vocabolario ha due facce: nel Nuovo De Mauro indica sia il dizionario sia l'insieme delle parole di una lingua o di una persona. Il dizionario riporta accanto al lemma di ogni nome anche il genere, che si può controllare con lo strumento maschile o femminile.

La lista italiana del test raccoglie 50.000 lemmi: nomi, verbi, aggettivi e avverbi che la versione inglese di Wiktionary registra come italiani, nell'estrazione pubblicata da kaikki.org. Sono ordinati per quante volte le loro forme compaiono nei sottotitoli di film e serie TV, con le liste FrequencyWords tratte da OpenSubtitles 2018. Brysbaert e New hanno mostrato nel 2009, per l'inglese americano, che le frequenze dei sottotitoli prevedono meglio di quelle dei testi scritti quanto in fretta si riconosce una parola.

La revisione del sito ha esaminato un campione casuale fisso di ogni fascia, 720 candidati in tutto, uno per uno, confrontandoli con dizionari generali dell'italiano. Ha scartato ciò che non è un lemma italiano: nomi propri, sigle, parole straniere, forme flesse, errori di battitura, parole offensive, onomatopee, pezzi di espressioni più lunghe.

La quota tenuta, 93% dei candidati, stabilisce quanti lemmi reali vale ogni fascia. In tutto la lista conta per 46.600 lemmi, il massimo che il test può dare. Le parole che il test mostra vengono da questo campione rivisto.

Il Nuovo vocabolario di base della lingua italiana, presentato da Tullio De Mauro su Internazionale nel dicembre 2016 e preparato con Isabella Chiari, conta circa 7000 vocaboli. È il nucleo delle parole più usate e più familiari, diviso in tre fasce con ruoli diversi.

• Lessico fondamentale: circa 2000 vocaboli, che da soli coprono circa l'86% delle occorrenze, cioè delle parole contate una per una nei testi.
• Alto uso: circa 3000 vocaboli molto frequenti, che aggiungono circa il 6% delle occorrenze.
• Alta disponibilità: circa 2500 vocaboli poco frequenti nei testi ma ben noti, perché legati a oggetti e gesti della vita di ogni giorno.

De Mauro spiega che le fasce vengono da un corpus di 18.843.459 occorrenze, in cui circa 33.000 vocaboli superano la soglia minima di frequenza. Le parole sono ricondotte ai lemmi del GRADIT, il Grande dizionario italiano dell'uso diretto dallo stesso De Mauro.

Nel dizionario Il Nuovo De Mauro le fasce compaiono come marche d'uso accanto alle voci. FO sta per fondamentale, AU per alto uso, AD per alta disponibilità, CO per il lessico comune. Così si vede subito a quale fascia appartiene una parola.

Le fasce di questo test sono un'altra cosa. Non nascono da marche d'uso ma da un conteggio: ogni fascia è una fetta di 2500 lemmi in ordine di frequenza nei sottotitoli. Le parole di alta disponibilità, rare nei testi per definizione, finiscono quindi più in basso in una classifica per frequenza di quanto la loro notorietà farebbe pensare.

Nessuno studio pubblicato, tra quelli verificati per questa pagina, ha misurato il lessico degli adulti di madrelingua italiana. La cifra più citata, 42.000 lemmi, è la mediana dei ventenni di lingua inglese americana nello studio di Brysbaert e colleghi del 2016.

Le cifre non sono la stessa misura e non si confrontano tra loro come se lo fossero. Brysbaert e colleghi contano forme di base su un elenco americano, con 221.268 partecipanti. Secondo loro, dai venti ai sessant'anni si impara in media un lemma nuovo ogni 2 giorni. Keuleers e colleghi danno invece la quota di un elenco olandese. LexITA è pensato per chi impara l'italiano come seconda lingua: con i madrelingua è risultato troppo facile, con quasi tutte le risposte giuste.

Anche la competenza lessicale di una persona è più ampia di un numero: comprende i diversi significati di una parola, le combinazioni abituali, il registro adatto alla situazione. Un test a spunta non vede nulla di tutto questo. Dà invece una stima personale sulla lista italiana, con un intervallo, che si può ripetere e confrontare con sé stessi.

Le parole inventate, dette anche pseudoparole, hanno l'aspetto dell'italiano ma non esistono. Servono a misurare quanto si tende a rispondere di sì: spuntarne una è un falso allarme, cioè dichiarare nota una parola che nessuno può conoscere.

In ogni fascia il test toglie la quota di falsi allarmi dalla quota di parole reali spuntate. È la stessa sottrazione usata da Keuleers e colleghi nel 2015, nel grande test olandese con 572.146 prove fatte da circa 368.798 persone. Lì le non parole erano il 28% delle voci. L'hanno usata anche Brysbaert e colleghi nel 2016, con 67 parole reali e 33 inventate a sessione. Chi spunta tutto, quindi, ottiene zero: in ogni fascia le due quote si annullano.

Decidere se una sequenza di lettere è una parola si chiama decisione lessicale ed è un compito classico della psicolinguistica. LexITA, il test di Amenta, Badan e Brysbaert per l'italiano come seconda lingua, mostra 60 parole e 30 non parole. Il punteggio è il numero di sì alle parole meno il doppio dei sì alle non parole. LexTALE, il modello inglese di Lemhöfer e Broersma, ne usa 40 e 20.

Lemhöfer e Broersma, nell'articolo che presenta LexTALE, citano un risultato di Mochida e Harrington (2006). I punteggi di un test sì o no e quelli di un test di vocabolario tradizionale avevano correlazioni superiori a 0,8. Un elenco di parole da spuntare, quindi, dice molto anche se non chiede definizioni.

Le 148 parole inventate di questo test nascono scambiando gruppi di lettere tra lemmi veri. L'idea viene da Wuggy, il generatore di Keuleers e Brysbaert (2010), in una versione semplice del sito, e le parole sono state scelte durante la revisione. Nella lunghezza standard sono il 25% delle voci mostrate. Se ne spunti più del 20%, il risultato porta un avviso: la correzione pesa molto e la stima è meno sicura.

Il vocabolario passivo raccoglie le parole che capisci quando le leggi o le ascolti; il vocabolario attivo quelle che usi tu, parlando o scrivendo. In linguistica si parla anche di lessico ricettivo e di lessico produttivo. Il primo è di solito molto più ampio del secondo.

Questo test misura il lato passivo: spuntare una parola vuol dire riconoscerne il significato, non saperla usare. Brysbaert e colleghi, nello studio del 2016, stimano che il lessico produttivo sia probabilmente meno della metà di quello ricettivo. Chiamano inoltre le loro cifre stime alte, perché la conoscenza misurata può essere superficiale, fino al semplice sapere che una parola esiste.

Il risultato principale è una cifra tonda, per esempio «Circa 31.300 parole», con sotto l'intervallo probabile. Se la somma resta sotto le 100 parole, il test lo dice invece di mostrare un numero.

In sintesi, il test stima quante parole italiane riconosci su una lista di 50.000 lemmi, cioè forme di base, ordinati per frequenza nei sottotitoli. Nella lunghezza standard mostra in due turni 100 parole reali, prese da tutte le 20 fasce, e 34 parole inventate. Per ogni fascia calcola la quota di parole spuntate meno quella delle inventate spuntate, la moltiplica per le voci che la fascia rappresenta e somma le fasce.

Il risultato è arrotondato al centinaio e accompagnato da un intervallo probabile. Conta le parole di cui riconosci il significato, cioè il vocabolario passivo, non quelle che usi. Non è un livello linguistico né un punteggio scolastico: è una stima sulla lista di questo test, che varia un po' a ogni prova perché cambiano le parole estratte.

L'intervallo probabile è un calcolo del sito, non di uno studio: nessuna ricerca pubblica un errore standard per questo tipo di somma. Il test parte dalla variabilità delle risposte in ogni fascia e di quelle alle pseudoparole. Ne ricava un intervallo al 95%: la stima più o meno 1,96 errori standard. Con la lunghezza lunga le parole mostrate sono di più e l'intervallo di solito si stringe.

Sotto la stima compaiono la quota della lista che conosci e quante pseudoparole hai spuntato su quelle mostrate. Poi le barre, una per fascia, dalle parole più comuni alle più rare: ognuna mostra la quota contata come conosciuta. Seguono le parole reali che non hai spuntato e l'elenco delle pseudoparole, con quelle spuntate segnate.

Un esempio immaginario, non un valore di riferimento: una persona conosce tutte le parole delle sei fasce più comuni, cioè i primi 15.000 lemmi. Poi la sua quota scende di 6 punti percentuali a ogni fascia più rara, fino a 16% nell'ultima. Spunta anche 1 parola inventata nel primo turno. Sulla lista italiana il test le dà circa 31.300 parole, probabilmente tra 26.800 e 35.800, cioè 67% dei lemmi contati.

Se hai già fatto il test nella stessa lingua, compare anche il risultato precedente con la sua data. Copia il risultato mette in una riga lingua, stima e intervallo, seguiti dal link alla pagina. Si può rifare il test con un nuovo sorteggio di parole oppure cambiare lingua e lunghezza.

Il risultato non è un livello del QCER, il Quadro comune europeo di riferimento per le lingue, né una certificazione o un voto: misura quante parole di una lista riconosci. Un livello descrive che cosa si sa fare con una lingua; questa stima conta soltanto le parole riconosciute.

Le Indicazioni nazionali per il primo ciclo, adottate con il D.M. 9 dicembre 2025, n. 221, e pubblicate in Gazzetta Ufficiale il 27 gennaio 2026, chiedono di «acquisire un patrimonio lessicale progressivamente più ricco ed esteso» e di «organizzare il lessico in famiglie lessicali». Non indicano un numero di parole da conoscere e non nominano le fasce del vocabolario di base.

Dal menu della lingua il test si fa anche in inglese, tedesco, spagnolo, francese, olandese e polacco. Ogni lingua ha la sua lista, costruita con fonti dello stesso tipo e con lo stesso metodo, e il risultato vale per quella lista. Due cifre in lingue diverse non dicono quale lessico sia più ampio.

I sottotitoli riportano soprattutto la lingua dei dialoghi, più quotidiana che scolastica. SUBTLEX-IT, la raccolta di frequenze italiane da sottotitoli di Crepaldi, Amenta, Mandera, Keuleers e Brysbaert sull'Open Science Framework, conta circa 130 milioni di occorrenze e 517.564 forme diverse. Da lì vengono le parole di LexITA; le frequenze di questo test vengono invece dalle liste FrequencyWords.

Per giocare con le parole invece di contarle, sul sito c'è anche il gioco dei collegamenti, che chiede di dividere sedici parole in quattro gruppi nascosti.