¿Cuántas de las 170 mil palabras en inglés conoces?

Impresiones generales

• A muchos les pareció que el quiz era divertido, bueno para el ego y una distracción agradable, especialmente cuando las palabras se volvían más oscuras hacia el final.
• A otros les aburría o abandonaron temprano debido a los niveles iniciales básicos y a la interacción lenta; algunos sintieron que nunca llegó a ser realmente desafiante.

UX y diseño de interacción

• La queja principal: demasiados clics por palabra (elegir → comprobar → continuar), con botones muy separados y a veces fuera de pantalla en móvil.
• Hubo varias peticiones recurrentes:
  • Flujo de un solo clic (la respuesta avanza inmediatamente, quizá con deshacer).
  • Atajos de teclado (1–4 para elegir, Enter para enviar/avanzar).
  • Dificultad adaptativa para que los usuarios fuertes se salten las largas fases de “lo básico”.
• Se señalaron como molestos el desajuste del diseño y los problemas de desplazamiento (especialmente en móvil).

Diseño de la prueba, facilidad para adivinar y validez

• Muchos notaron patrones que facilitaban adivinar:
  • La respuesta correcta suele ser la definición más larga.
  • A menudo hay una estructura de “correcta + opuesta + 2 aleatorias”.
  • A veces hay dos opciones directamente opuestas, y la respuesta siempre es una de ellas.
• Varias personas probaron “elegir siempre la respuesta más larga” y reportaron una alta precisión.
• La falta de un botón de “no lo sé” fue ampliamente criticada; adivinar a la fuerza infla las puntuaciones.
• Varios comentaristas sostuvieron que la prueba mide estrategias de adivinanza y deducción etimológica más que el tamaño real del vocabulario.

Selección de palabras, dificultad y sesgo

• La lista de palabras se percibió como sesgada:
  • Muy cargada de palabras de origen latino/francés/griego y de metapalabras sobre el lenguaje, la verbosidad y la retórica.
  • Los niveles tardíos mezclan elementos genuinamente oscuros con otros bastante comunes (“obfuscate”, “zeitgeist”, “kerfuffle”).
• Los hablantes no nativos de lenguas romances o germánicas a menudo obtuvieron puntuaciones muy altas aprovechando cognados y raíces.
• Algunos objetaron el uso de palabras ficticias, chistosas o hiper raras, así como la inclusión de nombres propios.

Definiciones y afirmaciones “científicas”

• Varios usuarios señalaron que las definiciones eran superficiales, circulares, engañosas o incompletas (por ejemplo, “lethargic”, “verbose”, “candid”, “complacent”, “frugal”, “obsequious”).
• Varias personas criticaron los distractores y el estilo de redacción aparentemente generados por LLM como “AI slop”.
• El algoritmo descrito de “muestreo estratificado” impresionó a algunos, pero otros señalaron:
  • Los tamaños de los intervalos solo suman ~85k frente a las ~171k citadas, así que incluso un 100/100 equivale a ~50% del total.
  • Los intervalos de palabras no se corresponden de forma consistente con la dificultad o la frecuencia reales.
• Se sugirieron alternativas (pruebas adaptativas/estilo IRT, modelos tipo Elo, otras pruebas de vocabulario existentes).