Vocabulario MCER objetivo

Bandas MCER y la escalera acumulativa de vocabulario

Cuando envía un nivel actual y un nivel objetivo estrictamente superior, el motor consulta ambos tamaños acumulativos, resta el tamaño efectivo de partida del tamaño objetivo y devuelve la diferencia no negativa como words_to_learn. El campo path enumera cada banda desde el inicio hasta la meta para que vea hitos intermedios, y level_steps desglosa el hueco total en incrementos por banda, por ejemplo A2 a B1 son mil palabras y B1 a B2 son dos mil.

Contrato de entrada, anulaciones y forma de la respuesta

Los fallos de validación nombran el campo afectado y no se facturan. Envíe un cuerpo JSON con dos cadenas de nivel MCER obligatorias: current_level y target_level. Se aceptan A1, A2, B1, B2, C1 y C2 en cualquier capitalización; alias como from y to apuntan a los mismos campos. El objetivo debe estar estrictamente por encima del nivel actual en la escalera: si son iguales o están invertidos, la tarea falla con invalid_input en lugar de devolver un cero silencioso que podría interpretarse como éxito. Opcionalmente envíe known_words como número no negativo cuando su mazo, prueba de nivel o rastreador de listas informe un tamaño real distinto de la media de la escalera para su banda; el motor trunca fracciones a palabras enteras y usa esa cifra como tamaño de partida. Opcionalmente envíe words_per_day como tasa estrictamente positiva; cuando está presente, days_needed es el techo de words_to_learn dividido entre esa tasa, o cero si ya alcanza el tamaño objetivo. Las respuestas correctas repiten los niveles normalizados, los tamaños ladder_current y target_vocab, known_words usado, words_to_learn, already_reached, levels_to_climb, path, level_steps, percent_of_target, una cadena de fórmula breve, un mensaje legible y pasos numerados. Si se indicó una tasa diaria, también aparecen words_per_day y days_needed; los campos opcionales se omiten en lugar de ponerse a null.

Planificación de estudio, tutoría e integraciones de producto

Las escuelas de idiomas usan una calculadora de objetivo de vocabulario MCER para fijar cupos semanales de palabras nuevas que coincidan con la meta declarada del alumno, por ejemplo pasar de A2 a B1 antes de una matrícula de otoño. La validación fallida no consume saldo. Mantenga la escalera fija en la copia de su producto para que los usuarios entiendan que las cifras son estimaciones de planificación; combínelas con una colocación por destrezas cuando necesite preparación completa de certificación MCER, y use esta herramienta cuando la pregunta sea concretamente cuán grande es el delta de vocabulario entre dos bandas. Los aprendices independientes combinan la cifra words_to_learn con un tope diario de repetición espaciada para que los mazos de Anki o Memrise no prometan de más respecto a la fecha del examen. Tutores y coaches abren la sesión con un hueco numérico compartido en lugar de charla vaga de progreso y ajustan known_words a medida que crecen las listas. Los complementos LMS y las apps móviles de estudio llaman al mismo endpoint parse desde workers de borde porque el algoritmo es aritmética pura, sin tokens de modelo ni red saliente.