Calculadora de diversidad léxica
Pega un párrafo, una sección o un borrador completo y pulsa Calcular. Obtendrás el número de palabras, el número de palabras distintas, la razón tipo-token (TTR) y la TTR raíz, y una tabla con las palabras que más repites. Una breve guía más abajo explica qué significan las puntuaciones y por qué solo deberías comparar textos de longitud similar. Gratis, sin registro, y no se sube nada a ningún sitio.
Cómo usar la calculadora de diversidad léxica
- Pega tu texto. Usa al menos unos cientos de palabras si puedes; los textos muy cortos obtienen puntuaciones altas casi automáticamente.
- Pulsa Calcular. Los resultados no se actualizan mientras escribes, así que vuelve a pulsar el botón después de editar.
- Lee las cuatro puntuaciones. Palabras totales, palabras únicas, TTR en porcentaje y TTR raíz.
- Mira el veredicto y las palabras repetidas. Tras las puntuaciones aparece una interpretación en lenguaje sencillo, y la tabla enumera hasta diez palabras que aparecen al menos dos veces.
Qué significan las puntuaciones
La diversidad léxica indica lo variado que es el vocabulario de un texto. La medida más sencilla es la razón tipo-token: el número de palabras distintas (tipos) dividido entre el número total de palabras (tokens).
- TTR = palabras únicas ÷ palabras totales. Va de casi 0 (las mismas pocas palabras repetidas) a 1, que aquí se muestra como porcentaje.
- TTR raíz = palabras únicas ÷ √(palabras totales), a menudo llamado índice de Guiraud. Baja con menos pendiente a medida que los textos se alargan, así que es más justo cuando las longitudes difieren moderadamente.
La herramienta da un veredicto sencillo: por debajo del 40 % es variedad baja, del 40 % a menos del 60 % es típica, y del 60 % en adelante es alta. Estas franjas son heurísticas para pasajes de unos cientos de palabras. No se aplican a una frase de 20 palabras ni a una tesis de 50.000 palabras.
Un ejemplo desarrollado
Pega este párrafo de 56 palabras: Sleep consolidates memory. During deep sleep the brain replays the day's events, strengthening connections that matter and pruning those that do not. Students who sleep well tend to remember more of what they studied, and they solve problems faster. Skipping sleep to study longer often backfires, because the facts that were crammed are never stored properly. Tiene 46 palabras únicas, así que la TTR es 82,1 % y la TTR raíz es 6,15, que la herramienta interpreta como variedad alta. «Sleep» es la palabra más frecuente, con cuatro usos.
Ahora pega el mismo párrafo dos veces seguidas. No se dice nada nuevo, pero el texto tiene 112 palabras y solo 46 palabras únicas: la TTR baja a 41,1 % y la TTR raíz a 4,35. Esa misma escritura puntúa como la mitad de diversa, lo que muestra tanto que la repetición baja la puntuación como que la longitud por sí sola también la baja.
Por qué la longitud distorsiona la TTR
Todo texto reutiliza palabras comunes como the, of y and, y cuanto más largo es un texto, mayor es la proporción de palabras reutilizadas. Por eso la TTR baja a medida que un texto crece, sea cual sea el vocabulario del autor. Una muestra de 100 palabras y otra de 1.000 palabras del mismo autor no darán la misma TTR. Compara las puntuaciones solo entre textos de longitud similar, idealmente recortados al mismo número de palabras.
Los investigadores usan medidas diseñadas para reducir este efecto, como MTLD y HD-D (véase McCarthy and Jarvis, 2010, en Behavior Research Methods). Esta herramienta no las calcula, así que úsala para revisar y para comparaciones aproximadas, no como medida de nivel investigador.
Cómo se cuentan las palabras
El texto se pasa a minúsculas y se divide en secuencias de letras y dígitos. Un apóstrofo se mantiene dentro de una palabra, así que don't es una sola palabra, tanto si el apóstrofo es recto como si es curvo, como los que producen muchos procesadores de texto. Las letras acentuadas cuentan como letras, así que café es una sola palabra. Los números cuentan como palabras. Un guion divide una palabra en dos, así que well-known cuenta como dos. No hay lematización: walk, walks y walked son tres palabras distintas.
¿Qué herramienta necesitas?
| Si quieres… | Usa |
|---|---|
| Una puntuación de variedad para un texto | Esta página |
| Todas las palabras ordenadas por frecuencia | Contador de frecuencia de palabras |
| Palabras repetidas cerca unas de otras | Word Repetition Checker |
| Porcentajes de densidad para cada término | Densidad de palabras clave |
| Una lista de cada palabra distinta | Extractor de palabras únicas |
Preguntas frecuentes
- ¿Qué es la diversidad léxica?
- Es una medida de lo variado que es el vocabulario de un texto, es decir, cuántas palabras distintas se usan en comparación con el total de palabras. Se usa en la enseñanza de la escritura, la evaluación de idiomas y la investigación con corpus.
- ¿Qué es una buena razón tipo-token?
- No hay un objetivo universal. Para unos cientos de palabras de prosa expositiva clara, entre el 40 % y el 60 % es lo típico, y la herramienta lo llama variedad típica. Las puntuaciones altas son comunes en textos cortos y las bajas en textos largos, así que compara cosas comparables.
- ¿Qué es la TTR raíz?
- La TTR raíz, o índice de Guiraud, es el número de palabras únicas dividido entre la raíz cuadrada del total de palabras. Reduce, pero no elimina, la caída que sufre la TTR simple a medida que los textos se alargan.
- ¿Por qué baja mi puntuación cuando pego más texto?
- Porque los textos más largos reutilizan más palabras. La TTR mide la proporción de palabras nuevas, y esa proporción se reduce a medida que el texto crece. No significa que tu vocabulario haya empeorado.
- ¿La calculadora quita las palabras vacías o agrupa las formas de una palabra?
- No. Cuenta todas las palabras, incluidas the y of, y trata cada forma como distinta, así que walk y walked son palabras diferentes. Contar todas las palabras es la forma habitual de informar la TTR.
- ¿Cómo puedo aumentar la variedad de mi escritura?
- Mira la tabla de palabras más repetidas. Donde una palabra se repite sin motivo, varíala o reescribe la frase. No cambies términos técnicos exactos por sinónimos, porque repetir un término clave suele ayudar al lector.
- ¿Se sube mi texto a algún sitio?
- No. Las puntuaciones se calculan en tu navegador y el texto no se envía a ningún sitio.