Calculadora de diversidade lexical
Cole um parágrafo, uma seção ou um rascunho completo e clique em Calcular. Você obtém o número de palavras, o número de palavras diferentes, a razão tipo-token (TTR) e a TTR raiz, além de uma tabela com as palavras que você mais repete. Um breve guia abaixo explica o que as pontuações significam e por que você deve comparar apenas textos de comprimento semelhante. Gratuito, sem cadastro, e nada é enviado para servidores.
Como usar a calculadora de diversidade lexical
- Cole seu texto. Use pelo menos algumas centenas de palavras, se possível; textos muito curtos pontuam alto quase automaticamente.
- Clique em Calcular. Os resultados não são atualizados enquanto você digita, então clique no botão novamente depois de editar.
- Leia as quatro pontuações. Total de palavras, palavras únicas, a TTR em porcentagem e a TTR raiz.
- Veja a interpretação e as palavras repetidas. Uma faixa em linguagem simples segue as pontuações, e a tabela lista até dez palavras que aparecem pelo menos duas vezes.
O que significam as pontuações
Diversidade lexical é o grau de variedade do vocabulário de um texto. A medida mais simples é a razão tipo-token: o número de palavras diferentes (tipos) dividido pelo número total de palavras (tokens).
- TTR = palavras únicas ÷ total de palavras. Vai de perto de 0 (as mesmas poucas palavras repetidas) até 1, mostrado aqui como porcentagem.
- TTR raiz = palavras únicas ÷ √(total de palavras), conhecida como índice de Guiraud. Ela cai com menos intensidade conforme os textos ficam mais longos, por isso é mais justa quando os comprimentos diferem moderadamente.
A ferramenta dá uma interpretação simples: abaixo de 40% é baixa variedade, de 40% até menos de 60% é típica, e 60% ou mais é alta. Essas faixas são heurísticas para trechos de algumas centenas de palavras. Elas não se aplicam a uma frase de 20 palavras nem a uma tese de 50.000 palavras.
Exemplo prático
Cole este parágrafo de 56 palavras (em inglês): 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. Ele tem 46 palavras únicas, então a TTR é 82,1% e a TTR raiz é 6,15, que a ferramenta interpreta como alta variedade. Sleep é a palavra mais frequente, com quatro usos.
Agora cole o mesmo parágrafo duas vezes. Nada de novo é dito, mas o texto tem 112 palavras com apenas 46 palavras únicas: a TTR cai para 41,1% e a TTR raiz para 4,35. O mesmo texto pontua cerca de metade da diversidade, o que mostra que tanto a repetição quanto o comprimento sozinho reduzem a pontuação.
Por que o comprimento distorce a TTR
Todo texto reutiliza palavras comuns, como the, of e and, e quanto mais longo o texto, maior a parte de suas palavras que são reutilizações. Por isso a TTR cai à medida que um texto cresce, independentemente do vocabulário do autor. Uma amostra de 100 palavras e uma amostra de 1.000 palavras do mesmo autor não darão a mesma TTR. Compare as pontuações apenas entre textos de comprimento semelhante, idealmente cortados no mesmo número de palavras.
Pesquisadores usam medidas criadas para reduzir esse efeito, como MTLD e HD-D (ver McCarthy e Jarvis, 2010, em Behavior Research Methods). Esta ferramenta não calcula essas medidas; use-a para revisão e comparações aproximadas, não como medida de padrão de pesquisa.
Como as palavras são contadas
O texto é convertido para minúsculas e dividido em sequências de letras e dígitos, mantendo um apóstrofo dentro da palavra. Assim, don't é uma palavra só, seja o apóstrofo reto ou curvo, como muitos processadores de texto produzem. Letras acentuadas contam como letras, então café é uma palavra. Números contam como palavras. Um hífen separa a palavra em duas, então well-known conta como duas. Não há lematização: walk, walks e walked são três palavras diferentes.
De qual ferramenta você precisa?
| Se você quer… | Use |
|---|---|
| Uma pontuação de variedade para um texto | Esta página |
| Cada palavra classificada pela contagem | Contador de Frequência de Palavras |
| Palavras repetidas próximas umas das outras | Word Repetition Checker |
| Porcentagens de densidade para cada termo | Densidade de Palavras-Chave |
| Uma lista de cada palavra distinta | Extrator de Palavras Únicas |
Perguntas frequentes
- O que é diversidade lexical?
- É uma medida de quão variado é o vocabulário de um texto, ou seja, quantas palavras diferentes são usadas em comparação com o total de palavras. É usada no ensino de escrita, em avaliações de idiomas e em pesquisas com corpora.
- O que é uma boa razão tipo-token?
- Não existe um alvo universal. Para algumas centenas de palavras de prosa expositiva clara, de 40% a 60% é típico, e a ferramenta chama isso de variedade típica. Pontuações mais altas são comuns em textos curtos e mais baixas em textos longos, então compare casos semelhantes.
- O que é TTR raiz?
- A TTR raiz, ou índice de Guiraud, é o número de palavras únicas dividido pela raiz quadrada do total de palavras. Ela reduz, mas não elimina, a queda da TTR simples à medida que os textos se alongam.
- Por que minha pontuação cai quando colo mais texto?
- Porque textos mais longos reutilizam mais palavras. A TTR mede a parcela de palavras que são novas, e essa parcela diminui conforme o texto cresce. Isso não significa que seu vocabulário piorou.
- A calculadora remove palavras funcionais ou agrupa formas de uma mesma palavra?
- Não. Ela conta todas as palavras, incluindo the e of, e trata cada grafia como separada, então walk e walked são palavras diferentes. Contar todas as palavras é a forma usual de informar a TTR.
- Como posso aumentar a diversidade da minha escrita?
- Observe a tabela de palavras mais repetidas. Onde uma palavra se repete sem motivo, varie-a ou reescreva a frase. Não troque termos técnicos exatos por sinônimos, porque repetir um termo-chave muitas vezes ajuda o leitor.
- Meu texto é enviado para algum lugar?
- Não. As pontuações são calculadas no seu navegador e o texto não é enviado a lugar nenhum.