Analizador de diversidad léxica en inglés

Este analizador mide la diversidad léxica de un texto escrito en inglés. Calcula cuántas palabras aparecen en total, cuántas formas diferentes se utilizan y qué proporción del contenido está formada por repeticiones. El resultado principal se expresa mediante el índice TTR, conocido en inglés como Type–Token Ratio.

Además del índice general, la herramienta muestra las palabras utilizadas una sola vez, los términos que aparecen tres veces o más, la cobertura de las diez y veinte palabras más frecuentes y una tabla completa de frecuencias. También permite analizar una lista de vocabulario y descargar los resultados en formato CSV.

El objetivo no es decidir automáticamente si un texto es bueno o malo. Una diversidad alta puede indicar riqueza léxica, pero también un texto demasiado denso. Una diversidad baja puede revelar repeticiones innecesarias, aunque también puede ser normal en instrucciones, explicaciones sencillas, diálogos o textos dirigidos a principiantes.

Cómo usar el analizador de diversidad léxica

Para obtener un resultado útil, introduce una muestra suficientemente extensa y selecciona el modo que corresponda al material que quieres revisar.

1. Pega un texto escrito en inglés. Puede ser una redacción, una carta, un artículo, una presentación, un resumen, una transcripción o un fragmento de una historia.
2. Elige el modo Texto cuando quieras analizar oraciones y párrafos normales. El sistema identificará las palabras dentro del contenido y eliminará la puntuación del recuento.
3. Selecciona Lista de palabras cuando introduzcas vocabulario separado por espacios, comas o puntos y coma. Este modo resulta útil para revisar listas temáticas o materiales de estudio.
4. Introduce al menos 20 palabras. Una muestra más corta no permite obtener una estimación significativa de diversidad.
5. Pulsa “Analizar diversidad”. La herramienta admite un máximo de 10.000 palabras por análisis.
6. Mantén activado el desglose detallado para consultar la frecuencia de cada término, las palabras que aparecen una sola vez y la concentración del vocabulario más repetido.
7. Descarga el archivo CSV cuando necesites conservar los resultados, ordenarlos en una hoja de cálculo o comparar varias versiones de un texto.

Para una primera prueba, puedes utilizar un párrafo propio de entre 80 y 150 palabras. Esa extensión permite observar repeticiones sin que el resultado dependa tanto de una frase aislada.

Nota del profesor: prefiero analizar primero la versión original de una redacción y guardar el resultado. Después de corregirla, vuelvo a introducir exactamente el mismo texto revisado. Comparar dos versiones de longitud parecida aporta más información que perseguir un índice concreto.

Modo Texto y modo Lista de palabras

Los dos modos responden a objetivos diferentes:

En el modo Texto es normal que aparezcan muchas palabras gramaticales repetidas, como the, and, to, of o is. En una lista de vocabulario, en cambio, normalmente interesa que la mayoría de las entradas sean diferentes.

Qué mide la diversidad léxica de un texto

La diversidad léxica describe la variedad de palabras empleadas en relación con la extensión total del texto. Para calcularla es necesario distinguir entre dos conceptos:

• Tokens: todas las palabras contadas, incluidas las repeticiones.
• Types: las formas de palabra diferentes que aparecen al menos una vez.

Por ejemplo, en una muestra de 100 palabras puede haber 55 formas distintas. En ese caso:

TTR = 55 palabras diferentes ÷ 100 palabras totales = 0,55

El índice siempre se encuentra entre 0 y 1:

• un valor cercano a 1 significa que muchas palabras aparecen una sola vez;
• un valor más bajo indica que una parte mayor del texto está formada por repeticiones;
• el porcentaje de repetición corresponde aproximadamente a la parte complementaria del TTR.

El índice no evalúa si las palabras son correctas, avanzadas o apropiadas para el contexto. Un texto puede contener muchos términos diferentes y, aun así, incluir errores gramaticales, traducciones literales o palabras utilizadas con un significado incorrecto.

Diversidad no significa dificultad

Un texto con vocabulario diverso no tiene por qué ser avanzado. Una historia infantil puede incluir muchos sustantivos y verbos distintos sin utilizar estructuras complejas. Del mismo modo, un texto académico puede repetir términos técnicos porque necesita mantener una terminología precisa.

También es posible elevar artificialmente la diversidad sustituyendo cada repetición por un sinónimo. El resultado numérico subirá, pero el texto puede perder claridad o coherencia. Por eso conviene interpretar el TTR junto con la finalidad, el género y el nivel del lector.

Cómo interpretar los resultados del análisis

El panel combina varias métricas. Ninguna debe leerse de manera aislada. Empieza por comprobar el tamaño de la muestra y después revisa el índice, la repetición y la tabla de frecuencias.

Índice TTR

El analizador utiliza los siguientes intervalos orientativos:

Estos límites sirven como guía interna del cálculo, no como niveles oficiales de inglés. Un valor de 0,72 no demuestra que el autor tenga un nivel C1, del mismo modo que un valor de 0,38 no demuestra que tenga un vocabulario pobre.

Tamaño del texto

La tarjeta de tamaño muestra dos cantidades:

• el número total de palabras analizadas;
• el número de formas diferentes.

La herramienta también advierte si la muestra es muy corta. Por debajo de 50 palabras, el TTR puede cambiar mucho al añadir o eliminar unas pocas palabras. Entre 50 y 149 palabras resulta útil para una revisión rápida. En muestras más largas, el índice se calcula sobre una base más amplia, aunque normalmente desciende.

Porcentaje de repetición

Este porcentaje refleja qué parte del texto corresponde a apariciones repetidas. No significa que ese porcentaje esté equivocado ni que deba eliminarse. Las palabras gramaticales, los sujetos, los conceptos centrales y los términos técnicos necesitan repetirse.

Utiliza este dato para localizar una tendencia general y consulta después la tabla. Una repetición alta causada por the, to y and no tiene la misma importancia que una repetición constante de good, thing, very o interesting.

Hapax legomena

Un hapax legomenon es una palabra que aparece una sola vez dentro de la muestra. El analizador muestra cuántas formas únicas cumplen esta condición y qué porcentaje representan sobre el total de palabras diferentes.

Un número elevado suele contribuir a un TTR alto. Puede indicar:

• variedad de vocabulario;
• muchos nombres propios o términos especializados;
• una muestra breve;
• errores ortográficos que el sistema considera palabras distintas;
• formas poco relacionadas entre sí.

Antes de interpretar todos los hapax como riqueza léxica, revisa si hay errores como becouse, because y becasue. Para el contador son tres formas diferentes, aunque dos sean faltas ortográficas.

Palabras frecuentes

La herramienta considera frecuentes las formas que aparecen tres veces o más. Esta lista ayuda a detectar:

• palabras centrales del tema;
• vocabulario funcional inevitable;
• adjetivos demasiado generales;
• verbos repetidos por falta de alternativas;
• nombres que podrían sustituirse por pronombres cuando el contexto sea claro.

La repetición del sujeto merece una revisión especial. El inglés exige un sujeto explícito con mucha frecuencia, pero no siempre es necesario repetir el mismo nombre completo. La guía sobre la repetición del sujeto ayuda a distinguir una repetición gramaticalmente necesaria de una redacción pesada.

Cobertura de las 10 y 20 palabras principales

La cobertura indica qué porcentaje del texto está formado por las diez o veinte palabras más frecuentes. Cuanto mayor sea la cifra, más concentrado está el contenido en un grupo reducido de términos.

Por ejemplo:

• si las diez palabras principales cubren el 25 %, el resto del texto está bastante distribuido;
• si cubren el 60 %, unas pocas formas dominan gran parte de la muestra;
• en textos cortos, este porcentaje puede ser alto sin que exista un problema real;
• en instrucciones o textos especializados, la concentración puede ser necesaria.

Tabla de frecuencia

La tabla ordena las palabras desde la más frecuente hasta la menos frecuente e incluye:

• la forma detectada;
• el número de apariciones;
• su porcentaje sobre todas las palabras del texto.

Esta tabla es la parte más práctica del análisis. El índice general indica que existe repetición, pero la tabla permite ver exactamente qué términos la producen.

Por qué la extensión del texto cambia el TTR

El TTR depende mucho de la longitud de la muestra. Al principio de un texto aparecen numerosas palabras nuevas. A medida que el texto crece, el autor necesita volver a utilizar artículos, preposiciones, verbos comunes y términos relacionados con el tema.

Imagina una redacción de 50 palabras con 35 formas diferentes:

35 ÷ 50 = 0,70

Después amplías la misma redacción hasta 200 palabras. Aunque introduces vocabulario nuevo, muchas palabras vuelven a aparecer. Si el total de formas diferentes aumenta hasta 90:

90 ÷ 200 = 0,45

El segundo texto puede ser más completo y contener un vocabulario mucho mayor, pero obtiene un TTR inferior. Esto no significa que haya empeorado.

Para realizar una comparación útil:

1. utiliza textos del mismo género;
2. elige muestras de longitud similar;
3. mantén el mismo modo de análisis;
4. compara textos sobre temas de dificultad parecida;
5. observa también la tabla de frecuencia;
6. no interpretes una diferencia pequeña como un cambio decisivo.

Nota del profesor: cuando comparo el progreso de un alumno, selecciono siempre fragmentos de unas 100 o 150 palabras. Si un texto tiene el doble de extensión que otro, el TTR deja de ser una comparación limpia.

Cuándo la repetición es útil y cuándo conviene corregirla

Repetir no es automáticamente un defecto. La repetición puede mantener la cohesión, recordar el tema, evitar ambigüedades y hacer que un texto sea más fácil de seguir.

Repeticiones normalmente necesarias

• Artículos, preposiciones, auxiliares y conjunciones.
• El término central de una explicación técnica.
• El nombre de un producto, proceso o concepto que no tiene un sinónimo exacto.
• Palabras clave en instrucciones y normas.
• Repeticiones utilizadas con intención retórica.
• Pronombres y sujetos necesarios para conservar la claridad.

Por ejemplo, en un texto sobre energía solar, repetir solar panels puede ser mejor que alternar continuamente con expresiones poco precisas como devices, systems, units y equipment.

Repeticiones que suelen empobrecer el texto

• Usar good para describir cualquier cualidad positiva.
• Empezar muchas frases seguidas con la misma estructura.
• Repetir I think en cada argumento.
• Utilizar thing, stuff o nice cuando existe una palabra más precisa.
• Mencionar el mismo sustantivo varias veces dentro de una sola oración.
• Repetir una idea con palabras distintas sin aportar información nueva.

El inglés escrito suele intentar evitar repeticiones innecesarias, pero no elimina todas las coincidencias léxicas. La prioridad debe ser la claridad.

No sustituyas cada palabra repetida

Un error frecuente consiste en abrir un diccionario de sinónimos y reemplazar cada aparición. Los sinónimos rara vez son totalmente intercambiables.

Compara:

• The problem caused a delay. This problem affected the whole team.
• The problem caused a delay. This issue affected the whole team.

La segunda versión evita una repetición cercana sin cambiar mucho el significado. Sin embargo, en otros contextos problem, issue, difficulty y challenge no expresan exactamente lo mismo.

También conviene dividir las frases demasiado largas. A veces el problema no es la falta de vocabulario, sino que demasiadas ideas se acumulan dentro de una sola oración y obligan a repetir sujetos y conectores.

Cómo enriquecer el vocabulario sin forzar sinónimos

Mejorar la diversidad léxica no significa utilizar palabras extrañas. El objetivo es elegir términos precisos, naturales y adecuados al contexto.

1. Sustituye palabras vagas por términos concretos

No elijas la alternativa más complicada. Elige la que describa exactamente la idea.

2. Aprende combinaciones completas

Memorizar una palabra aislada no garantiza que puedas utilizarla. Aprende también las combinaciones habituales:

• make a decision;
• reach a conclusion;
• raise a question;
• strong evidence;
• highly effective;
• deeply concerned.

Las colocaciones enriquecen el texto de manera más natural que una acumulación de palabras difíciles.

3. Diferencia palabras cercanas

Algunos términos parecen sinónimos, pero cambian según la estructura o la situación. Por ejemplo, los verbos para hablar no se distribuyen de la misma manera:

• say se centra normalmente en las palabras pronunciadas;
• tell suele incluir a la persona que recibe la información;
• speak puede referirse a idiomas o a una situación formal;
• talk suele describir una conversación.

Conocer estas diferencias permite variar el vocabulario sin introducir errores.

4. Evita traducciones que solo parecen equivalentes

Los falsos amigos pueden aumentar artificialmente la variedad mientras reducen la precisión. Por ejemplo, actually no significa normalmente actualmente, y eventually no equivale a eventualmente en todos los contextos.

Antes de incorporar una palabra nueva, comprueba:

• su significado exacto;
• la preposición que suele acompañarla;
• si es formal, informal o neutra;
• las estructuras gramaticales que admite;
• uno o dos ejemplos reales de uso.

5. Elimina redundancias antes de añadir vocabulario

A veces el texto mejora más al eliminar palabras que al añadir sinónimos:

• In my personal opinion → In my opinion.
• Repeat again → Repeat.
• Future plans → Plans, cuando el contexto ya es claro.
• The reason is because → The reason is that.

Un texto conciso puede tener un TTR parecido y, al mismo tiempo, resultar mucho más claro.

Usos prácticos para estudiar y revisar textos

Revisar una redacción

Analiza la primera versión y observa las diez palabras más frecuentes. Ignora inicialmente artículos y preposiciones. Selecciona después dos o tres palabras de contenido que se repitan demasiado.

Para cada una, decide si debes:

• mantenerla porque es el término exacto;
• sustituir una aparición por un pronombre;
• utilizar una alternativa más precisa;
• eliminar una frase redundante;
• dividir una oración demasiado extensa.

Vuelve a analizar la versión revisada y comprueba si mejoró la distribución, no solo el valor TTR.

Comparar el inglés oral y escrito

Una transcripción de conversación suele incluir repeticiones, reformulaciones, palabras de apoyo y estructuras incompletas. Un artículo escrito normalmente presenta una selección léxica más controlada.

Por eso no conviene comparar directamente un diálogo espontáneo con un ensayo. Las diferencias entre el inglés hablado y escrito afectan de manera natural a la frecuencia y a la diversidad.

Preparar una presentación

En una presentación oral, cierta repetición ayuda al público a seguir el argumento. Analiza el guion para detectar palabras vagas, pero conserva las expresiones clave que organizan la exposición.

Una técnica útil es repetir el término central y variar los verbos:

• This method reduces costs.
• The method improves efficiency.
• It also simplifies maintenance.

Crear listas de vocabulario

Selecciona el modo Lista de palabras y pega tus términos. Un índice cercano a 1 será normal cuando la lista no contenga duplicados.

Este modo permite:

• detectar palabras repetidas;
• comprobar si una lista contiene demasiadas variantes del mismo término;
• revisar vocabulario antes de importarlo en tarjetas;
• ordenar la frecuencia mediante el archivo CSV;
• comparar listas correspondientes a distintas unidades.

Medir el progreso

Guarda textos producidos en condiciones parecidas: por ejemplo, una redacción mensual de 120 palabras sobre un tema cotidiano. Registra:

• palabras totales;
• formas diferentes;
• TTR;
• porcentaje de repetición;
• palabras frecuentes relevantes;
• errores o usos poco naturales.

El progreso real no consiste únicamente en que el TTR suba. También debe mejorar la precisión, la gramática, la organización y la naturalidad.

Límites del índice y recomendaciones finales

El TTR es una medida sencilla y útil, pero no representa por sí solo la calidad del vocabulario. Debes tener presentes varias limitaciones.

• Depende de la longitud. Los textos largos suelen obtener valores más bajos.
• No reconoce el significado. Dos palabras distintas pueden utilizarse incorrectamente y aun así aumentar la diversidad.
• No agrupa familias léxicas. Formas como work, works, worked y working pueden contarse como formas diferentes.
• No separa automáticamente palabras gramaticales y léxicas. Los artículos y preposiciones también participan en la frecuencia.
• La ortografía influye. Una falta puede contarse como una palabra nueva.
• El género textual importa. Un diálogo, una receta, un ensayo y un manual necesitan patrones de repetición diferentes.
• La precisión no se puede medir solo con frecuencia. Una palabra poco común puede ser inapropiada para el contexto.

El analizador normaliza las mayúsculas, de modo que Book y book se cuentan como la misma forma. También elimina la terminación posesiva ’s durante la identificación de palabras. Sin embargo, no realiza una lematización completa: las diferentes formas verbales y plurales pueden permanecer separadas.

Para aprovechar mejor los resultados:

1. utiliza al menos 50 palabras cuando sea posible;
2. compara muestras de extensión parecida;
3. revisa primero las palabras de contenido;
4. no elimines repeticiones necesarias;
5. corrige errores ortográficos antes de analizar;
6. comprueba los sinónimos dentro de una frase;
7. combina el TTR con una revisión gramatical y de claridad;
8. guarda el CSV para comparar versiones de manera ordenada.

Nota del profesor: utilizo el índice como una alarma, no como una nota. Si una palabra aparece diez veces, el analizador me dice dónde mirar. Después debo decidir si esa repetición mantiene el tema, mejora la claridad o realmente limita la redacción.

La mejor diversidad léxica no es la que produce la cifra más alta, sino la que permite expresar cada idea con precisión y sin hacer que el lector trabaje más de lo necesario. Utiliza el índice para encontrar patrones, consulta la tabla para localizar palabras concretas y revisa siempre el resultado dentro del contexto completo.