Estadística · RadiografIA 0.1.0
Diversidad del vocabulario (HD-D)
est-diversidad-hdd
Lo variado de tu vocabulario en 42 palabras al azar, frente a textos de personas del mismo tipo y longitud. Solo avisa.
Solo aviso: no suma.
Qué hacer
Es contexto: si queda baja, mira si repites las mismas palabras por costumbre; si queda alta, no hay nada que corregir.
Explicación
Diversidad del vocabulario con HD-D: la suma, para cada palabra distinta, de la probabilidad de encontrarla en una muestra al azar de 42 palabras del texto. Sale de la banda si queda por debajo del percentil 5 o por encima del percentil 95. Se compara con los textos humanos de tu género y longitud: los percentiles de la calibración (AnCora, BOE, Gutenberg, CSIC y MuchoCine, por tramos de 100-299, 300-599 y 600 o más palabras de prosa); con «general», el género por defecto, la mezcla de los cinco. Es contexto: no puntúa. HD-D no sale por su nombre en los estudios que comparan humanos y modelos que leyó la investigación: entra como tercera medida de la diversidad léxica por su estabilidad con la longitud (Zenker y Kyle 2021: correlación de 0,064 con la longitud; Bestgen 2023), y su dirección es la de toda la diversidad léxica medida en inglés: inestable (Kendro et al. 2026 frente a Reviriego et al. 2024). No demuestra quién escribió el texto: por construcción, 1 de cada 10 textos humanos de tu género y longitud queda fuera de esa banda.
Excepciones
- Narrativa frente a administrativo: mediana de 0,845 en la narrativa clásica y de 0,778 en el BOE (300-599).
- La implementación sigue a TAALED, el oráculo declarado; coincide con la de lexical_diversity.
- Cuenta formas, no lemas, y no distingue mayúsculas de minúsculas.
- Sin calibración: si tu género no tiene celda para la longitud del texto (la narrativa clásica de 100 a 299 palabras: 65 capítulos, menos de los 100 que exige una celda), la regla no se evalúa y el análisis lo dice.
- De 100 a 299 palabras de prosa el resultado es poco fiable (umbral firmado el 29/09): las métricas de frase y de vocabulario se mueven mucho en textos cortos.
Datos de la regla
- Paquete:
- RadiografIA 0.1.0. Reglas que señalan en un texto en español los rasgos de estilo que la investigación asocia a los textos generados con modelos de lenguaje. Cada regla dice de dónde sale y con qué nivel de evidencia. Analiza estilo; no demuestra autoría.
- Detector:
- estadístico
- Peso:
- 0
- Severidad:
- baja
- Nivel de evidencia:
- medido en inglés
- Origen de la lista:
- sin dato
Cómo busca
- Métrica:
hdd-42- Dispara:
- por encima o por debajo de la banda humana
- Banda humana:
- entre los percentiles 5 y 95 de los textos humanos de su género y longitud
Fuentes
- McCarthy y Jarvis (2010), «MTLD, vocd-D, and HD-D: A validation study of sophisticated approaches to lexical diversity assessment», Behavior Research Methods 42(2):381-392 (de pago, no leído: la implementación sigue a TAALED)(enlace externo)
- Zenker y Kyle (2021), Assessing Writing 47:100505: «MATTR and two versions of MTLD are highly stable indices for analyzing short texts»; HD-D, r = 0,064 con la longitud(enlace externo)
- Bestgen (2023), arXiv 2307.04626: HD-D, el índice menos afectado por la longitud(enlace externo)
- Kendro, Maloney y Jarvis (2026), IJAL, doi 10.1111/ijal.70115 (arXiv 2508.00086): más diversidad léxica en cuatro versiones de ChatGPT que en 240 ensayos humanos(enlace externo)
- TAALED (LCR-ADS-Lab), oráculo declarado de MTLD y HD-D: «Use with confidence: MATTR (50), MTLD-Original (50)»(enlace externo)
Ejemplos en los que dispara
Esta regla mide el texto entero: en sus ejemplos no hay un tramo que marcar.
Los sábados, antes del amanecer, el mercado de abastos despierta con un estrépito de persianas metálicas, carretillas desvencijadas y voces roncas que regatean precios. Huele a lejía, a pescado recién descargado, a pan caliente y a naranjas maduras. En la nave central se alinean los puestos de fruta: pirámides de granadas, cajas de membrillos amarillentos, racimos de uva moscatel, caquis brillantes como farolillos. Una vendedora menuda, con delantal floreado, ofrece gajos de mandarina a los niños que pasan arrastrados por sus madres. Más allá empiezan las verduras. Alcachofas apretadas, cardos envueltos en papel de periódico, borrajas, acelgas, calabazas partidas que enseñan su pulpa anaranjada, puerros todavía manchados de tierra. Un hortelano jubilado defiende que sus tomates feos saben mejor que cualquier variedad importada. La pescadería ocupa el ala norte, siempre resbaladiza. Sobre lechos de hielo picado descansan merluzas de pincho, sardinas plateadas, rapes monstruosos, calamares, chirlas y algún besugo solemne. El pescadero, delgado y bigotudo, despieza con una navaja diminuta y no deja de silbar coplas antiguas. En las carnicerías cuelgan chorizos, morcillas, lomos adobados y costillares. Detrás de los mostradores, carniceras jóvenes manejan cuchillas enormes mientras comentan el último partido o la boda de una prima lejana. Junto a la salida trasera sobreviven negocios casi extinguidos: un afilador, una mercería minúscula repleta de botones, cremalleras y dedales, y un herbolario donde se apilan saquitos de manzanilla, poleo, tila, romero y cola de caballo. En un rincón, bajo un toldo descolorido, un matrimonio gallego vende quesos de tetilla, grelos, castañas pilongas y empanadas de berberechos que se agotan antes de las diez. Hacia mediodía el bullicio decae. Los barrenderos recogen cáscaras, hojas mustias y cartones aplastados; los últimos clientes buscan gangas; los comerciantes cuentan billetes arrugados sobre cajas de madera. Entonces, en la cafetería del primer piso, empieza otra ceremonia: vermú, aceitunas aliñadas, boquerones en vinagre y conversación sin prisa hasta bien entrada la tarde.
Ejemplos en los que no dispara
Hace diez años, cuando alguien de mi pueblo hablaba de poner placas en el tejado, los vecinos lo miraban como a un excéntrico. Hoy hay placas en la cooperativa, en el polideportivo y en media docena de naves del polígono. Han bajado de precio. Muchísimo. El viento ya estaba aquí: los molinos de la sierra se instalaron a principios de siglo, entre protestas que nadie recuerda, y ahora forman parte del paisaje igual que la torre de la iglesia. El problema, me explicaba el técnico de la cooperativa una tarde de agosto, mientras esperábamos a que bajara el calor para subir a revisar los inversores, es que la electricidad que se produce a mediodía no siempre se puede usar a mediodía, y la que se necesita a las nueve de la noche, cuando todo el mundo vuelve a casa y enciende la cocina, ya no viene del sol. ¿Solución? Baterías. Grandes, caras y, de momento, escasas. Él confía más en la red. Dice que si las líneas se refuerzan y los contadores dejan de ser cajas mudas, cada casa podrá decidir cuándo pone la lavadora y cuánto paga por ello. Yo no lo tengo tan claro. Lo del hidrógeno verde lo oigo en la radio cada semana. Promete mover barcos y acerías. Puede que llegue. En el pueblo, de momento, lo único verde que se ha movido es la subvención que permitió a quince familias compartir una instalación en el tejado del antiguo cine, con un reparto que discutimos durante tres asambleas y que, contra todo pronóstico, funciona. Falta gente que sepa instalar y reparar todo esto. El chaval de los Ortega se fue a hacer un ciclo de formación profesional a la capital y volvió con trabajo para cinco años. Tal vez la transición energética era esto: menos discursos y más tejados.