Comprobador de Perplejidad Gratis Mide la predictibilidad a nivel de palabra
La perplejidad mide algo limitado: cuán sorprendido está un modelo de lenguaje por la siguiente palabra de una oración. Este comprobador gratuito de perplejidad aproxima eso desde el lado que usted puede revisar, la variación de palabras, calculada con una medida MATTR robusta a la longitud, una simple razón tipo-token y una lista de las palabras en las que más se apoya su borrador. Un vocabulario estrecho y repetido mantiene fáciles las conjeturas de un modelo y baja la atención del lector por la misma razón. El ritmo a nivel de oración es una cuestión aparte, cubierta por el comprobador de burstiness; esta página se mantiene en la palabra individual.
Estima la variación de palabras con una puntuación MATTR robusta a la longitud, tu relación tipo-token y las palabras en las que más se apoya tu borrador.
0 / 1,000 palabras
84,000+
Investigadores internacionales
Valoración media
Con la confianza de investigadores que publican en
Cómo el comprobador de perplejidad puntúa un borrador
Añada el pasaje que desea evaluar
Un párrafo basta para empezar; una sección completa ofrece la lectura más estable. Sirve cualquier borrador de investigación o asistido por IA.
Lea las puntuaciones léxicas
MATTR en una escala de 0-100 con un intervalo de veredicto, junto con su razón tipo-token y un recuento de palabras únicas.
Aborde la repetición que importa
La lista de palabras repetidas indica dónde el borrador depende de muy pocas palabras. Varíe los verbos y conectores alrededor de sus términos clave; deje intactos los términos mismos.
Cómo este comprobador mide la predictibilidad a nivel de palabra
Estable en cualquier longitud
La TTR simple desciende a medida que un pasaje crece simplemente porque los conectores y artículos deben repetirse, lo que penaliza de forma silenciosa los envíos más largos. La cifra principal aquí es MATTR, calculada sobre una ventana móvil de cincuenta palabras, de modo que una sección de dos páginas y un capítulo de diez páginas se juzgan con el mismo criterio.
Señala los términos más repetidos
Una sola cifra no le dice qué corregir. La lista de palabras clasifica exactamente qué términos están cargando demasiado del pasaje, con las palabras funcionales comunes filtradas primero.
La misma métrica usada en otras partes de este sitio
Este es el mismo cálculo de variación léxica que aparece en el mosaico de perplejidad dentro de la vista de edición del humanizador de TextPulse, ejecutado aquí en su propio dispositivo.
Mediciones simples
La salida son datos léxicos: una puntuación, una razón, una lista. No se adjunta ningún juicio de autoría a nada de ello, porque ninguno de estos números puede sostenerlo honestamente.
Qué mide la perplejidad y qué deja fuera
El modelado del lenguaje dio a la perplejidad su función original: evaluar cuán bien un modelo predice el siguiente token de una secuencia que aún no ha visto. Un modelo que acierta con frecuencia, porque el texto que tiene delante recurre a formulaciones familiares y gastadas, produce un número bajo. Un modelo cuya mejor apuesta falla una y otra vez, porque el autor sigue eligiendo palabras específicas y menos comunes, produce uno más alto. El término salió de la ingeniería cuando los lectores advirtieron una correspondencia aproximada: el texto que resulta predecible para una máquina a menudo resulta predecible para una persona que pasa las páginas, por la misma razón subyacente.
Una página web no puede ejecutar un modelo de lenguaje real, así que este comprobador mide el único componente de la perplejidad disponible sin uno: cuánto se repite su vocabulario. La medida básica, la razón tipo-token, cuenta las palabras distintas frente al total, y tiene un defecto conocido: la razón desciende automáticamente a medida que un pasaje se alarga, porque las palabras funcionales tienen que reaparecer, por mucho que el autor varíe todo lo demás. MATTR corrige eso deslizando un marco fijo de cincuenta palabras por el texto y promediando la razón en cada posición, lo que pone en pie de igualdad un resumen breve y un capítulo completo. Un resultado bajo casi siempre se debe a la misma causa: un pequeño puñado de palabras hace la mayor parte del trabajo.
No toda repetición es un defecto que merezca corrección. Un estudio que nombra un constructo una vez tiene que seguir nombrándolo exactamente así durante el resto del manuscrito, y un revisor que ve que el nombre oscila entre sinónimos lo lee como un problema de definición, no como una elección de estilo. La repetición que conviene eliminar está alrededor de esos términos fijos, no dentro de ellos: los verbos, los conectores, las frases descriptivas que hacen el trabajo circundante. Sustituir un verbo gastado por uno preciso mejora la puntuación como efecto secundario de que la frase diga realmente más, que es el orden en que esas dos cosas deberían ocurrir.
La elección de palabras es solo un eje de una prosa que se lee con naturalidad. El ritmo a nivel de oración se mide por separado con el comprobador de burstiness; el vocabulario específico que la redacción con IA usa en exceso recibe su propio análisis con el limpiador de palabras de IA. Cuando una formulación predecible necesita reescritura y no solo medición, esa es la tarea del humanizador TextPulse.
Which words to vary, and which to keep fixed
A vocabulary score rewards editing some parts of a draft and punishes editing others. Telling the two apart is most of the revision skill.
Everyday connective language
A paragraph that runs "the results show" three times has a variety problem with a one-line fix: results can confirm, narrow, contradict or complicate, and every one of those verbs says something more exact than "show". The same logic covers connectors: however, although, whereas and despite each draw a distinction that a recycled "but" erases.
Defined constructs and key terms
A paper that names "working memory capacity" once has to keep naming it exactly that on every later page. Swapping in "cognitive load" halfway through for variety's sake changes the claim, and a reviewer reads that kind of drift as a definitional problem, not a style choice. Expect your key terms to top the repeated-word list this checker produces; that repetition is doing its job.
Synonym padding
Trading a plain word for a rare one to move the number does not help: "use" says nothing more once it becomes "utilize". Real variety comes from making a more specific claim, not from dressing up an identical one. If a swap adds no precision, the plain word was already correct.
Quién usa el comprobador de perplejidad
Estudiantes de grado y posgrado
Descubra de qué palabras depende un ensayo y luego practique cambiar el marco de un argumento por una formulación nueva en lugar de repetirlo.
Profesorado e investigadores doctorales
Detecte un verbo reciclado antes de que un revisor lo encuentre una docena de veces a lo largo de un manuscrito, sobre todo en secciones de resultados y discusión redactadas con prisa.
Equipos de contenido y SEO
Un vocabulario repetitivo se percibe como plantilla tanto para las personas como para los sistemas de clasificación. Pase un texto por la herramienta antes de que lleve firma.
Personas que escriben en una segunda lengua
Un vocabulario de trabajo más reducido en una segunda lengua se manifiesta primero como repetición. Siga la puntuación a medida que su rango activo se amplía con el tiempo.
Preguntas frecuentes sobre el comprobador de perplejidad
¿Más preguntas? Consulta las preguntas frecuentes completas
La redacción predecible es fácil de detectar.
La corrección se aplica a todo el borrador.
El humanizador de TextPulse reescribe el vocabulario, la formulación y el ritmo de las frases a lo largo de un manuscrito completo, mientras el significado y tu terminología permanecen intactos, con cada cambio mostrado en tracked changes para que lo aceptes o rechaces línea por línea.