Comprobador gratuito de perplexity Mide la predictibilidad a nivel de palabra

Cuán sorprendido está un modelo de lenguaje por cada palabra siguiente en una oración. El modelo asigna una probabilidad a cada palabra candidata antes de seguir leyendo, y la perplejidad resume hasta qué punto la mejor suposición suele quedar por debajo de la palabra que aparece realmente. Las frases conocidas mantienen las suposiciones del modelo cerca, así que obtiene una puntuación baja. Las elecciones de palabras específicas y menos comunes mantienen sorprendido al modelo, así que la puntuación sube. Esta es una medición a nivel de palabra: dos pasajes pueden compartir la misma estructura de oración y aun así obtener puntuaciones distintas una vez que se observa qué palabras lo completan.

No, y la página lo dice con claridad. La perplejidad genuina requiere ejecutar un modelo de lenguaje real sobre tu texto y puntuar sus predicciones de la siguiente palabra, un trabajo que una página del navegador no puede hacer con precisión. Lo que sí se puede medir directamente es el ingrediente que un redactor controla realmente: el rango de vocabulario. Eso es lo que se informa aquí, una puntuación MATTR robusta frente a la longitud, tu razón tipo-token, y las palabras que tu borrador repite más, y se informa como una estimación en lugar de como una afirmación.

La razón tipo-token divide el conteo de palabras distintas en un pasaje, sus tipos, entre el total de palabras, sus tokens; un párrafo de cien palabras construido con setenta palabras distintas obtiene 0.70. El valor disminuye automáticamente a medida que un pasaje se hace más largo, porque los artículos, los pronombres y los conectores tienen que repetirse independientemente de lo variado que sea el resto del vocabulario. Eso hace que el TTR simple sea inutilizable para comparar un párrafo con un capítulo completo, por eso la puntuación principal de esta página es MATTR en lugar de TTR sin procesar.

No. El comprobador informa solo estadísticas de vocabulario, una puntuación MATTR, un type-token ratio y una lista de palabras repetidas. No juzga la autoría. La redacción repetitiva aparece con frecuencia en borradores de IA sin editar, por eso la comprobación es útil, pero muchos autores humanos también se repiten, y un vocabulario variado es alcanzable tanto por un modelo como por una persona. Los números describen el texto, no contienen ninguna afirmación sobre quién o qué lo produjo.

No. La puntuación es una función de las palabras de la página, calculada de la misma manera cada vez, independientemente de cuántas veces lo ejecutes. Lo que mueve el número es editar el vocabulario en sí: cambia un verbo repetido por uno más específico y la puntuación se desplaza porque el texto cambió, y por ninguna otra razón.

Varía la frase alrededor de un término, nunca el término en sí. La prosa académica depende de un concepto definido que mantiene un nombre exacto cada vez que aparece; cambiarlo por un sinónimo en la cuarta mención se percibe por un revisor como imprecisión en lugar de estilo. La variedad productiva está en los verbos, los conectores y las descripciones que rodean esos términos fijos. Un párrafo que repite "los resultados muestran" tres veces tiene una solución real: los resultados pueden confirmar, acotar, contradecir o complicar, y cada uno de esos verbos dice algo más preciso que "mostrar" alguna vez lo hizo.