Controllo gratuito della perplessità Misura la prevedibilità a livello di parola
La perplessità misura qualcosa di ristretto: quanto un modello linguistico è sorpreso dalla parola successiva in una frase. Questo controllo gratuito della perplessità approssima tale misura dal lato che puoi davvero rivedere, la variazione lessicale, valutata con una misura MATTR robusta alla lunghezza, un semplice rapporto type-token e un elenco delle parole su cui la tua bozza fa più affidamento. Un lessico ristretto e riciclato mantiene facili le ipotesi di un modello e bassa l'attenzione del lettore per la stessa ragione. Il ritmo a livello di frase è una questione separata, trattata dal controllo della burstiness, questa pagina resta sulla singola parola.
Stima la variazione lessicale con un punteggio MATTR robusto alla lunghezza, il tuo type-token ratio e le parole su cui la tua bozza fa più affidamento.
0 / 1,000 parole
84,000+
Ricercatori internazionali
Valutazione media
Scelto da ricercatori che pubblicano in
Come il controllo della perplessità valuta una bozza
Aggiungi il testo che vuoi valutare
Un paragrafo basta per iniziare, una sezione completa offre la lettura più stabile. Qualsiasi bozza di ricerca o assistita da AI funziona.
Leggi i punteggi lessicali
MATTR su una scala da 0-100 con una fascia di giudizio, insieme al tuo rapporto type-token e al conteggio delle parole uniche.
Affronta la ripetizione che conta
L'elenco delle parole ripetute indica dove la bozza dipende da troppo poche parole. Varia i verbi e i connettivi attorno ai tuoi termini chiave, lascia invariati i termini stessi.
Come questo controllo misura la prevedibilità a livello di parola
Stabile a qualsiasi lunghezza
Il TTR semplice diminuisce man mano che un testo cresce semplicemente perché connettivi e articoli devono ricorrere, penalizzando in modo silenzioso gli invii più lunghi. Il numero principale qui è il MATTR, calcolato su una finestra mobile di cinquanta parole, così una sezione di due pagine e un capitolo di dieci pagine sono valutati con lo stesso criterio.
Indica i principali responsabili della ripetizione
Un singolo numero non dice cosa correggere. L'elenco delle parole indica esattamente quali termini stanno sostenendo troppo del testo, con le parole funzionali comuni filtrate per prime.
La stessa metrica usata altrove in questo sito
Questo è il medesimo calcolo della variazione lessicale mostrato nel riquadro della perplessità all'interno della vista di modifica di TextPulse humanizer, eseguito qui invece sul tuo dispositivo.
Misurazioni semplici
L'output è dato lessicale: un punteggio, un rapporto, un elenco. Non vi è alcun giudizio di paternità associato a questi elementi, perché nessuno di questi numeri può sostenerne uno in modo onesto.
Cosa misura la perplessità e cosa lascia fuori
La modellazione del linguaggio ha dato alla perplessità il suo compito originario: valutare quanto bene un modello prevede il token successivo di una sequenza che non ha ancora visto. Un modello che continua a indovinare correttamente, perché il testo che ha davanti attinge a formulazioni familiari e collaudate, produce un numero basso. Un modello la cui ipotesi principale continua a mancare, perché lo scrittore continua a scegliere parole specifiche e meno comuni, produce un numero più alto. Il termine è passato dall'ingegneria quando i lettori hanno notato una corrispondenza approssimativa: un testo che appare prevedibile a una macchina spesso appare prevedibile anche a una persona che sfoglia le pagine, per la stessa ragione di fondo.
Una pagina web non può eseguire un vero modello linguistico, quindi questo controllo misura l’unico elemento di perplexity disponibile senza uno: quanto si ripetono le parole del lessico. La misura di base, type- token ratio, conta le parole distinte rispetto al totale, e presenta un limite noto: il rapporto diminuisce automaticamente quando un testo si allunga, poiché le parole funzionali devono ricorrere comunque, per quanto l’autore vari tutto il resto. MATTR corregge questo aspetto facendo scorrere una finestra fissa di cinquanta parole sul testo e mediando il rapporto in ogni posizione, così da rendere comparabili un breve abstract e un intero capitolo. Un risultato basso deriva quasi sempre dalla stessa causa: un piccolo gruppo di parole svolge la maggior parte del lavoro.
Non ogni ripetizione è un difetto da correggere. Uno studio che nomina un costrutto una volta deve continuare a nominarlo esattamente così per il resto del manoscritto, e un revisore che vede il nome oscillare tra sinonimi lo interpreta come un problema definitorio, non come una scelta di stile. La ripetizione da eliminare si trova attorno a quei termini fissi, non al loro interno: i verbi, i connettivi, le espressioni descrittive che svolgono il lavoro circostante. Sostituire un verbo logoro con uno preciso aumenta il punteggio come effetto secondario del fatto che la frase dice davvero di più, ed è questo l’ordine in cui le due cose dovrebbero accadere.
La scelta delle parole è solo un asse della prosa che suona naturale. Il ritmo a livello di frase è misurato separatamente dal controllo della burstiness; il lessico specifico che la stesura AI usa in eccesso riceve un passaggio dedicato dal pulitore di parole AI. Quando una formulazione prevedibile richiede una riscrittura invece di una misurazione, questo è il compito del humanizer 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.
Chi usa il controllo di perplexity
Studenti universitari e laureandi
Scopri da quali parole dipende un saggio, poi esercitati a sostituire la struttura di un argomento con una formulazione nuova invece di ripeterla.
Docenti e ricercatori di dottorato
Individua un verbo riciclato prima che un revisore lo incontri una dozzina di volte in un manoscritto, soprattutto nelle sezioni di risultati e discussione redatte in fretta.
Team di contenuti e SEO
Un lessico ripetitivo appare preconfezionato sia alle persone sia ai sistemi di ranking. Fai passare un testo attraverso il controllo prima che porti una firma.
Scrittori in seconda lingua
Un vocabolario di lavoro più limitato in una seconda lingua si manifesta prima di tutto come ripetizione. Monitora il punteggio mentre il tuo repertorio attivo si amplia nel tempo.
Una formulazione prevedibile è facile da individuare.
La correzione si estende all'intera bozza.
Il humanizer di TextPulse riscrive lessico, formulazione e ritmo delle frasi lungo l'intero manoscritto, mentre il significato e la tua terminologia restano invariati, con ogni modifica mostrata nei tracked changes, così che tu possa accettarla o rifiutarla riga per riga.