Nog een kleine toevoeging aan de Lexical Diversity Calculator: je krijgt nu, na het analyseren van je tekst, ook de gemiddelde zinslengte (in woorden) en de gemiddelde woordlengte (in letters/tekens). (Ook de standaarddeviaties worden daarbij gerapporteerd. Zie overigens Grzybek, 2014 voor een interessant literatuuroverzicht over woordlengte.) Voor sommige onderzoekers is dat nuttig, bijvoorbeeld om te kijken of kinderen steeds langere woorden en zinnen kunnen begrijpen (zie bijvoorbeeld George & Tomasello, 1984 en, een stuk recenter, Potratz, Gildersleeve-Neumann & Redford, 2022).
De gemiddelde zinslengte in het NOS-artikeltje is 15.89 woorden en in het Jeugdjournaal-artikeltje 10.75 woorden. Wat betreft woordlengte is die bij de NOS 5.15 letters, bij het Jeugdjournaal 4.76 letters.
Zinnen en woorden in teksten voor volwassen lijken dus inderdaad langer dan in teksten voor kinderen. De artikeltjes zijn echter veel (en veel!) te kort om echte uitspraken op te kunnen baseren (niet representatief, hoge standaarddeviatie uiteraard), maar dit was dan ook slechts een simpel en klein voorbeeldje.
De Lexical Diversity Calculator berekent nu ook de zogenaamde compression rate; de ratio tussen de lengte van een gecomprimeerde tekst en die van de originele, ongecomprimeerde versie van een tekst. Het idee daarachter is vrij simpel: door een tekst te comprimeren, verklein je het aantal tekens of bytes dat nodig is om de tekst op te slaan. Dat werkt ongeveer als volgt.
Een tekst bestaat uit woorden en de meeste woorden bestaan uit meerdere tekens. Het woord langeafstandsloper bijvoorbeeld is opgebouwd uit achttien letters. Als dat woord tien keer voorkomt in een tekst, ‘kost’ je dat dus 180 tekens/bytes. Als je een tekst comprimeert, schrijf je een soort woordenboekje bij een tekst, waarin bijvoorbeeld staat dat de letter a eigenlijk staat voor langeafstandsloper. Dat kost je initieel wat opslag, maar elke keer dat het woord daarna voorkomt, bespaar je maar liefst zeventien tekens. Dat scheelt aanzienlijk. Je neemt in dit voorbeeld immers achttien keer de letter a op in plaats van langeafstandsloper en dat kost je in totaal achttien bytes, een stuk minder dan de 180 bytes in de originele tekst.
Terug naar het nut van een compressiealgoritme in het licht van lexicale diversiteit; het idee in onderzoek naar herhaling in tekst, zie bijvoorbeeld Parada-Cabaleiro et al. (2024) en Nunes, Ordanini en Valsesia (2017), is dat je herhaling kunt ‘meten’ door de compressieratio te berekenen. Hoe meer een tekst gecomprimeerd kan worden, hoe meer herhaling erin moet zitten. Dit is uiteraard best een grove maat van herhaling, maar het voordeel is dat je niet hoeft te bepalen of herhaling zich voordoet op woord-, zins- of een nog ander niveau — die vraag is immers lastiger te beantwoorden dan je misschien zou denken en er zitten theoretisch ook nog wel wat haken en ogen aan.
De compressieberekening in de Lexical Diversity Calculator wordt uitgevoerd met de deflatie-functie uit zlib in plaats van gzcompress, omdat die laatste functie metadata (headers) toevoegt die korte teksten onevenredig ‘straffen’. Die overhead maakt in relatieve zin namelijk een groter deel uit van het geheel van de gecomprimeerde tekst. De resultaten zijn vergelijkbaar met die van de zlib-library in Python die wordt gebruikt door Parada-Cabaleiro et al. (2024) en met de compress-functie in de R-package zlib, die dan ook gebruikt zijn om de ratio’s te evalueren, overigens bij een standaardcompressieniveau van 6 (1-9).
Toen bleek dat mijn loopband, een Finnlo Technum IV, er na honderd minuten mee stopt (zie deze post), heb ik toch maar even contact met de fabrikant gezocht. De contactpersoon aldaar heeft wat navraag gedaan en gaf uiteindelijk aan dat ’the maximum preset workout time for this model is 100 mins. It cannot be adjusted.’ Ik was er al een beetje bang voor, maar echt erg is het natuurlijk ook weer niet.
Run end… of toch niet?
Ik wilde vandaag iets langer lopen dan honderd minuten en wat bleek? Je kunt de melding wegdrukken door vijf seconden op de stoptoets te drukken. Als je daarna op Go drukt en snel de snelheid instelt met een preset, dan ben je in een paar seconden weer up and running.
In 2017 schreef ik in Onze Taal over het onderstaande verkeersbord met de tekst ‘Op slot, buit eruit.’ Als kind al vond ik dat een fascinerend bord — ik begreep niet wat ermee bedoeld werd en ik begreep ook niet waarom ik dat niet begreep. (Als je het originele stukje wilt lezen, kan dat op de website van Onze Taal en op Taaluniebericht.)
Het standaardbord ‘Op slot, buit eruit’
Nu ging ik onlangs wielrennen met een vriend die in Nijmegen woont en we spraken zo ongeveer in het midden af — in Meteren, net onder Geldermalsen. Op de parkeerplaats van het restaurant 3 Zussen zag ik tot mijn verbazing het volgende bord.
Een variant van het standaardbord ‘Op slot, buit eruit’
Of het een verbetering is, mag je natuurlijk zelf bepalen, maar de argumenten tegen het bord, dat, zoals elk verkeersbord, natuurlijk in één oogopslag duidelijk moet zijn, gelden eigenlijk ook voor dit bord. De vorm lijkt nieuw, maar de inhoud is vrijwel ongewijzigd; alleen de afwezigheid van de ‘achtergrondpijl’ zou een verbetering kunnen zijn, want daarmee zou de suggestie van een oorzakelijk verband weg kunnen vallen.
Wat leuk! We zonden een tijdje terug een foto in voor #inrunnersworld in Runner’s World (heel ouderwets via e-mail, want we hebben geen Insta…) en nu staan we, gezellig met z’n drieën, in het nieuwe nummer. Bedankt, redactie van Runner’s World!
In the last couple of days, I’ve been implementing various improvements to the Lexical Diversity Calculator. Not only did I fix a problem in the calculation of MTLD, which resulted in numbers that were slightly off, but I’ve also streamlined the calculations and added the calculation of Moving average TTR (MATTR).
2025-05-29: Added choice to use natural logarithm or base 10 in
calculation Maas’s a2, Dugast’s U2, and Herdan’s C.
2025-05-29: Various improvements to calculations and algorithms; added MATTR.
2025-05-26: Important change to the calculation of MTLD, which was slightly off before due to not averaging the forward and backward algorithm.
Next to this, I’m also working on an R-package to easily calculate several measures of lexical diversity, primarily for a research project I’m envisioning for the near future. Stay tuned! For now, please see the online calculator at https://www.reuneker.nl/ld for the newest version.
Er is al wel vaker tegen me gezegd dat het niet allemaal zo serieus hoeft — doe eens iets geks! Nou, dat is gisteravond wel gelukt. Eindelijk heb ik eens een biermijl gelopen. Die stond al lang op mijn lijstje, maar ze worden niet zo vaak georganiseerd. Deze biermijl vond plaats in Delft en dat is praktisch om de hoek. Maar ja, hoe ga je zo’n wedstrijd in als je eigenlijk nooit alcohol drinkt?
Voor wie het niet weet: een biermijl bestaat uit vier rondjes van 400 meter hardlopen (een standaardrondje op de atletiekbaan), met daarbinnen steeds de eerste tien meter een drinkzone, waarin je een blikje bier (33 cl) volledig moet leegdrinken. Je houdt het blikje vervolgens op z’n kop boven je hoofd en als het dan niet leeg blijkt, krijg je van de jury een nieuw blikje. Beter maar goed leegdrinken dus. Geef je onderweg over, dan moet je een extra rondje lopen. In principe dus vier keer bier, vier keer 400 meter hardlopen (plus een beetje om aan de 1609 meters in een Engelse mijl te komen).
Van tevoren had ik al een beetje geoefend met Spa Rood tussen snelle 400’tjes en dat ging best goed; geen alcohol, maar wel veel vocht en koolzuur. Het plan was om tijdens de wedstrijd rondjes van negentig seconden te lopen (3:45 p/km; voor mijn doen langzaam op zo’n afstand, maar je moet natuurlijk meetellen dat je steeds meer hebt gedronken) en dertig seconden te reserveren voor het drinken. Ik had maar gewoon wat bedacht en zou dan op acht minuten in totaal uitkomen.
Twintig lopers per serie aan de start
Het ging veel beter dan verwacht; ik had eigenlijk weinig last van het bier tijdens het lopen, maar het drinken zelf was lastiger — vooral het laatste rondje. Uiteindelijk was de officiële eindtijd 07:18,59. Dat is dik onder de acht minuten en daarmee was tweede of derde in mijn serie en twaalfde van de 87 mannen overall. Om te kijken waar het grootste verval zat, heb ik de rondetijden berekend en die zie je hieronder.
| Ronde | Tijd | Tempo | Snelheid |
|–|–|
| Bier 1 | 14 seconden |
| 400m-1 | 82 seconden | 3:25 p/km | 17,56 km/u |
| Bier 2 | 30 seconden |
| 400m-2 | 81 seconden | 3:23 p/km | 17,73 km/u |
| Bier 3 | 37 seconden |
| 400m-3 | 80 seconden | 3:20 p/km | 18 km/u |
| Bier 4 | 42 seconden |
| 400m-4 | 72 seconden |3:00 p/km | 20 km/u |
| Totaal | 07:18,59 |
Oké, ergens zit een afrondingsfoutje, waardoor een halve seconde ontbreekt, maar een kniesoor die daar na vier biertjes op let.
Ik vind het wel interessant dat ik de eerste drie ronden heel consistent liep en de laatste ronde nog kon versnellen. Dat klopt ook wel met mijn gevoel — het lopen ging eigenlijk steeds makkelijker, waarschijnlijk omdat ik een wat beter idee had hoe mijn maag zich hield. Wat je natuurlijk ook duidelijk ziet, is dat het drinken steeds langzamer ging; van veertien (!) seconden naar 42 seconden en ook dat klopt met mijn gevoel. Het eerste biertje ging gemakkelijk, het laatste moeilijk. Ik was niet misselijk — zelfs achteraf niet — maar ik zat gewoon vol en kreeg het nog maar moeilijk naar binnen.
Iets afremmen om een blikje te kunnen pakken
Tot zover de analyse, want het moet wel leuk blijven natuurlijk. En leuk was het! De deelnemers waren veelal studenten en dat is niet zo vreemd gezien het karakter van de wedstrijd en het feit dat deze biermijl georganiseerd werd door de Delftse Studentenatletiekvereniging Dodeka. De organisatie was prima in orde — wat mij betreft de juiste balans tussen de regels handhaven (beer miles worden nogal serieus geregistreerd en er zijn zelfs wereldkampioenschappen) en ruimte laten voor het ludieke karakter van de wedstrijd. Ik ga dit zeker niet wekelijks doen, maar ik vond het wel voor herhaling vatbaar. Wie weet volgend jaar nog een keertje. Ik weet dan in ieder geval waar verbetering mogelijk is.
Even kort: tijdens een tempoduurloop op de loopband vanmorgen bleek dat het apparaat een 100 minuten-grens heeft. Dat gekke plan om ooit nog eens — zeker niet nu, hoor — op de loopband een marathon te lopen, vergt dus wat creativiteit… Wel een leuke uitdaging eigenlijk!
