De chikwadraattoetscalculator heeft een paar kleine updates ondergaan.
15-4-2025: De resultatentabel wordt omgezet naar ASCII-formaat en meegekopieerd met de rapportage.
12-4-2025: Een p-waarde lager dan 0.001 wordt, conform APA, als p < 0.001 gerapporteerd. Ook is er een knop toegevoegd om voorbeeldwaarden in te voeren.
Naast de nette HTML-tabel nu ook een te kopiëren tabel in platte tekst (ASCII).
Last Friday, my wife and I took our son to Leiden to run the Singelloop — a very family friendly running event. It was fun, although I was used to starting and running in front. Pushing a stroller, I though I shouldn’t start in front this year, because that should be reserved for people actually racing. It took around 2 kilometers to get used to running really slow and just enjoying the run as a family activity instead of a running activity.
Stroller-running at the Singelloop 2025
The biggest challenge was to maneuver the stroller around and past other runners, but I kept in mind that I was the ‘exception’ here and I should watch out, not others. What definitely helped, were all the positive reactions and cheers by other participants and the massive amount of supporters along the route. Thanks, Leiden!
I keep finding myself fiddling with treadmill speeds and the calibration thereof. I am fully aware though, that really exact speeds don’t matter that much in running/training, but I just find it fascinating. I also kept finding myself calculating intermittent speeds between two calibrated speeds in a very inefficient way. Now I’ve come to value inefficiency a bit more in the last couple of years (or, better said, I’ve come to devalue efficiency…), but this task was just to repetitious and, to be frank, boring. That’s why I’ve added an interpolation function to the treadmill calculator.
Interpolation for calibrated treadmill speeds
With this new function, you can enter two previously calibrated speeds and calculate the ‘correct’ speeds in between. For instance, when you calculated the true speed of your treadmill at 10 and 16 kph, you can calculate the speeds at 11, 12, 13, 14 and 15 kph. Keep in mind that linear interpolation is used for this, which assumes the deviation of your treadmill is constant. This probably is not an entirely correct assumption, but that’s the margins of the margins, I’d say. Anyway, if you find it useful, let me know!
Last Friday, 11 April 2025, around 20 linguists from LUCL — the ‘LUCL Runners’ — ran the Leiden Singelloop. All running linguists completed the +/- 6.5km course along the ‘singels van Leiden’. Afterwards, we enjoyed each other’s company during the annual post-run party at Olga van Marion and Ton van der Wouden’s house along the route. Thanks to LUCL for sponsoring and all colleagues who supported us during the run!
The LUCL team of 2025
It was a bit of a challenge to run with our son in his stroller along parts the small, crowded route, but it was fun!
Aanstaande donderdag en vrijdag, 3 en 4 april 2025, vinden de Neerlandistiekdagen plaats aan de Radboud Universiteit Nijmegen. Daar presenteren mijn student-assistent Mette Rebel en ik de resultaten van een door Digital Humanities gefinancierd onderzoek naar spelfouten bij homofone werkwoorden voor het gereduceerd bezittelijk en persoonlijk voornaamwoord je; kort gezegd het verschil tussen ‘Word je piloot?’ en ‘Wordt je broer piloot?’ Hieronder vind je het abstract.
Hoewel de regels betrekkelijk simpel zijn, blijft werkwoordspelling voor velen een worsteling (Sandra, Frisson & Daems, 1999). Leerlingen en studenten presteren ondermaats en ook docenten in zowel het basis- als voortgezet onderwijs hebben de spellingregels niet genoeg in de vingers, hoewel deze groepen het erover eens zijn dat correcte grammatica en spelling van belang zijn (Coppen, 2009, p. 236). Volgens Borsten en Jongenelen (2012) neemt het aantal spelfouten bij werkwoorden weliswaar af naargelang het schoolniveau stijgt, maar blijft de spelling van homofone werkwoorden voor het gereduceerde voornaamwoord je, ook bij de beste spellers uit 6 vwo, een probleemcategorie. Het voornaamwoord je kan in deze zinnen immers de zwakke vorm van zowel het persoonlijk voornaamwoord jij zijn (‘Wellicht word je/jij piloot’), als van het bezittelijke voornaamwoord jouw (‘Wellicht wordt je/jouw broer piloot’; zie ook Odijk, 2003, pp. 16-18), met een verschil in spelling tot gevolg.
In deze bijdrage onderzoeken we dit nog weinig empirisch benaderde probleem aan de hand van twee vragen. De eerste vraag is in hoeverre er een associatie bestaat tussen spelfouten in homofone werkwoorden en de twee functies van het gereduceerd voornaamwoord je. De tweede vraag luidt in hoeverre er een correlatie bestaat tussen leerjaar en aantal gemaakte spelfouten bij dit verschijnsel. Daartoe vergeleken we in een grootschalige data-analyse (zie ook Reuneker & Dunning, 2023; Reuneker, 2024) de werkwoordspelling van leerlingen. Homofone werkwoorden die voorafgaan aan je blijken inderdaad een probleemcategorie. Op basis van de beschikbare literatuur en een kwantitatieve analyse trekken we een conclusie en formuleren we concrete aanbevelingen voor taaladviesdienst en -onderwijs.
A couple of weeks ago, I demonstrated the keyword analysis tool to students, so they could use it for their own research projects. As is often the case when demonstrating: it didn’t work properly. More specifically, the sorting didn’t work anymore. (I think it never worked properly…) It was immediately clear to me what the problem was, namely that it sorted on strings rather than numbers. An easy fix, but an important one. So, just as an update: sorting on rank, word, target frequency, reference frequency, odds ratio, and log-likelihood works properly now.
Laatst wilde ik, voor een voorbeeldje van een toepassing van de t-toets, de lengte van zinnen in twee jeugdromans met elkaar vergelijken. Je raadt: er moest een scriptje komen om zinnen uit teksten te halen en de woorden erin te tellen. Op een paar interpunctiedingetjes na geen lastig klusje, maar waarom niet ook hiervoor een webscriptje schrijven, zodat ik zoiets de volgende keer zonder enige moeite of ook maar een regel code kan doen? Bovendien kunnen ook anderen er op deze manier gebruik van maken.
Op https://www.reuneker.nl/senlen kun je een tekst invoeren en zowel de gemiddelde zinslengte, als een lijst met alle zinnen en hun woordenaantal genereren. Toegegeven, niet iedereen zal hier enthousiast van worden, maar ik heb er best plezier in zoiets te maken en wie weet wanneer en wie het nog eens van pas komt.
Zinslengte in ‘De Stille Kracht’ van Louis Couperus
Soms is het handig om voor een vergelijkend onderzoek steekproeven (samples) van een bepaald aantal woorden uit een tekst te halen. Omdat dat typisch zo’n terugkerend klusje is waaraan ik elke keer toch weer meer tijd kwijt ben dan gedacht, heb ik er maar een online tooltje voor gemaakt.
Random text sampler
Het lijkt me zonde om dat voor mezelf te houden en daarom kan iedereen die dat wil op https://www.reuneker.nl/randsamples een tekst invoeren, het gewenste aantal steekproeven en de steekproefgrootte (in aantal woorden) selecteren en met een druk op de knop de samples tevoorschijn toveren. Je kunt daarbij ook aangeven dat je, per sample en voor het geheel, de *type-token-ratio’s* en MTLD-scores wilt zien.
Om van dergelijke vergelijkingen te kunnen zeggen of verschillen tussen twee corpora significant zijn, kun je de t-toets gebruiken. Om studenten in staat te stellen dat te doen zonder uitgebreide statistiek-software te hoeven gebruiken, heb ik een online toegankelijke t-toets-calculator gemaakt. Die waren er natuurlijk al, maar het leek me wel geschikt er een in het Nederlands te maken, die een nette rapportage van de resultaten geeft. Uiteraard moeten studenten in hun paper wel uitleggen hoe die resultaten tot stand zijn gekomen en vooral wat ze betekenen.
Als voorbeeld kijken we naar jeugdliteratuur. Naast lexicale diversiteit wordt ook zinslengte gekoppeld aan tekstniveau; teksten die geschikt zijn voor lagere niveaus zouden minder verschillende woorden bevatten (minder ‘lexicaal divers’ zijn) en bovendien kortere zinnen bevatten. Dat staat bijvoorbeeld bij de niveaus op Lezen voor de lijst, maar ook in dit stuk in Tekstblad. In dit stukje vergelijken we daarom de lexicale diversiteit en zinslengte in twee klassieke jeugdromans: Tonke DragtsDe brief voor de koning, ingeschaald op niveau 1 en Thea BeckmansKinderen van moeder aarde, ingeschaald op niveau 3. Het eerste boek zou, in principe, minder verschillende woorden en minder lange zinnen moeten bevatten dan het tweede. Dat gaan we toetsten.
De brief voor de koning en Kinderen van moeder aarde
Om te bepalen in hoeverre boeken op niveaus 1 en 3 verschillen in lexicale diversiteit, nam ik uit beide romans vijftien samples van 500 woorden en ik berekende daar de type-token-ratio’s (ttr) van. De nulhypothese is dat beide samples niet van elkaar verschillen in type-token-ratio; de alternatieve hypothese is dat beide samples wel van elkaar verschillen in type-token-ratio. Tonke Dragts boek leverde een gemiddelde ttr op van 0.52 (op een schaal van 0-1); voor Thea Beckmans boek was het gemiddelde 0.56.
Uitkomsten van de t-toets (type-token-ratio)
Er lijkt dus inderdaad een verschil te zijn tussen de twee boeken, maar is het verschil significant? De t-toets-calculator laat zien van wel, getuige de onderstaande rapportage.
Op de bovenstaande gegevens is een t-toets toegepast (Reuneker, 2025) om te bepalen of gemiddelden van beide dataverzamelingen, gegeven de variantie, significant van elkaar afwijken. Het verschil in type-token-ratio tussen De brief voor de koning (m = 0.52; sd = 0.03) en Kinderen van moeder aarde (m = 0.56; sd = 0.03) is significant (t (28) = 4.13; p < 0.05). Het (negatieve) effect is zeer groot (Cohen’s d = 1.51; Cohen, 1988).
De standaarddeviatie is klein en er blijkt een significant verschil te zijn tussen de romans wat betreft lexicale diversiteit. Dat effect is, volgens de effectmaat Cohen’s d, groot; een Cohen’s d van -1.51 komt erop neer dat de type-token-ratio van een gemiddelde zin in De brief voor de koning 1.5 standaarddeviaties lager is dan die van een gemiddelde zin in Kinderen van moeder aarde. Belangrijk daarbij is dus ook wat tussen haakjes staat: het effect is negatief, wat wil zeggen dat het gemiddelde van de eerste steekproef, Tonke Dragts boek, lager is dan dat van de tweede steekproef, Thea Beckmans boek. Dat is uiteraard ook wat we verwachtten.
Nu de zinslengte; het eerste boek bevat 13.352 zinnen en het tweede boek 11.530. Dat is wat veel voor een t-toets (je riskeert dan overmatige invloed van corpusgrootte op significantie). Voor een inzichtelijk voorbeeld nemen we daarom uit beide boeken 100 willekeurig geselecteerde zinnen. De nulhypothese is dat beide samples niet van elkaar verschillen in zinslengte; de alternatieve hypothese is dat beide samples wel van elkaar verschillen in zinslengte — een zogenaamde non-directionele hypothese, want we spreken geen verwachting uit over de richting van een mogelijk verschil.
In de steekproef uit Tonke Dragts boek is de gemiddelde zinslengte 10.84 woorden, met een standaarddeviatie van 7.52. Dat zegt dat er flink wat variatie in zinslengtes is. In de steekproef uit Thea Beckmans boek is de gemiddelde zinslengte 12.07 woorden, met een standaarddeviatie van 9.06. We zien dus dat de zinnen in het boek op niveau 3 inderdaad gemiddeld langer zijn. Maar is het verschil groot genoeg om daar conclusies aan te verbinden?
Uitkomsten van de t-toets (zinslengte)
De t-toets geeft een waarde van 1.04 en dat is, gegeven de steekproeven, niet genoeg voor een significant verschil. De onderstaande rapportage, gegenereerd door de calculator, maakt dit duidelijk.
Op de bovenstaande gegevens is een t-toets toegepast (Reuneker, 2025) om te bepalen of gemiddelden van beide dataverzamelingen, gegeven de variantie, significant van elkaar afwijken. Het verschil in zinslengte tussen De brief voor de koning (m = 10.84; sd = 7.52) en Kinderen van moeder aarde (m = 12.07; sd = 9.06) is niet significant (t (197) = 1.04; p >= 0.05). Het effect is verwaarloosbaar (Cohen’s d = -0.15; Cohen, 1988).
Dit resultaat heeft uiteraard met de hoge standaarddeviatie te maken: er is te veel verschil binnen de twee boeken om te kunnen zeggen dat er ook een verschil tussen de boeken is. We concluderen daarom dat we de nulhypothese, namelijk dat er geen verschil is in zinslengte tussen beide boeken, niet kunnen verwerpen.
Samenvattend kunnen we stellen dat De brief voor de koning — een boek op niveau 1 — minder lexicaal divers is dan Kinderen van moeder aarde — een boek op niveau 3, maar dat het niveauverschil zich niet laat zien in zinslengte. Uiteraard is dit maar een voorbeeld met een beperkt corpus, dus verdere conclusies moeten we hier zeker niet aan verbinden, maar als illustratie van zinslengte, lexicale diversiteit en de t-toets volstaat het wel, lijkt me.
Afgelopen zaterdag reden Eva en ik samen de Joop Zoetemelk Classic, georganiseerd door Swift. Voor de start om 9.30 uur troffen we Joop Zoetemelk zelf in de kantine aan en dan kan een foto natuurlijk niet uitblijven.
Mooie stuurbordjes en dito sokken. Wat een leuke verrassing!
Het was prachtig zonnig, maar wel flink koud en er stond een harde wind. Daar de route je grotendeels door de polders voert, moesten we meteen flink tegen de wind in trappen. De route liep door het Groene Hart, met lange, open stukken, maar ook leuke dorpjes die ik nog uit mijn jeugd ken, zoals Hazerswoude en zelfs Benthuizen, waar ik vandaan kom. Daar stonden mijn ouders ons, samen met de kleine Casper, toe te juichen.
