Aangezien ik voorzie dat een aantal van mijn studenten verzamelingen van metingen van lexicale diversiteit wil gaan vergelijken, leek het me handig een t-toets-calculator te maken die gemakkelijk te gebruiken is en de juiste rapportage geeft van zowel significantie als effectgrootte (in termen van Cohen’s d). Een en ander kan nog wat opgepoetst worden, maar de pagina is wel functioneel.
Online t-toets-calculator
Je kunt ‘m gebruiken op https://www.reuneker.nl/files/t/ en als je nog geen data hebt om te testen, dan kun je door middel van een druk op de knop een voorbeeldonderzoekje tevoorschijn roepen.
Hapax legomena, woorden die maar eenmaal voorkomen in een tekst, worden onder andere gebruikt om auteurschap van een tekst te bepalen. Hoewel daar tegenwoordig andere, robuustere manieren voor bestaan, worden hapax legomena nog wel gebruikt in corpusonderzoek en daarbuiten — zo laat onderzoek van Hernández-Domínguez et al. (2018) zien dat de frequentie van hapax en dis legomena (woorden die respectievelijk een- en tweemaal voorkomen) gecorreleerd is aan cognitieve stoornis (zie ook Alegria & Radanovic, 2019).
Voor vertalingen van bijbelteksten en (andere) klassieke teksten vormen hapax legomena een moeilijkheid; de betekenis van de woorden is moeilijk te achterhalen, omdat dat meestal gebeurt door verschillende gebruiken/contexten met elkaar te vergelijken en bij hapaxen kan dat niet.
Hoe dan ook, op https://www.reuneker.nl/ld kun je zelf de hapaxen uit een tekst halen. Wist je bijvoorbeeld dat het woord koffiegod precies een keer voorkomt in de Max Havelaar, namelijk in de onderstaande passage?
Scherp en onverwacht is de wending waar Droogstoppel wordt weggedoemd: verdwijn, stik in koffie, en waar de schrijver zelf optreedt; en wilder en demonischer dan eenige andere bladzij Nederlandsch is de woede kreet, de laatste toon die klinkt van dit veelsnarig instrument. Dat boek tastte Nederland aan in een van zijn idioten, den koffiegod van ’t batig slot.
In mailing back and forth with one of the researchers over at the Max Planck Institute, there was some confusion over the use of the term unique words in the Lexical Diversity tool. Unique words are not hapax legomena, which is the term in corpus linguistics for words that only occur once. Unique words are simply types and count up to the number of different words in a text. A word might occur once, twice or twenty times, but in all three cases, it would count as one unique word. This measure is also used for calculating the type-token-ratio. As the researcher was interested in how many words occur only once in a text, I’ve added this count. You can use the new feature here right away!
Ideaal, hoor, zo’n Thule Urban Glide-kinderwagen; je kunt er op zo’n beetje elke ondergrond (asfalt, bospaden, zand, sneeuw) mee wandelen en hardlopen gaat ook prima. Er zitten flinke wielen onder en door de banden met binnenbanden glijdt hij soepel over de weg, maar dat heeft ook een nadeel; de banden kunnen lek en vorige week tijdens de wintersport was het op een van de laatste dagen zover: de linkerachterband was lek. Dat was al de derde keer en het buitenbandje was ook wel flink dun geworden, dus bij thuiskomst heb ik er twee nieuwe binnen- en buitenbanden omgelegd. Die had ik, uit voorzorg, alvast in huis gehaald — niet die van Thule, want die zijn vrij duur, maar deze van Amazon.
EBA16NED 2 zwarte banden + 2 binnenbanden 16 x 1,75 (44-305) City Bike kinderen
Voor zover ik het nu kan beoordelen, zijn het prima bandjes. Wel vreemd overigens, banden verwisselen bij een kinderwagen, maar gelukkig ging het een stuk soepeler dan bij stijve en strakke racefietsbanden. Het was ook zeker niet vervelend om te doen, lekker warm binnen met een kop koffie ernaast.
The two projects subsidised through the Leiden University Centre for Digital Humanities Small Grant are nearly finished, and the grant webpage of the overarching project entitled ‘D or t? Using Big Data to Explore Linguistic Factors in Dutch Verb Spelling’ has been updated accordingly.
Using big data, we were able to enhance the academic knowledge of two specific factors in verb-spelling errors and to offer evidence-based solutions to long-lasting and persistent problem in Dutch language education.
Gisteren was ik in de UB (Universiteitsbibliotheek) en daar werd ik blij verrast door het volgende citaat van The Smiths. Mooi dat het een prominente plek in dit thuishonk voor boekenliefhebbers heeft gekregen!
There’s more to life than books you know, but not much more.
Het citaat komt overigens uit het nummer Handsome Devil en het gaat om een van de laatste zinnen — even doorluisteren dus, maar dat is zeker geen straf.
Een merkwaardig soort pv [persoonsvorm]’ noemt Van den Toorn (1984, p.12) de gebiedende wijs, die geschreven wordt als de stam van het werkwoord (cf. Broekhuis, Corver & Vos, 2015, p. 87), zoals in (1).
(1) Bied hun een drankje aan.
Een werkwoord als bieden kent in de tegenwoordige tijd verschillende spellingen bij eenzelfde uitspraak (ik bied, jij/hij biedt) en eerder onderzoek laat zien dat dergelijke homofone werkwoorden zelfs bij geoefende spellers fouten veroorzaken (Sandra et al., 2001).
Aangezien bij de gebiedende wijs geen onderwerp zichtbaar is, verwachten wij in deze categorie meer spelfouten bij homofone werkwoorden (stam+t i.p.v. stam) dan bij andere homofone persoonsvormen, een effect dat mogelijk beïnvloed wordt door concurrentie van zinsinitiële persoonsvormen voorafgaand aan je, zoals in (2), en, wellicht in afnemende mate, de archaïsche meervoudsimperatief, zoals in (3).
(2) Bied je/biedt je broer hun een drankje aan?
(3) Komt allen tezamen.
In deze lezing vergelijken we op basis van een grootschalige data-analyse (zie Reuneker & Dunning, 2023) spelfouten bij de gebiedende wijs met die bij overige homofone persoonsvormen. We laten zien dat middelbareschoolleerlingen op elk niveau meer moeite hebben met de gebiedende wijs dan met andere persoonsvormen, hoewel havo- en vwo-leerlingen de vorm steeds beter onder de knie krijgen.
One of the nicest things about the online corpus tools I develop and maintain is that I get questions and suggestions from (a whole range of) researchers around the globe. This time, someone asked me to include the option to remove spanish interpunction at the start of a word/sentence, like ¿ and ¡ and an option to include or exclude diacritics like ø, ö and characters such as ß — the German ‘sharp’ or ‘double S’. The script already filtered out these characters, but in a rather crude way: a word like schön simply became schon, and äh even became a single letter, h, which is strange (and incorrect) to see in the results.
Inverted question mark and exclamation mark
With this update, characters can be either kept (schön stays schön), or replaced (schön becomes schon). The update is live, so if you’re interested, head over to https://www.reuneker.nl/files/wordlist.
In oktober werd ik door Eva Gabeler van Het Financieele Dagblad geïnterviewd voor een drieluik over het bewaren van de balans voor gedisciplineerde (amateur)sporters. Ik nam me, voordat ik het interview toezegde, voor om geheel open en eerlijk mijn verhaal te vertellen, of het niet te doen. Het is, vind ik, een mooi, maar ook confronterend verhaal om nu terug te lezen.
Het interview is onderdeel van een drieluik met Leonie Henrich en Louise Cornelis. Je kunt het lezen in Het Financieele Dagblad van 4 januari 2025. Ik hoop vooral dat wie het leest zich, al is het maar een klein beetje, geholpen voelt om zelf de beter de balans te bewaren dan ik deed tussen wat gezond en leuk is en wat een ontspannende en gezonde bezigheid ver voorbijgaat.
