Alex Reuneker

One problem with keyword analysis is that the target corpus will likely include words that do not occur in the reference corpus. In calculating various measures of keyness, this would result in a division by zero, which is mathematically impossible, as far as I know. The default way of dealing with this is to assign words that do not occur in the reference corpus a frequency of 0.5, but this introduces the risk of a result in which such keywords dominate the top positions, because their keyness is inflated.

To remedy this problem, I have added an option to the Keyword Analysis Tool which let's you choose to either go with the default of assigning a 0.5 frequency to 'zero counts', or to simply discard them from all calculations, resulting in keywords that have a minimal frequency of 1 in the reference corpus.

Dealing with 'zero counts' in the Keyword Analysis Tool

There is no real wrong or right way to do this, but at least now you have a choice. Have fun!

In September 2025, at the 5th European Conference on Argumentation (ECA), I will present a corpus study on reasoning with conditionals by detectives, entitled From clue to culprit: epistemic conditionals in detective fiction. The conference is hosted by the Warsaw University of Technology, Faculty of Administration and Social Sciences. Below you'll find the abstract. Hope to see you all there!

Abstract 'From clue to culprit: epistemic conditionals in detective fiction'

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.

Concreet was de aanleiding overigens een klein onderzoekje naar jeugdliteratuur ter illustratie van de t-toets-calculator voor studenten, dat je hier vindt: https://www.reuneker.nl/2025/03/zinslengte-in-de-brief-voor-de-koning-en-kinderen-van-moeder-aarde. Mocht je gewoon eens willen kijken hoe e.e.a. werkt, dan kun je gemakkelijk samples nemen uit Jules Vernes Twenty Thousand Leagues under the Sea of Louis Couperus' Stille Kracht, die je met een klik op de desbetreffende knop op het scherm tovert.