Skip to content
Kembali ke hasil pencarian

Keberagaman Leksikal — Mengukur Kekayaan Kosakata

Jenis
Text quantification / lexical richness measurement

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Analisis keberagaman leksikal mengukur seberapa bervariasi kosakata suatu teks — seberapa kaya pilihan kata penulis — menggunakan ukuran seperti rasio tipe-token (TTR), MTLD, vocd-D, dan K Yule.

Ukuran MTLD dan vocd-D divalidasi oleh McCarthy dan Jarvis (2010), berdasarkan karya sebelumnya oleh Tweedie dan Baayen (1998) tentang stabilitas ukuran kekayaan leksikal.

Intuisi di balik metode

Jika Anda menghitung berapa banyak kata berbeda yang digunakan suatu teks dibandingkan dengan jumlah total kata yang dikandungnya, Anda akan mendapatkan gambaran tentang kekayaan kosakatanya: teks yang terus mengulang beberapa kata yang sama kurang beragam dibandingkan teks yang menggunakan banyak kata berbeda. Masalahnya adalah rasio sederhana ini menyusut seiring bertambahnya panjang teks, sehingga metode ini menggunakan ukuran yang kuat terhadap panjang dan menyamakan panjang teks sebelum membandingkan satu teks dengan teks lainnya.

Sejarah

Kuantifikasi kekayaan kosakata memiliki sejarah panjang dalam stilometri dan linguistik korpus. Tweedie dan Baayen (1998) menguji seberapa stabil berbagai ukuran kekayaan leksikal sebagai fungsi dari panjang teks, mengungkap keterbatasan rasio yang sensitif terhadap panjang. McCarthy dan Jarvis (2010) kemudian memvalidasi pendekatan yang lebih canggih — MTLD, vocd-D, dan HD-D — menetapkan ukuran yang kuat terhadap panjang sebagai standar untuk penilaian keberagaman.

Kapan digunakan

Gunakan keberagaman leksikal ketika Anda memiliki teks yang ditokenisasi dan ingin menggambarkan atau membandingkan kekayaan kosakatanya — di antara penulis, dokumen, atau kelompok. Ini cocok untuk tujuan deskriptif dan komparatif dan hanya membutuhkan sejumlah teks yang sedang (sekitar sepuluh token minimum), tetapi untuk perbandingan yang adil, teks yang dibandingkan harus disamakan panjangnya dan dicocokkan untuk bahasa dan genre.

Batasan dan pertimbangan

  • Panjang teks memengaruhi perhitungan TTR; TTR mentah tidak dapat diandalkan saat membandingkan teks dengan ukuran yang berbeda.
  • Analisis komparatif memerlukan panjang teks yang disamakan (cuplikan standar atau rarefaction) agar valid.
  • Bahasa dan genre mengubah skor keberagaman, sehingga perbandingan yang tidak terkontrol dapat menyesatkan.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Mengubah kekayaan kosakata teks menjadi satu angka yang dapat dibandingkan menggunakan ukuran yang tervalidasi (TTR, MTLD, vocd-D, K Yule).
  • MTLD dan vocd-D dirancang agar lebih kuat terhadap panjang teks daripada rasio tipe-token mentah.
  • Intuitif untuk diterapkan dan berguna untuk pemrofilan deskriptif maupun perbandingan antar penulis atau kelompok.

Penerapan

  • Memprofilkan kekayaan kosakata penulis dalam studi stilometri dan kepengarangan.
  • Membandingkan keberagaman leksikal di antara penulis, dokumen, atau genre dalam humaniora.
  • Menilai perkembangan kosakata dalam penelitian pembelajaran bahasa dan pendidikan.
  • Mengkarkaterisasi konsentrasi penggunaan kata dalam korpus teks ilmu sosial dan bisnis.

Cara kerjanya

Cara kerjanya

1

Teks dibagi menjadi token (kata). Menghitung tipe kata yang berbeda dibandingkan dengan jumlah total token adalah dasar dari setiap ukuran keberagaman, sehingga tokenisasi yang konsisten di seluruh teks yang ingin Anda bandingkan adalah persyaratan pertama.

2

Satu atau lebih ukuran keberagaman leksikal dihitung. Rasio tipe-token (TTR) membagi jumlah tipe kata yang berbeda dengan jumlah total token; MTLD dan vocd-D memperkirakan keberagaman dengan cara yang kurang sensitif terhadap panjang teks; dan K Yule mengkarakterisasi konsentrasi kata-kata yang diulang. Bersama-sama, ukuran-ukuran ini menggambarkan kekayaan kosakata dari berbagai sudut pandang.

3

Karena TTR menyusut seiring pertumbuhan panjang teks, skor mentah tidak dapat dibandingkan secara langsung di seluruh teks dengan ukuran yang berbeda. MTLD dan vocd-D secara desain lebih independen dari panjang, tetapi untuk perbandingan apa pun, teks harus disamakan — misalnya dengan menyamakan panjang menggunakan cuplikan berukuran standar atau rarefaction — sehingga perbedaan mencerminkan kosakata, bukan panjang dokumen.

4

Skor yang dinormalisasi dibandingkan di seluruh teks, penulis, atau kelompok. Karena bahasa dan genre juga mengubah keberagaman, faktor-faktor tersebut dijaga konstan atau dikontrol sehingga perbandingan mengisolasi sinyal kekayaan kosakata daripada faktor pengganggu.

Kesalahan umum

  • Membandingkan TTR mentah di seluruh teks dengan panjang yang berbeda — teks yang lebih panjang pasti menunjukkan TTR yang lebih rendah, sehingga perbandingan mencerminkan panjang, bukan kosakata; gunakan MTLD atau vocd-D atau samakan panjangnya terlebih dahulu.
  • Kegagalan menyamakan panjang teks dalam perbandingan (tanpa cuplikan standar atau rarefaction) membuat perbedaan keberagaman tidak dapat ditafsirkan.
  • Mengabaikan perbedaan bahasa dan genre saat membandingkan teks mengacaukan sinyal kekayaan kosakata dengan faktor gaya.

Pertanyaan yang sering diajukan

Mengapa tidak menggunakan rasio tipe-token (TTR)?

TTR intuitif tetapi menyusut seiring pertumbuhan teks, karena setiap teks pada akhirnya menggunakan kembali kata-kata umum. Hal itu membuat TTR mentah tidak dapat diandalkan untuk membandingkan teks dengan panjang yang berbeda. MTLD dan vocd-D dirancang agar jauh lebih tidak sensitif terhadap panjang teks, itulah sebabnya ukuran tersebut lebih disukai untuk perbandingan.

Berapa banyak teks yang saya butuhkan?

Metode ini berjalan pada sejumlah teks yang sedang — sekitar sepuluh token minimum — tetapi lebih banyak teks menghasilkan perkiraan yang lebih stabil. Untuk perbandingan, yang terpenting adalah teks ditempatkan pada pijakan panjang yang sama daripada teks tunggal yang sangat panjang.

Bisakah saya membandingkan keberagaman dua teks yang berbeda secara langsung?

Hanya setelah menempatkannya pada pijakan yang sama. Samakan panjangnya dengan cuplikan berukuran standar atau rarefaction, dan kontrol untuk bahasa dan genre, karena ketiga faktor tersebut mengubah skor keberagaman secara independen dari kekayaan kosakata.

Ukuran mana yang harus saya laporkan?

MTLD dan vocd-D adalah pilihan yang tervalidasi dan kuat terhadap panjang, dan biasanya lebih disukai. K Yule menggambarkan seberapa terkonsentrasi kata-kata yang diulang, dan TTR tetap berguna sebagai angka deskriptif sederhana ketika teks disamakan panjangnya. Melaporkan lebih dari satu ukuran memberikan gambaran yang lebih lengkap.

Metode terkait

Sumber

  1. McCarthy, P. M. & Jarvis, S. (2010). MTLD, vocd-D, and HD-D: A validation study of sophisticated approaches to lexical diversity assessment. Behavior Research Methods, 42(2), 381-392.

    Buka referensi DOI
    Disalin.
  2. Tweedie, F. J. & Baayen, R. H. (1998). How Variable May a Constant Be? Measures of Lexical Richness in Perspective. Computers and the Humanities, 32(5), 323-352.

    Buka referensi DOI
    Disalin.