La ley de Heaps describe cómo crece el vocabulario de un texto a medida que el texto se alarga. La calculadora de la ley de Heaps toma las constantes K y β, el número de palabras y un vocabulario objetivo, y da el tamaño de vocabulario esperado, las palabras nuevas por cada 1000 palabras adicionales, la longitud de texto necesaria para el vocabulario objetivo y la parte del texto formada por palabras distintas.
Cómo se hace el cálculo
- La ley de Heaps dice que el número de palabras distintas V crece como una potencia de la longitud del texto N: V = K × N^β.
- K y β se ajustan sobre un corpus. Para un texto en inglés, K suele estar entre 10 y 100 y β entre 0,4 y 0,6.
- El ritmo de aparición de palabras nuevas es la derivada, K × β × N^(β − 1) por palabra, y por tanto baja a medida que el texto se alarga. La calculadora la multiplica por 1000.
- Para hallar la longitud de texto necesaria para un vocabulario objetivo, se despeja N en la ley: N = (V ÷ K)^(1 ÷ β).
Ejemplo
Con K = 30 y β = 0,55, un texto de 250.000 palabras tiene unas 30 × 930,8 = 27.925 palabras distintas, es decir, el 11,2 % del texto. Cada tramo de 1000 palabras adicionales aporta unas 61,4 palabras nuevas. Para alcanzar un vocabulario de 40.000 palabras distintas, el texto debe contener (40.000 ÷ 30)^(1 ÷ 0,55), es decir, unas 480.515 palabras.
Por qué es útil
Cualquiera que construya un índice de búsqueda, un curso de idiomas o un análisis de texto necesita saber con qué rapidez crece el vocabulario. La ley ofrece una forma rápida de prever el almacenamiento, estimar el volumen de lectura y comparar textos.
Conviene saber
La ley es empírica y se ajusta bien a los grandes corpus de lengua natural, pero no a las muestras muy pequeñas ni a los textos muy repetitivos. Las constantes cambian con la lengua y con la manera de contar las palabras. Usa valores ajustados sobre un corpus parecido al tuyo, y toma los resultados como aproximados.
Herramientas relacionadas
La calculadora de legibilidad puntúa la facilidad de un texto, y la calculadora de tiempo de lectura estima cuánto se tarda en leer un texto.