Estadística · RadiografIA 0.1.0
Proporción de palabras distintas (TTR)
est-ttr
Qué parte de tus palabras son distintas, frente a textos de personas del mismo tipo y longitud. Solo avisa.
Solo aviso: no suma.
Qué hacer
Es contexto: si queda baja, mira si repites las mismas palabras por costumbre; si queda alta, no hay nada que corregir.
Explicación
Proporción de palabras distintas sobre el total (TTR). Depende mucho de la longitud («the TTR of a text sample is affected by its length», Covington y McFall 2010), y por eso solo se compara dentro del mismo tramo. Sale de la banda si queda por debajo del percentil 5 o por encima del percentil 95. Se compara con los textos humanos de tu género y longitud: los percentiles de la calibración (AnCora, BOE, Gutenberg, CSIC y MuchoCine, por tramos de 100-299, 300-599 y 600 o más palabras de prosa); con «general», el género por defecto, la mezcla de los cinco. Es contexto: no puntúa. Medido en español, con un efecto pequeño: los humanos tienen un TTR entre un 2,3 % y un 2,8 % mayor que GPT-3.5 y GPT-4 (ROBOT-TALK, Alonso Simón et al. 2025); en inglés la dirección cambia con el modelo (Kendro et al. 2026). No demuestra quién escribió el texto: por construcción, 1 de cada 10 textos humanos de tu género y longitud queda fuera de esa banda.
Excepciones
- Dentro de un tramo, un texto de 590 palabras tiene por fuerza un TTR más bajo que uno de 310: en «general» de 300-599, la banda va de 0,433 a 0,604.
- Textos administrativos largos: mediana de 0,282 en el BOE de 600 palabras o más.
- Cuenta formas, no lemas, y no distingue mayúsculas de minúsculas.
- Sin calibración: si tu género no tiene celda para la longitud del texto (la narrativa clásica de 100 a 299 palabras: 65 capítulos, menos de los 100 que exige una celda), la regla no se evalúa y el análisis lo dice.
- De 100 a 299 palabras de prosa el resultado es poco fiable (umbral firmado el 29/09): las métricas de frase y de vocabulario se mueven mucho en textos cortos.
Datos de la regla
- Paquete:
- RadiografIA 0.1.0. Reglas que señalan en un texto en español los rasgos de estilo que la investigación asocia a los textos generados con modelos de lenguaje. Cada regla dice de dónde sale y con qué nivel de evidencia. Analiza estilo; no demuestra autoría.
- Detector:
- estadístico
- Peso:
- 0
- Severidad:
- baja
- Nivel de evidencia:
- medido en español
- Origen de la lista:
- sin dato
Cómo busca
- Métrica:
ttr- Dispara:
- por encima o por debajo de la banda humana
- Banda humana:
- entre los percentiles 5 y 95 de los textos humanos de su género y longitud
Fuentes
- Alonso Simón, Fernández-Pampillón, Fernández Trinidad y Márquez Cruz (2025), ROBOT-TALK, RAEL 23, doi 10.58859/rael.v23i1.666: 180 textos en español, 60 humanos, 60 de GPT-3.5 y 60 de GPT-4 (PDF leído; publica niveles de significación, no medias)(enlace externo)
- Covington y McFall (2010), «Cutting the Gordian Knot: The Moving-Average Type–Token Ratio (MATTR)», Journal of Quantitative Linguistics 17(2):94-100(enlace externo)
- Kendro, Maloney y Jarvis (2026), IJAL, doi 10.1111/ijal.70115 (arXiv 2508.00086): más diversidad léxica en cuatro versiones de ChatGPT que en 240 ensayos humanos(enlace externo)
Ejemplos en los que dispara
Esta regla mide el texto entero: en sus ejemplos no hay un tramo que marcar.
Cádiz se recorre mejor sin plano. Basta con entrar por la Puerta de Tierra, dejar atrás las murallas dieciochescas y dejarse llevar por callejuelas angostas, encaladas, donde los balcones casi se rozan y las macetas de geranios cuelgan sobre los transeúntes. El viajero desemboca enseguida en plazas inesperadas. En la de las Flores, los quioscos venden claveles, nardos y siemprevivas junto a cucuruchos de pescaíto frito; en la de San Antonio, palmeras altísimas sombrean bancos de hierro forjado donde conversan jubilados con boina. Más adelante asoma la catedral, mitad barroca, mitad neoclásica, coronada por una cúpula dorada que reverbera al atardecer. Desde el campo del Sur, el Atlántico golpea un malecón ennegrecido. Allí pescadores solitarios lanzan sedales mientras gaviotas oportunistas acechan cualquier descuido. Al fondo se adivina la playa de la Caleta, encajada entre dos castillos, con barcas varadas y un balneario modernista de cúpulas blancas que parece flotar sobre la arena. Conviene detenerse en el mercado central, bullicioso desde temprano, y probar ortiguillas, tortillitas de camarones o atún de almadraba. Por la tarde, el barrio de la Viña despliega tabernas diminutas, azulejos desconchados, coplas improvisadas y vecinas que sacan sillas a la acera para tomar el fresco. La ciudad guarda también memoria constitucional: en el oratorio de San Felipe Neri se reunieron en 1812 los diputados que redactaron la primera Constitución española, apodada cariñosamente la Pepa. Placas, monumentos y nombres de calles recuerdan aquel episodio liberal. Quien disponga de otro día puede cruzar en catamarán hasta El Puerto de Santa María, visitar bodegas centenarias, catar finos y olorosos, y regresar con la bajamar, contemplando salinas, garzas y antiguos molinos de marea. Al anochecer, cuando la luz se vuelve ámbar y el levante amaina, merece la pena subir a la torre Tavira. Su cámara oscura proyecta, sobre una pantalla cóncava, azoteas, campanarios, grúas portuarias y transeúntes minúsculos, como si alguien hubiera encerrado la ciudad entera dentro de una caja mágica.
Ejemplos en los que no dispara
El radiólogo de mi hospital, un hombre de sesenta años que lleva treinta y cinco mirando placas, me lo explicó así: «La máquina no se cansa a las tres de la tarde. Yo sí». Desde hace dos años, cada mamografía que entra en su servicio pasa primero por un programa de detección automática. El programa marca las zonas sospechosas; él decide. A veces el programa ve algo que él había pasado por alto, y otras, muchas, marca sombras que no son nada. «Es como un residente muy aplicado y un poco miedoso», dice. En oncología, una compañera trabaja con modelos que cruzan datos clínicos y genéticos para estimar qué pacientes responderán mejor a cada fármaco. Funcionan, me cuenta, pero con matices: los datos de entrenamiento venían sobre todo de hospitales del norte de Europa, y con la población de nuestra área sanitaria (más envejecida, con más diabetes) los resultados empeoran. Nadie lo había advertido en el folleto. La parte menos vistosa es la que más ha cambiado el día a día. El hospital usa un sistema que predice la ocupación de camas con tres días de antelación, y otro que reorganiza los quirófanos cuando se cancela una operación. Las supervisoras de planta, que al principio desconfiaban, ahora lo consultan antes que el correo. ¿Y los riesgos? Están ahí, y no son pequeños. ¿Quién responde si el programa se equivoca y el médico le hace caso? ¿Qué pasa con los datos de miles de pacientes que, en teoría, están anonimizados? ¿Y si el algoritmo funciona peor con las mujeres, o con los mayores, o con quien vive en un pueblo? El radiólogo lo tiene claro: la firma del informe sigue siendo suya. Y mientras sea así, dice, la máquina le ayuda; el día que firme ella, se jubila. Lo dice medio en broma, claro, pero solo medio.