Mẫu B của site có 25 chữ nhưng chỉ 23 chữ khác nhau, tỉ lệ đa dạng từ vựng TTR 92,0 %: đó là loại con số công cụ đếm từ duy nhất trả về. Kèm theo là số chữ chỉ dùng một lần và bảng xếp hạng chữ lặp nhiều nhất, lọc được, tải về dạng CSV. Mọi phép đếm chạy trên trình duyệt, không lưu dữ liệu.
Cách đếm từ duy nhất và tính TTR
Công cụ gom mọi chữ giống nhau sau khi bỏ khác biệt hoa thường và dấu câu dính kèm, rồi đếm xem còn bao nhiêu chữ khác nhau.
- Chuẩn hoá văn bản về NFC, tách thành chữ (tiếng) theo khoảng trắng như công cụ đếm từ online.
- Đưa từng chữ về chữ thường và bỏ dấu câu bám đầu, cuối: “Học”, “học,” và “HỌC.” là cùng một chữ.
- Đếm số lần xuất hiện của mỗi chữ, xếp giảm dần; chữ bằng số lần xếp theo thứ tự chữ cái tiếng Việt.
- Tính TTR (type–token ratio) bằng số chữ khác nhau chia tổng số chữ, nhân 100.
- Đếm riêng số chữ chỉ xuất hiện đúng một lần.
Bảng kết quả gồm thứ hạng, chữ, số lần và phần trăm trên tổng. Ô “Lọc chữ” thu hẹp bảng khi bạn gõ vài ký tự, nút “Tải CSV” xuất toàn bộ bảng; tệp được tạo ngay trên máy, không qua máy chủ. Ô “Bỏ hư từ (và, của, là, những…)” loại các stop-word trong danh sách của site, chủ yếu là hư từ tiếng Việt kèm vài từ tiếng Anh như the, of, and; khi bật, TTR tính trên phần chữ còn lại. Quy tắc tách chữ dùng chung được ghi ở trang phương pháp đếm.
Ví dụ: câu IELTS Writing lặp một danh từ ba lần
Một người ôn IELTS viết câu mở bài cho Task 2 rồi dán vào công cụ đếm từ duy nhất để xem mình có lặp từ không.
| Văn bản | Tổng | Duy nhất | TTR | Lặp nhiều nhất |
|---|---|---|---|---|
| Technology makes life easier, but technology also makes people more dependent on technology. | 13 | 10 | 76,9 % | technology ×3 |
| Technology makes life easier, but it also makes people more dependent on their devices. | 14 | 13 | 92,9 % | makes ×2 |
| Mẫu B của site (2 đoạn, 3 câu) | 25 | 23 | 92,0 % | đếm ×2, từ ×2 |
| Hôm nay trời đẹp. Tôi đi học! | 7 | 7 | 100,0 % | không có |
Bản đầu có “technology” chiếm 23,1 % số từ. Thay hai lần lặp bằng “it” và “their devices”, câu dài thêm một từ nhưng TTR lên 92,9 %, và chỉ còn “makes” lặp lại. Hai dòng cuối là số liệu trong bộ kiểm thử của site.
Tiêu chí Lexical Resource của IELTS chấm độ rộng và độ chính xác của từ vựng, không chấm theo TTR. Tôi coi con số này là tấm gương soi nhanh: nó chỉ ra chữ bị lặp, còn thay bằng từ nào cho đúng nghĩa vẫn là việc của người viết.
TTR giảm khi văn bản dài ra
Văn bản càng dài, TTR càng thấp một cách tự nhiên, vì hư từ và chữ chủ đề buộc phải lặp lại.
Tôi đo thử trên văn bản tiếng Việt 2.000 chữ mà site dùng để đo số chữ mỗi trang A4, lấy lần lượt phần đầu của nó:
| Số chữ đầu văn bản | Chữ khác nhau | TTR |
|---|---|---|
| 50 | 43 | 86,0 % |
| 200 | 139 | 69,5 % |
| 500 | 288 | 57,6 % |
| 1.000 | 451 | 45,1 % |
| 2.000 | 727 | 36,4 % |
Cùng một người viết, cùng một văn bản, TTR vẫn rơi từ 86 % xuống 36,4 %. Vì vậy chỉ nên so TTR giữa các đoạn có độ dài gần nhau: hai bản của cùng một đoạn, hai đoạn mở bài cùng đề, hai mô tả sản phẩm cùng khuôn khổ. Tôi không có ngưỡng TTR chuẩn cho tiếng Việt để dẫn, và không nghĩ nên đặt một mốc chung cho mọi loại bài.
Trường hợp đặc biệt: từ ghép bị tách, hư từ đa nghĩa
Công cụ đếm theo từng tiếng, nên văn bản tiếng Việt cho kết quả khác với cách người đọc hiểu “từ”.
- Từ ghép bị tách: “mạng xã hội” là ba chữ “mạng”, “xã”, “hội”. Đoạn “Mạng xã hội giúp người trẻ kết nối. Mạng xã hội cũng khiến người trẻ so sánh bản thân với người khác.” cho 22 chữ, 16 chữ khác nhau, TTR 72,7 %, trong đó “người” lặp 3 lần.
- Hư từ đa nghĩa: bật “Bỏ hư từ”, cùng đoạn trên còn 11 chữ khác nhau, TTR 73,3 %. Chữ “so” trong “so sánh” cũng bị loại vì nằm trong danh sách hư từ, dù ở đây nó là một nửa động từ.
- Số và ký hiệu: “2026” hay “COVID-19” tính là một chữ; dấu câu đứng riêng không tính.
- Kiểu đặt dấu: “hoá” và “hóa” là hai chữ khác nhau trong bảng, nên văn bản trộn hai kiểu sẽ có TTR cao hơn thực tế một chút.
Công cụ liên quan
- Tần suất từ vẽ thêm đám mây từ và cho bỏ chữ số, tiện khi cần hình minh hoạ chữ dùng nhiều.
- Tìm từ lặp tô chữ và cụm 2 tiếng lặp gần nhau, chỗ người đọc dễ thấy nhất.
- Đếm âm tiết ước tính số từ ghép khi bạn cần phân biệt tiếng và từ.
- Kiểm tra mật độ từ khoá xếp hạng cả cụm 2–4 tiếng như “mạng xã hội”, bù cho chỗ công cụ này tách từ ghép.
Câu hỏi thường gặp
TTR là gì và bao nhiêu phần trăm là tốt?
TTR (type–token ratio) là số chữ khác nhau chia tổng số chữ. Không có mức “tốt” chung, vì TTR giảm khi văn bản dài ra: trong phép đo của site, 200 chữ đầu một văn bản đạt 69,5 %, 1.000 chữ chỉ còn 45,1 %. Chỉ so TTR giữa các văn bản gần cùng độ dài và cùng thể loại thì con số mới có ý nghĩa.
Công cụ đếm từ duy nhất có phân biệt chữ hoa, chữ thường không?
Không. “Học”, “học” và “HỌC” được gộp thành một chữ, dấu câu dính đầu hoặc cuối chữ cũng bị bỏ trước khi so. Tuy vậy, chữ có kiểu đặt dấu khác nhau như “hoá” và “hóa” vẫn là hai chữ riêng. Nếu văn bản trộn hai kiểu, hãy thống nhất trước khi đếm từ duy nhất.
Dùng công cụ cho bài tiếng Anh được không?
Được. Công cụ đếm từ duy nhất tách theo khoảng trắng nên áp dụng cho tiếng Anh như tiếng Việt: “don’t” là một từ, “do not” là hai. Ô bỏ hư từ chỉ loại được vài từ tiếng Anh phổ biến như the, of, and, it; phần lớn danh sách là hư từ tiếng Việt, nên với bài tiếng Anh nên để tắt.
Tải CSV có bị lỗi font tiếng Việt khi mở bằng Excel không?
Thường là không. Tệp CSV dùng bảng mã UTF-8 có dấu BOM ở đầu, nên Excel bản mới nhận đúng chữ có dấu; cột gồm thứ hạng, chữ, số lần và phần trăm. Nếu máy vẫn hiện ký tự lạ, mở bằng Data → From Text/CSV và chọn bảng mã UTF-8, hoặc mở bằng Google Sheets. Tệp tạo ngay trên trình duyệt, văn bản của bạn không gửi đi đâu.
Vì sao “mạng xã hội” không được đếm là một từ?
Vì công cụ tách theo tiếng, đơn vị mà Word, giáo viên và mọi công cụ đếm chữ của site cùng dùng. Tách từ ghép tiếng Việt tự động luôn có sai số, nên đưa vào đây sẽ làm con số khó kiểm lại. Muốn thấy cụm lặp như “mạng xã hội”, dùng công cụ kiểm tra mật độ từ khoá, nơi có bảng cụm 2–4 tiếng.
Căn cứ và nguồn
- IELTS scoring in detail — ielts.org: bốn tiêu chí chấm Writing, trong đó có Lexical Resource.
- Danh sách hư từ (stop-word) tiếng Việt của demtuonline.com: khoảng 250 mục tự soạn, dùng chung cho các công cụ phân tích văn bản.
- TCVN 6909:2001, bộ mã ký tự tiếng Việt Unicode dạng dựng sẵn: cơ sở chuẩn hoá NFC trước khi so khớp chữ.
Kiểm tra: 16/09/2026. TTR là chỉ số tham khảo về lặp từ, không phải thang điểm của kỳ thi hay tiêu chuẩn biên tập nào.