Mesure de diversité lexicale calculée en faisant glisser une fenêtre fixe de tokens le long d’un texte, en évaluant pour chaque fenêtre le ratio type–token (types uniques divisé par nombre de tokens), puis en retournant la moyenne (ou la série temporelle) de ces ratios locaux ; conçue pour réduire la sensibilité du TTR simple à la longueur totale du texte et pour mettre en évidence la variation lexicale locale.

Principe

La moyenne des TTR locaux sur des fenêtres chevauchantes stabilise l’estimation de la diversité lexicale en diluant l’influence des biais dus aux textes très courts ou très longs et en échantillonnant différentes positions textuelles, de sorte que la mesure reflète davantage la variété lexicale typique à l’échelle choisie.

Démonstration

Scénario illustratif : Pour un roman de 10 000 tokens, un chercheur utilise une fenêtre glissante de 500 tokens avec un pas de 100, calcule le TTR pour chaque fenêtre (types uniques ÷ 500), puis fait la moyenne de ces TTR pour obtenir le MATTR. Reconnaissance : le MATTR fournit une valeur moins affectée par la longueur totale du roman et par un chapitre exceptionnellement riche ou répétitif qu’un TTR calculé sur l’ensemble du document.

Mauvaise application

Employer un MATTR avec une fenêtre trop grande, égale au texte entier, le ramène au TTR ordinaire ; une fenêtre excessivement petite augmente la variance et peut refléter des idiosyncrasies de phrase. De même, faire la moyenne sur des genres hétérogènes ou sans normalisation des tokens produit des comparaisons trompeuses.

Conséquence

Bien paramétré, le MATTR permet des comparaisons plus stables de diversité lexicale entre textes de longueurs et structures internes différentes, utile en analyse stylistique, évaluation de lisibilité et préparation pour NLP ; cependant, les résultats dépendent causalement de la taille de fenêtre, du pas, de la tokenisation et des choix de lemmatisation ou de conversion en minuscules.

Inversion

Si les textes sont extrêmement courts (plus courts que la fenêtre) ou si la fenêtre est définie comme le document entier, le MATTR se réduit au TTR ordinaire ou devient indéfini. Pour des corpus avec de fortes ruptures thématiques, la moyenne peut masquer des changements lexicaux locaux significatifs qu’une série temporelle de fenêtres révélerait mais qu’une moyenne agrégée dissimule.

Limite

Dans la définition : texte tokenisé analysé avec une fenêtre fixe numérique et une tokenisation cohérente. Cas frontière : comparer des MATTR calculés avec des tailles de fenêtre ou des tokenisations différentes — l’interprétation dépend de ces choix. Hors définition : mesures de richesse lexicale sans fenêtres glissantes (p.ex. R de Guiraud) ou résumés du spectre de fréquences ne moyennant pas les TTR locaux.

Tension sémantique

La taille et le pas de la fenêtre induisent un compromis entre stabilité (fenêtres plus grandes, plus de chevauchement) et sensibilité à la variation locale (fenêtres plus petites) ; le souhait de comparabilité entre textes entre en tension avec la préservation des variations intra‑textuelles signifiantes.

Synthèse

Le MATTR est un compromis pragmatique entre le TTR à valeur unique (fortement sensible à la longueur) et les analyses strictement locales : il utilise un échantillonnage local contrôlé pour produire un indicateur plus stable de diversité lexicale à une échelle choisie, mais son interprétation exige la déclaration explicite des paramètres de fenêtrage et de tokenisation.