A dialektometria módszertanának kidolgozása Hans Goebl salzburgi romanista nyelvész nevéhez fűződik. Módszere az adatok térképenkénti osztályozásán, kutatói csoportosításán alapul. Az adatokat közlő eredeti térképek alapján a kutatók úgynevezett munkatérképeket hoznak létre, mindig egyetlen változó különböző értékei szerint csoportosítva az adatokat. Az adatok munkatérképeken kialakított csoportosítását táblázatos formában összegzik, majd ebből az úgynevezett adatmátrixból hozzák létre a kutatópontpárok nyelvi hasonlósági értékeit megmutató hasonlósági mátrixot (a módszerről összefoglalóan l. Goebl 2010; 2011; illetve: http://dialektkarten.ch/dmviewer/index.en.html).

A jelen kutatásban azonban a nyelvi hasonlóság kiszámítása nem előzetes kutatói csoportosítás alapján, hanem az adatok automatikus összevetésével történik. A módszer alapja Levenshtein betűláncok összevetésére kidolgozott algoritmusa (Levenshtein 1966). Az algoritmust Kessler (1995) használta elsőként dialektometriai kutatásban, az ír nyelvjárások elemzésére. A módszer lényege, hogy az adatok közti különbségek megállapítása nem előzetes kutatói klasszifikáció alapján, hanem a lejegyzett adatok elemzésével, automatikusan történik. A módszer további tesztelése és általános használatának megalapozása a dialektometriai kutatásokban a groningeni egyetem kutatói, elsősorban John Nerbonne és Wilbert Heeringa nevéhez fűződik (Heeringa 2004; Heeringa–Nerbonne 2001; 2013; Nerbonne et al. 1996).

Az algoritmus két, fonetikusan lejegyzett és karakterláncnak felfogott adat egymáshoz képesti távolságát méri, kiszámítva, hogyan lehet legkönnyebben (legkevesebb lépéssel, legkisebb transzformációs „költséggel”) „átforgatni” az egyik karakterláncot a másikba, azaz a köztük lévő különbözőség mértékét fejezi ki számszerűsített formában. A lejegyzés minden fonetikus alapjele (például dzs) és mellékjele külön karakternek számít. Az epër és az epör például egyetlen cserével forgatható át egymásba, a köztük lévő távolság százalékban megadva 25%, vagyis a két adat 75%-ban azonos. Az epër és a szëdër között már három lépésre van szükség, hogy az egyiket a másikba átalakítsuk, így a hosszabb adat, a szëdër hosszát alapul véve (összesen öt karakter) a két adat 60%-ban különböző, vagyis 40%-ban azonos. A térképenként kiszámított kutatópontok közti nyelvi távolságok alapján számítjuk ki a kutatópontok közti átlagos nyelvi távolságot. Valamennyi kutatópont minden más kutatóponttal való nyelvi hasonlóságának számszerűsített mértékét (illetve a köztük lévő nyelvi távolságot) egy mátrixban ábrázolhatjuk. (A módszerről bővebben l. Vargha 2017, 21–24.)

Akár manuális klasszifikáció eredményeként, akár automatikus adatösszevetések révén jön létre a hasonlósági mátrix, ugyanúgy alkalmas arra, hogy további műveleteket végezzünk rajta. A kutatópontok automatikus csoportosítására leggyakrabban alkalmazott módszer a mátrixon végzett klaszteranalízis, amelynek során a kutatópontok közti távolságok mentén alakítunk ki klasztereket oly módon, hogy az egymáshoz nyelvileg közelebb lévő kutatópontok kerüljenek azonos csoportba. Az elemzés eredményét klasztertérképen is ábrázolhatjuk. A 2. ábrán erre látunk példát: 12 csoportot jelenítettünk meg térképesen. A megjelenített csoportok száma a kutató döntésén múlik, valójában kevesebb, de akár sokkal több csoportot is megkülönböztethetnénk. A korábbi, klasszikus (nem kvantitatív alapú) nyelvjárási klasszifikációk sem azonosan határozták meg a nyelvjárási alakulatok számát, Balassa József (1891) például nyolc nyelvjárásterületet, Juhász Dezső (2001) tíz nyelvjárási régiót különböztet meg. Valójában ekkora terület esetén akkor informatívabb, amit látunk, ha több csoportot különítünk el, legalábbis ebbe az irányba mutatnak az újabb vizsgálatok eredményei (vö. Vargha 2021), és 12 csoport még viszonylag áttekinthetően megjeleníthető. Borsos Balázs (2011) például a Magyar néprajzi atlasz hasonló módszerű elemzésekor többféle klasztertérképet is készít egy-egy mátrix alapján, a csoportok számának változtatásával, akár 103 csoportot megkülönböztetve: így jut el felosztásában a néprajzi kisrégiók szintjéig.

A nyelv térbeli változatossága alapvetően kontinuum jellegű. Ez azt jelenti, hogy a nyelvjárások közti különbség a földrajzi távolsággal arányosan növekszik (Chambers–Trudgill 1998, 5–7). Ahogyan Balassa József fogalmaz a magyar nyelvjárások első átfogó leírásában: „rendes körülmények közt annál nagyobb a külömbség [sic!] az egyes nyelvjárások közt, minél messzebb esnek egymástól” (1891, 5).

Bár alapvetően minden összefüggő nyelvterületre jellemző a nyelvjárási kontinuum-jelleg, vannak olyan tényezők, amelyek ezt az összefüggést valamelyest meg is törik. Így az egyes nyelvi jelenségek térbeli változatosságában megfigyelhető, hogy vannak gócpontok, ahol az adott jelenség általánosabban jellemző, máshol viszont kevésbé. A különböző jelenségek mentén alakulhatnak ki olyan területek, amelyek nyelvileg több szempontból is hasonlónak mutatkoznak. A nehezen átjárható politikai határok – mint amilyen például a megyehatár volt néhány száz évvel ezelőtt Somogy és Zala megye között (l. Király 2005, 30) –, vagy az olyan természetes határok, mint egy hegy vagy átjárhatatlan mocsárvidék, szintén befolyásolhatják a madártávlatban közeli települések közti kapcsolatokat, így a köztük lévő nyelvi hasonlóságot is. A magyar nyelvjárások esetében fokozottan számolnunk kell a nyelvterületen belüli népmozgásokkal is, így például a török háborúk következtében elnéptelenedett déli vidékek újratelepülésével, a székelyek nyugatról keletre költözésével vagy erdélyiek Moldvába településével.

A dialektometria indulása óta fontos kérdés, hogy a nyelvi jelenségek különböző fajtái milyen módon befolyásolják a kutatópontok közötti nyelvi hasonlóságot; ennek a kérdésnek a megválaszolására magyar nyelvjárási adatok alapján is van példa. A magyar nyelvatlaszadatok fonetikai információtartalmának automatikus csökkentése révén különböző nyelvi szinteknek megfelelő hasonlósági mátrixok hozhatók létre. A különböző mátrixok esetén a földrajzi távolsággal való korreláció vizsgálatából, illetve a szigethelyzetű kutatópontok különböző mátrixok használatakor kirajzolódó hasonlósági mintázatainak összevetéséből arra következtethetünk, hogy a fonetikai részleteknek, vagyis a hangtannak van meghatározó szerepe a nyelvjárások közötti kapcsolatrendszerek alakulásában és feltárásában (Vargha 2015; 2017, 49–66).

További kérdésként fölmerül, és a jelen dolgozat is erre keresi a választ, hogy a fonetikán belül a magánhangzók és a mássalhangzók hasonlóan határozzák-e meg a nyelvjárások közti távolságot. Hans Goebl nyelvatlaszadatok manuális csoportosításával létrehozott munkatérképeiből kialakított, vokalizmust és konszonantizmust reprezentáló részkorpuszok alapján végzett korrelációs dialektometriai elemzéseket (2005, 349–350, 365, 367). A mátrixok közti, kutatópontonkénti korrelációs elemzés térképe alapján kirajzolódnak azok a területek (Franciaország déli részén), ahol legkevésbé korrelálnak a kutatópontok hasonlósági mintázatai, vagyis az ilyen kutatópontok a magánhangzókat érintő fonetikai jelenségek alapján más kutatópontokkal mutatnak nagyobb hasonlóságot, mint a mássalhangzók szerint.

Konszonantizmus alatt itt azokat a jelenségeket érthetjük, amelyek a mássalhangzókban mutatnak variabilitást. Ezek többfélék lehetnek, érinthetik a hangok képzési helyét és módját (pl. borza ~ boddza ~ bozza ~ bojza), de akár a sorrendjét (pl. kanál ~ kalán) vagy az időtartamát is (alugyon ~ aluggyon). A vokalizmus körébe azokat a jelenségeket sorolhatjuk, amelyek a magánhangzók minőségében vagy időtartamában mutatnak különbséget (pl. buza ~ bùza ~ búza; vë̥dë̥r ~ vëdër ~ vüdör). Az egyes jelenségek, tehát a mássalhangzók, illetve magánhangzók használatában jelentkező azonosságok és különbségek, atlaszbeli előfordulási gyakoriságuk függvényében határozzák meg a kimutatásokat. Számos ritka, lexikailag kötött jelenség is óhatatlanul befolyásolja az eredményeket, de csak előfordulási arányuk mértékében.