أنماط الكتابة بالذكاء الاصطناعي: الكلمات والإيقاع وعلامات الترقيم التي تكشفه

اقرأ هذه الجملة مرة واحدة وانظر إن كنت تعرف بالفعل من أين جاءت: يواصل الباحثون تسليط الضوء على التفاعل المعقد بين الدافعية والتحصيل، ويبرز عدد متزايد من الأعمال الدور الرئيس الذي تلعبه التنظيم الذاتي في النجاح الأكاديمي. لا شيء فيها خاطئ. كل جملة صحيحة نحويا، وكل كلمة كلمة حقيقية، ولن يحسم المصحح نقطة واحدة. لكنها مع ذلك تبدو وكأنها خرجت من آلة، لأنها كذلك. هذا ما يدور حوله هذا النص.

أنماط الكتابة بالذكاء الاصطناعي هي العادات القابلة للتكرار، في اختيار الكلمات، وإيقاع الجمل، وعلامات الترقيم، والبنية، التي تجعل النثر المصاغ آليا قابلا للتعرف عليه من النظرة الأولى. وتتجمع هذه الأنماط على أربعة مستويات: الكلمات التي يلجأ إليها النموذج، وشكل جمله، وعلامات الترقيم التي يعتمد عليها، والطريقة التي يبني بها الحجة بوصفها كلا متكاملا. ولا يثبت أي واحد منها شيئا بمفرده. لكنها مجتمعة، داخل فقرة واحدة، يصعب عدم ملاحظتها.

الآلة التي تفعل ذلك تسمى كاشفًا إحصائيًا. وهي تمنح درجة لمدى قابلية كل كلمة للتنبؤ، وفقا لما يتوقعه نموذج لغوي. ويتضمن تقرير ما حسابات perplexity وburstiness الكامنة وراء تلك الدرجة، وقد جرى تناولها بمزيد من التفصيل في قطعة أخرى عن كيف تعمل كواشف الذكاء الاصطناعي. أما بقية هذا المقال فهي قائمة بعلامات الكتابة بالذكاء الاصطناعي التي يمكن للقارئ أن يسمعها أو يعدها أو يشير إليها على الصفحة. وقد يكون هذا مهما، حتى لو كان الكاشف مخطئا، أو غير متاح، أو غير ذي صلة. وما يلي هنا لا يحتاج إلى نموذج ولا إلى اشتراك.

لماذا تبدو أنماط الكتابة بالذكاء الاصطناعي آلية؟

يقوم نموذج لغوي بشيء مختلف عن الإنسان على مستوى الجملة: يختار الكلمة التالية الأكثر احتمالا إحصائيا، مرارا وتكرارا، داخل نظام جرى تدريبه على أن يبدو كفؤا لا مميزا. إن الكفاءة على هذا النطاق تنتج نثرا سلسا وصحيحا وسهل النسيان، وهذا هو أصل الإحساس الآلي. وغالبا لا يستطيع القارئ أن يحدد ما الخطأ في فقرة كهذه، بل يكتفي بأنها تبدو مسطحة، والمستويات الأربعة أدناه هي موضع هذه المسطحية.

اختيار الكلمات هو المستوى الذي يلاحظه القراء أولاً: كلمات رسمية ومسرحية تظهر حيث لا ينبغي لها أن تكون. إيقاع الجمل أكثر خفاءً، فقرة تكون فيها كل جملة تقريباً بالطول نفسه. تحمل علامات الترقيم والتنسيق بصمتها الخاصة، فشرطة تُستخدم بوصفها وصلة عامة، وقائمة نقطية تقطع نصاً لم يكن قائمة في ذهن الكاتب. أما البنية فهي الأقل ظهوراً، جزء يعيد صياغة عنوانه نفسه، ويغطي ثلاث نقاط بالضبط، ثم يختتم بتلخيص نفسه.

ابدأ بالكلمات: الأسهل في الإشارة إليها، والأفضل توثيقاً.

ما الكلمات التي يفرط AI في استخدامها؟

ترى هذه الكلمات الرسمية، المسرحية قليلاً، مرة بعد مرة: "delve" و"underscore" و"showcase" و"pivotal" من بين الأكثر توثيقاً. شرع Dmitry Kobak وثلاثة مؤلفين مشاركين في تحديد اللغة. حللوا 15.1 مليون ملخص من PubMed من 2010 إلى 2024 وحددوا مجموعة من الكلمات التي شهدت زيادة حادة في التكرار عندما أُطلق ChatGPT. كانت "delve" الأبعد مدى, وقد قدّرت الدراسة، التي نُشرت في Science Advances في July 2025، أن تكرارها في 2024 كان أعلى بنحو 28 مرة مما كان عليه قبل 2023. وجاءت "underscore" و"showcase" في المرتبة التالية مباشرة. ويقدّر المؤلفون أن ما لا يقل عن 13.5 percent من ملخصات 2024 تحمل علامات على مساعدة AI، وترتفع النسبة إلى أكثر من 40 percent في بعض البلدان والناشرين.

أما سبب تقارب النماذج مع هذه الكلمات بعينها فهو أقل حسمًا من النمط نفسه. اختبرت دراسة COLING 2025 إحدى وعشرين كلمة مفرطة التمثيل مقابل بنية النموذج، وبيانات التدريب، والتغذية الراجعة البشرية المستخدمة لضبط chatbots، ووجدت أن مرحلة التغذية الراجعة هي المساهم الأكثر احتمالاً من دون أن تفسر الأثر بالكامل. ولا يزال التفسير محل جدل أيضاً: فقد دفع تبادل في 2026 في مجلة PNAS إلى الاعتراض على مدى مباشرة قياس تحول تكرار الكلمات لاستخدام AI، وهو أمر يستحق التذكر قبل التعامل مع أي رقم منفرد هنا بوصفه حقيقة محسومة.

هذا ليس صحيحًا فقط بالنسبة إلى الملخصات العلمية. في دراسة قارنت نصف مليون من المقالات التي كتبها الطلاب وتلك التي ولّدها الذكاء الاصطناعي، قارن الباحثون طول الأوراق واختيار الكلمات فيها، ووجدوا أن المقالات البشرية كانت أطول إجمالًا واستخدمت مفردات أوسع. وفي دراسة لمراجعات الأقران المقدمة إلى أربعة مؤتمرات في تعلم الآلة، بما في ذلك ICLR 2024 وNeurIPS 2023، استخدم الباحثون التقنية نفسها لتقدير أن ما بين 6 و15 في المئة من نص المراجعة قد عُدِّل تعديلًا جوهريًا بواسطة LLM. وكان من الأرجح أن يتأثر بـ LLM عندما قُدِّم قريبًا من الموعد النهائي.

الكلمة أو العبارة التي يفرط الذكاء الاصطناعي في استخدامها	ما يستخدمه الكاتب الحريص بدلًا منها
delve (into)	look at, examine
underscore	show, stress
showcase	present, demonstrate
pivotal	main, deciding
robust	solid, reliable
intricate	complex, detailed
meticulous	careful, thorough
tapestry	mix, range
testament	sign, evidence
boasts	has, includes
foster	encourage, support
garner	gain, attract
multifaceted	many-sided, complex
holistic	whole, overall
nuanced	careful, precise
invaluable	useful, valuable
realm	field, area
embark on	begin, start
unlock	open up, make possible
interplay	relationship, link

لا توجد أي من هذه الكلمات خاطئة في ذاتها. إن قسم المنهجيات الذي يصف نتيجة بأنها متينة يستخدم الكلمة على نحو صحيح، والمؤرخ الذي يصف حجة قانونية معقدة لا يعترف بأنه يتحدث إلى chatbot. ما يبدو مصنوعا آليا هو الكثافة: ثلاث أو أربع من هذه الكلمات في فقرة واحدة، من دون أن تؤدي عملا محددا، مكدسة بالطريقة التي يكدسها بها النموذج لأن كل واحدة كانت، بصورة مستقلة، الخيار التالي الأكثر أمانا. إن فحصا سريعا باستخدام free AI word cleaner في TextPulse يحدد هذه الكثافة مباشرة.

لماذا تبدو جمل AI كلها بالطول نفسه؟

يبني النموذج كل جملة بالطريقة نفسها التي بنى بها الجملة السابقة، بدلا من أن يضغط فكرة في ست كلمات في موضع ما ويفردها عبر ثلاثين كلمة في موضع آخر، لذلك يميل الناتج إلى أن يبقى عند طول متقارب طوال الوقت. ذلك التفاوت، أو غيابه، شيء يمكنك سماعه بقراءة فقرة بصوت عال، وهو تمرين مختلف عن درجة burstiness التي يحسبها الكاشف من الخاصية الأساسية نفسها.

تفضح عادتان أصغر هذا الإيقاع عن قرب. يميل النموذج إلى إنهاء الجملة باسم فاعل معلق يوحي بالأهمية من دون أن يضيف معلومات، أو بادعاء يتبعه إبراز الحاجة إلى مزيد من البحث أو الإشارة إلى تحول أوسع في المجال. كما أنه يلجأ إلى بنية مزدوجة ليبدو متوازنا، على غرار أن الطريقة ليست فعالة فحسب، بل قابلة للتوسع أيضا. إذا قيلت مرة واحدة، فهذه البنية لا تثير الانتباه. أما إذا قيلت في كل فقرة، فإنها تبدو كقالب استبدلت فيه الأسماء.

قاعدة الثلاثة

وعلى مستوى العبارة أيضا، تعد المجموعات الثلاثية الإيقاع الافتراضي للنموذج: ثلاث صفات قبل اسم، ثلاثة أمثلة في قائمة، ثلاث جمل فرعية مبنية بالطريقة نفسها متتالية. لقد كانت المجموعات الثلاثية العرضية دائما جزءا من الإنجليزية. إن مجموعة ثلاثية موضوعة في مكانها الجيد ليست علامة على أي شيء. الدليل هو التكرار. ليست الثلاثة هي المشكلة. المشكلة هي ظهور الثلاثة في كل فقرة تقريبا.

العدّ يكفي لاكتشاف معظم هذا من دون أي تدريب خاص. اقرأ فقرة وضع علامة على طول كل جملة بعدد الكلمات. إذا كانت جميع علاماتك تقع ضمن بضع كلمات من العلامة السابقة، فإن الإيقاع هو الدليل. استخدم أداة فحص burstiness المجانية في TextPulse لأتمتة العد ورسمه بيانيًا، وهو أمر مفيد لمقطع طويل جدًا بحيث لا يمكن تقديره بصريًا جملة بعد جملة.

الشرطة الطويلة وعلامات ترقيم أخرى كدلائل

لماذا أصبحت هذه العلامة الخيار المعتاد

الشرطة الطويلة هي على الأرجح علامة الترقيم الأكثر اتهامًا في الكتابة الآلية. قد تعرفها بوصفها الشرطة الطويلة التي تحل محل فاصلة أو نقطتين أو نقطة لربط جزأين من الجملة. الشرطة الطويلة ليست جديدة، وليست شيئًا اخترعه ChatGPT. وطالما وُجدت أدلة الأسلوب، من Chicago إلى AP، فقد سمحت باستخدامها للتوكيد والاعتراض. وكثير من الكتّاب العاملين يستخدمونها عمدًا.

والسبب المرجح لظهورها كثيرًا في المخرجات الآلية هو سبب عادي: فهذه العلامة شائعة في النثر المحرر والمصفوف مهنيًا الذي تُدرَّب عليه النماذج اللغوية، وهي تتيح للجملة أن تواصل الحركة من دون الالتزام بنقطة. والنموذج المصمم لإنتاج نص سلس ومترابط يلجأ إلى هذه المرونة كثيرًا، أكثر مما يفعل معظم الناس عند الصياغة باليد.

ويختلف معدل ظهورها اختلافًا كبيرًا بحسب النظام الذي أنتج النص. وقد أظهر اختبار مقارن أُجري في منتصف 2025 ستة روبوتات محادثة على الموجه نفسه، ثم عُدَّت العلامات: أعادتها ثلاثة أنظمة 8 أو 9 مرات في أقل من 600 كلمة، واستعملها أحدها مرتين في ما يقرب من 1000 كلمة، ولم يستعملها اثنان إطلاقًا. إن التواتر خاص بالنموذج الذي أنتج الفقرة أمامك، وليس سمة ثابتة من سمات الكتابة التي ينتجها الذكاء الاصطناعي. وأضافت OpenAI إعدادًا في نوفمبر 2025 يتيح للمستخدم أن يطلب من ChatGPT التوقف عن استخدام هذه العلامة وأن يلتزم بذلك فعلًا، مما يجعل هذا الدليل اختياريًا جزئيًا حتى الآن.

لا يجعل أيٌّ من ذلك العلامة نفسها دليلاً على أي شيء. كثير من الكتّاب المتأنين يستخدمونها عمداً، وكثير من المقالات الطلابية التي لم تلامس chatbot قط تستخدمها أيضاً، أحياناً لأن معلماً علّمهم ذلك. ما يستحق التحقق هو الكثافة: صفحة تعتمد على العلامة في كل جملة ثانية تُقرأ على نحو مختلف عن صفحة تستخدمها مرتين عن قصد. يتحقق free em dash remover الخاص بـ TextPulse من هذه الكثافة ويقترح الفاصلة أو النقطتين أو النقطة أو الشرطة حيث تدعو الحاجة في كل مرة.

النقاط، النص الغامق والعناوين

يغطي المستوى نفسه قرارات التنسيق التي تقع دون مستوى الجملة. قائمة نقطية في منتصف نثر لم تكن قائمة قط في ذهن الكاتب. عناوين بصيغة عنوانية بينما بقية المستند بصيغة الجملة. عبارة غامقة في بداية كل نقطة مثل عنوان صغير. ليست أي من هذه علامات ترقيم، لكنها كلها تأتي من المكان نفسه: نموذج ينسق من أجل نافذة محادثة، حيث يحل البناء البصري محل الانتقالات التي يحملها النثر عادة.

البنية وشكل الحجة

يقع المستوى الأخير فوق الجملة، وهو الأصعب في الإصلاح باستبدال كلمة بأخرى، لأنه شكل الحجة نفسها. يبدأ القسم المكتوب آلياً غالباً بإعادة صياغة عنوانه نفسه بكلمات مختلفة قليلاً، ثم ينتقل عبر نقطتين أو ثلاث نقاط داعمة تُمنح وزناً متقارباً تقريباً بغض النظر عن مقدار أهمية كل واحدة منها فعلاً، ثم يختم بتلخيص ما قاله للتو بدلاً من إضافة أي شيء جديد.

وتظهر عادة ذات صلة باستمرار في القطع الأطول: يسرد قسم ما الذي يفعله شيء ما على نحو جيد، ثم ينعطف عند كلمة مثل however، ويسرد التحديات في الثلاثي المرتب نفسه، ثم يلمح إلى مستقبل من المفترض أن يحلها. الحجج الحقيقية أكثر تفاوتاً من ذلك. يهتم الكاتب البشري عادةً بنقطة واحدة أكثر من النقطتين الأخريين، ويمنحها مساحة أكبر، ولا يدين للقارئ بخاتمة متناظرة.

هذا أيضًا هو المستوى الذي يمكن فيه للكتابة الأكاديمية الصياغية أن تبدو مشابهة على نحو مضلل للكتابة الآلية، لأن قسم المنهجية أو مراجعة الأدبيات يفترض أن يتبع شكلاً ثابتًا. يكمن الفرق داخل ذلك الشكل. مراجعة الأدبيات المكتوبة آليًا تذكر النقاط المعتادة في المجال بالترتيب المعتاد. أما المراجعة البشرية فتجادل بشأن النقاط التي تهم ولماذا، حتى داخل قالب صارم، لأن موقفًا فعليًا يجري الدفاع عنه.

الحكم على نص لم تكتبه

أربع علامات تستحق أكبر قدر من الانتباه

فجوة التحديد هي أقوى علامة متاحة للقارئ من دون أي أدوات على الإطلاق. النثر المصاغ آليًا يطلق ادعاءات تصح على كل مستويات العمومية ولا ترتبط بأي منها. فهو يذكر أن البحث قد تناول المسألة من دون تسمية دراسة، وأن الأثر ذو دلالة من دون إعطاء حجم، وأن الممارسة شائعة في القطاع من دون تسمية شركة أو سنة. أما الكاتب البشري الذي يعمل ضمن الحد نفسه من الكلمات فيميل إلى إنفاق تلك الكلمات على شيء ملموس واحد، لأنه كان لديه شيء ملموس واحد وأراد إدراجه.

الاستشهادات التي لا يمكن التحقق منها هي العلامة الوحيدة في القائمة التي تقترب من الدليل، وهي أيضًا الأندر. إن مرجعًا منسقًا بإتقان، منسوبًا إلى مجلة حقيقية، ويحمل معرفًا لا يعيد أي سجل، يصعب جدًا أن ينتج مصادفة. تحقّق من ثلاثة مراجع قبل أن تتحقق من أي شيء آخر في تسليم لست متأكدًا منه. يستغرق ذلك دقيقتين، وهو إما أن ينهي السؤال أو يزيل أقوى إشارة من على الطاولة.

كثافة المفردات هي العلامة التي يلجأ إليها معظم القراء أولًا، وهي أيضًا التي تخطئ أكثر من غيرها. الإشارة هنا هي الكثافة لا أي كلمة منفردة. إن فعلًا رسميًا واحدًا يعد من السجل الأكاديمي العادي، بينما خمسة أفعال في فقرة واحدة لا تؤدي أي عمل محدد تمثل نمطًا. إن العد اليدوي عبر تسليم طويل بطيء، وTextPulse's منظف الكلمات بالذكاء الاصطناعي المجاني يحدد التكتلات تلقائيًا، مما يحول انطباعًا غامضًا إلى شيء يمكنك الإشارة إليه على الصفحة.

الأكثر خفاءً بين الأربعة هو سجل لا ينكسر أبداً. الكاتب البشري يكاد يفعل دائماً شيئاً يخرج قليلاً عن النغمة عبر ألفي كلمة: جملة قصيرة بعد ثلاث جمل طويلة، أو استطراد بين قوسين، أو حكماً لم يكن مضطراً إلى إصداره، أو كلمة اختارها لأنه أعجبته. النثر الذي تصوغه الآلة يحافظ على سجل واحد من السطر الأول إلى السطر الأخير. توجد أنواع أدبية تمنع كل هذه الأمور، لذلك تكون هذه العلامة أقل قيمة بكثير في قسم المنهجية منها في بيان شخصي.

العلامات التي تبدو قوية وليست كذلك

القواعد النحوية الخالية من العيب لا تثبت شيئاً. لقد أصبحت الإملاء وعلامات الترقيم مؤتمتة منذ عقدين، وأي كاتب حريص يستخدم أداة فحص ينتج السطح النظيف نفسه. كما أن السجل الرسمي لا يثبت شيئاً أيضاً، لأن الرسمية هي ما تحتاجه معظم الأنواع الأكاديمية والمهنية بحكم السياسة. إن الإفراط في استخدام العناوين والنص الغامق والقوائم النقطية هو من عادات أسلوب المؤسسة قبل أن يكون أي شيء آخر، وكثير من الكتّاب تلقوا تدريبهم عليه قبل سنوات طويلة من أن يعرضه عليهم روبوت محادثة. وتحمل عادات الترقيم الوزن المنخفض نفسه، ولا سيما أن الشرطة الطويلة قد طُلب منها أن تتحمل أكثر بكثير مما يمكن لعلامة واحدة أن تتحمله.

وتنتمي درجات الكاشف إلى هذه المجموعة أيضاً، وهو ما يميل إلى مفاجأة الناس. فالدرجة حكم إحصائي على مدى قابلية النص للتنبؤ، والنثر القابل للتنبؤ هو ما ينتجه البشر الحريصون كل يوم، ومن هنا تنشأ الإيجابيات الكاذبة أصلاً. إن مخرجات الكاشف هي مدخل واحد في قرار لا يزال على شخص ما أن يتخذه، والشرح الذي يقدمه TextPulse عن كيفية عمل كواشف الذكاء الاصطناعي يوضح ما الذي تقيسه هذه القيمة قبل أن يتعامل معها أي أحد بوصفها حكماً نهائياً.

ما الذي ينبغي فعله عندما يثير نص عدة علامات

افحص القابل للفحص أولًا. استخرج ثلاثة استشهادات، ورقمًا واحدًا، وحقيقةً مسماة، وتحقق من كل واحد منها. هذه المراجعة الواحدة تميز بين نص ضعيف ونص مفبرك، وهما يقتضيان استجابتين مختلفتين جدًا. بعد ذلك، قارن التسليم بما كتبه الشخص نفسه سابقًا تحت الإشراف، لأن التحول المفاجئ في الأسلوب داخل مؤلف واحد يحمل وزنًا أكبر من أي قراءة مطلقة لوثيقة واحدة. ثم اطرح سؤالًا لا يستطيع الإجابة عنه إلا المؤلف بشأن نصه هو: لماذا هذا المصدر بدلًا من البديل الواضح، ماذا كان من المفترض أن تجادل به الفقرة الثالثة في الأصل، أي فقرة سببت له أكبر قدر من الصعوبة. من كتب الشيء يجيب فورًا.

اتبع السياسة القائمة لا السياسة التي كنت ستكتبها أنت. تحدد معظم المؤسسات الآن من يجوز له إثارة القلق، وما الأدلة المقبولة، وما الذي يُبلَّغ به الكاتب، وتجاوز هذا التسلسل هو ما يحول سؤالًا معقولًا إلى شكوى. أما الكتاب على الجانب الآخر من هذه المشكلة، الذين يقال لهم إن أعمالهم تبدو مكتوبة آليًا، فلديهم مهمة مختلفة، وTextPulse's AI humanizer يعرض Human Score تقديريًا محسوبًا من النص نفسه بدلًا من حكم صادر عن أي detector.

إن تطبيق الاختبار نفسه على مسوداتك الخاصة أصعب، وما إذا كان أسلوب كتابتك يبدو مثل AI له صفحته الخاصة. أما المفردات نفسها فموثقة على نحو منفصل، في قائمة الكلمات التي تكشف ChatGPT.

تلك العلامات التسع سبب لطرح سؤال، وهو دائمًا السؤال نفسه: ماذا يعرف هذا النص مما لن يعرفه تخمين فصيح؟ اطرحه أولًا على الاستشهادات. فهذا هو الجزء الوحيد من أي تسليم الذي يجيب من تلقاء نفسه، من دون أن يضطر أحد إلى اتهام أي شخص بأي شيء.

هل تثبت هذه العلامات أن النص مكتوب بواسطة AI؟

لا توجد علامة واحدة تثبت أي شيء، ولا حتى مجموعة كاملة منها. وتحت الضغط من محرر أو أستاذ، يمكن لكاتب أكاديمي حريص أن ينشئ فقرات تتضمن عدةً من هذه السمات، مثل غياب الضمائر، من دون مساعدة من chatbot. قد يستخدم الكتاب غير الناطقين بالإنجليزية كلغة أصلية أيضاً كلمات آمنة تعلموها في الصف، وقد يستخدم الطلاب الذين يُدرَّسون استعمال الروابط الرسمية كثيراً من هذه السمات أيضاً. ليست قائمة الكلمات دليلاً على سوء السلوك، بل هي خطأ قد يؤدي إلى اتهام الكتّاب الحريصين زوراً. ينبغي أن نسمّي هذا الخطأ وننبه إليه، لا أن نكرره بصمت.

ما يمكن للأداة أن تفعله بمسؤولية هو إظهار النمط، لا الحكم على الكتابة. وما نقدمه مع AI humanizer الخاص بـ TextPulse هو تقدير لـ Human Score استناداً إلى النص المعروض أمامه. هذا قراءة لموضع المسودة قياساً إلى هذه الأنماط السطحية، لا حكم من أي detector ولا وعداً بشأن ما قد تقوله أداة مختلفة غداً. إنه رقم يمكنك استخدامه نقطةَ انطلاق لاتخاذ قرار، كما يضع مدقق الإملاء علامة على كلمة من دون أن يقرر ما إذا كانت الجملة المحيطة بها جيدة أم لا.

لكل علامة مما سبق صفحة خاصة بها. وقد جرى توثيق المفردات نفسها في مقال عن الكلمات التي تكشف ChatGPT، مع معالجات منفصلة لـ عادة الشرطة الطويلة و لـ سبب لجوء النماذج إلى فعل واحد بعينه. كما تُغطّى التسميات الأوسع أيضاً: ما الذي يعنيه AI slop، ما الذي يعنيه AI fluff، ودليل عملي لمعرفة ما إذا كان شيء ما قد كُتب بواسطة AI. وإذا كان القلق يتعلق بمسوداتك أنت لا بمسودات شخص آخر، فهناك مقال عن إزالة كلمات AI من كتابتك.

في المرة القادمة التي تقرأ فيها نثرك وتشعر أن شيئًا فيه ليس على ما يرام تمامًا، لا تكتفِ بالبحث عن مرادف لاستبداله. جرّب أن تقرأه بصوت عالٍ بدلًا من ذلك. عدّ عدد الكلمات في كل جملة. واسأل نفسك ما الذي يفعله كل لفظ هناك بالضبط. هذه هي القراءة نفسها التي كان يجريها محرر حريص قبل وقت طويل من أن يكون لأي من هذا اسم.