أفضل أداة لتبسيط النصوص بالذكاء الاصطناعي لطلاب ESL والطلاب الدوليين
غالبا ما لا يكون الكاتب غير الناطق بالإنجليزية يخفي نصا مولدا بالذكاء الاصطناعي على الإطلاق، بل يكون قد كتبه هو، والانتظام الذي يوسمه الكاشف هو ما ينتجه الكتابة الدقيقة بلغة ثانية. هنا ما يساعد، أداة بأداة.
أفضل أداة لتبسيط النصوص بالذكاء الاصطناعي لكتاب ESL هي الأداة التي تعمل على مسودة كتبتها بنفسك، وتستخدم سجلاً أكاديمياً، وتوضح ما الذي تحميه. TextPulse يفعل هذه الأمور الثلاثة. الصق مسودتك الخاصة أو ترجمة. اختر السجل الأكاديمي. جمّد الكلمات أو العبارات التي تريد إبقاءها من التغيير بإضافة مصطلحات التجميد. شغّل تمريرة.
الطالب الخريج الذي يكتب قسم المنهجية الخاص به بلغته الثانية يختار عبارة 'تهدف الدراسة الحالية إلى استقصاء' لأنها ما علّمه كتابه المدرسي أنه صحيح. يضع كاشف علامة على جمله بوصفها مولدة آلياً للسبب نفسه الذي لن يفعله المشرف قط. إنها منتظمة أكثر من اللازم، وأقرب إلى متوسط كل قسم منهجية رآه النموذج من أي شيء يخصه بوضوح. لم يلمس روبوت محادثة قط. إن العثور على أفضل أداة لتبسيط النصوص بالذكاء الاصطناعي لكتاب ESL يبدأ من هذه الحقيقة، لا من الافتراض بأن كل فقرة وُضعت عليها علامة بدأت بوصفها مخرجات ذكاء اصطناعي تحتاج الآن إلى إخفاء.
أداة تبسيط النصوص بالذكاء الاصطناعي هي برنامج يعيد صياغة النص الذي وُضعت عليه علامة بحيث يبدو أكثر وضوحاً بوصفه مكتوباً من إنسان. يوضح تقرير TextPulse نفسه عن سبب تحيز كواشف الذكاء الاصطناعي ضد المتحدثين غير الأصليين أحد الأسباب التي تجعل إعادة الصياغة هذه مطلوبة أحياناً حتى عندما لم يكن الذكاء الاصطناعي متورطاً قط. تستخدم هذه التدوينة ذلك الدليل ولا تكرره.
تغطي مقارنة TextPulse الأوسع لأدوات تبسيط النصوص بالذكاء الاصطناعي الملاءمة العامة للقراء الذين يريدون الصورة الواسعة أولاً. ما يهم هنا أضيق من ذلك: ما إن يكون السبب خاصية إحصائية حقيقية للكتابة الدقيقة بلغة ثانية، لا مشكلة إخفاء، حتى تتغير قائمة التحقق لاختيار أداة بالكامل.
مشكلة مختلفة عن 'التغلب على الكاشف'
تُبنى معظم أدوات التأنيس بالذكاء الاصطناعي على فرضية واحدة: المدخلات هي نص مولد بالذكاء الاصطناعي يحتاج إلى الحصول على درجة أقل لدى كاشف، والمهمة هي إخفاء أصله. أما الكاتب الأكاديمي الذي يكتب بلغة ثانية فغالبا ما يواجه مشكلة مختلفة تماما. فالجملة لم تُولَّد قط. لقد كُتبت يدويا، بعناية، على يد شخص يطبق قواعد علّمها له كتاب دراسي بوصفها صحيحة. ومع ذلك قد تحصل على درجة بوصفها من صنع آلة لأن القواعد نفسها تنتج نثرا متوقعا قليل التنوع، وهو التوقيع الإحصائي نفسه الذي صُمم الكاشف لالتقاطه.
هذا التمييز يغير ما ينبغي أن يعنيه تحسين النص. إن إخفاء أصل ذكاء اصطناعي لم يكن موجودا أصلا ليس المهمة الفعلية هنا. المهمة الحقيقية هي استعادة تنوع الجمل، والتراكيب الطبيعية المصاحبة للكلمات، التي يميل الكتابة الدقيقة المدربة على الامتحانات إلى تسويتها. والأداة التي بُنيت بالكامل للمهمة الأولى لا يوجد سبب خاص يجعلها تؤدي الثانية على نحو جيد.
والاختبار المفيد هو ما إذا كان تسويق الأداة نفسه يصف المدخلات بوصفها مسودة تحتاج إلى إصلاح أم نصا يحتاج إلى كشف. فاللغة المبنية حول اكتشاف محتوى الذكاء الاصطناعي وإعادة كتابته تصف الكشف. أما اللغة المبنية حول جعل المسودة طبيعية فتصف الإصلاح. والكلمات التي يختارها البائع لوصف منتجه نفسه تمثل مؤشرا معقولا على المشكلة التي صُمم من أجلها، قبل وقت طويل من أن تؤكد أي قائمة ميزات ذلك.
كم مرة تخطئ كواشف الذكاء الاصطناعي فتضع علامة على كتابة غير الناطقين بالإنجليزية؟
يعتمد ذلك على الكاشف. فقد صنف مصنفان بحثيان المقالات نفسها للمتعلمين بنسبة 2.7% و12.5% في ورقة عمل من TextPulse Research عن الكتاب غير الأصليين. وتتكون المجموعة الكاملة من 5,600 مقال في ICNALE كتبها طلاب جامعيون من عشر دول ومناطق آسيوية، وكتبها أيضا متحدثون أصليون للإنجليزية. وقد كُتبت جميعها قبل ظهور أدوات الكتابة الحديثة بالذكاء الاصطناعي، لذا فإن جميع الإشارات هي إيجابيات كاذبة. أما النسبة الشهيرة 61% فكانت في دراسة Stanford TOEFL لعام 2023، التي اختبرت كواشف تجارية.
المصنِّف الأول هو انحدار لوجستي على سمات الأسلوب مثل طول الجملة وتنوع المفردات. وقد صنّف هذا المصنِّف 2.7% من مقالات المتعلمين و3.3% من مقالات الناطقين الأصليين. هاتان النسبتان للتصنيف ليستا مختلفتين إحصائيا. وقد ازدادت نسب التصنيف مع مستويات الكفاءة، من 1.9% عند مستوى CEFR A2 إلى 5.0% عند B2. يميل الكتابة المتقنة إلى السجل الرسمي الذي يربطه هذا المصنِّف بالكتابة التي ينتجها AI.
أما الثاني فهو نموذج تعزيز تدرجي مدرَّب على السمات والبيانات نفسها. وقد صنّف المتعلمين بنسبة 12.5% مقابل 3.8% للناطقين الأصليين، وهي فجوة تبلغ ثلاثة أضعاف، وكان أقل المتعلمين كفاءة هم الأكثر تعرضا للتصنيف. المقالات هي نفسها في النتيجتين كلتيهما، ولا يتغير سوى النموذج. ويخلص TextPulse Research إلى أن التحيز خاصية من خصائص الكاشف.
إذا كانت الإنجليزية لغتك الثانية، فإن مستوى جيدًا في الإنجليزية لا يخفض بصورة موثوقة خطر التعرض لتصنيف خاطئ. فالكتابة الدقيقة والرسمية يمكن أن ترفع هذا الخطر لدى بعض الكواشف، لأنها تعامل هذا الأسلوب بوصفه علامة على الكتابة التي ينتجها AI. الدرجة هي تقدير من نموذج واحد، ويمكن لنموذج آخر أن يمنح المقالة نفسها درجة مختلفة. هذه النسب مأخوذة من مصنفات بحثية، ولذلك فهي لا تنتقل إلى أي كاشف تجاري محدد.
لذلك سأقارن الأدوات من حيث ما تفعله بمسودتك، لأن الدرجة المنخفضة في كاشف واحد لا تخبرك بما سيبلغه الكاشف التالي. أفضل humanizer للكتابة الإنجليزية لمستخدمي ESL يعيد تنوع الجمل ويحافظ على معناك ومصطلحاتك في مكانها، وهذا هو ما صُمم TextPulse للقيام به.
هل يعمل على النص الذي كتبته؟
تذكر صفحة TextPulse الخاصة بكتّاب ESL صراحة أن الكاتب يمكنه لصق مسودة كتبها بنفسه، أو ترجمة، أو مسودة بمساعدة AI. ثم يمكنه اختيار سجل لغوي وتشغيل عملية التأنيس نفسها بغض النظر عن الأصل الذي بدأت منه. هذا جواب موثق عن السؤال، لا افتراضا مدفونا في كيفية تصرف الواجهة مصادفة. كما أنه يجعل سير عمل يبدأ بالترجمة مشروعا: اكتب المسودة بلغتك الأولى، ثم مررها عبر مترجم مصمم للمحتوى الأكاديمي، ثم دع عملية التأنيس تتولى عمل السجل اللغوي.
الورقة المكتملة الموجودة بالفعل كملف Word منسق لا تحتاج إلى أن تلصق على شكل أقسام. يتلقى Document Humanizer ملف .docx كاملا في عملية رفع واحدة ويحافظ على العناوين والجداول وقائمة المراجع حرفيا. يوضح دليل تأنيس مستند Word في عملية رفع واحدة كيف يتم ذلك.
تفترض الأدوات العامة العكس في صفحاتها التسويقية الخاصة. يصف Undetectable AI مهمته بأنها تحديد النص المولد بواسطة AI وإعادة صياغة الأجزاء الموسومة، وتعد الصفحة الرئيسية لـ WriteHuman بتحويل مخرجات AI إلى كتابة طبيعية. كلاهما يصف منتجا حقيقيا مبنيا لمشكلة حقيقية، وإن كانت مختلفة. صفحة humanizer الخاصة بـ QuillBot هي الاستثناء الجدير بالذكر: فهي تدرج "a non-native English speaker making their email flow more conversationally" بوصفها حالة استخدام قائمة بذاتها. وهذا على الأقل يعامل صوت الكاتب نفسه بوصفه نقطة البداية، من دون افتراض وجود مسودة AI تحته.
حوّل مقالك إلى صيغة بشرية
حوّل النص الذي استعنت فيه بالذكاء الاصطناعي واجعله يبدو بشريًا، من دون المساس بالكلمات المهمة أو الاستشهادات.
التلازم الاصطلاحي والحفاظ على حجتك الخاصة
الاقتران اللفظي هو اقتران بين كلمتين يتوقعه القارئ المتمكن، مثل "أجرى دراسة" بدلًا من "قام بدراسة". ومثال آخر هو "أثار قلقًا" بدلًا من "رفع قلقًا". إن الخطأ في هذا الاقتران هو أحد أوضح العلامات في النثر الدقيق بلغة ثانية، إلى جانب إيقاع الجملة وقوة التخفيف. وكل ذلك مشكلة في الصياغة فوق حجة تعود أصلًا إلى الكاتب. ولهذا السبب بالضبط، فإن استبدال الحجة نفسها، بدلًا من تعديل الصياغة المحيطة بها، سيكون نوعًا خاطئًا من الإصلاح.
تذكر صفحات منتجات TextPulse أن freeze terms تقفل أي كلمة أو عبارة قبل تشغيل المعالجة، وأن إعادة الصياغة تستهدف الإيقاع والصياغة لا المحتوى. وهكذا تبقى الحجة خاصة بالكاتب بينما تتغير الجمل المحيطة بها. وتطرح WriteHuman ادعاءً مماثلًا بشأن الحفاظ على المعنى، مقترنًا بتعليماتها الخاصة بإعادة قراءة الناتج والتحقق من الحقائق بعد ذلك على أي حال. ولا تتناول Undetectable AI وصفحة humanizer الخاصة بـ QuillBot الحفاظ على الحجة بوصفه ادعاءً متميزًا، فكلاهما يصف تعديل الألفاظ والبنية من دون قول أي شيء محدد عما يبقى ثابتًا.
السجل: أكاديمي، تجاري، أم إعادة صياغة عامة واحدة؟
توثق صفحة ESL الخاصة بـ TextPulse خيارًا بين السجلات الأكاديمية والتجارية وسجل المحتوى قبل تشغيل المعالجة. ويستهدف هذا الخيار مباشرة الشكوى القائلة إن إعادة الصياغة تجعل كل شيء يبدو كأنه الصوت العام نفسه. فخطاب التغطية، والبريد الإلكتروني التجاري، وفصل الأطروحة أجناس مختلفة لها توقعات مختلفة. إن دمج هذه الثلاثة كلها في أسلوب إعادة صياغة واحد يبدد التنوع نفسه الذي يتوقعه القارئ المتمكن بينها.
تؤطر صفحة humanizer الخاصة بـ QuillBot ناتجها حول التواصل اليومي: رسائل البريد الإلكتروني، والمنشورات الاجتماعية، والمدونات، مع ذكر المقالات بوصفها حالة استخدام إضافية لا بوصفها سجلًا متميزًا. أما الإعداد القابل للتعديل في Undetectable AI فيتحكم في شدة إعادة الصياغة، لا في الرسمية أو الجنس النصي. وتدرج WriteHuman المسوقين، والعاملين المستقلين، والمهنيين، ومنشئي المحتوى، والوكالات بوصفهم جمهورها، ولا يظهر الكتابة الأكاديمية أو الكتابة بلغة ثانية في أي موضع من تلك القائمة على موقع المزود نفسه.
| الأداة | تعمل على الكتابة التي أنتجتها بنفسك | اختيار السجل | توثيق الحفاظ على الحجة |
|---|---|---|---|
| TextPulse | نعم، مذكور مباشرة: المسودة، أو الترجمة، أو الإدخال بمساعدة الذكاء الاصطناعي كلها تمر عبر العملية نفسها | السجلات الأكاديمية، والأعمال، والمحتوى | تثبيت المصطلحات مع إيقاع وصياغة مذكورين، لا إعادة كتابة المحتوى، كهدف |
| Undetectable AI | لا، مؤطر حول تحديد النصوص التي يولدها الذكاء الاصطناعي وإعادة كتابتها | شدة قابلة للتعديل، لا اختيار سجل | غير متناول بوصفه ادعاءً متميزًا |
| QuillBot | جزئيًا، إذ يُذكر بريد إلكتروني خاص بمتحدث غير أصلي للغة الإنجليزية بوصفه حالة استخدام | مؤطر حول التواصل اليومي، لا السجل الأكاديمي | غير متناول بوصفه ادعاءً متميزًا |
| WriteHuman | لا، مؤطر حول تحويل مخرجات الذكاء الاصطناعي إلى كتابة طبيعية | غير متناول، والجمهور المذكور يستبعد الكتاب الأكاديميين | ادعاء عام بالحفاظ على المعنى، مقترن بتحذير بإعادة القراءة والتحقق |
ما الذي ينبغي التحقق منه بعد تشغيل أداة تأنيس النصوص لكتّاب ESL
قبل استخدامه، قارن مخرجاتك بمسودتك. ينبغي أن تكون مصطلحاتك، واستشهاداتك، وحجتك هي نفسها، وكذلك السجل وقوة التخفيف في صياغتك التحفظية. من السهل أن يغيب عنك أن تغيير 'may reduce' إلى 'reduces' يحول نتيجة حذرة إلى ادعاء جازم إذا كانت الإنجليزية لغتك الثانية.
| التحقق | ما ينبغي مقارنته مع مسودتك | تغيير ينبغي التراجع عنه |
|---|---|---|
| المصطلحات | المفردات التقنية، الأسماء، والعبارات الثابتة | أصبحت 'randomized controlled trial' 'randomized test' |
| الاستشهادات والأشكال | أسماء المؤلفين، السنوات، أرقام الصفحات، DOIs والإحصاءات | سنة أو حجم عينة يختلفان عن مسودتك |
| الحجة | الادعاء في كل فقرة والأدلة عليه | نتيجة أصبحت الآن تغطي حالات أكثر مما كتبت |
| السجل | اختيار الكلمات والنبرة الخاصة بالنوع، مثل فصل أطروحة أو خطاب تغطية | أصبحت 'children' 'kids' في فصل أطروحة |
| التحوّط | كلمات مثل 'may,' و'suggest' و'appears to' | أصبحت 'These results suggest' 'These results prove' |
يمكنك إنجاز معظم هذا في عرض TextPulse لتتبّع التغييرات، وهو متاح في كل خطة. يعرض كل إعادة صياغة على أنها إدراج أو حذف، بحيث يكون التحوّط المتحوّل أو الادعاء المتغيّر مرئيًا في موضعه. تُكتشف الاستشهادات داخل النص ومدخلات المراجع وتُحفظ حرفيًا، مما يجعل فحص الاستشهادات قصيرًا.
إذا فشل أحد الفحوص، يمكنك إصلاح ذلك الموضع والإبقاء على الباقي. تحتوي خطة Plus على أدوات لذلك. يمكنك إضافة مصطلح تغيّر إلى مصطلحات التجميد قبل المرور التالي. يتيح لك تصدير Word مع تتبّع التغييرات قبول كل إعادة صياغة أو رفضها. إذا لم ينسجم مقطع مع نوعه، يمكنك التبديل إلى سجل الأعمال أو سجل المحتوى. يستخدم كل مرور كلمات من خطتك.
أفضل أداة لتأنيس النصوص بالذكاء الاصطناعي لكتّاب ESL: ما الذي يساعد
قد يُوسَم الكاتب الذي ينتج إنجليزية أكاديمية حقيقية بوصفها لغة ثانية بسبب ذلك على أي حال. إن التركيبة التي تناسب هذه المشكلة هي أداة تقبل مسودة مكتوبة ذاتيًا كمدخل، وتعرض سجلًا أكاديميًا على وجه التحديد، وتوثق ما تحميه أثناء تعديلها للصياغة. يذكر TextPulse هذه الأمور الثلاثة بوضوح في صفحته الخاصة، ويمكنك التحقق من ذلك بنفسك.
هذا لا يجعل الأدوات الأخرى الخيار الخاطئ لكل قارئ. إن إقرار QuillBot نفسه بصوت المتحدث غير الأصلي، حتى لو اقتصر على حالة استخدام البريد الإلكتروني، يمثل معطى حقيقيًا لصالحه في تلك المهمة الأضيق. وقد لا يحتاج الكاتب الذي يكتفي بصقل رسالة قصيرة غير رسمية إلى سجل أكاديمي أصلًا. أما السعر، وحدود عدد الكلمات، وتغطية اللغات، وهي جميعًا مستبعدة هنا عمدًا، فلا تزال عناصر تدخل في قرار حقيقي، كما أن المقارنة الأوسع التي يقدمها TextPulse بين أدوات humanizer للذكاء الاصطناعي تتناول هذا الجانب مباشرة. ويمكن لـ محول النبرة الأكاديمية المجاني أن يرصد عدم توافق السجل في فقرة ما قبل أن يلمسها أي humanizer، وهذا أمر يستحق القيام به بغض النظر عن الأداة التي ستأتي بعد ذلك.
تكون الميزانية عادة القيد الثاني، ويُرتب أفضل humanizer مجاني للذكاء الاصطناعي على نحو منفصل. وبالنسبة إلى من يستخدمون Undetectable.ai بالفعل، فإن البدائل له تُقيَّم في صفحتها الخاصة.
الفقرة التي تستحق الاختبار بعد ذلك ليست هي الفقرة التي وُسِمت بالفعل. بل هي الفقرة التالية المستحقة، المكتوبة بالطريقة الدقيقة نفسها كالمعتاد، قبل أن يضيف إليها أي أحد نسبة مئوية. إن معرفة النمط الذي يستجيب له الكاشف تغيّر ما يتحقق منه الكاتب، قبل وقت طويل من أن تغيّر الأداة التي يلجأ إليها. كما أنها تغيّر السؤال من كيف يبدو النص أقل شبهاً بك إلى كيف يبدو أكثر شبهاً بك، في يوم جيد.
بحث ذو صلة: تُفحَص النتائج أعلاه على نطاق واسع في Non-Native English Writing and the False Positives of Stylometric AI Text Detection. وهو ورقة عمل بحثية من TextPulse Research تتضمن بيانات مفتوحة، وشيفرة، وDOI قابلاً للاستشهاد.
الأسئلة الشائعة
أفضل أداة لتأنيس النصوص بالذكاء الاصطناعي لكتاب ESL هي تلك المبنية على فرضية مختلفة عن معظم الأدوات، وهي أن المسودة كتبها الشخص الذي يقدمها، بلغته الثانية. تحتاج هذه المسودة إلى استعادة تنوعها الطبيعي في الجمل، وليس لها أصل من الذكاء الاصطناعي ينبغي إخفاؤه. يوثق TextPulse هذه النقطة الابتدائية مباشرة، إلى جانب سجلات أكاديمية وتجارية ومحتوى منفصلة يمكن للكاتب الاختيار بينها.
Content strategist at TextPulse, here since the company started. Mark writes the product and technical coverage: how the humanizer works under the hood, what changes in each release, and what a specification actually means for your writing. His reviews of writing software come from using them on real documents rather than reading a feature list.