AI ডিটেক্টরের ন্যূনতম শব্দসংখ্যা: Turnitin, GPTZero ও অন্যদের কত শব্দ লাগে

AI detector-এর ন্যূনতম শব্দসংখ্যা টুলভেদে ভিন্ন। কিছু টুল, যেমন Turnitin, অন্তত 300 শব্দের যোগ্য গদ্য চায়, কিন্তু অন্যগুলো, যেমন ZeroGPT, ধারাবাহিক ফল পেতে অন্তত 150 থেকে 200 শব্দ লেখার পরামর্শ দেয়। আপনার detector কয়েকশো শব্দের নিচে একটি ফল দেখাক বা না দেখাক, আপনার ফল কম নির্ভরযোগ্য।

কিছু ক্ষেত্রে এখনো প্রতিটি অনুচ্ছেদের জন্য একটি শতাংশ দেওয়া হয়, এবং স্কোর সাধারণত কম নির্ভুল হয়। TextPulse গবেষণা-এর গবেষকেরা 25,561 জোড়া মানব-লিখিত একাডেমিক লেখা এবং তাদের AI পুনর্লিখন নিয়ে এটি পরীক্ষা করেছেন। 300 শব্দে, তারা একটি ক্লাসিফায়ার এমনভাবে সমন্বয় করেন যাতে এটি AI পুনর্লিখনের 95% ধরতে পারে। এটি মানব লেখার 33.9%-ও চিহ্নিত করে। 25 শব্দে, এটি 67.6% চিহ্নিত করে।

AI শনাক্তকরণের জন্য কত শব্দ লাগে?

AI detection নির্ভরযোগ্য হতে কয়েকশো শব্দ প্রয়োজন, অর্থাৎ একটি স্থিতিশীল ফল। প্রায় 100 শব্দের নিচে নির্ভরযোগ্যতা সবচেয়ে দ্রুত কমে। TextPulse গবেষণায় নির্ভরযোগ্যতার বেশির ভাগ অংশ প্রায় 150 শব্দের আশেপাশে প্রতিষ্ঠিত হয়েছিল। এর পরে, নির্ভুলতা ধীরে ধীরে বেড়েছে, 150 শব্দে 84.0% থেকে 300 শব্দে 86.8% পর্যন্ত।

অন্যান্য গবেষণাও অনুরূপ সীমা নির্দেশ করে। TextPulse প্রবন্ধে উদ্ধৃত Journal of Artificial Intelligence Research-এর 2025 সালের একটি সমীক্ষা এখন পর্যন্ত প্রতিবেদনকৃত পরিসংখ্যানগুলো একত্র করে। পরিসংখ্যানভিত্তিক এবং ফাইন-টিউনড ক্লাসিফায়ার-গুলোর সঠিকভাবে কাজ করতে প্রায় 100 শব্দের প্রয়োজন। কয়েকটি মানক detector পূর্ণ কর্মক্ষমতায় পৌঁছাতে প্রায় 120 শব্দ চায়, এবং সবচেয়ে শক্তিশালী মডেল শনাক্ত করতে প্রায় 200 শব্দ লাগে।

একটি detector যত বেশি টোকেন দেখে, অর্থাৎ ভাষা মডেল যে শব্দাংশগুলোর সঙ্গে কাজ করে, মানব লেখা ও AI লেখার মধ্যে পার্থক্য করা তত সহজ হয়। যখন একটি detector একটি সংক্ষিপ্ত উত্তরে মাত্র কয়েকটি টোকেন দেখেছে, তখন কোনো সিদ্ধান্তের পক্ষে খুব বেশি প্রমাণ থাকে না। Perplexity, burstiness, এবং সংশ্লিষ্ট অন্যান্য পরিমাপ কীভাবে কাজ করে, তা AI detector কীভাবে কাজ করে নির্দেশিকায় ব্যাখ্যা করা হয়েছে।

টুলভেদে AI ডিটেক্টরের ন্যূনতম শব্দসংখ্যা: Turnitin, GPTZero এবং অন্যান্য

প্রতিটি বিক্রেতা প্রতিষ্ঠান নিজস্ব ন্যূনতম সীমা বা নির্দেশনা নির্ধারণ করে, এবং তারা সবাই একই একক ব্যবহার করে না। Turnitin যোগ্য গদ্যের শব্দ গণনা করে। অন্যান্য বিক্রেতা প্রতিষ্ঠান দৈর্ঘ্যের সুপারিশ করে বা কোনো লেখা দীর্ঘ হলে নির্ভুলতা কীভাবে বদলায় তা বর্ণনা করে।

Detector	বিক্রেতা পাঠ্যের দৈর্ঘ্য সম্পর্কে কী বলে
Turnitin	AI স্কোর তৈরি হওয়ার আগে অন্তত 300 শব্দের যোগ্য গদ্য, যা আগের 150-শব্দের ন্যূনতম সীমা থেকে বাড়ানো হয়েছে, কারণ বেশি পাঠ্যের সঙ্গে নির্ভুলতা বাড়ে
GPTZero	বেশি পাঠ্য জমা দিলে নির্ভুলতা উন্নত হয়। সম্পূর্ণ নথি অনুচ্ছেদের তুলনায় বেশি নির্ভুলভাবে শ্রেণিবদ্ধ হয়, এবং অনুচ্ছেদ একক বাক্যের তুলনায় বেশি নির্ভুলভাবে শ্রেণিবদ্ধ হয়
ZeroGPT	স্থিতিশীল ফলাফলের জন্য অন্তত 150 থেকে 200 শব্দ সুপারিশ করা হয়, আর 500 থেকে 1,000 শব্দ বা তার বেশি নির্ভরযোগ্যতা আরও বাড়ায়। খুব ছোট বা ব্যাপকভাবে সম্পাদিত অংশ "কম সংকেত বহন করে"
Pangram	সম্পূর্ণ বাক্যে লেখা দীর্ঘতর পাঠ্যে সবচেয়ে ভালো কাজ করে। কোম্পানি সংক্ষিপ্ত বুলেট তালিকা বা অত্যন্ত সূত্রবদ্ধ পাঠ্য স্ক্রিনিং না করার পরামর্শ দেয়
Sapling	এর প্রকাশিত শনাক্তকরণ ও মিথ্যা ধনাত্মক পরিসংখ্যান দীর্ঘতর পাঠ্যের ক্ষেত্রে প্রযোজ্য। ছোট পাঠ্যের "ভিন্ন নির্ভুলতার হার থাকতে পারে"

এটাই সেই ন্যূনতম সীমা, যার মুখোমুখি অধিকাংশ শিক্ষার্থী হন, কারণ অনেক বিশ্ববিদ্যালয়ের শিক্ষণ প্ল্যাটফর্মে Turnitin অন্তর্নির্মিত ডিটেক্টর। AI লেখন প্রতিবেদনে 300 শব্দের যোগ্য গদ্যের নিচে কোনো স্কোর দেওয়া হয় না। এই ন্যূনতম সীমার নিচে অংশের স্কোরিং এবং 20% এর নিচের স্কোরের জন্য Turnitin যে তারকা চিহ্ন দেখায়, তা Turnitin কীভাবে AI শনাক্ত করে নির্দেশিকায় আলোচিত হয়েছে।

পর্দায় প্রদর্শিত একটি শতাংশের অর্থ এই নয় যে কোনো পাঠ্য টুলটির নিজস্ব সুপারিশকৃত দৈর্ঘ্য পূরণ করেছে, কারণ অনেক ভোক্তা-স্তরের পরীক্ষক একটি একক অনুচ্ছেদও স্কোর করতে পারে। 2023 সালে, OpenAI-এর AI পাঠ্য শ্রেণিবিন্যাসকারীর জন্য ন্যূনতম 1,000 অক্ষরের ইনপুট প্রয়োজন ছিল। OpenAI বলেছিল যে এটি সংক্ষিপ্ত পাঠ্যে খুবই অনির্ভরযোগ্য ছিল এবং এর কম নির্ভুলতার হারের কারণে ছয় মাস পরে এটি সরিয়ে দেয়।

পাঠ্যের দৈর্ঘ্য অনুযায়ী AI ডিটেক্টরের নির্ভুলতা: TextPulse গবেষণায় কী পাওয়া গেছে

TextPulse-এর পাঠ্যের দৈর্ঘ্য এবং AI সনাক্তকরণের নির্ভরযোগ্যতা সম্পর্কে কার্যপত্র দৈর্ঘ্যকে একা বিবেচনা করে, পাঠ্যের অন্যান্য সব বৈশিষ্ট্য থেকে বিচ্ছিন্নভাবে। ডেটাসেটে 25,561 জোড়া পাঠ্য অন্তর্ভুক্ত আছে, যেখানে মানব-লিখিত পাঠ্য এবং তার AI পুনর্লিখন উভয়ই অন্তত 300 শব্দ দীর্ঘ। প্রতিটি পাঠ্যকে 25, 50, 100, 150, 200, 250 এবং 300 শব্দে কাটা হয়েছে। প্রতিটি শব্দ-দৈর্ঘ্যের জন্য, শ্রেণিবিন্যাসকারীকে প্রশিক্ষণ দেওয়া হয়েছে এবং পরীক্ষা করা হয়েছে।

একই পাঠ্য প্রতিটি দৈর্ঘ্যে উপস্থিত থাকে, অর্থাৎ বিষয়, শাখা এবং AI মডেল অপরিবর্তিত রাখা হয়েছে। পুনর্লিখন ছয়টি মডেল পরিবারের মধ্যে আটটি ভিন্ন AI মডেল সমন্বয় থেকে এসেছে। শ্রেণিবিন্যাসকারী 45টি শৈলীগত বৈশিষ্ট্য মূল্যায়ন করে, যেমন শব্দের দৈর্ঘ্য এবং শব্দভান্ডারের বৈচিত্র্য। এটি একটি গবেষণা-উপকরণ, এই প্রবন্ধে বাণিজ্যিক ডিটেক্টরগুলো কীভাবে এই বৈশিষ্ট্য বা সীমামান ব্যবহার করতে পারে সে সম্পর্কে কোনো দাবি করা হয়নি। বাণিজ্যিক উপকরণের পরীক্ষার জন্য AI ডিটেক্টরগুলো কি নির্ভুল এই নির্দেশিকাটি দেখুন।

পাঠ্যের দৈর্ঘ্য	নির্ভুলতা	95% AI পুনর্লিখন ধরা পড়লে ভুলভাবে চিহ্নিত মানব-লিখিত পাঠ্য	1% মানব-লিখিত পাঠ্য ভুলভাবে চিহ্নিত হলে ধরা পড়া AI পুনর্লিখন
25 words	73.9%	67.6%	17.2%
50 words	78.2%	58.8%	28.0%
100 words	82.3%	49.4%	40.5%
150 words	84.0%	44.1%	47.9%
200 words	85.2%	40.1%	50.5%
250 words	86.1%	36.7%	54.2%
300 words	86.8%	33.9%	56.5%
পূর্ণ পাঠ্য	88.4%	28.6%	60.6%

AI সনাক্তকরণের ক্ষেত্রে, সারণির প্রতিটি কলামে সংক্ষিপ্ত পাঠ্যের নির্ভুলতা আরও খারাপ, এবং নির্ভুলতা কলামটি ক্ষতিকে কম দেখায়। ব্যবহারযোগ্য একটি সিদ্ধান্তের জন্য স্কেলের যেকোনো এক প্রান্তের কাছাকাছি একটি স্কোর দরকার, এবং ছোট পাঠ্য মানব ও AI উভয় স্কোরকেই মধ্যভাগের দিকে ঠেলে দেয়। কাটঅফটি 95% AI পুনর্লিখন ধরার জন্য নির্ধারণ করা হলে, শ্রেণিবিন্যাসকারী 100 শব্দে মানব পাঠ্যের প্রায় অর্ধেককে ভুলভাবে চিহ্নিত করে। কাটঅফটি মানব পাঠ্যের মাত্র 1% চিহ্নিত করার জন্য নির্ধারণ করা হলে, এটি 25 শব্দে AI পুনর্লিখনের 17.2% ধরে।

AUC, অর্থাৎ শ্রেণিবিন্যাসকারী দুটি গোষ্ঠীকে কতটা ভালোভাবে পৃথক করে তার প্রধান পরিমাপ, 25 শব্দে 0.817 থেকে 300 শব্দে 0.940 এ উঠেছে। পূর্ণ পাঠ্যে, যেখানে মানবপক্ষের গড় ছিল 466 শব্দ, এটি 0.950 এ পৌঁছেছে। সেই বৃদ্ধির সবচেয়ে খাড়া অংশটি 100 শব্দের নিচে ঘটেছে, এবং 150 শব্দের পর প্রতিটি ধাপ কম যোগ করেছে।

সংক্ষিপ্ত পাঠ্যে মিথ্যা ধনাত্মক ফল কেন বাড়ে

দীর্ঘ নথির ওপর নির্মিত একটি সনাক্তকারী সংক্ষিপ্ত নথিতে অনেক বেশি মিথ্যা ধনাত্মক হার দেখায়। প্রবন্ধটি এমন একটি শ্রেণিবিন্যাসকারী উপস্থাপন করেছে, যা পূর্ণদৈর্ঘ্যের পাঠ্যে প্রশিক্ষিত ছিল এবং সংক্ষিপ্ত পাঠ্যের শ্রেণিবিন্যাসের জন্য ডিফল্ট থ্রেশহোল্ডে ব্যবহৃত হয়েছিল। মানব পাঠ্যের জন্য ব্যবস্থাটির মিথ্যা ধনাত্মক হার 300 শব্দে 16.1% থেকে 100 শব্দে 39.1% এবং 25 শব্দে 69.8% পর্যন্ত ছিল।

একই পরিসরে AI পুনর্লিখন শনাক্তকরণ প্রায় বদলায়নি, 300 শব্দে 88.4% থেকে 25 শব্দে 92.4%। অতিরিক্ত ত্রুটিগুলি ছিল মানব লেখার ওপর মিথ্যা চিহ্ন। প্রবন্ধটি সংক্ষিপ্ত ইনপুটে শ্রেণিবিন্যাসকারীকে এমনভাবে বর্ণনা করে যে এটি পদ্ধতিগতভাবে সেগুলিকে AI বলে চিহ্নিত করার দিকে পক্ষপাতী।

এর কারণ যান্ত্রিক। টাইপ-টোকেন অনুপাত, অর্থাৎ একটি পাঠ্যে ভিন্ন শব্দের অংশ, পাঠ্য যত ছোট হয় তত বাড়ে, কারণ একটি ছোট নমুনায় কোনো শব্দ পুনরাবৃত্তি হওয়ার সুযোগ কম থাকে। গবেষণায় মানব পাঠ্যের গড় অনুপাত পূর্ণ দৈর্ঘ্যে 0.47 এবং 25 শব্দে 0.87 ছিল। পূর্ণদৈর্ঘ্যের AI পুনর্লিখনের গড় ছিল 0.55।

পূর্ণদৈর্ঘ্যের পাঠ্যের ওপর প্রশিক্ষিত এই শ্রেণিবিন্যাসকটি শিখবে যে প্রায় 0.55 অনুপাত AI এবং মানব লেখার মধ্যে বিভাজন করে। 25-শব্দের প্রতিটি পাঠ্য, যিনি-ই তা লিখুন না কেন, এই অনুপাতের অনেক উপরে থাকে এবং AI দিকের দিকে ঠেলে যায়। প্রবন্ধটি উল্লেখ করে যে একটি স্থাপিত সনাক্তককে ইনপুট দৈর্ঘ্য পরিবর্তন করার সঙ্গে সঙ্গে পুনঃপ্রশিক্ষণ দেওয়া হয় না। Turnitin's published false positive rate সম্পর্কে নির্দেশিকাটি ব্যাখ্যা করে যে ওই পরিসংখ্যানে কী অন্তর্ভুক্ত আছে এবং কী বাদ পড়েছে।

সংক্ষিপ্ত পাঠ্য কেন শ্রেণিবিন্যাস করা কঠিন

সংক্ষিপ্ত পাঠ্য একটি সনাক্তককে তার পরিমাপ করা প্রতিটি বিষয়ের কম পরিমাণ দেয়। কম শব্দ মানে তুলনা করার জন্য কম টোকেন, আর কম বাক্য মানে পরিমাপ করার জন্য কম ছন্দ। গবেষণায়, 25-শব্দের একটি পাঠ্যে গড়ে 1.6টি বাক্য ছিল, 50-শব্দের একটি পাঠ্যে 2.7টি বাক্য, এবং 300-শব্দের একটি পাঠ্যে 13.4টি বাক্য ছিল।

বাক্যের দৈর্ঘ্যের তারতম্য, যাকে প্রায়ই burstiness বলা হয়, বাক্যগুলোকে একে অপরের সঙ্গে তুলনা করার ওপর নির্ভর করে। গবেষণায় এটি পূর্ণ পাঠ্যে মানব এবং AI পাঠ্যকে 0.71 মানক বিচ্যুতি দ্বারা পৃথক করেছে এবং 100 শব্দে 0.31 দ্বারা। 50 শব্দে, পার্থক্য কার্যত শূন্য ছিল। burstiness-এর ওপর নির্ভরশীল একটি সনাক্তককে এটি নির্ভরযোগ্যভাবে পরিমাপ করতে কয়েকটি বাক্য দরকার।

শব্দস্তরে এই ক্ষমতার আরও বেশি অংশ বজায় থাকে। গড় শব্দদৈর্ঘ্য এবং দীর্ঘ শব্দের হার 25 শব্দে তাদের পৃথকীকরণ ক্ষমতার প্রায় দুই-তৃতীয়াংশ বজায় রেখেছিল। কিন্তু ওভারল্যাপও বেড়েছিল, 50 শব্দে উভয় গোষ্ঠীর স্কোর কেন্দ্রের দিকে জমা হতে থাকে। প্রতিটি গোষ্ঠীর একটি বড় অংশ ওভারল্যাপে শেষ হয়।

উদ্ধৃত বা প্রচলিত বাক্যগঠনও একটি সংক্ষিপ্ত পাঠ্যে বেশি গুরুত্ব পায়। 50-শব্দের একটি উত্তরে প্রায় তিনটি বাক্য থাকে, তাই প্রতিটি বাক্য সনাক্তক যা দেখে তার প্রায় এক-তৃতীয়াংশ। সেগুলোর একটিতে থাকা একটি উদ্ধৃত সংজ্ঞা 2,000-শব্দের প্রবন্ধের ভেতরে থাকা একই বাক্যের তুলনায় অনেক বেশি ওজন পায়।

আলোচনা পোস্ট, সারসংক্ষেপ, সংক্ষিপ্ত-উত্তর পরীক্ষা এবং কভার লেটার

আলোচনা বোর্ডের পোস্ট

200-শব্দের প্রয়োজনীয়তার জন্য লেখা একটি পোস্ট Turnitin's 300-word floor-এর নিচে পড়ে, তাই Turnitin এতে কোনো AI score দেয় না। অন্য টুলগুলো তবু এটিকে স্কোর করতে পারে। 200 শব্দে, গবেষণার শ্রেণিবিন্যাসকটি মানব পাঠ্যের 40.1% ভুলভাবে চিহ্নিত করেছে, যখন সেটিকে AI পুনর্লিখনের 95% ধরার জন্য নির্ধারণ করা হয়েছিল, পূর্ণ পাঠ্যে 28.6% এর বিপরীতে।

সারসংক্ষেপ

২৫০-শব্দের একটি জার্নাল সারসংক্ষেপ প্রায় সর্বনিম্ন সীমার কাছাকাছি, এবং সারসংক্ষেপগুলো ঘন, আনুষ্ঠানিক লেখা। TextPulse-এর একটি আগের গবেষণায় দেখা গেছে যে শ্রেণিবিন্যাসকারী যে মানব-লেখাগুলোকে ভুলভাবে শ্রেণিবিন্যাস করে, সেগুলোই সবচেয়ে আনুষ্ঠানিক। দৈর্ঘ্য-সংক্রান্ত প্রবন্ধটি মিথ্যা চিহ্নের দ্বিতীয়, পৃথক কারণ হিসেবে পাঠ্যের দৈর্ঘ্যকে যুক্ত করে, এবং একটি সংক্ষিপ্ত, আনুষ্ঠানিক সারসংক্ষেপ এই দুইটিরই মুখোমুখি হয়। যদি কোনো সারসংক্ষেপ প্রশ্নবিদ্ধ হয়, তবে পূর্ণ প্রবন্ধটি পরীক্ষা করলে শনাক্তকারীকে সেই দৈর্ঘ্য দেওয়া হয়, যা এর বিক্রেতা সুপারিশ করে।

সংক্ষিপ্ত-উত্তর পরীক্ষাসমূহ

৫০ থেকে ১০০ শব্দের উত্তরগুলো সেই পরিসরে পড়ে, যেখানে গবেষণার সংখ্যাগুলো সবচেয়ে দ্রুত কমে। ৫০ শব্দে, AI পুনর্লিখনের 95% ধরার জন্য নির্ধারিত একটি শ্রেণিবিন্যাসকারী মানব-লেখার 58.8% ভুলভাবে চিহ্নিত করেছিল। প্রবন্ধটি উপসংহারে বলে যে ৫০ শব্দের নিচে কোনো ব্যবহারিক কাট-অফ কার্যকর ফলাফল দেয় না। এতে আরও বলা হয় যে সংক্ষিপ্ত পাঠ্যের ক্ষেত্রে কোনো সিদ্ধান্ত না দেওয়া, সেটিকে স্কোর করার চেয়ে বেশি নির্ভরযোগ্য।

কভার লেটার

চাকরি বা জার্নাল জমার জন্য এক পৃষ্ঠার কভার লেটার কয়েক শত শব্দের হয়, এবং এর বড় অংশ নির্দিষ্ট বাক্যগঠনের অনুসরণ করে। Pangram অত্যন্ত সূত্রবদ্ধ পাঠ্য স্ক্রিনিংয়ের বিরুদ্ধে পরামর্শ দেয়। যদি কোনো কভার লেটার পরীক্ষা করা হয়, তবে যেকোনো স্কোরকে বিস্তৃত ত্রুটিসীমাসহ একটি আনুমানিক মান হিসেবে বিবেচনা করুন।

আপনার পাঠ্য সর্বনিম্ন সীমার নিচে হলে কী করবেন

আপনি যেমন লিখেছেন, পাঠ্যটি তেমনই রেখে দিন, এবং তার বদলে স্কোরের প্রেক্ষাপট দিন। এই ধাপগুলো লেখক এবং স্কোর পর্যালোচনাকারী ব্যক্তির উভয়ের ক্ষেত্রেই প্রযোজ্য।

1. পাঠ্যকে অপ্রয়োজনীয়ভাবে দীর্ঘ করবেন না। সর্বনিম্ন সীমায় পৌঁছাতে অতিরিক্ত শব্দ যোগ করলে আপনি যে অংশটি লিখতে বলা হয়েছিল তা বদলে যায়, এবং তখন স্কোরটি সেই দীর্ঘায়িত সংস্করণকে বর্ণনা করে।
2. যেখানে সম্ভব, পুরো নথিটি পরীক্ষা করুন। একটি পূর্ণ প্রবন্ধ বা অধ্যায় শনাক্তকারীকে তার সুপারিশকৃত দৈর্ঘ্য দেয়, এবং সংক্ষিপ্ত অংশটি একটি দীর্ঘতর পাঠ্যের অংশ হিসেবে স্কোর করা হয়।
3. বাক্য-দৃশ্যটি দেখুন। যে শনাক্তকারীগুলো বাক্য স্কোর করে, সেগুলো দেখায় কোন কোন লাইন ফলাফল নির্ধারণ করছে, এবং সংক্ষিপ্ত পাঠ্যে তা প্রায়ই এক বা দুইটি বাক্য হয়, যেমন উদ্ধৃত কোনো সংজ্ঞা।
4. আপনার খসড়া এবং সংস্করণ ইতিহাস সংরক্ষণ করুন। এগুলো দেখায় পাঠ্যটি কীভাবে বিকশিত হয়েছে, এবং সংক্ষিপ্ত অনুচ্ছেদের ওপর একটি স্কোর তা দেখাতে পারে না।
5. স্কোরটি কীভাবে ব্যবহার করা হবে তা জিজ্ঞাসা করুন। বিক্রেতার নিজস্ব সুপারিশকৃত দৈর্ঘ্যের নিচের কোনো পাঠ্যে প্রাপ্ত ফলাফল একটি দুর্বল সংকেত, এবং একজন পর্যালোচকের উচিত সেটিকে সেইভাবেই বিবেচনা করা।

কর্মীদের জন্য, প্রবন্ধের আলোচনাটি একটি সহজ নিয়মের দিকে ইঙ্গিত করে: আরও বেশি পাঠ্য প্রয়োজন, অথবা নির্ধারিত দৈর্ঘ্যের নিচে কোনো রায় দেবেন না। Turnitin-এর 300-শব্দের ন্যূনতম সীমা সেই ধরনেরই একটি নিয়ম। পূর্ণ প্রতিবেদন একবার তৈরি হলে, একটি ভালো Turnitin স্কোর কী শীর্ষক নির্দেশিকাটি তা কীভাবে ব্যাখ্যা করতে হয়, তা ব্যাখ্যা করে।

TextPulse কীভাবে সংক্ষিপ্ত পাঠ্য পরিচালনা করে

TextPulse কোনো AI detector ব্যবহার করে না এবং detector স্ক্যান বিক্রি করে না। TextPulse প্রতিটি হিউম্যানাইজেশন-এর পরে একটি Human Score (0 থেকে 100) প্রদর্শন করে। এই স্কোরটি অ্যাপের ভেতরে করা একটি অনুমান, যা আপনার লেখার পুনর্লিখনের গভীরতা, শব্দভান্ডারের বৈচিত্র্য, টোকেন বণ্টন এবং বাক্যের দৈর্ঘ্যের তারতম্যের ওপর ভিত্তি করে নির্ধারিত হয়। এই স্কোর গণনার জন্য কোনো detector ব্যবহার করা হয়নি।

AI Humanizer-এর জন্য প্রতিটি হিউম্যানাইজেশন-এ অন্তত 50টি শব্দ প্রয়োজন, এবং Pro-তে এটি প্রতি পাস-এ সর্বোচ্চ 500টি শব্দ এবং Plus-এ 1,000টি শব্দ গ্রহণ করে। Document Humanizer 15,000 শব্দ পর্যন্ত দৈর্ঘ্যের একটি সম্পূর্ণ ইংরেজি .docx ফাইল নিয়ে কাজ করতে পারে। এর জন্য অন্তত 50টি বডি লেখা-এর শব্দ প্রয়োজন, এবং এটি হেডিং, তালিকা, টেবিল, ক্যাপশন এবং রেফারেন্স যেমন লেখা আছে তেমনই রাখে। উভয়ই এমন খসড়া-এ AI স্কোর কমানোর জন্য তৈরি, যেখানে আপনার কোর্স বা জার্নাল AI সহায়তা অনুমোদন করে।

আপনার পাঠ্য detector-এ paste করার আগে, free Word Counter ব্যবহার করে এর দৈর্ঘ্য পরীক্ষা করুন। এই tool words, spaces-সহ এবং spaces-বিহীন characters, sentences এবং unique words গণনা করে, যাতে আপনি কোনো text-কে একক যেকোনোটিতে stated floor-এর সঙ্গে তুলনা করতে পারেন। দৈর্ঘ্য study-সংক্রান্ত সব details, per-text scores এবং analysis code, Zenodo-তে উন্মুক্তভাবে available, এবং research hub-এ অন্যান্য TextPulse papers-এর সঙ্গে study-টি তালিকাভুক্ত আছে।