AI Humanizer তুলনামূলক গবেষণা: একই একাডেমিক পাঠ্যে কী ঘটেছিল

আমাদের AI humanizer তুলনামূলক গবেষণায়, প্রতিটি humanizer একই 48টি একাডেমিক পাঠ্যকে মানব লেখনীর শৈলীর দিকে সরিয়েছে, এবং কোনটি কী ধরে রেখেছে, সে বিষয়ে টুলগুলোর মধ্যে সবচেয়ে বেশি পার্থক্য ছিল। কিছু টুল অর্থ, উদ্ধৃতি এবং সংখ্যা উৎসের কাছাকাছি রেখেছে। অন্যগুলো কল্পিত সংখ্যা ও নাম, অথবা নতুন ব্যাকরণগত ভুল যোগ করেছে, এবং সেই আউটপুটগুলোই প্রায়ই detector মানব হিসেবে চিহ্নিত করেছে।

TextPulse Research 2026 সালের আগস্টে AI humanizer তুলনামূলক গবেষণা চালায় এবং 29 আগস্ট-এ এটি একটি কার্যপত্র হিসেবে প্রকাশ করে। TextPulse এতে অন্তর্ভুক্ত টুলগুলোর একটি, তাই প্রতিটি টুল একই ইনপুট পেয়েছে এবং প্রতিটি পরিমাপ একটি সর্বজনীন স্ক্রিপ্ট। পূর্ণ কার্যপত্র-এ প্রতিটি সারণি, চিত্র এবং স্ক্রিপ্ট আছে, এবং পুনর্লিখিত 432টি লেখা সর্বজনীন।

AI humanizer তুলনামূলক গবেষণাটি কী পরীক্ষা করেছে

গবেষণাটি প্রতিটি হিউম্যানাইজারকে একই 48টি লেখা দিয়েছে। প্রতিটি ছিল একটি কল্পিত গবেষণার ফলাফল ও আলোচনা অংশ, যা একটি AI মডেল দ্বারা লেখা এবং প্রায় 301 শব্দ দীর্ঘ। চারটি মডেল পরিবার 12টি করে লেখা লিখেছে: OpenAI, গুগল, ডিপসিক এবং অ্যানথ্রপিক। লেখাগুলো চারটি শাস্ত্র এবং তিনটি উদ্ধৃতি শৈলী জুড়ে ছিল, তাই প্রতিটি টুলকে সংখ্যা, লেখকের নাম এবং রেফারেন্স চিহ্নের মুখোমুখি হতে হয়েছে, যা তাকে ধরে রাখতে হয়েছে।

নকশার অংশ	গবেষণাটি কী ব্যবহার করেছে
উৎস লেখা	48টি AI-লিখিত ফলাফল ও আলোচনা বিভাগ, প্রতিটি 264 থেকে 344 শব্দ
কে সেগুলো লিখেছে	OpenAI, Google, DeepSeek এবং Anthropic মডেল থেকে প্রতিটি 12টি লেখা
শাখা	চিকিৎসা ও স্বাস্থ্য, ভৌত ও গণনামূলক বিজ্ঞান, সামাজিক বিজ্ঞান, মানবিক বিদ্যা
উদ্ধৃতি শৈলী	APA লেখক-বছর, সংখ্যাসূচক বন্ধনী, কোনো উদ্ধৃতি নয়
পাঠ্যগুলিতে যাচাই করা তথ্য	404টি প্রযুক্তিগত শব্দ, 887 সংখ্যা, 124টি উদ্ধৃতি
প্রতিটি টুল কীভাবে চালানো হয়েছে	ডিফল্ট সেটিং-এ একবার ওয়েব পৃষ্ঠা-এ পেস্ট করা হয়েছে, আউটপুট যেমন ফেরত এসেছে তেমনই রাখা হয়েছে
তারিখ	26 থেকে 28 আগস্ট 2026
detector	Turnitin, প্রতিটি টুলের জন্য একটি নথি, এবং GPTZero, প্রতিটি লেখা আলাদাভাবে

একজন হিউম্যানাইজারের কাজ হলো AI আউটপুট পুনর্লিখন করা, তাই গবেষণাটি যাচাইকৃত তথ্যের একটি তালিকা-সহ AI আউটপুট থেকে শুরু করেছিল। কোনো পুনর্লিখনের আগে, প্রতিটি মডেল যে শব্দ, সংখ্যা এবং উদ্ধৃতি ব্যবহার করেছিল, তা তালিকাভুক্ত করেছিল। তালিকাভুক্ত প্রতিটি উপাদানকে পাঠ্যের সঙ্গে তুলনা করা হয়েছিল, এবং যেকোনো উপাদান যা তাতে অনুপস্থিত ছিল, তা বাদ দেওয়া হয়েছিল। এতে প্রতিটি লেখার জন্য একটি নির্দিষ্ট তালিকা রয়ে গেল, ফলে গবেষণাটি সঠিকভাবে গণনা করতে পারল যে প্রতিটি হিউম্যানাইজার কী রেখেছে, কী পরিবর্তন করেছে, বা কী উদ্ভাবন করেছে।

প্রতিটি পাঠ্য প্রতিটি টুলের ওয়েব পৃষ্ঠায় একবার করে, টুলের ডিফল্ট সেটিংয়ে, প্রবেশ করানো হয়েছিল, এবং আউটপুটটি যেমন ফিরে এসেছিল ঠিক তেমনই সংরক্ষণ করা হয়েছিল। কেউ কোনো আউটপুট সম্পাদনা করেনি। কিছু টুল 48টির কম পাঠ্য প্রক্রিয়াকরণ করেছে, কারণ বিনামূল্যের স্তরগুলো একটি টুল কতগুলো পাঠ্য নেবে তা সীমিত করে। 24টি পাঠ্যের একটি মূল সেট প্রতিটি টুলের জন্য একই ছিল, একই ক্রমে। TextPulse 48টিই প্রক্রিয়াকরণ করেছে।

গবেষণাটি কীভাবে একটি হিউম্যানাইজড লেখা পরিমাপ করেছে

একটি ডিটেক্টর স্কোর আপনাকে বলে যে একটি পাঠ্য এক দিনে একটি ডিটেক্টর-এর কাছে কেমন দেখিয়েছিল। এটি এই বিষয়ে কিছুই বলে না যে পুনর্লিখনটি এখনও একই ফলাফল প্রতিবেদন করছে কি না। গবেষণাটি প্রথমে প্রতিটি আউটপুটকে পাঠ্যটির ওপর এবং পরে ডিটেক্টরগুলোর ওপর স্কোর করেছে। শিক্ষার্থী বা গবেষকদের জন্য, এমন একটি প্রবন্ধ থাকা গুরুত্বপূর্ণ যা এখনও তথ্য যা বলে, তা-ই বলে, এমন গদ্যে যা মানুষের লেখা বলে শোনায়।

পরিমাপ	এটি কী পরীক্ষা করে	একটি প্রবন্ধে এটি কেন গুরুত্বপূর্ণ
অর্থ	পুনর্লিখনটি উৎসের কতটা কাছাকাছি, 0 থেকে 1 পর্যন্ত একটি সাদৃশ্য স্কোর হিসেবে	কম স্কোর মানে অনুচ্ছেদটি এখন অন্য কিছু বলছে
উদ্ধৃতি বজায় আছে	পাঠ্যের ভেতরের উদ্ধৃতির যে অংশটি একই লেখক ও বছরসহ এখনও আছে	বছর বদলে গেলে রেফারেন্স তালিকার সঙ্গে মিল ভেঙে যায়
সংখ্যা বজায় আছে	পরীক্ষিত সংখ্যাগুলোর যে অংশটি এখনও পাঠ্যে আছে	হারানো নমুনা আকার বা পি-মান ফলাফল বদলে দেয়
উদ্ভাবিত উপাদান	আউটপুটে থাকা এমন সংখ্যা ও নাম, যা উৎসে কখনও ছিল না	উদ্ভাবিত কোনো চিত্র গবেষণা সম্পর্কে একটি মিথ্যা বক্তব্য
ব্যাকরণগত ত্রুটি যোগ হয়েছে	প্রতি 1,000 শব্দে নতুন ত্রুটি, ল্যাঙ্গুয়েজটুল দিয়ে গণনা করা	ত্রুটি নম্বর কমায় এবং পর্যালোচকের আস্থা ক্ষুণ্ণ করে
পাঠের গ্রেড	ফ্লেশ-কিনকেইড গ্রেডে পরিবর্তন	AI পাঠ্যের গ্রেড স্তর প্রকাশিত মানব গদ্যের তুলনায় বেশি
শৈলীর অবস্থান	সাধারণ মানব লেখন এবং সাধারণ AI লেখনের মধ্যে পাঠ্যের অবস্থান	স্টাইলোমেট্রিক ডিটেক্টর এই বৈশিষ্ট্যগুলোর প্রতি সাড়া দেয়
দৈর্ঘ্য	উৎসের তুলনায় আউটপুটের দৈর্ঘ্য, 0.70 থেকে 1.30 গুণকে বজায় আছে হিসেবে গণ্য করা হয়	যে টুল একটি পাঠ্যকে অর্ধেক করে, তা বিষয়বস্তু কমিয়েছে

শৈলীর অবস্থান একটি স্কেল থেকে আসে, যা TextPulse 47টি শৈলী বৈশিষ্ট্য এবং 121,092টি একাডেমিক পাঠ্য থেকে তৈরি করেছে, আমাদের স্টাইলোমেট্রিক শ্রেণিবিন্যাস প্রবন্ধে বর্ণিত। সাধারণ মানব একাডেমিক পাঠ্য 0-এ থাকে এবং সাধারণ AI পাঠ্য 100-এ থাকে। আমরা মানব পাঠ্যের মধ্যবর্তী অর্ধেককে (-36 থেকে 33) মানব পরিসর বলি।

শব্দভান্ডারকে আমাদের AI শব্দভান্ডার প্রবন্ধ থেকে নেওয়া 1,057টি শব্দের একটি তালিকার সঙ্গে তুলনা করে স্কোর করা হয়েছিল। এর মধ্যে 581টি এমন শব্দ, যা AI মডেল মানুষদের তুলনায় বেশি ব্যবহার করে, এবং 476টি বিপরীত দিকে ঝোঁকে। গবেষণাটি গণনা করেছে, প্রতিটি টুল প্রতি 1,000 শব্দে কতটি AI-ঝোঁকযুক্ত শব্দ সরিয়েছে।

প্রতিটি humanizer পাঠ্যের সঙ্গে কী করেছে

গবেষণার প্রতিটি টুল তার আউটপুটকে শৈলী স্কেলের মানব প্রান্তের দিকে সরিয়েছে। অপরিবর্তিত এআই লেখার গড় ছিল 138, যা সাধারণ এআই লেখার 100-এর চেয়ে বেশি। পুনর্লিখনের পরে, কিছু টুল মানব পরিসরে পৌঁছেছে এবং অন্যগুলো প্রায় অর্ধেক পথে থেমেছে। প্রতিটি টুল এআই-ঝোঁকযুক্ত শব্দভান্ডারও সরিয়েছে এবং পড়ার শ্রেণি কমিয়েছে, তাই পরিবর্তনের দিকটি ক্ষেত্রজুড়ে একই ছিল।

দুই ধরনের বৈশিষ্ট্য একটি লেখাকে স্কেলে সবচেয়ে বেশি সরায়। প্রথম জোড়া হলো গড় শব্দদৈর্ঘ্য এবং দীর্ঘ শব্দের অনুপাত। "সাহায্য" থেকে "সহায়তা প্রদান" এ একটি পুনর্লিখন লেখাটিকে আরও এআই-সদৃশ করবে, কারণ এটি গড় শব্দদৈর্ঘ্য বাড়ায় এবং দীর্ঘ শব্দের অনুপাত বাড়ায়। দ্বিতীয়টি হলো বাক্যদৈর্ঘ্যের বৈচিত্র্য, যা মানবের দিকে ঠেলে দেয়। এমন একটি অনুচ্ছেদ যেখানে সব বাক্যের দৈর্ঘ্য 22 থেকে 26 শব্দ, তা সমতল, কিন্তু এমন একটি অনুচ্ছেদ যেখানে 9 শব্দের একটি বাক্য এবং 31 শব্দের একটি বাক্য মিশে আছে, তা বৈচিত্র্যময়।

ধারণাটি হলো একটি নিম্নতর পাঠ-স্তরে পৌঁছানো। এআই-লিখিত একাডেমিক লেখার ফ্লেশ-কিনকেইড গ্রেড প্রকাশিত মানব একাডেমিক গদ্যের তুলনায় বেশি। তাই, যদি এটি কমে, তবে লেখাটি গবেষকেরা যে সরল শৈলীতে লেখেন তার আরও কাছাকাছি হয়। স্টাইলোমেট্রিক ডিটেক্টরগুলো এটির প্রতিই সাড়া দেয়। এগুলোই সেই পরিবর্তন, যা একটি খসড়াকে পড়তে সহজ করে। বিষয়বস্তু অক্ষুণ্ণ থাকলে এই দুই লক্ষ্য পরস্পরের সঙ্গে সামঞ্জস্যপূর্ণ।

humanizers কীভাবে একটি বাক্য পরিবর্তন করে বিষয়ক আমাদের পোস্টে এই সম্পাদনাগুলো বাক্য ধরে ধরে দেখানো হয়েছে। গবেষণাটি পরিমাপ যোগ করে, প্রতিটি পরিবর্তন পাঠ্যকে কতটা সরিয়েছে, এবং অর্থ ও তথ্যের দিক থেকে এর মূল্য কী ছিল।

টুলগুলোর পার্থক্য যেখানে ছিল: অর্থ, উদ্ধৃতি এবং সংখ্যা

টুলগুলোর ধরে রাখার হারে পার্থক্য ছিল। উদাহরণস্বরূপ, গবেষণাজুড়ে 29 থেকে 100 শতাংশ উদ্ধৃতি ধরে রাখা হয়েছে। প্রতি আউটপুটে 0.06 থেকে 4.44টি উদ্ভাবিত উপাদান দেখা গেছে। প্রতি 1,000 শব্দে 0.65 থেকে 4.91টি নতুন ব্যাকরণগত ত্রুটি দেখা গেছে। উদ্ভাবিত উপাদানগুলোর মধ্যে ছিল নমুনা আকার, শতাংশ, আস্থার সীমা, লেখকের নাম এবং প্রতিষ্ঠান, যা উৎসে কখনও উল্লেখ করা হয়নি।

নাম এবং একক আরও নীরব উপায়ে হারিয়ে গিয়েছিল। কোনো টুল যখন একটি পরিসংখ্যানকে পুনর্লিখন করত, তখন তা প্রায়ই এককটি বাদ দিত, ফলে "কোহেনের ডি" একটি প্রভাব আকারে পরিণত হতো এবং "সেলসিয়াস" ডিগ্রিতে পরিণত হতো। উদ্ধৃতির সঙ্গে সঙ্গে লেখকের নামও হারিয়ে যেত। প্রজাতি, যুগ এবং যন্ত্রের নাম একটি বর্ণনা দিয়ে প্রতিস্থাপিত হতো। যে পাঠক কোনো ফল যাচাই করতে চান, তাঁর এই নামগুলোর প্রয়োজন, তাই এই প্রতিটি ক্ষতিই গণ্য হয়।

পুনর্লিখনের গভীরতা এবং বিশ্বস্ততা বিপরীত দিকে টানে। যে টুল শব্দের এক তৃতীয়াংশ পরিবর্তন করে, তা অর্থকে আরও সহজে ধরে রাখে। যে টুল অধিকাংশ শব্দ পরিবর্তন করে, তার কিছু হারানোর সম্ভাবনা বেশি। পরিবর্তিত শব্দের অনুপাত 35 থেকে 68 শতাংশের মধ্যে ছিল। গবেষক যে ফল চান, তা হলো এমন একটি গভীর পুনর্লিখন যা তবু অর্থ বজায় রাখে। এই সমন্বয়টি বিরল ছিল।

গবেষণাটি লুকানো অক্ষরও খুঁজেছে, অদৃশ্য অক্ষর, অ-মানক ফাঁক এবং সিরিলিক বা গ্রিক বর্ণমালা থেকে নেওয়া দেখতে একই রকম অক্ষর। কিছু হিউম্যানাইজার ডিটেক্টরের ফল পরিবর্তন করতে এগুলো যোগ করে। এই গবেষণায় কোনো টুলই এমন কিছু যোগ করেনি, তাই এই কারণে কোনো আউটপুট গুণগত মানদণ্ডে ব্যর্থ হয়নি।

কেন কেবল ডিটেক্টর-এর ফলাফলই একটি দুর্বল humanizer মানদণ্ড

কেবল ডিটেক্টর-এর ফলাফল নিজে একটি অসম্পূর্ণ হিউম্যানাইজার মানদণ্ড। AI humanizer তুলনামূলক গবেষণায়, GPTZero যেগুলোকে সবচেয়ে বেশি human হিসেবে চিহ্নিত করেছিল, সেগুলো প্রায়ই এমন টুল থেকে এসেছিল যা আরও বেশি সংখ্যা এবং নাম উদ্ভাবন করেছিল, আরও বেশি উদ্ধৃতি বাদ দিয়েছিল, অথবা আরও বেশি ব্যাকরণগত ভুল যোগ করেছিল। ডিটেক্টর-এর অনুমান বদলানোর সবচেয়ে সহজ উপায় হলো লেখা কী বলে তা বদলানো। এমন একটি পুনর্লিখন সেই প্রবন্ধটিকেই ব্যর্থ করে, যাকে সাহায্য করার কথা ছিল।

একসঙ্গে উভয় দিক পরিমাপ করতে, গবেষণাটি একটি গুণগত মানদণ্ড নির্ধারণ করেছিল। এটি পাস করতে, একটি আউটপুটের অন্তত 0.95 অর্থ স্কোর এবং তার উদ্ধৃতির অন্তত 90 শতাংশ থাকতে হতো। এতে কোনো উদ্ভাবিত সংখ্যা বা নাম, কোনো লুকানো অক্ষর এবং সহনশীলতার মধ্যে দৈর্ঘ্যও থাকতে হতো। তখন কেবল মানদণ্ড পাস করা আউটপুটগুলোর ক্ষেত্রেই GPTZero-এর human লেবেল গণ্য করা হয়েছিল। এই মানদণ্ডটি প্রতিটি টুলের জন্য একই ছিল।

প্রতিটি টুলের আউটপুট একটিমাত্র নথিতে রাখা হয়েছিল, প্রতি পাতায় একটি করে লেখা ছিল। গবেষণায় নথিটির জন্য Turnitin-এর এক AI শতাংশ ব্যবহার করা হয়েছে। Turnitin 20%-এর কম হলে সংখ্যার বদলে একটি তারকা চিহ্ন ব্যবহার করে। ডিটেক্টরগুলোর ফলাফল হলো গবেষণার তারিখে একটি ডিটেক্টর সংস্করণ থেকে পাওয়া আনুমানিক মান। আমরা আমাদের Turnitin AI স্কোরের অর্থ কী নির্দেশিকায় আপনার Turnitin AI স্কোর পড়া সম্পর্কে লিখেছি।

মানবায়ক তুলনায় TextPulse কেমন করেছে

TextPulse গবেষণার যৌগিক সূচকে প্রথম হয়েছে, এই সূচকটি পুনর্লিখন গভীরতা, অর্থ, শৈলী অবস্থান, ব্যাকরণ এবং বিষয়বস্তুর অখণ্ডতা-কে সমান ওজন দেয়। ওই পাঁচটি পরিমাপে TextPulse-এর স্কোর ছিল 0.811, এবং গেটেড ডিটেক্টর পরিমাপ যোগ করলে তা ছিল 0.843। এটি ভালো করেছে কারণ এর কোনো দুর্বল পরিমাপ ছিল না। এটি প্রতিটি লেখার অর্ধেকেরও বেশি পুনর্লিখন করেছে এবং একটি প্রবন্ধ যে তথ্যের ওপর নির্ভর করে সেগুলো বজায় রেখেছে।

পরিমাপ	TextPulse ফলাফল
পরিবর্তিত শব্দ	52 শতাংশ
অর্থ বজায় রাখা হয়েছে, উৎসের সঙ্গে সাদৃশ্য	0.971, প্রায় 97 শতাংশ
উদ্ধৃতি বজায় রাখা হয়েছে	99 শতাংশ
সংখ্যা বজায় রাখা হয়েছে	87 শতাংশ
নামযুক্ত সত্তা বজায় রাখা হয়েছে	95 শতাংশ
যোগ হওয়া ব্যাকরণগত ত্রুটি	0.65 প্রতি 1,000 শব্দে, গবেষণায় সর্বনিম্ন
উদ্ভাবিত উপাদান	0.48 প্রতি আউটপুটে, প্রতি পঞ্চাশটি আউটপুটে একটি উদ্ভাবিত নাম
পাঠের স্তর	3.6 গ্রেড কম, সর্বাধিক পতন
এআই-ঝোঁকযুক্ত শব্দ অপসারণ	39 প্রতি 1,000 শব্দে, গবেষণায় সর্বাধিক
শৈলীর অবস্থান	29, মানব পরিসরের মধ্যে
দৈর্ঘ্য সহনশীলতার মধ্যে থাকা আউটপুট	47 of 48
যে আউটপুটগুলো গুণমান গেট অতিক্রম করেছে	67 শতাংশ
Turnitin AI স্কোর, সব আউটপুটের একটিমাত্র নথি	24 শতাংশ, গবেষণায় সর্বনিম্ন (সমান)
গেট অতিক্রম করা আউটপুটে GPTZero মানব লেবেল	10.4 শতাংশ (5 of 48), গবেষণায় সর্বোচ্চ

শিক্ষাগত ব্যবহারের ক্ষেত্রে দুটি ফল সবচেয়ে বেশি গুরুত্বপূর্ণ। যেসব টুল অন্তত অর্ধেক শব্দ বদলেছে, তাদের মধ্যে TextPulse অর্থ সবচেয়ে ভালোভাবে ধরে রেখেছে। যেসব টুলের অর্থ স্কোর 0.97 বা তার বেশি, তাদের মধ্যে এটি সবচেয়ে বেশি শব্দ বদলেছে। গবেষণায় অন্য কোনো টুল এই দুই দলে একসঙ্গে ছিল না। একাডেমিক লেখার জন্য একটি হিউম্যানাইজার-এর এই সমন্বয় দরকার, কারণ হালকা পুনর্লিখন AI শৈলীকে রেখে দেয় এবং তথ্য বাদ দিয়ে গভীর পুনর্লিখন ফলাফল বদলে দেয়।

GPTZero TextPulse-এর 48টি আউটপুটের মধ্যে 9টিকে human হিসেবে চিহ্নিত করেছে, এবং সেগুলোর মধ্যে 5টিও গুণমান প্রবেশদ্বার পেরিয়েছে, যা গবেষণায় সর্বোচ্চ প্রবেশদ্বার-যুক্ত ফল। TextPulse আউটপুটের Turnitin নথিতে 24 শতাংশ AI স্কোর এসেছে, যা সর্বনিম্ন স্কোরের সঙ্গে সমান। অন্য নথিগুলোর স্কোর 28 থেকে 74 শতাংশ পর্যন্ত ছিল। detector ফলাফল অনুমানমাত্র, এবং সেই কারণেই গবেষণায় সেগুলোকে লেখা পরিমাপের পাশে প্রতিবেদন করা হয়েছে।

গবেষণাটি আপনাকে কী বলতে পারে না

AI humanizer তুলনামূলক গবেষণাটি নিজের সীমাবদ্ধতাগুলোও তালিকাভুক্ত করেছে। লেখাগুলো AI মডেল দ্বারা একটি নির্দিষ্ট প্রম্পট-এর ভিত্তিতে লেখা হয়েছিল, এবং বাস্তব খসড়া আরও দীর্ঘ ও কম সমজাতীয়। প্রতিটি টুল একবার করে, তার ডিফল্ট সেটিং-এ, 26 থেকে 28 আগস্ট 2026-এর মধ্যে চালানো হয়েছিল। বিক্রেতা প্রতিষ্ঠান-রা তাদের টুল হালনাগাদ করে, তাই ফলাফলগুলো ওই তারিখগুলোকেই বর্ণনা করে এবং স্ন্যাপশট হিসেবে পড়া উচিত।

বিভিন্ন টুলের লেখা-এর সংখ্যা ভিন্ন, কারণ তারা টুল যে নির্দিষ্ট পরিমাণ বিনামূল্যের লেখা প্রক্রিয়া করবে তার সীমার মধ্যে আবদ্ধ। এর ফলে কম লেখা থাকা টুল-গুলোর আত্মবিশ্বাসের ব্যবধান আরও বড় হয়। Turnitin প্রতি document-এ একটি স্কোর তৈরি করে, তাই প্রতি লেখা-এ স্কোর-এর বিস্তার থাকে না। GPTZero একটি detector, একটি মডেল সংস্করণ (2026-08-09-base)।

TextPulse গবেষণাটি তৈরি করেছে এবং এটি গবেষণার একটি টুল। প্রতিটি টুল-কে একই ইনপুট দেওয়া হয়েছিল। প্রোটোকল অনুযায়ী, সব মেজার-ই সর্বসাধারণের জন্য উপলব্ধ স্ক্রিপ্ট, এবং সব অপরিশোধিত ফলাফল ভাগ করা হয়েছে। এর মানে, যে কেউ আবার সংখ্যাগুলো চালাতে পারে, অথবা সেগুলোকে ভিন্নভাবে ওজন দিতে পারে। উৎস লেখা, সব 432টি আউটপুট, ডিটেক্টর-এর উত্তর এবং স্ক্রিপ্ট সর্বসাধারণের জন্য উন্মুক্ত।

নিজের খসড়ায় এই ফলাফল কীভাবে ব্যবহার করবেন

এই ফলাফলগুলো একটি সংক্ষিপ্ত পরীক্ষা-এ রূপ নেয়, যা আপনি যেকোনো হিউম্যানাইজার-এর পরে, আমাদেরটিসহ, চালাতে পারেন। গবেষণায় যে বিষয়গুলো গণনা করা হয়েছে, সেগুলোর জন্য আউটপুট-কে আপনার খসড়া-এর সঙ্গে তুলনা করুন। একটি একক অনুচ্ছেদ-এ এটি কয়েক মিনিট লাগে।

1. আপনার খসড়ার সঙ্গে প্রতিটি সংখ্যা মিলিয়ে দেখুন: নমুনার আকার, শতাংশ, পি-মান এবং আস্থা অন্তরাল.
2. প্রতিটি পাঠ্যভিত্তিক উদ্ধৃতি একই লেখক এবং বছর আছে কি না দেখুন, তারপর সেটিকে আপনার সূত্র তালিকার সঙ্গে মিলিয়ে নিন।
3. যে নামগুলো বদলেছে সেগুলো খুঁজুন: যন্ত্র, প্রজাতি, ডেটাসেট, একক এবং লেখকের নাম।
4. যে দাবিগুলো আরও শক্তিশালী হয়ে গেছে সেগুলো পড়ুন, যেমন "হতে পারে নির্দেশ করে" কে "দেখায়" হিসেবে পুনর্লিখন করা হয়েছে।
5. দৈর্ঘ্য তুলনা করুন। উৎসের তুলনায় অনেক ছোট আউটপুট সম্ভবত কিছু বিষয়বস্তু বাদ দিয়েছে।
6. পুনর্লিখন যে ব্যাকরণগত ত্রুটি যোগ করেছে সেগুলো ধরতে পাঠ্যটি উচ্চস্বরে পড়ুন।

দৈর্ঘ্য এই পরীক্ষাগুলোর মধ্যে সবচেয়ে দ্রুত। গবেষণায়, উৎসের দৈর্ঘ্যের 0.70 থেকে 1.30 গুণের মধ্যে থাকা আউটপুট-কে বজায় রাখা হিসেবে গণ্য করা হয়েছে। TextPulse 48টির মধ্যে 47টি আউটপুট-কে সেই সীমার মধ্যে রেখেছে, গড়ে উৎসের 1.14 গুণ, তাই এর আউটপুট-গুলো খসড়ার তুলনায় সামান্য দীর্ঘ ছিল।

উদ্ধৃতি হাতে যাচাই করতে সবচেয়ে বেশি সময় লাগে। গবেষণায়, TextPulse এগুলোর 99 শতাংশ বজায় রেখেছে, এবং এর পরিবর্তনগুলো উপস্থাপনার ক্ষেত্রে ছিল, যেমন বন্ধনীর উদ্ধৃতিকে বর্ণনামূলক উদ্ধৃতিতে রূপান্তর করা। উদ্ধৃতি বজায় রাখে এমন একটি AI humanizer সম্পর্কে আমাদের পোস্ট আপনার নিজস্ব রেফারেন্স চিহ্নে কী খুঁজতে হবে তা ব্যাখ্যা করে।

বিনামূল্যের বার্স্টিনেস পরীক্ষক আপনার খসড়ার বাক্যের দৈর্ঘ্য কতটা পরিবর্তিত হয় তা পরিমাপ করে। বাক্যের দৈর্ঘ্যের বৈচিত্র্য গবেষণার স্কেলে মানব লেখার দিকে ওজন দেওয়া বৈশিষ্ট্যগুলোর একটি। মূল্যসহ একটি র‌্যাঙ্ককৃত নির্দেশিকার জন্য, শিক্ষাগত লেখার জন্য সেরা AI humanizer সম্পর্কে আমাদের নির্দেশিকা দেখুন। পুনর্লিখনের জন্য প্রস্তুত হলে, TextPulse AI humanizer আপনার সংখ্যা, নাম এবং উদ্ধৃতি বজায় রাখার জন্য তৈরি, এবং ফলাফলের জন্য একটি আনুমানিক Human Score জানায়।