একাডেমিক লেখায় পঠনযোগ্যতার স্কোর কেন বিভ্রান্ত করে
একটি পঠনযোগ্যতার সূত্র শব্দাংশ ও বাক্যের দৈর্ঘ্য গণনা করে, এর বেশি কিছু নয়। তাই একটি নির্ভুল পদ্ধতিগত অনুচ্ছেদকে কঠিন এবং একটি অস্পষ্ট অনুচ্ছেদকে সহজ হিসেবে স্কোর করা হয়। ক্ষেত্রের একজন পাঠকের আসলে যা দরকার, তা সম্পূর্ণ ভিন্ন একটি পরীক্ষা।
একজন PhD প্রার্থী জমা দেওয়ার এক সপ্তাহ আগে নিজের methods section-এর একটি অনুচ্ছেদ একটি free readability tool-এর মধ্যে চালান। সেটি postgraduate reading level-এ স্কোর করে ফিরে আসে, difficult হিসেবে চিহ্নিত হয়। তিনি তিনটি বাক্য সরল করেন, নির্দিষ্ট শব্দ "heteroscedasticity" কে "unequal variance"-এ নামিয়ে আনেন, এবং স্কোর উন্নত হয়। বাক্যটি এখন পড়তে সহজ, এবং আগের তুলনায় কম কিছু বলে, আর তাঁর supervisor বা journal কেউই এই পরিবর্তন চাননি।
একটি research paper-এর reading level কেমন হওয়া উচিত? যান্ত্রিক উত্তর হলো, সাধারণ পাঠকের জন্য তৈরি একটি formula কখনোই একজন specialist reader আসলে কী প্রয়োজন তা মাপছিল না, তাই field-এর অন্য specialists-এর জন্য লেখা একটি paper-এ target grade level-এর পেছনে ছোটা ভুল সমস্যার সমাধান করে, একেকটি বাক্য ধরে।
TextPulse-এর academic writing-এর জন্য একটি AI humanizer ব্যবহার করার guide দেখায়, একটি paper-এর prose detector-এর কাছে কেমন শোনায়, section by section। Readability scores সম্পূর্ণ ভিন্ন কিছু মাপে, এবং এই দুটিকে গুলিয়ে ফেললে writers এমন একটি paragraph over-edit করেন, যা আসলে সেই reader-এর কাছে কখনোই অস্পষ্ট ছিল না, যার জন্য এটি লেখা হয়েছিল।
একটি research paper-এর reading level কেমন হওয়া উচিত?
একটি research paper-এর জন্য এমন কোনো target grade level নেই, যা তাকে অবশ্যই অর্জন করতে হবে। একটি paper-এর জন্য readability score-কে goal হিসেবে নির্ধারণ করলে তা সাধারণত এটিকে আরও খারাপ করে: সহজ শব্দ, ছোট বাক্য, প্রতি বাক্যে কম প্রকৃত বিষয়বস্তু, এমন একজন reader-কে লক্ষ্য করে, যার কাছে ইতিমধ্যেই আরও বেশি বোঝার পটভূমি আছে। যে formula কেবল বাক্যের দৈর্ঘ্য এবং syllable গণনা করে, তা প্রয়োজনীয় জটিলতা আর অপ্রয়োজনীয় ভরাট অংশের মধ্যে পার্থক্য করতে পারে না।
একটি readability formula আসলে কী গণনা করে
Flesch-Kincaid-এর মতো একটি formula ঠিক দুইটি input থেকে একটি score গণনা করে, একটি বাক্যে গড় শব্দসংখ্যা, এবং একটি শব্দে গড় syllable সংখ্যা। এই দুইটি গণনা একত্র করলে formula একটি একক সংখ্যা output করে, যা প্রায়ই একটি school grade level-এ অনূদিত হয়। বিষয়বস্তু, যুক্তির গুণমান, বা একটি বাক্য আসলে সত্য কি না, এর কোনোটিই কোনো পর্যায়ে গণনায় অন্তর্ভুক্ত হয় না।
এটাই সম্পূর্ণ পরিমাপ। বাক্যের দৈর্ঘ্য এবং শব্দাংশের সংখ্যার ভিত্তিতে তৈরি একটি সূত্র প্রতিটি বহু-শব্দাংশযুক্ত শব্দকে সমানভাবে কঠিন বলে ধরে, তা সে একটি দুর্বোধ্য সাহিত্যিক অলংকার হোক বা সেই একেবারে নির্ভুল পরিভাষা হোক যা পুরো ক্ষেত্রটি ব্যবহার করে, কারণ তার চেয়ে ছোট শব্দটি ভুল হবে। যে পাঠক ইতিমধ্যে ক্ষেত্রটি জানেন, তিনি "heteroscedasticity" শব্দটির পরেও গতি না কমিয়ে পড়ে যান। যে পাঠক ক্ষেত্রটি জানেন না, তিনি "uneven spread" থেকেও খুব বেশি কিছু পান না, কারণ ধারণাটির জন্য প্রেক্ষাপট দরকার, শব্দটি নয়।
আপনার নিজস্ব পেপারকে মানবসদৃশ করুন
আপনার AI-সহায়তাপ্রাপ্ত লেখাকে রূপান্তর করুন এবং গুরুত্বপূর্ণ শব্দ বা উদ্ধৃতি স্পর্শ না করে সেটিকে মানবসদৃশ শোনান।
কেন একটি প্রযুক্তিগত প্রবন্ধের স্কোর খারাপ হয় এবং একটি অস্পষ্ট প্রবন্ধের স্কোর ভালো হয়
ক্ষেত্র-নির্দিষ্ট পরিভাষা এবং নির্ভুল সংখ্যায় ভরা একটি ঘন পদ্ধতিগত অনুচ্ছেদকে কঠিন বলে স্কোর করা হয়, কারণ সেই পরিভাষাগুলি দীর্ঘ এবং বাক্যগুলি প্রকৃত তথ্য বহন করে। ছোট সাধারণ শব্দ এবং ছোট বাক্যে গঠিত, যা নির্দিষ্ট কিছু না বলার চেষ্টা করে, এমন একটি অস্পষ্ট অনুচ্ছেদকে সহজ বলে স্কোর করা হয়, যদিও পাঠক সেখান থেকে কম শেখেন। দুটি বাস্তব বাক্য পাশাপাশি রাখলে এই অসামঞ্জস্য স্পষ্ট হয়ে ওঠে।
| বাক্য | পঠনযোগ্যতার সূত্র যা দেখে | বিশেষজ্ঞ পাঠক যা দেখেন |
|---|---|---|
| "Heteroscedasticity in the residuals violated the assumption of homogeneity of variance." | দীর্ঘ শব্দ, উচ্চ শব্দাংশ সংখ্যা, কঠিন বলে স্কোর করা | একটি নির্ভুল, সঠিকভাবে নামকরণ করা পরিসংখ্যানগত সমস্যা, যা ক্ষেত্রটি বাস্তবে যে একমাত্র বাক্যাংশে একে বোঝায়, সেই বাক্যাংশে বলা হয়েছে |
| "The results were not entirely consistent across groups." | ছোট শব্দ, ছোট বাক্য, সহজ বলে স্কোর করা | একটি অস্পষ্ট দাবি, যা আসলে কী অসংগত ছিল, বা কেন, তা বলে না |
| "We excluded participants who missed more than two sessions." | ছোট শব্দ, সহজ বলে স্কোর করা | একটি নির্দিষ্ট, যাচাইযোগ্য পদ্ধতিগত সিদ্ধান্ত, সরলভাবে বলা হয়েছে |
এর কোনোটাই শব্দাংশ গণনায় ধরা পড়ে না। আপনার নিজের methods section-টি একটি readability checker দিয়ে চালিয়ে দেখুন, অনেক সময় এটি এমন একটি অনুচ্ছেদের চেয়েও খারাপ স্কোর করবে, যেটিকে আপনি ইতিমধ্যেই অস্পষ্ট এবং অকার্যকর বলে জানেন, কারণ এই টুলটি বাক্যের পৃষ্ঠতল বৈশিষ্ট্য মাপে, বাক্যটি যে পাঠকের জন্য লেখা হয়েছে তার জন্য বাস্তবে কী করে তা নয়।
আপনার ক্ষেত্রের একজন পাঠকের আসলে কী প্রয়োজন
প্রতি বাক্যে একটি করে ধারণা, পরিচিত তথ্য নতুন তথ্যের আগে আসে, এবং নতুন তথ্য তার ওপর নির্ভর করে। যদি কোনো প্রযুক্তিগত শব্দ থাকে, প্রথমবার ব্যবহার করার সময় সেটি স্পষ্টভাবে সংজ্ঞায়িত করুন, তারপর বাকি প্রবন্ধে সেটি একইভাবে ব্যবহার করতে থাকুন। শব্দের দৈর্ঘ্যের সঙ্গে এর কোনোটিরই সম্পর্ক নেই।
given-before-new ক্রমের অর্থ হলো, একটি বাক্য এমন কিছুর সঙ্গে শুরু হয় যা পাঠকের কাছে আগের বাক্য থেকে ইতিমধ্যেই আছে, তারপর শেষে নতুন অংশ যোগ করে, ফলে প্রতিটি বাক্য পরের বাক্যকে একটি ভরকেন্দ্র দেয়। "Building on the finding that recall improves after sleep, the present study tested whether the timing of sleep mattered as much as its duration" দিয়ে শুরু হওয়া একটি বাক্য পাঠকের কাছে পরিচিত অংশটি আগে এবং নতুন প্রশ্নটি পরে তুলে ধরে। উল্টোভাবে সাজালে, একই তথ্য পাঠককে একটি অপরিচিত দাবি মনে ধরে রাখতে বাধ্য করে, তারপরই জানতে দেয় এটি কেন সেখানে আছে।
প্রথম ব্যবহারের সময় একটি শব্দ একবার, স্পষ্টভাবে, সংজ্ঞায়িত করা, এবং তারপর পরে ঠিক একই শব্দ পুনরায় ব্যবহার করা, কেবল বৈচিত্র্যের জন্য "the intervention" এর জায়গায় "the treatment" এবং তারপর "the program" ব্যবহার করার চেয়ে বিশেষজ্ঞ পাঠকের কাছে বেশি মূল্যবান। পরপর তিনটি অনুচ্ছেদে এভাবে শব্দ বদলানো, বৈচিত্র্যের খাতিরে করা হলে, একজন সতর্ক পাঠককে থামতে এবং পরীক্ষা করতে বাধ্য করে যে তিনটি ভিন্ন জিনিস বর্ণনা করা হচ্ছে, নাকি একটি।
readability score-এর চেয়ে ভালো একটি পরীক্ষা
যে কোনো স্কোরের চেয়ে বেশি কার্যকর পরীক্ষা হলো, পাশের কোনো উপক্ষেত্রের সহকর্মী, যিনি সামগ্রিক ক্ষেত্রটি জানেন কিন্তু এই নির্দিষ্ট পদ্ধতিটি জানেন না, তিনি কি একবার একটি অনুচ্ছেদ পড়ে তার দাবিটি আবার বলতে পারেন। যদি পারেন, তবে অনুচ্ছেদটি তার কাজ করছে, কোনো গ্রেড স্তরের সূত্র তাকে যা-ই নির্ধারণ করুক না কেন। যদি না পারেন, তবে সমস্যা প্রায় সব সময়ই উপরের তিনটির একটিতে থাকে, একটি অনুপস্থিত সংজ্ঞা, এমন একটি তথ্য যা পাঠকের তা রাখার মতো কোনো জায়গা পাওয়ার আগেই উপস্থাপিত হয়েছে, অথবা দুটি ধারণা একটিমাত্র বাক্যে গুঁজে দেওয়া হয়েছে। এই একক পরীক্ষা এমন সমস্যা ধরে, যা একটি শব্দাংশ গণনা ধরতে পারে না, একই অংশে একই শব্দের দুই ভিন্ন ব্যবহার, এমন একটি বাক্য যা নীরবে এমন পটভূমি ধরে নিচ্ছে যা পাঠকের এখনো নেই, অথবা এমন একটি অনুচ্ছেদ যা মাঝপথে বিষয় বদলে ফেলে কিন্তু তা বলে না।
একটি প্রকৃত লক্ষ্য পাঠস্তরের জন্য একটি মাত্র স্থান আছে, একটি সরল ভাষার সারসংক্ষেপ বা সাধারণ পাঠকের জন্য লেখা সারসংক্ষেপ, এমন একজন পাঠকের জন্য যিনি একেবারেই ক্ষেত্রটির বিশেষজ্ঞ নন, যেখানে TextPulse's সরল ভাষার সারসংক্ষেপ কীভাবে লিখতে হয় সে বিষয়ে অংশটি যথাযথভাবে কাজটি গ্রহণ করে। প্রবন্ধের অন্য সব জায়গায়, পাঠকের ইতিমধ্যেই পটভূমি আছে, এবং যাচাই করার মতো একমাত্র স্কোর হলো তারা প্রথমবারেই বাক্যটি বুঝেছে কি না।
রেজিস্টার এবং পুরুষ একসঙ্গে চলে, এবং APA পেপারে I ব্যবহার করা যায় কি না আলাদাভাবে উত্তর দেওয়া হয়। যেকোনো পুনর্লিখন প্রক্রিয়ার মধ্য দিয়ে উদ্ধৃতি অক্ষুণ্ণ রাখা একটি ভিন্ন সমস্যা, যার নিজস্ব পৃষ্ঠা আছে।
বাক্যটি প্রথমবারেই ঠিক করা, প্রতি বাক্যে একটি ধারণা, এবং পরিভাষাগুলি একবার সংজ্ঞায়িত করা, এটি সম্পাদনার সরঞ্জামের কাজের চেয়ে বেশি একটি খসড়া তৈরির অভ্যাস। যেসব বাক্য ধারণাগুলি সঠিক ক্রমে বসানোর পরও কঠোর বা পুনরাবৃত্তিমূলক শোনায়, সেগুলোর জন্য TextPulse's AI humanizer ঠিক সেই স্তরেই কাজ করে, নির্ভুলতাকে কম স্কোরের বিনিময়ে না বদলে।
সচরাচর জিজ্ঞাসিত প্রশ্ন
একটি গবেষণা প্রবন্ধের পাঠস্তর কত হওয়া উচিত? কোনো নির্দিষ্ট লক্ষ্য নেই। বিশেষজ্ঞদের জন্য লেখা একটি প্রবন্ধকে ক্ষেত্রটির নিজস্ব ধারণা ও পরিভাষার জটিলতার সঙ্গে মানানসই হতে হবে, সাধারণ পাঠকের জন্য তৈরি গ্রেড-স্তরের স্কোরের সঙ্গে নয়। বাক্যের দৈর্ঘ্য ও শব্দাংশ গণনা করা একটি সূত্র প্রয়োজনীয় প্রযুক্তিগত ভাষাকে অপ্রয়োজনীয় ভরাট অংশ থেকে আলাদা করতে পারে না.
Content planner and copywriter at TextPulse. Sara runs the blog day to day, from planning and drafting through to publishing. She writes the practical guides: clear explanations of academic writing problems, aimed at the person who actually has to hand something in.
