Μελέτη σύγκρισης AI Humanizer: Τι συνέβη στα ίδια ακαδημαϊκά κείμενα

Στη μελέτη σύγκρισης humanizer AI, κάθε humanizer μετέτρεψε τα ίδια 48 ακαδημαϊκά κείμενα προς ένα ύφος ανθρώπινης γραφής, και τα εργαλεία διέφεραν περισσότερο ως προς το τι διατήρησαν. Ορισμένα διατήρησαν το νόημα, τις παραπομπές και τους αριθμούς κοντά στο αρχικό κείμενο. Άλλα πρόσθεσαν επινοημένους αριθμούς και ονόματα ή νέα γραμματικά λάθη, και αυτά τα αποτελέσματα ήταν συχνά εκείνα που ένας ανιχνευτής χαρακτήρισε ως ανθρώπινα.

Το TextPulse Research πραγματοποίησε τη μελέτη σύγκρισης AI humanizer τον Αύγουστο του 2026 και τη δημοσίευσε ως ερευνητική εργασία στις 29 Αυγούστου. Το TextPulse είναι ένα από τα εργαλεία της μελέτης, γι' αυτό κάθε εργαλείο έλαβε τα ίδια κείμενα και κάθε μέτρηση είναι δημόσιο σενάριο κώδικα. Η πλήρης ερευνητική εργασία περιέχει κάθε πίνακα, γράφημα και σενάριο κώδικα, και όλα τα 432 ξαναγραμμένα κείμενα είναι δημόσια.

Τι δοκίμασε η μελέτη σύγκρισης humanizer AI

Η μελέτη έδωσε σε κάθε humanizer τα ίδια 48 κείμενα. Καθένα ήταν η ενότητα Αποτελέσματα και Συζήτηση μιας επινοημένης εμπειρικής μελέτης, γραμμένη από ένα μοντέλο AI και περίπου 301 λέξεις σε μήκος. Τέσσερις οικογένειες μοντέλων έγραψαν από 12 κείμενα η καθεμία: OpenAI, Google, DeepSeek και Anthropic. Τα κείμενα κάλυπταν τέσσερις επιστημονικούς κλάδους και τρία στυλ παραπομπών, έτσι ώστε κάθε εργαλείο να συναντά αριθμούς, ονόματα συγγραφέων και δείκτες αναφορών που έπρεπε να διατηρήσει.

Μέρος του σχεδιασμού	Τι χρησιμοποίησε η μελέτη
Κείμενα πηγής	48 ενότητες Αποτελέσματα και Συζήτηση γραμμένες από AI, 264 έως 344 λέξεις η καθεμία
Ποιος τα έγραψε	12 κείμενα από μοντέλα OpenAI, Google, DeepSeek και Anthropic για το καθένα
Επιστημονικοί κλάδοι	Ιατρική και υγεία, φυσικές και υπολογιστικές επιστήμες, κοινωνικές επιστήμες, ανθρωπιστικές επιστήμες
Στυλ παραπομπών	APA συγγραφέας-έτος, αριθμητικές αγκύλες, χωρίς παραπομπές
Ελεγμένα γεγονότα στα κείμενα	404 τεχνικοί όροι, 887 αριθμοί, 124 παραπομπές
Πώς εκτελέστηκε κάθε εργαλείο	Επικολλήθηκε μία φορά στη διαδικτυακή του σελίδα στη προεπιλεγμένη ρύθμιση, το αποτέλεσμα διατηρήθηκε όπως επιστράφηκε
Ημερομηνίες	26 έως 28 Αυγούστου 2026
Ανιχνευτές	Turnitin, ένα έγγραφο ανά εργαλείο, και GPTZero, κάθε κείμενο ξεχωριστά

Η εργασία ενός humanizer είναι να αναδιατυπώνει το αποτέλεσμα της AI, έτσι η μελέτη ξεκίνησε από αποτέλεσμα της AI με επαληθευμένη λίστα γεγονότων. Πριν από οποιαδήποτε αναδιατύπωση, κάθε μοντέλο κατέγραψε τους όρους, τους αριθμούς και τις παραπομπές που είχε χρησιμοποιήσει. Κάθε καταγεγραμμένο στοιχείο συγκρίθηκε με το κείμενο, και κάθε στοιχείο που έλειπε από αυτό αφαιρέθηκε. Αυτό άφησε μια σταθερή λίστα για κάθε κείμενο, έτσι ώστε η μελέτη να μπορεί να μετρήσει ακριβώς τι διατήρησε, άλλαξε ή επινόησε κάθε humanizer.

Κάθε κείμενο εισήχθη μία φορά στη σελίδα ιστού κάθε εργαλείου, στη προεπιλεγμένη ρύθμιση του εργαλείου, και το αποτέλεσμα αποθηκεύτηκε ακριβώς όπως επιστράφηκε. Κανείς δεν επεξεργάστηκε κανένα αποτέλεσμα. Ορισμένα εργαλεία επεξεργάστηκαν λιγότερα από 48, επειδή τα δωρεάν επίπεδα περιορίζουν πόσα κείμενα θα δεχτεί ένα εργαλείο. Ένα βασικό σύνολο 24 κειμένων ήταν το ίδιο για κάθε εργαλείο, με την ίδια σειρά. Το TextPulse επεξεργάστηκε και τα 48.

Πώς η μελέτη μέτρησε ένα ανθρωποποιημένο κείμενο

Μια βαθμολογία ανιχνευτή σας λέει πώς φάνηκε ένα κείμενο σε έναν ανιχνευτή σε μία ημέρα. Δεν λέει τίποτα για το αν η αναδιατύπωση εξακολουθεί να αναφέρει τα ίδια αποτελέσματα. Η μελέτη βαθμολόγησε κάθε αποτέλεσμα πρώτα ως προς το ίδιο το κείμενο και δεύτερον ως προς τους ανιχνευτές. Για φοιτητές ή ερευνητές, είναι σημαντικό να υπάρχει μια εργασία που εξακολουθεί να λέει ό,τι λένε τα δεδομένα, σε πεζό λόγο που ακούγεται σαν να τον έγραψε άνθρωπος.

Μέτρο	Τι ελέγχει	Γιατί έχει σημασία σε μια εργασία
Νόημα	Πόσο κοντά είναι η αναδιατύπωση στην πηγή, ως βαθμολογία ομοιότητας από 0 έως 1	Μια χαμηλότερη βαθμολογία σημαίνει ότι η παράγραφος λέει πλέον κάτι άλλο
Διατηρημένες παραπομπές	Το ποσοστό των παραπομπών εντός κειμένου που παραμένουν με τον ίδιο συγγραφέα και το ίδιο έτος	Ένα αλλαγμένο έτος διακόπτει την αντιστοίχιση με τον κατάλογο αναφορών
Διατηρημένοι αριθμοί	Το ποσοστό των ελεγμένων αριθμών που εξακολουθούν να υπάρχουν στο κείμενο	Ένα χαμένο μέγεθος δείγματος ή μια τιμή p αλλάζει το αποτέλεσμα
Εφευρεθέντα στοιχεία	Αριθμοί και ονόματα στην έξοδο που η πηγή δεν είχε ποτέ	Ένα εφευρεθέν σχήμα είναι ψευδής δήλωση για τη μελέτη
Προστιθέμενα γραμματικά σφάλματα	Νέα σφάλματα ανά 1,000 λέξεις, μετρημένα με LanguageTool	Τα σφάλματα κοστίζουν βαθμούς και την εμπιστοσύνη των κριτών
Επίπεδο ανάγνωσης	Αλλαγή στον βαθμό Flesch-Kincaid	Το κείμενο AI έχει υψηλότερο επίπεδο βαθμού από τη δημοσιευμένη ανθρώπινη πρόζα
Θέση ύφους	Θέση του κειμένου ανάμεσα στη συνήθη ανθρώπινη και τη συνήθη γραφή AI	Οι στιλισμικοί ανιχνευτές ανταποκρίνονται σε αυτά τα χαρακτηριστικά
Μήκος	Το μήκος της εξόδου σε σχέση με την πηγή, το 0.70 έως 1.30 φορές μετρά ως διατηρημένο	Ένα εργαλείο που μειώνει ένα κείμενο στο μισό έχει αφαιρέσει περιεχόμενο

Η θέση ύφους προέρχεται από μια κλίμακα που ανέπτυξε το TextPulse από 47 χαρακτηριστικά ύφους από 121,092 ακαδημαϊκά κείμενα (όπως περιγράφεται στην εργασία μας για τη στιλισμική ταξινόμηση). Το τυπικό ανθρώπινο ακαδημαϊκό κείμενο βρίσκεται στο 0 και το τυπικό κείμενο AI στο 100. Ονομάζουμε το μεσαίο μισό των ανθρώπινων κειμένων (-36 έως 33) ανθρώπινο εύρος.

Το λεξιλόγιο βαθμολογήθηκε σε σχέση με έναν κατάλογο 1,057 λέξεων από την εργασία μας για το λεξιλόγιο AI. Από αυτές, οι 581 είναι λέξεις που τα μοντέλα AI χρησιμοποιούν περισσότερο από ό,τι οι άνθρωποι, και οι 476 κλίνουν προς την άλλη κατεύθυνση. Η μελέτη μέτρησε πόσες λέξεις με κλίση προς το AI αφαίρεσε κάθε εργαλείο ανά 1,000 λέξεις.

Τι έκανε κάθε humanizer στο κείμενο

Κάθε εργαλείο στη μελέτη μετέφερε τα αποτελέσματά του προς το ανθρώπινο άκρο της κλίμακας ύφους. Τα αμετάβλητα κείμενα AI είχαν μέσο όρο 138, πέρα από το τυπικό κείμενο AI στο 100. Μετά την αναδιατύπωση, ορισμένα εργαλεία έφτασαν στο ανθρώπινο εύρος και άλλα σταμάτησαν περίπου στη μέση. Κάθε εργαλείο επίσης αφαίρεσε λεξιλόγιο με τάση προς AI και μείωσε το επίπεδο ανάγνωσης, έτσι ώστε η κατεύθυνση της αλλαγής να ήταν η ίδια σε όλο το πεδίο.

Δύο είδη χαρακτηριστικών μετακινούν περισσότερο ένα κείμενο κατά μήκος της κλίμακας. Το πρώτο ζεύγος είναι το μέσο μήκος λέξης και το ποσοστό των μακρών λέξεων. Μια αναδιατύπωση από το "help" στο "facilitate" θα κάνει το κείμενο πιο παρόμοιο με AI, επειδή αυξάνει το μέσο μήκος λέξης και αυξάνει το ποσοστό των μακρών λέξεων. Το δεύτερο είναι η ποικιλία στο μήκος των προτάσεων, η οποία ωθεί προς το ανθρώπινο. Μια παράγραφος όπου όλες οι προτάσεις έχουν 22 έως 26 λέξεις είναι επίπεδη, αλλά μια παράγραφος που συνδυάζει μια πρόταση 9 λέξεων με μία 31 λέξεων είναι ποικίλη.

Η ιδέα είναι να επιτευχθεί χαμηλότερο επίπεδο ανάγνωσης. Το ακαδημαϊκό κείμενο που έχει γραφτεί από AI έχει υψηλότερο βαθμό Flesch-Kincaid από τη δημοσιευμένη ανθρώπινη ακαδημαϊκή πεζογραφία. Άρα, αν αυτό μειώνεται, η γραφή γίνεται πιο κοντά στο απλό ύφος στο οποίο γράφουν οι ερευνητές. Σε αυτό ανταποκρίνονται οι στιλιστικοί ανιχνευτές. Αυτές είναι επίσης οι αλλαγές που κάνουν ένα προσχέδιο ευκολότερο στην ανάγνωση. Οι δύο στόχοι ευθυγραμμίζονται, εφόσον το περιεχόμενο παραμένει άθικτο.

Η ανάρτησή μας στο πώς οι humanizers αλλάζουν μια πρόταση δείχνει αυτές τις επεμβάσεις μία πρόταση τη φορά. Η μελέτη προσθέτει τη μέτρηση, πόσο μακριά μετακίνησε κάθε αλλαγή το κείμενο και ποιο ήταν το κόστος της σε νόημα και γεγονότα.

Πού διέφεραν τα εργαλεία: νόημα, παραπομπές και αριθμοί

Τα εργαλεία διέφεραν στα ποσοστά διατήρησής τους. Για παράδειγμα, σε όλη τη μελέτη, διατηρήθηκε από 29 έως 100 τοις εκατό των παραπομπών. Εμφανίστηκαν από 0.06 έως 4.44 επινοημένα στοιχεία ανά αποτέλεσμα. Εμφανίστηκαν από 0.65 έως 4.91 νέα γραμματικά σφάλματα ανά 1,000 λέξεις. Τα επινοημένα στοιχεία ήταν μεγέθη δείγματος, ποσοστά, όρια εμπιστοσύνης, ονόματα συγγραφέων και ιδρύματα που η πηγή δεν ανέφερε ποτέ.

Τα ονόματα και οι μονάδες χάθηκαν με πιο διακριτικούς τρόπους. Όταν ένα εργαλείο αναδιατύπωνε μια στατιστική τιμή, συχνά παρέλειπε τη μονάδα, έτσι το "Cohen's d" γινόταν μέγεθος επίδρασης και το "Celsius" γινόταν βαθμοί. Τα ονόματα των συγγραφέων χάνονταν μαζί με τις παραπομπές τους. Τα ονόματα ειδών, εποχής και οργάνων αντικαθίσταντο από μια περιγραφή. Ένας αναγνώστης που θέλει να ελέγξει ένα αποτέλεσμα χρειάζεται αυτά τα ονόματα, επομένως καθεμία από αυτές τις απώλειες μετρά.

Το βάθος της αναδιατύπωσης και η πιστότητα κινούνται σε αντίθετες κατευθύνσεις. Ένα εργαλείο που αλλάζει το ένα τρίτο των λέξεων διατηρεί ευκολότερα το νόημα. Ένα εργαλείο που αλλάζει τις περισσότερες από αυτές έχει περισσότερες πιθανότητες να χάσει κάτι. Το ποσοστό των λέξεων που άλλαξαν κυμάνθηκε από 35 έως 68 τοις εκατό. Το αποτέλεσμα που θέλει ένας ερευνητής είναι μια βαθιά αναδιατύπωση που εξακολουθεί να διατηρεί το νόημα. Αυτός ο συνδυασμός ήταν σπάνιος.

Η μελέτη αναζήτησε επίσης κρυφούς χαρακτήρες: αόρατους χαρακτήρες, μη τυπικά κενά και γράμματα που μοιάζουν μεταξύ τους από τα κυριλλικά ή τα ελληνικά αλφάβητα. Ορισμένα humanizers προσθέτουν αυτά για να αλλάξουν το αποτέλεσμα ενός ανιχνευτή. Κανένα εργαλείο σε αυτή τη μελέτη δεν πρόσθεσε κανέναν, επομένως καμία έξοδος δεν απέτυχε στο ποιοτικό φίλτρο για αυτόν τον λόγο.

Γιατί το αποτέλεσμα ενός ανιχνευτή από μόνο του είναι αδύναμο κριτήριο αξιολόγησης ενός humanizer

Το αποτέλεσμα ενός ανιχνευτή από μόνο του είναι ένα ελλιπές κριτήριο αξιολόγησης ενός humanizer. Στη μελέτη σύγκρισης AI humanizer, οι έξοδοι που το GPTZero χαρακτήρισε ως ανθρώπινες συχνότερα προέρχονταν από εργαλεία που επινοούσαν περισσότερους αριθμούς και ονόματα, παρέλειπαν περισσότερες παραπομπές ή πρόσθεταν περισσότερα γραμματικά λάθη. Ο ευκολότερος τρόπος να αλλάξει κανείς την εκτίμηση ενός ανιχνευτή είναι να αλλάξει αυτό που λέει το κείμενο. Μια τέτοια αναδιατύπωση αποτυγχάνει στο άρθρο που υποτίθεται ότι θα βοηθούσε.

Για να μετρηθούν και οι δύο πλευρές ταυτόχρονα, η μελέτη έθεσε ένα ποιοτικό φίλτρο. Για να το περάσει, μια έξοδος χρειαζόταν βαθμολογία νοήματος τουλάχιστον 0.95 και τουλάχιστον 90 τοις εκατό των παραπομπών της. Χρειαζόταν επίσης να μην περιέχει επινοημένους αριθμούς ή ονόματα, κρυφούς χαρακτήρες και μήκος εντός ανοχής. Μια ετικέτα human από το GPTZero μετρούσε τότε μόνο για τις εξόδους που περνούσαν το φίλτρο. Το φίλτρο ήταν το ίδιο για κάθε εργαλείο.

Η έξοδος κάθε εργαλείου συγκεντρώθηκε σε ένα έγγραφο, με ένα κείμενο ανά σελίδα. Η μελέτη χρησιμοποίησε το ποσοστό AI του Turnitin για το έγγραφο. Το Turnitin χρησιμοποιεί αστερίσκο αντί για αριθμό για τιμές κάτω από 20%. Τα αποτελέσματα των ανιχνευτών είναι εκτιμήσεις από μία έκδοση ανιχνευτή στις ημερομηνίες της μελέτης. Γράψαμε για το πώς να διαβάζετε το AI score του Turnitin στον οδηγό μας σχετικά με τι σημαίνει ένα AI score του Turnitin.

Πώς τα πήγε το TextPulse στη σύγκριση humanizer

Το TextPulse κατέλαβε την πρώτη θέση στον σύνθετο δείκτη της μελέτης, ο οποίος αποδίδει ίσο βάρος στο βάθος αναδιατύπωσης, στο νόημα, στη θέση του ύφους, στη γραμματική και στην ακεραιότητα του περιεχομένου. Τα σκορ του TextPulse ήταν 0.811 για αυτά τα πέντε μέτρα και 0.843 όταν προστέθηκε το μέτρο του gated detector. Τα πήγε καλά επειδή δεν είχε κανένα αδύναμο μέτρο. Αναδιατύπωσε περισσότερο από το μισό κάθε κειμένου και διατήρησε τα γεγονότα από τα οποία εξαρτάται μια εργασία.

Μέτρο	Αποτέλεσμα TextPulse
Λέξεις που άλλαξαν	52%
Διατηρημένο νόημα, ομοιότητα με την πηγή	0.971, περίπου 97%
Διατηρημένες παραπομπές	99%
Διατηρημένοι αριθμοί	87%
Διατηρημένες ονομασμένες οντότητες	95%
Προστιθέμενα γραμματικά σφάλματα	0.65 ανά 1,000 words, τα λιγότερα στη μελέτη
Επινοημένα στοιχεία	0.48 ανά έξοδο, ένα επινοημένο όνομα σε μία έξοδο στις πενήντα
Επίπεδο ανάγνωσης	3.6 grades lower, η μεγαλύτερη μείωση
Λέξεις με τάση προς AI που αφαιρέθηκαν	39 ανά 1,000 words, οι περισσότερες στη μελέτη
Θέση ύφους	29, εντός του ανθρώπινου εύρους
Έξοδοι εντός ανοχής μήκους	47 από 48
Έξοδοι που πέρασαν το quality gate	67%
Turnitin AI score, ένα έγγραφο όλων των εξόδων	24%, το χαμηλότερο στη μελέτη, ισοβαθμία
Ετικέτα ανθρώπου στο GPTZero για εξόδους που πέρασαν το gate	10.4% (5 of 48), το υψηλότερο στη μελέτη

Δύο αποτελέσματα έχουν τη μεγαλύτερη σημασία για ακαδημαϊκή χρήση. Μεταξύ των εργαλείων που άλλαξαν τουλάχιστον τις μισές λέξεις, το TextPulse διατήρησε καλύτερα το νόημα. Μεταξύ των εργαλείων με βαθμολογία νοήματος 0.97 ή υψηλότερη, άλλαξε τις περισσότερες λέξεις. Κανένα άλλο εργαλείο στη μελέτη δεν ανήκε και στις δύο ομάδες. Ένα humanizer για ακαδημαϊκή γραφή χρειάζεται αυτόν τον συνδυασμό, επειδή μια ελαφριά αναδιατύπωση αφήνει το στυλ AI στη θέση του και μια βαθιά αναδιατύπωση που αφαιρεί γεγονότα αλλάζει τα ευρήματα.

Το GPTZero χαρακτήρισε 9 από τα 48 αποτελέσματα του TextPulse ως ανθρώπινα, και 5 από αυτά πέρασαν επίσης το όριο ποιότητας, το υψηλότερο αποτέλεσμα με όριο στη μελέτη. Το έγγραφο Turnitin των αποτελεσμάτων του TextPulse έλαβε 24% AI, ισοβαθμώντας με τη χαμηλότερη βαθμολογία. Τα άλλα έγγραφα έλαβαν από 28 έως 74%. Τα αποτελέσματα των ανιχνευτών είναι εκτιμήσεις, και η μελέτη τα παραθέτει δίπλα στα μετρικά κειμένου για αυτόν τον λόγο.

Τι δεν μπορεί να σας πει η μελέτη

Η συγκριτική μελέτη humanizer AI παραθέτει τους δικούς της περιορισμούς. Τα κείμενα γράφτηκαν από μοντέλα AI με μια σταθερή προτροπή, και τα πραγματικά προσχέδια είναι μεγαλύτερα και λιγότερο ομοιόμορφα. Κάθε εργαλείο εκτελέστηκε μία φορά, στη ρύθμιση προεπιλογής του, μεταξύ 26 και 28 Αυγούστου 2026. Οι προμηθευτές ενημερώνουν τα εργαλεία τους, επομένως τα αποτελέσματα περιγράφουν εκείνες τις ημερομηνίες και πρέπει να διαβαστούν ως στιγμιότυπο.

Διαφορετικά εργαλεία έχουν διαφορετικό αριθμό κειμένων, καθώς περιορίζονται σε έναν ορισμένο αριθμό δωρεάν κειμένων που θα επεξεργαστεί το εργαλείο. Αυτό έχει επίσης ως αποτέλεσμα ευρύτερα διαστήματα εμπιστοσύνης για τα εργαλεία με λιγότερα κείμενα. Το Turnitin παράγει μία βαθμολογία ανά έγγραφο και, επομένως, δεν έχει εύρος βαθμολογιών ανά κείμενο. Το GPTZero είναι ένας ανιχνευτής, μία έκδοση μοντέλου (2026-08-09-base).

Το TextPulse έκανε τη μελέτη και είναι ένα από τα εργαλεία σε αυτήν. Σε κάθε εργαλείο δόθηκαν οι ίδιες είσοδοι. Σύμφωνα με το πρωτόκολλο, όλα τα μέτρα είναι δημόσια διαθέσιμα scripts, και όλα τα ακατέργαστα αποτελέσματα κοινοποιούνται. Αυτό σημαίνει ότι οποιοσδήποτε μπορεί να εκτελέσει ξανά τους υπολογισμούς, ή να τους σταθμίσει διαφορετικά. Τα πηγαία κείμενα, και τα 432 αποτελέσματα, οι απαντήσεις των ανιχνευτών και τα scripts είναι δημόσια.

Πώς να χρησιμοποιήσετε τα ευρήματα στο δικό σας προσχέδιο

Τα ευρήματα μετατρέπονται σε έναν σύντομο έλεγχο που μπορείτε να εκτελέσετε μετά από οποιονδήποτε humanizer, συμπεριλαμβανομένου του δικού μας. Συγκρίνετε το αποτέλεσμα με το προσχέδιό σας ως προς τα στοιχεία που μέτρησε η μελέτη. Σε μία μόνο ενότητα χρειάζονται λίγα λεπτά.

1. Ελέγξτε κάθε αριθμό σε σχέση με το προσχέδιό σας: μεγέθη δειγμάτων, ποσοστά, τιμές p και διαστήματα εμπιστοσύνης.
2. Ελέγξτε κάθε ενδοκειμενική παραπομπή για τον ίδιο συγγραφέα και έτος, και στη συνέχεια αντιστοιχίστε την με τον κατάλογο αναφορών σας.
3. Αναζητήστε ονόματα που άλλαξαν: όργανα, είδη, σύνολα δεδομένων, μονάδες και ονόματα συγγραφέων.
4. Διαβάστε για ισχυρισμούς που έγιναν εντονότεροι, όπως το "may indicate" που ξαναγράφτηκε ως "shows".
5. Συγκρίνετε το μήκος. Ένα αποτέλεσμα πολύ μικρότερο από το αρχικό έχει πιθανότατα παραλείψει περιεχόμενο.
6. Διαβάστε το κείμενο μεγαλόφωνα για να εντοπίσετε γραμματικά λάθη που πρόσθεσε η αναδιατύπωση.

Το μήκος είναι ο ταχύτερος από αυτούς τους ελέγχους. Στη μελέτη, ένα αποτέλεσμα μεταξύ 0.70 και 1.30 φορές το μήκος του αρχικού θεωρήθηκε ότι διατηρήθηκε. Το TextPulse διατήρησε 47 από τα 48 αποτελέσματα μέσα σε αυτό το εύρος, με μέσο όρο 1.14 φορές το αρχικό, έτσι ώστε τα αποτελέσματά του ήταν ελαφρώς μακρύτερα από τα προσχέδια.

Οι παραπομπές χρειάζονται τον περισσότερο χρόνο για να ελεγχθούν με το χέρι. Στη μελέτη, το TextPulse διατήρησε το 99 % αυτών, και οι αλλαγές του ήταν στην παρουσίαση, όπως όταν μια παραπομπή σε παρένθεση έγινε αφηγηματική. Η ανάρτησή μας στο ένα AI humanizer που διατηρεί τις παραπομπές εξηγεί τι να προσέξετε στους δικούς σας δείκτες αναφοράς.

Το δωρεάν burstiness checker μετρά πόσο διαφέρουν τα μήκη των προτάσεων στο προσχέδιό σας. Η ποικιλία στο μήκος των προτάσεων είναι ένα από τα χαρακτηριστικά που η κλίμακα της μελέτης σταθμίζει υπέρ της ανθρώπινης γραφής. Για έναν ταξινομημένο οδηγό με τιμές, δείτε τον οδηγό μας για το καλύτερο AI humanizer για ακαδημαϊκή γραφή. Όταν είστε έτοιμοι να ξαναγράψετε, το TextPulse AI humanizer είναι φτιαγμένο για να διατηρεί τους αριθμούς, τα ονόματα και τις παραπομπές σας και αναφέρει ένα εκτιμώμενο Human Score για το αποτέλεσμα.