Πώς να εξανθρωπίσετε τις ενότητες Αποτελέσματα και Συζήτηση
Μια ενότητα αποτελεσμάτων αναφέρει έναν αριθμό. Μια ενότητα συζήτησης υποτίθεται ότι επιχειρηματολογεί για το τι σημαίνει. Η AI εξομαλύνει τη διαφορά ανάμεσα στα δύο, και το προδοτικό σημάδι είναι η συσσώρευση επιφυλάξεων τόσο πυκνή ώστε η πρόταση παύει να διατυπώνει οτιδήποτε.
Μια ενότητα αποτελεσμάτων αναφέρει ότι η ομάδα παρέμβασης σημείωσε υψηλότερη βαθμολογία από την ομάδα ελέγχου, ένας συγκεκριμένος αριθμός που βρίσκεται σε έναν πίνακα δύο σελίδες νωρίτερα. Η ενότητα συζήτησης, που καλύπτει το ίδιο εύρημα, λέει ότι η ομάδα παρέμβασης σημείωσε υψηλότερη βαθμολογία, κάτι που μπορεί να υποδηλώνει ένα πιθανό θετικό αποτέλεσμα το οποίο θα μπορούσε να δικαιολογεί περαιτέρω διερεύνηση. Η δεύτερη πρόταση δεν προσθέτει τίποτε που η πρώτη δεν είχε ήδη τεκμηριώσει, μόνο τέσσερις επιφυλάξεις και μια μακρύτερη πρόταση.
Αυτός είναι ο πραγματικός λόγος που αυτές οι δύο ενότητες αρχίζουν να ακούγονται παρόμοιες όταν συντάσσονται και οι δύο από ένα γλωσσικό μοντέλο. Το να μάθετε πώς να ανθρωποποιείτε προσχέδια ενότητας συζήτησης από AI σημαίνει να αποκαθιστάτε μια πρόταση που δεσμεύεται σε έναν συγκεκριμένο ισχυρισμό για το τι σημαίνει το εύρημα, αντί για άλλη μία επιφύλαξη στοιβαγμένη πάνω στην προηγούμενη.
Γιατί τα αποτελέσματα και η συζήτηση αρχίζουν να ακούγονται το ίδιο
Ο σκοπός μιας ενότητας αποτελεσμάτων είναι να μας πει τι συνέβη, είτε με αριθμούς είτε με μια περιγραφή αρκετά συγκεκριμένη ώστε να μετρά ως αριθμοί. Ο σκοπός μιας ενότητας συζήτησης είναι να μας πει τι σημαίνει αυτό το αποτέλεσμα, πώς σχετίζεται με άλλα αποτελέσματα και τι δεν επιλύει. Όταν συγχωνεύετε αυτές τις δύο ενότητες σε μία, έχετε μια εργασία στην οποία υπάρχουν δύο ενότητες που κάνουν την ίδια δουλειά δύο φορές, μία με έναν αριθμό προσαρτημένο και μία χωρίς.
Ένα γλωσσικό μοντέλο το συγχωνεύει από προεπιλογή, επειδή και οι δύο εργασίες συντάσσονται από το ίδιο ένστικτο, να περιγράψουν το εύρημα με προσοχή και να προχωρήσουν παρακάτω. Το αποτέλεσμα είναι μια ενότητα αποτελεσμάτων που βάζει επιφυλάξεις σε ευρήματα τα οποία θα έπρεπε απλώς να αναφέρει, και μια ενότητα συζήτησης που αναφέρει ευρήματα τα οποία θα έπρεπε να ερμηνεύει. Καμία πρόταση δεν δεσμεύεται σε κάτι με το οποίο θα μπορούσε να διαφωνήσει ένας συγκεκριμένος αναγνώστης, και αυτό είναι το πραγματικό σημάδι, περισσότερο από οποιαδήποτε μεμονωμένη επιλογή λέξης.
| Ερώτηση που απαντάται | Ενότητα αποτελεσμάτων | Ενότητα συζήτησης |
|---|---|---|
| Τι συνέβη; | Δηλώνει το εύρημα άμεσα, έναν αριθμό, μια σύγκριση, μια περιγραφή | Υποθέτει ότι ο αναγνώστης έχει ήδη τον αριθμό και προχωρά πέρα από αυτόν |
| Τι σημαίνει αυτό; | Δεν είναι έργο αυτής της ενότητας, ένας αριθμός δεν ερμηνεύει τον εαυτό του | Δηλώνει τι υποδηλώνει το εύρημα και τι δεν επιλύει |
| Τυπικός τρόπος αποτυχίας | Να περιφράζεται ένας αριθμός που δεν χρειάζεται περίφραση, όπως 'τα αποτελέσματα φάνηκαν να δείχνουν μια διαφορά' | Να επαναδιατυπώνεται ο αριθμός αντί να ερμηνεύεται, όπως 'τα αποτελέσματα έδειξαν υψηλότερη βαθμολογία' |
| Μια πρόταση που περνά | Η ομάδα θεραπείας βελτιώθηκε κατά εννέα μονάδες, η ομάδα ελέγχου κατά δύο. | Το χάσμα φαίνεται να οφείλεται στο μικρότερο διάστημα, όχι στην ίδια τη μέθοδο. |
Η γραμμή του τρόπου αποτυχίας αξίζει να ελέγχεται πρώτη σε κάθε προσχέδιο με υποστήριξη AI, επειδή οι άλλες γραμμές τείνουν να ακολουθούν μόλις διορθωθεί εκείνη.
Τι πρέπει στην πραγματικότητα να κάνει μια Ενότητα Αποτελεσμάτων
Μια ενότητα αποτελεσμάτων δηλώνει τι βρέθηκε, με τη σειρά που το παρήγαγε η ανάλυση, χωρίς ακόμη να επιχειρηματολογεί για το τι σημαίνει. Το 'Παρατηρήθηκαν διαφορές μεταξύ ομάδων σε όλες τις συνθήκες' δεν είναι πρόταση αποτελεσμάτων. Το 'Η ομάδα θεραπείας βελτιώθηκε κατά εννέα μονάδες, η ομάδα ελέγχου βελτιώθηκε κατά δύο' είναι πρόταση αποτελεσμάτων, επειδή ο αναγνώστης μπορεί να το ελέγξει σε σχέση με τον πίνακα και να προχωρήσει.
Να ποικίλλει ο τρόπος με τον οποίο εισάγεται κάθε εύρημα, αντί να επαναλαμβάνεται ένα μόνο πρότυπο για κάθε αποτέλεσμα. Να ανοίγει μία πρόταση με τον αριθμό, μια άλλη με τη σύγκριση, μια άλλη με τη συνθήκη που το παρήγαγε. Μια ενότητα αποτελεσμάτων που αναφέρει ένα απροσδόκητο εύρημα σε μια απλή, άμεση πρόταση, χωρίς να το περιφράζει εκ των προτέρων, σχεδόν πάντα διαβάζεται ως πιο ανθρώπινη από μια ενότητα όπου κάθε αποτέλεσμα έφτασε ακριβώς όπως προβλεπόταν.
Τι πρέπει στην πραγματικότητα να κάνει μια Ενότητα Συζήτησης
Ο ευρύτερος οδηγός του TextPulse για την εξανθρώπιση της ακαδημαϊκής γραφής broader guide to humanizing academic writing ήδη υποστηρίζει ότι η συζήτηση είναι το σημείο όπου πρέπει να εμφανίζεται η δική σας φωνή. Αυτό που αξίζει να προστεθεί εδώ είναι ο μηχανισμός, η ενότητα της συζήτησης υπάρχει για να πει κάτι που ένας πίνακας δεν μπορεί να πει από μόνος του, γιατί έχει σημασία το εύρημα, τι αποκλείει και πού παύει να ισχύει. Αυτό απαιτεί να δεσμευτεί κανείς σε μια πραγματική ερμηνεία, αντί απλώς να την υπονοεί.
'This finding aligns with the broader literature and suggests several possible directions for future work' δεν ερμηνεύει τίποτα, επειδή μια εκδοχή του θα μπορούσε να κλείσει σχεδόν οποιαδήποτε ενότητα συζήτησης σε σχεδόν οποιοδήποτε πεδίο. Μια πρόταση της συζήτησης μπορεί να είναι συγκεκριμένη και παρ' όλα αυτά να μεταφέρει πραγματική αβεβαιότητα: 'the effect likely reflects the shorter training period rather than the method itself, though the study cannot rule out a cohort difference' κατονομάζει έναν μηχανισμό, δηλώνει προτίμηση ανάμεσα σε δύο εξηγήσεις και παραδέχεται τι δεν μπορεί να κρίνει, όλα μαζί.
Ανθρωποποιήστε τη δική σας εργασία
Μετασχηματίστε το κείμενό σας με τη βοήθεια AI και κάντε το να ακούγεται ανθρώπινο, χωρίς να αγγίξετε σημαντικές λέξεις ή παραπομπές.
Πού η Γραμμή Μεταξύ των Δύο Γίνεται Ασαφής
Δεν διαχωρίζουν όλες οι εργασίες αυτές τις ενότητες. Σε ορισμένα περιοδικά, ιδίως σε εκείνα της ποιοτικής έρευνας και της μελέτης περίπτωσης, η ενότητα των αποτελεσμάτων συχνά συνδυάζεται με την ενότητα της συζήτησης. Μια συνδυασμένη ενότητα αποτελεσμάτων και συζήτησης, όμως, δεν καταργεί τη διάκριση που αναφέρθηκε παραπάνω. Απλώς αφαιρεί τον δείκτη, δηλαδή την επικεφαλίδα, για αυτή τη διάκριση. Μέσα σε μια συνδυασμένη ενότητα αποτελεσμάτων και συζήτησης, μια παράγραφος είτε αναφέρει ένα εύρημα είτε το ερμηνεύει, και το σημάδι της υπεκφυγής λειτουργεί με τον ίδιο τρόπο στο επίπεδο της πρότασης.
Η ποιοτική εργασία μετατοπίζει ακόμη περισσότερο την αναλογία. Η παρουσίαση ενός θέματος από δεδομένα συνεντεύξεων είναι ήδη εν μέρει ερμηνευτική, αφού η επιλογή του τι μετρά ως περίπτωση του θέματος είναι από μόνη της αναλυτική απόφαση, έτσι η παράγραφος που περιορίζεται στην αναφορά και στην οποία βασίζεται μια ποσοτική ενότητα αποτελεσμάτων μπορεί να μην υπάρχει στην ίδια μορφή. Το σημάδι της υπεκφυγής εξακολουθεί να ισχύει, μια περιγραφή θέματος στοιβαγμένη με προσδιορισμούς όπως 'may potentially suggest' είναι ακριβώς τόσο μηχανική σε μια ποιοτική εργασία όσο και σε μια ποσοτική.
Το Σημάδι της Υπεκφυγής, Προτάσεις που Δεν Δεσμεύονται σε Τίποτα
Το hedging έχει πραγματικό ρόλο στην ακαδημαϊκή γραφή: επισημαίνει την πραγματική αβεβαιότητα για την οποία ο αναγνώστης χρειάζεται να ενημερωθεί. Ένα μεμονωμένο hedge είναι φυσιολογική προφύλαξη. Το ενδεικτικό σημάδι είναι ένα hedge που στοιβάζεται πάνω σε άλλο hedge, μέχρι η πρόταση να πάψει να ισχυρίζεται οτιδήποτε στο οποίο ο αναγνώστης θα μπορούσε να αντιταχθεί. Το 'This may potentially suggest a possible link' επιφυλάσσεται για την ίδια ιδέα τρεις φορές μέσα σε πέντε λέξεις, και μια ενότητα συζήτησης που έχει χτιστεί από προτάσεις σαν αυτή διαβάζεται ως παραγόμενη από μηχανή, ανεξάρτητα από το εύρημα που βρίσκεται από κάτω.
Μετρήστε τα hedges σε μία μόνο πρόταση ως πρόχειρο έλεγχο. Ένας προσδιορισμός είναι φυσιολογική επιστημονική προφύλαξη: 'this suggests', 'this may indicate', 'this appears to'. Δύο στην ίδια πρόταση αξίζουν δεύτερη ματιά. Τρία είναι το μοτίβο που θα παρατηρήσει τόσο ένας checker όσο και ένας επιβλέπων, επειδή η πρόταση έχει πάψει να λέει οτιδήποτε αρκετά συγκεκριμένο ώστε να μπορεί να είναι λανθασμένο.
Πώς να εξανθρωπίσετε προσχέδια της ενότητας συζήτησης AI χωρίς να υπερεκτιμάτε
Ξεκινήστε βρίσκοντας κάθε πρόταση που επαναδιατυπώνει την ενότητα αποτελεσμάτων αντί να την ερμηνεύει. Αν μια πρόταση της συζήτησης μπορούσε να μεταφερθεί στην ενότητα αποτελεσμάτων χωρίς αλλαγές, τότε δεν έχει ακόμη επιτελέσει τον ρόλο της. Ένας AI humanizer βοηθά εδώ μόνο αν στοχεύει ειδικά στα hedging και στις επαναδιατυπωμένες προτάσεις, αντί να εφαρμόζεται άκριτα σε ολόκληρη την ενότητα, αφού οι αριθμοί δεν χρειάστηκαν ποτέ αναδιατύπωση εξαρχής.
Έπειτα αφαιρέστε το δεύτερο και το τρίτο hedge από κάθε πρόταση που έχει περισσότερα από ένα, και δείτε τι απομένει. Συχνά αυτό που μένει είναι ένας απολύτως τεκμηριώσιμος ισχυρισμός τον οποίο το hedging έκρυβε. Η εκτέλεση της παραγράφου μέσω ενός academic tone converter στη συνέχεια μπορεί να εντοπίσει τη πιο αόριστη διατύπωση που επιβιώνει από την πρώτη διέλευση, αν και το να αποφασίσετε τι σημαίνει πραγματικά το εύρημα δεν είναι κάτι που μπορεί να κάνει ένα εργαλείο για εσάς.
Ένας ακόμη έλεγχος που αξίζει να γίνει με το χέρι, πριν από οποιοδήποτε εργαλείο, είναι να διαβάσετε την ενότητα αποτελεσμάτων και την ενότητα συζήτησης διαδοχικά και να αναρωτηθείτε αν η δεύτερη θα μπορούσε να έχει παραχθεί από την πρώτη χωρίς να διαβαστεί το υπόλοιπο άρθρο. Ένας essay checker που εκτελείται πάνω στο τελικό προσχέδιο εντοπίζει υπολειπόμενη επαναδιατύπωση που μια προσεκτική ανάγνωση παραβλέπει, αλλά το παραπάνω ερώτημα είναι αυτό που την εντοπίζει στην πραγματικότητα πρώτο.
Σε κλίμακα πλήρους εγγράφου το πρόβλημα αλλάζει μορφή, και η ανθρωποποίηση μιας διατριβής καλύπτεται στη δική της σελίδα. Αν η συζήτηση έχει παραταθεί, η μείωση του αριθμού λέξεων σε μια διατριβή είναι μια ξεχωριστή δεξιότητα που αξίζει να διαβαστεί πρώτα.
Μια ενότητα αποτελεσμάτων και μια ενότητα συζήτησης μπορούν να αναφέρουν ακριβώς το ίδιο εύρημα και παρ' όλα αυτά να επιτελούν εντελώς διαφορετικούς ρόλους στη σελίδα. Η πρώτη κερδίζει τη θέση της επειδή μπορεί να ελεγχθεί. Η δεύτερη κερδίζει τη θέση της επειδή διατυπώνει έναν ισχυρισμό με τον οποίο κάποιος θα μπορούσε πράγματι να διαφωνήσει, και αυτό ακριβώς είναι που ένα σύνολο επιφυλάξεων έχει σχεδιαστεί να αποφεύγει.
Συχνές ερωτήσεις
Μια ενότητα αποτελεσμάτων αναφέρει τι βρέθηκε, σε αριθμούς ή σε ακριβή περιγραφή, χωρίς ακόμη να επιχειρηματολογεί για το τι σημαίνει. Μια ενότητα συζήτησης ερμηνεύει αυτά τα ευρήματα, γιατί έχουν σημασία, τι αποκλείουν και πού παύουν να ισχύουν. Οι ενότητες που συντάσσονται από AI συχνά θολώνουν αυτή τη διάκριση, βάζοντας επιφυλάξεις σε μια πρόταση αποτελεσμάτων που δεν χρειάζεται καμία και επαναδιατυπώνοντας ένα εύρημα στη συζήτηση αντί να το ερμηνεύουν.
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.
