AI Detection

Cómo aumentar la perplejidad y la variabilidad en tu escritura

Aumentar la perplejidad y la variabilidad de manera deliberada suele significar simplemente escribir mejor: variar la longitud de las oraciones, mezclar estructuras de cláusulas y elegir la palabra que realmente encaja en lugar de la que solo parece adecuada. Ejemplos concretos antes y después, además de dónde esto deja de ser oficio y empieza a ser una mala idea.

6 min
Before and after example showing how to increase burstiness and perplexity by varying sentence length and word choice

Buscar cómo aumentar la burstiness y la mayoría de los resultados prometen un atajo: cambiar un sinónimo, insertar una oración larga al azar, quizá infringir una regla gramatical por si acaso. Nada de eso es lo que realmente mueve el número. Aumentar la perplexity y la burstiness en un texto es, en su mayor parte, una cuestión de arquitectura de la oración, el mismo oficio que ya practica un editor cuidadoso, aplicado de forma deliberada en lugar de por hábito.

Este es un texto práctico, no una explicación del mecanismo. La fórmula que hay detrás de la burstiness, y de dónde procede realmente el término, se trata en el texto complementario sobre lo que realmente mide la burstiness; la perplexity tiene su propia entrada complementaria que cumple la misma función. Lo que sigue aquí es técnica: formas concretas de construir una oración que aumentan más ambas medidas, con ejemplos de antes y después, además de un examen honesto de cuándo esto deja de ser un consejo de escritura y pasa a ser una mala idea.

Cómo aumentar la burstiness variando a propósito la longitud de las oraciones

La burstiness registra la dispersión entre sus oraciones, no su longitud media, así que la palanca más rápida es ampliar deliberadamente esa dispersión en lugar de deslizarse hacia una sola longitud cómoda durante todo un párrafo. La mayoría de los primeros borradores se acomodan en un ritmo que nadie eligió a propósito: tres oraciones de entre doce y dieciséis palabras parecen seguras, así que una cuarta y una quinta siguen el mismo patrón sin que nadie decida que deban hacerlo.

Antes: 'The sample size limited statistical power. The results should be interpreted with caution. Future research should address this limitation with larger cohorts.' Tres oraciones, de ocho a once palabras cada una, un solo registro en todo el texto. Después: 'The sample was little, which limited statistical power in ways worth saying plainly rather than hedging around. That matters. A single larger cohort could shift the effect size enough to change which claims the paper is entitled to make.' El mismo contenido, una dispersión completamente distinta.

El objetivo no es en absoluto la máxima variedad a cualquier precio. Un párrafo que alterna una oración de cuarenta palabras con una oración de dos palabras en cada línea suena más a un tic que a un ritmo. La meta se acerca más a la manera en que una persona marca naturalmente una explicación en voz alta: una oración de preparación más larga cuando una idea necesita espacio, una breve cuando no lo necesita.

Mezcle estructuras de cláusulas en lugar de repetir una sola

Un párrafo puede variar su número de palabras y aun así parecer plano si cada oración está construida del mismo modo: sujeto, verbo, objeto, punto, repetir. La burstiness responde tanto a la variedad estructural como a la longitud, porque un lector, o un modelo que predice la siguiente construcción probable, se descoloca ante una oración que comienza con una cláusula subordinada, o con una pregunta, después de varias oraciones que comenzaron con el sujeto.

Antes: 'The intervention reduced anxiety scores. The effect held across age groups. The mechanism remains unclear.' Tres oraciones que empiezan con el sujeto seguidas. Después: 'Anxiety scores dropped after the intervention. Whether that held across every age group took a second look to confirm, and it did. What is still missing is a mechanism that explains why.' Nada sobre el hallazgo subyacente cambió entre esas dos versiones, solo la arquitectura por la que el lector tiene que pasar para llegar a él.

Esto no es complejidad por sí misma. Una cláusula subordinada al principio gana su lugar cuando realmente prepara la oración que sigue: un marcador temporal, una condición, una concesión. Añadida solo para variar, sin nada que la justifique, la misma construcción se lee exactamente como lo que es, decoración en lugar de arquitectura.

Humanice su propio artículo

Transforme su texto asistido por IA y hágalo sonar humano, sin tocar palabras importantes ni citas.

Empezar gratis

Elija la palabra específica en lugar de la esperada

La perplexity se mueve a nivel de palabra, así que el trabajo sobre la longitud de las oraciones anterior solo carga con la mitad del peso. Un modelo asigna alta probabilidad a la siguiente palabra genérica: significativo, notable, importante, lo que mil otros artículos del mismo género elegirían en ese punto. Nombrar el número real, el mecanismo real o la objeción real que planteó un revisor le cuesta al modelo mucha más sorpresa que la palabra que solo era segura.

Antes: 'The findings were major and have important implications for the field.' Una oración construida con las palabras que un revisor espera, en el orden que un revisor espera. Después: 'Three of four cohorts cleared the threshold; the fourth missed it by two points, which the discussion section never explains.' La segunda versión solo podría describir este estudio concreto. La primera podría aparecer al final de casi cualquier artículo en cualquier disciplina.

Esto no significa rellenar una oración con detalles innecesarios. Significa conservar el detalle que ya era verdadero y específico, en lugar de suavizarlo hasta convertirlo en la frase genérica a la que recurre un primer borrador bajo presión de tiempo. Un número preciso, una limitación nombrada, un contraejemplo particular cuestan más de generar porque son menos predecibles, y además resultan ser mejores oraciones.

Deje que una oración breve descanse después de una larga

Las dos técnicas anteriores funcionan oración por oración. Esta trata de lo que una oración hace en relación con la que la precede. Una oración larga, una que apila una cláusula subordinada sobre una matización sobre un detalle específico, crea una apertura. Seguirla de inmediato con algo breve rompe el ritmo en el que un lector, y un clasificador, de otro modo se instalarían.

Antes: 'The treatment group showed improvement across three of the four measures tracked, and while the fourth measure didn't reach statistical significance, the trend was directionally consistent with the other three, suggesting the null result there may reflect a power issue rather than a true absence of effect, a possibility the original protocol didn't expect.' Una sola oración que carga cinco ideas. Después: 'The treatment group improved on three of four measures. The fourth didn't reach significance, though the trend pointed the same way. That gap was not in the original protocol.' La versión larga y la versión breve terminan diciendo casi lo mismo, pero solo una de ellas le da al lector un lugar para respirar.

Una frase corta por párrafo se gana su lugar. Varias seguidas empiezan a parecer un tic tomado del texto publicitario, de tres palabras cada vez, lo cual es su propia clase de uniformidad y puede aplanar un párrafo con la misma eficacia que no variar nunca en absoluto.

No todas las técnicas anteriores actúan sobre la misma palanca. Algunas modifican más la perplexity, otras modifican más la burstiness, y unas pocas modifican ambas a la vez.

TécnicaModifica principalmentePor qué
Variar la longitud de las oracionesBurstinessAmplía la distancia entre la oración más corta y la más larga, que es lo que registra la medida basada en la dispersión
Mezclar estructuras de cláusulasAmbasRompe la expectativa de un patrón fijo de una oración a la siguiente
Elegir la palabra específicaPerplexityUn detalle nombrado le cuesta a un modelo más sorpresa que un marcador genérico
Una oración corta después de una largaBurstinessGenera el contraste marcado que el cálculo de la varianza está diseñado para captar

Escribir para ser leída, no para vencer una puntuación

Toda técnica anterior es también simplemente buena edición. Variar la longitud de las oraciones, mezclar estructuras de cláusulas, nombrar el detalle específico en lugar de la generalización segura: una editora sin interés en la detección de IA haría los mismos cambios por la misma razón, porque el resultado se lee mejor. Esa coincidencia no es casual. Una lectora cuidadosa y un cálculo de perplexity responden a la misma propiedad de la escritura, cuánto de ella está haciendo trabajo real en lugar de llenar espacio con la frase esperada.

La superposición se desmorona en el momento en que el objetivo pasa de escribir bien a superar una cifra. Una frase alargada sin otra razón que elevar un promedio, una construcción hecha torpe a propósito, una palabra elegida por rareza y no por exactitud: todo ello eleva una puntuación y empeora la escritura, un mal intercambio incluso antes de considerar cómo la lee quien realmente la califica o la revisa. Un detector tampoco es nunca el único lector en la sala, y la prosa escrita para satisfacer una sola estadística tiende a no satisfacer a nadie más.

El propio comprobador gratuito de perplexity de TextPulse y el comprobador gratuito de burstiness están diseñados precisamente para este tipo de autoevaluación: pegue un borrador, vea dónde se sitúa y decida si un tramo plano es un problema estilístico que merece ser revisado en lugar de una conjetura. El resto de la colección de herramientas gratuitas de TextPulse cubre las demás capas de la misma cuestión, la elección de palabras, la estructura, el tono, para una lectura más completa de la que ofrece cualquiera de las dos medidas por separado.

La misma técnica, descrita sin la métrica adjunta, es simplemente variar la longitud de las frases en la escritura académica. Conviene relacionarla con la cuestión más amplia de por qué el texto de AI se detecta en absoluto, de modo que las ediciones sigan orientadas a la causa.

Nada de esto exige creer que una sola cifra diga toda la verdad sobre un texto, algo que conviene recordar dado cómo estas medidas encajan en la explicación más completa de cómo funcionan realmente los detectores de AI. Un párrafo que se lee bien en voz alta, con espacio para respirar y al menos una frase que solo podría haber sido escrita por alguien que conoce el material, suele encargarse por sí solo del resto.

XLinkedInFacebook

Preguntas frecuentes

Cómo aumentar la variabilidad consiste en ampliar la diferencia entre tu oración más corta y tu oración más larga, en lugar de dejar que todas las oraciones se sitúen cerca de la misma longitud. Un párrafo formado por tres oraciones de doce palabras seguidas casi no tiene dispersión. Romper ese patrón con una oración breve y otra más larga y detallada aumenta la medida de inmediato, y por lo general también se lee mejor.

Moe

PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.

Mantente al día sobre la humanización con AI

Recibe en tu correo consejos sobre redacción académica, detección de AI y humanización.

Sin spam. Cancela la suscripción en cualquier momento.