ویرایش پیش‌نویس ChatGPT به یک دست‌نوشته قابل ارسال

یک پیش‌نویس در نود ثانیه از ChatGPT برمی‌گردد و به اندازه‌ای خوب خوانده می‌شود که حرکت بدیهی این است که از نخستین جمله شروع کنید و رو به جلو آن را صیقل دهید. دو ساعت بعد، پاراگرافی که بیشترین زمان را گرفته بود حذف می‌شود، زیرا معلوم می‌شود ادعایی که آن را نگه داشته بود هیچ پشتوانه‌ای ندارد. ترتیبی که در آن ویرایش می‌کنید تعیین می‌کند چه مقدار از آن کار را دور می‌ریزید.

اینکه چگونه خروجی ChatGPT را در یک زمینه پژوهشی ویرایش کنید، در چهار گذر انجام می‌شود، و ترتیب آن بر پایه این است که اصلاح یک خطا بعدا چقدر پرهزینه است, نخست ادعاها و شواهد، دوم ساختار، سوم آهنگ جمله، و در آخر واژگان. هر گذر فرض می‌کند گذر پیش از آن دیگر در حال حرکت نیست. اگر آن‌ها را به هر ترتیب دیگری اجرا کنید، بهترین توجه شما صرف جمله‌هایی می‌شود که هفته را دوام نخواهند آورد.

چگونه خروجی ChatGPT را در چهار گذر ویرایش کنیم

ویرایش‌ها به یک اندازه ویرانگر نیستند. جابه‌جا کردن یک پاراگراف مستلزم بازنویسی همه پیوندهایی است که هموار کرده‌اید. افزودن یک جمله در بازبینی سوم، آهنگ پاراگرافی را که در بازبینی دوم متعادل کرده بودید، از نو تنظیم می‌کند. حذف یک ادعای بی‌منبع، جمله‌ای را نابود می‌کند که بیست دقیقه صرف تنظیم آن کرده‌اید. این ترتیب وجود دارد زیرا می‌خواهیم از ویرانگرترین تغییر به کم‌ویرانگرترین تغییر حرکت کنیم و هر گذر را دست‌نخورده باقی بگذاریم.

گذر	آنچه اصلاح می‌کنید	چرا اینجا قرار می‌گیرد
یک: ادعاها و شواهد	اینکه آیا هر جمله factual درست است و به منبعی که باز کرده‌اید قابل ردیابی است یا نه	جمله‌ای که قرار است حذف کنید، ارزش صیقل دادن در ابتدا را ندارد
دو: ساختار	اینکه آیا ترتیب بخش‌ها استدلال شما را پیش می‌برد یا فقط فهرستی از موضوعات است	جابه‌جا کردن یک پاراگراف پس از ویرایش خطی یعنی دوباره ویرایش کردن همه پیوندها
سه: آهنگ جمله	یکنواختی طول جمله و شکل‌های تکرارشونده بندها درون یک پاراگراف	هر درج در گذرهای یک و دو، آهنگ یک پاراگراف را از نو تنظیم می‌کند
چهار: واژگان	فعل‌های کلیشه‌ای و انتزاع‌هایی که هیچ اطلاعاتی حمل نمی‌کنند	ارزان‌ترین ویرایش و کوچک‌ترین اهرم، پس در آخر می‌آید

گذر یک: هر ادعا را با منبعی که باز کرده‌اید بررسی کنید

پیش‌نویس را یک بار بخوانید، بدون آنکه قصدی برای بهبود نگارش داشته باشید. در این نوبت، شما فقط جمله‌هایی را علامت می‌زنید که چیزی را به صورت factual بیان می‌کنند, یک عدد، یک سازوکار، یک یافته، یا ادعایی درباره این که حوزه در حال حاضر چه فکری می‌کند. بقیه چیزها می‌تواند بماند، و وسوسه اصلاح گذرای یک عبارت دست‌وپاگیر همان چیزی است که بی‌صدا یک نوبت 20 دقیقه‌ای را به یک بعدازظهر تبدیل می‌کند.

به هر جمله علامت‌خورده یکی از سه علامت را بدهید. علامت اول: من منبع را خوانده‌ام و می‌توانم به آن استناد کنم. علامت دوم: می‌دانم این درست است و باید بروم منبع را پیدا کنم. علامت سوم: مدل این را ادعا کرده و من هیچ ایده‌ای ندارم که از کجا آمده است. جمله‌هایی که علامت سوم دارند باید حذف شوند، نه بازنویسی. پیروی از این دستور در اینجا سخت‌ترین کار است، چون آن جمله‌ها معمولاً روان‌ترین جمله‌های صفحه هستند.

پیش‌نویس یک مدل، ادعاها را به هیچ‌کس به طور خاص نسبت نمی‌دهد، و عبارت‌بندی آن این را لو می‌دهد. مطالعات اخیر نشان می‌دهند، پژوهشگران دریافته‌اند، به طور گسترده پذیرفته شده است: هر یک از این‌ها شکلی است که یک ادعا وقتی می‌گیرد که هیچ مقاله مشخصی پشت آن نباشد. هر کدام یا یک استناد واقعی هستند که هنوز اضافه نکرده‌اید، یا جمله‌ای هستند که هیچ چیزی زیر آن نیست، و راه فهمیدن این که کدام است، این است که سعی کنید نام مقاله را بگویید. اگر می‌توانید، آن را در خود جمله نام ببرید. اگر نمی‌توانید، جمله باید حذف شود.

منابعی که مدل ارائه کرده است باید پیش از آنکه حتی به فهرست منابع شما نزدیک شوند، با یک پایگاه داده بررسی شوند، زیرا می‌توان یک نویسنده، سال و مجله plausible را بدون وجود یک مقاله متناظر کنار هم گذاشت. An AI citation checker شناسه‌ها را برای یک فهرست کامل در یک نوبت حل می‌کند، که از جست‌وجوی دستی هر عنوان سریع‌تر است و به‌مراتب سریع‌تر از آن است که مشکل را در یادداشت حاشیه‌ای یک استاد راهنما کشف کنید. این کار را پیش از آن انجام دهید که هر چیزی را که پیش‌نویس به شما داده است استناد کنید.

نوبت دوم: ساختار را پیرامون استدلال خود بازسازی کنید

ساختار در مرتبه دوم قرار می‌گیرد، زیرا جابه‌جا کردن یک پاراگراف پس از ویرایش خطی آن یعنی دوباره ویرایش کردن همه پیوندهایش. در این گذر، شما تعیین می‌کنید چه چیزی کجا قرار بگیرد و چه چیزی به‌طور کامل حذف شود، و باید انتظار داشته باشید که پیش‌نویس کوتاه‌تر شود. یک مدل از یک prompt، سندی ظاهراً کامل تولید کرد، و این با سندی که برای پیشبرد یک استدلال ساخته شده است، شیئی متفاوت است.

فقط جمله نخست هر پاراگراف را، به ترتیب، بخوانید و هیچ چیز دیگری نخوانید. باید مانند یک استدلال خوانده شود: این همان چیزی است که خواستیم، این همان روشی است که بررسی کردیم، این همان چیزی است که یافتیم، این همان معنای آن است. تنها شیوه مشخصی که یک پیش‌نویس تولیدشده در این آزمون شکست می‌خورد این است که مانند فهرستی از موضوعات خوانده شود، نه مانند یک خط استدلال: مدل prompt را بند به بند کامل می‌کرد، بی‌آنکه تزّی برای خدمت به آن وجود داشته باشد.

عیب ساختاری دوم، وزن‌دهی نامتوازن است. یک مدل به هر زیرموضوع تقریباً همان مقدار فضا می‌دهد، زیرا هیچ چیز در prompt به آن نگفته است کدام بخش اهمیت دارد. یک دست‌نوشته واقعی نامتوازن است. یافته‌ای که واقعاً در اختیار دارید، محدودیتی که واقعاً اثر گذاشت، روشی که در میانه راه تغییر دادید، این‌ها فضای بیشتری نسبت به پیش‌زمینه می‌گیرند، و پیش‌زمینه معمولاً در این گذر یک سوم از طول خود را از دست می‌دهد. در همان‌جا، جمله پایانی هر بخش را که آن بخش را بازگو می‌کند حذف کنید. خواننده‌ای که همین حالا آن را خوانده است چیزی به دست نمی‌آورد، و یک پیش‌نویس تولیدشده تقریباً همیشه یکی از آن‌ها را تولید می‌کند.

گذر سوم: ریتم را یک‌بار که محتوا از حرکت ایستاد، اصلاح کنید

ریتم جمله فقط زمانی ارزش اصلاح دارد که محتوا تثبیت شده باشد، زیرا هر درج در دو گذر بالا آن را از نو تنظیم می‌کند. آنچه به دنبالش هستید رشته‌ای از جمله‌هاست که طول و ساختاری مشابه داشته باشند. چهار جمله پیاپی با طولی تقریباً یکسان، هنگام بلندخوانی یکنواخت و تخت به گوش می‌رسند، و یکنواختی طول جمله در سراسر یک بخش، همان نشانگان ساختاری است که هم یک خواننده دقیق و هم یک طبقه‌بند آماری آن را تشخیص می‌دهند.

ترمیم، مکانیکی است. بند را با صدای بلند بخوانید، هر رشته‌ای از دو یا سه جمله را که به یک شکل فرود می‌آیند علامت بزنید، سپس یکی از آن‌ها را جدا کنید یا دو جمله را با ویرگولی که واقعاً کار می‌کند به هم وصل کنید. یک جمله بلند باید طول خود را با حمل یک پیچیدگی، یک شرط یا یک پیامد توجیه کند، چیزی که یک جمله کوتاه ناچار است دو بار بیان کند. نمونه‌های عملی این حرکت‌ها، همراه با نسخه‌های قبل و بعد در کنار هم، در راهنمای how to humanize AI text آمده است.

در برابر وسوسه معکوس مقاومت کنید. جمله‌های پرکننده، که هیچ چیزی اضافه نمی‌کنند و فقط برای برهم زدن ریتم وجود دارند، ظرف دو بند توسط خواننده تشخیص داده می‌شوند. تنوع باید از این بیاید که محتوا در لحظه‌های مختلف چیزهای متفاوتی برای گفتن دارد، و همین همان دلیلی است که یک بند پژوهشی واقعی از ابتدا ناهموار است.

مرحله چهارم: واژگان، آخرین و کوچک‌ترین

واژگان در آخر می‌آیند، زیرا ارزان‌ترین ویرایش و کوچک‌ترین اهرم هستند، و انجام دادن آن در ابتدا فقط احساس پیشرفت را بدون محتوا می‌دهد. یک پیش‌نویس تولیدشده بر مجموعه کوچکی از فعل‌های دانشگاهی پرتکرار و انتزاع‌ها تکیه می‌کند، و خواننده‌ای که در هر ترم صد مقاله علامت می‌زند همه آن‌ها را دیده است. facilitate, underscore, pivotal, robust, myriad و showcase مظنونان معمول در یک پیش‌نویس پژوهشی هستند.

یک فعل کلیشه‌ای را با فعلی که جمله واقعاً به آن نیاز دارد جایگزین کنید، و برای تصمیم‌گیری از آزمون اطلاعات استفاده کنید: showed, measured, doubled و failed هر کدام چیزی به خواننده می‌گویند که facilitate نمی‌گوید. A free AI word cleaner بیشتر واژگان کلیشه‌ای را در چند ثانیه پیدا می‌کند، و این دقیقاً همان مقدار زمانی است که باید برای آن صرف شود. خطر واقعی در این مرحله، زیاده‌اصلاحی است، زیرا پیش‌نویسی که به‌طور افراطی از حالت ماشینی خارج شده باشد مانند یک تمرین واژه‌نامه‌ای خوانده می‌شود، و یک استاد راهنما این را سریع‌تر از هر نرم‌افزاری تشخیص می‌دهد.

آنچه چهار مرحله برای شما باقی می‌گذارند

یک دست‌نوشته‌ای که بتوانید از آن دفاع کنید، دست‌نوشته‌ای است که بتوانید به هر جمله‌ای اشاره کنید و بگویید از کجا آمده است. این همان خروجی واقعی است، و هر مرحله‌ای که بالاتر آمد، گامی به سوی آن است: مرحله اول به هر ادعا یک منبع می‌دهد، مرحله دوم به استدلال شکل می‌دهد، و مراحل سوم و چهارم نتیجه را در سطحی خوانا می‌کنند که یک مجله یا یک ارزیاب انتظار دارد.

یک امتیاز نگارش AI معمولاً در این مراحل بدون آنکه کسی عمداً به دنبال آن باشد کاهش می‌یابد، زیرا هر مرحله چیزی را حذف می‌کند که امتیاز از آن محاسبه می‌شود: ادعاهای کلیِ بدون منبع، وزن‌دهی یکنواخت بخش‌ها، طول یکسان جمله‌ها، واژگان کلیشه‌ای. تبدیل خودِ امتیاز به هدف، کار را وارونه می‌کند. راهنمای خود Turnitin درباره محدودیت‌های این عدد صریح است و بیان می‌کند که مدل آن "may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student."

یک نکته درباره ابزارها، و سپس بازگشت به دست‌نوشته. An AI humanizer می‌تواند مرحله سوم را بر روی یک متن بلند سریع‌تر از یک انسان انجام دهد، و یک Human Score برآوردی را که از خود متن محاسبه شده گزارش می‌کند، نه حکمی از سوی هیچ آشکارساز نام‌برده‌ای. اما مرحله اول را اصلاً نمی‌تواند انجام دهد، زیرا هنگام وقوع کار در اتاق حضور نداشته است و هیچ راهی ندارد که بداند کدام‌یک از ادعاهای شما پشتوانه منبع دارند.

اینکه آیا لازم است منشأ پیش‌نویس در خود دست‌نوشته ذکر شود، پرسشی جداگانه با پاسخی واقعی است، و به مؤسسه شما یا مجله هدف بستگی دارد، نه به اینکه چه مقدار از متن پس از ویرایش باقی مانده است. راهنمای how to disclose AI use in a paper پوشش می‌دهد که بیشتر سیاست‌ها چه عبارتی را انتظار دارند و این توضیح باید در کجای سند قرار بگیرد.

اگر مسئله فوری یک عدد روی گزارش است، lowering an AI score به‌طور جداگانه در صفحه خودش بررسی می‌شود. Whether the tools built to do that actually work پرسش مقدماتیِ منصفانه‌ای است، و پاسخ خاص خود را دارد.

چهار گذر هم‌زمان نقش یک بودجه را دارند. وقتی فقط یک شب تا موعد باقی مانده است، آن را صرف دو گذر نخست کنید و بگذارید بعضی جمله‌ها اندکی ناهنجار بمانند. جمله‌ای ناهنجار که به یافته‌ای قابل دفاع پیوند خورده باشد، از یک viva جان سالم به در می‌برد. جمله‌ای زیبا که به هیچ چیز پیوند نخورده باشد، چنین نمی‌کند.