Academic Writing

چگونه بخش‌های نتایج و بحث را انسانی‌سازی کنیم

بخش نتایج یک عدد را گزارش می‌کند. بخش بحث قرار است استدلال کند که این عدد چه معنایی دارد. AI این تفاوت را میان آن دو هموار می‌کند، و نشانه آن احتیاط‌هایی است که آن‌قدر روی هم انباشته شده‌اند که جمله دیگر اصلاً چیزی را ادعا نمی‌کند.

5 min
Table showing what a results section and a discussion section should each do, used to humanize AI discussion section drafts

بخش نتایج گزارش می‌دهد که گروه مداخله نمره‌ای بالاتر از گروه کنترل کسب کرده است، عددی مشخص که دو صفحه پیش‌تر در یک جدول آمده است. بخش بحث، که همان یافته را پوشش می‌دهد، می‌گوید گروه مداخله نمره‌ای بالاتر کسب کرده است، که ممکن است نشان‌دهنده یک اثر مثبت احتمالی باشد و شاید مستلزم بررسی بیشتر باشد. جمله دوم هیچ چیز تازه‌ای بر آنچه جمله اول پیش‌تر تثبیت کرده بود نمی‌افزاید، فقط 4 عبارت احتیاطی و یک جمله طولانی‌تر دارد.

این دلیل واقعی است که چرا این دو بخش وقتی هر دو توسط یک مدل زبانی پیش‌نویس می‌شوند، شروع به شبیه شدن به هم می‌کنند. آموختن اینکه چگونه پیش‌نویس‌های بخش بحثِ تولیدشده توسط AI را انسانی کنیم، یعنی بازگرداندن جمله‌ای که به یک ادعای مشخص درباره معنای یافته متعهد می‌شود، به جای یک عبارت احتیاطی دیگر که روی عبارت قبلی انباشته شده است.

چرا نتایج و بحث شروع به یکسان به نظر رسیدن می‌کنند

هدف یک بخش نتایج این است که به ما بگوید چه رخ داده است, یا با اعداد، یا با توصیفی که به اندازه کافی مشخص باشد تا بتوان آن را معادل عددی دانست. هدف یک بخش بحث این است که بگوید آن نتیجه چه معنایی دارد، چگونه با نتایج دیگر ارتباط پیدا می‌کند، و چه چیزی را حل‌نشده باقی می‌گذارد. وقتی این دو بخش را در هم ادغام می‌کنید و به یک بخش تبدیل می‌کنید، با مقاله‌ای روبه‌رو می‌شوید که در آن دو بخش همان کار را دو بار انجام می‌دهند، یک بار با عددی ضمیمه و یک بار بدون آن.

یک مدل زبانی به طور پیش‌فرض آن را در هم ادغام می‌کند، زیرا هر دو کار از یک انگیزه واحد پیش‌نویس می‌شوند: یافته را با احتیاط توصیف کن و ادامه بده. نتیجه، بخشی از نتایج است که یافته‌هایی را که باید صرفاً گزارش کند، با احتیاط بیان می‌کند، و بخشی از بحث است که یافته‌هایی را گزارش می‌کند که باید تفسیرشان کند. هیچ‌یک از جمله‌ها به چیزی متعهد نمی‌شوند که یک خواننده مشخص بتواند با آن مخالفت کند، و این همان نشانه واقعی است، بیش از هر انتخاب واژه منفرد.

Question being answeredResults sectionDiscussion section
What happened?یافته را به‌طور مستقیم بیان می‌کند: یک عدد، یک مقایسه، یک توصیففرض می‌کند که خواننده از پیش عدد را دارد و از آن عبور می‌کند
What does it mean?وظیفه این بخش نیست, یک عدد خودْ تفسیر نمی‌شودبیان می‌کند که یافته چه چیزی را نشان می‌دهد، و چه چیزی را قطعی نمی‌کند
Typical failure modeعدد را با احتیاط بیان کردن، در حالی که نیازی به احتیاط ندارد، مانند 'results appeared to show a difference'به‌جای تفسیر، عدد را دوباره بیان کردن، مانند 'the results showed a higher score'
A sentence that passesگروه درمان 9 امتیاز بهبود یافت؛ گروه کنترل 2 امتیاز.به نظر می‌رسد شکاف ناشی از بازه کوتاه‌تر باشد، نه خود روش.

ردیفِ حالتِ شکست را در هر پیش‌نویسِ یاری‌گرفته از AI، نخست باید بررسی کرد، زیرا وقتی آن یکی اصلاح شود، ردیف‌های دیگر نیز معمولاً به‌دنبال آن درست می‌شوند.

یک بخش نتایج در واقع باید چه کاری انجام دهد

بخش نتایج آنچه را به دست آمده است، به همان ترتیبی که تحلیل آن را تولید کرده است، بیان می‌کند، بی‌آنکه هنوز برای معنای آن استدلال کند. 'Group differences were observed across conditions' یک جمله نتایج نیست. 'The treatment group improved by nine points; the control group improved by two' یک جمله نتایج است، زیرا خواننده می‌تواند آن را با جدول تطبیق دهد و از آن عبور کند.

هر یافته را به شیوه‌ای متفاوت معرفی کنید، نه اینکه برای هر نتیجه یک الگوی واحد را تکرار کنید. یک جمله را با عدد آغاز کنید، جمله‌ای دیگر را با مقایسه، و جمله‌ای دیگر را با شرطی که آن را پدید آورده است. بخشی از نتایج که یک یافته غیرمنتظره را در جمله‌ای ساده و مستقیم، بدون احتیاط‌ورزیِ پیشینی، گزارش می‌کند، تقریباً همیشه انسانی‌تر از متنی خوانده می‌شود که در آن هر نتیجه دقیقاً همان‌گونه که پیش‌بینی شده بود، رخ داده است.

یک بخش بحث در واقع باید چه کاری انجام دهد

TextPulse's راهنمای گسترده‌تر برای انسانی‌سازی نگارش دانشگاهی از پیش استدلال می‌کند که بحث جایی است که صدای خود شما باید ظاهر شود. آنچه در اینجا افزودن آن ارزش دارد، سازوکار است: بخش بحث برای گفتن چیزی وجود دارد که یک جدول به‌تنهایی نمی‌تواند بگوید، اینکه یافته چرا اهمیت دارد، چه چیزی را منتفی می‌کند، و در کجا دیگر کاربرد ندارد. این امر مستلزم آن است که به جای صرفاً اشاره به یک تفسیر، واقعاً به یک تفسیر متعهد شوید.

'این یافته با ادبیات گسترده‌تر همسو است و چندین جهت ممکن برای کارهای آینده را پیشنهاد می‌کند' هیچ چیزی را تفسیر نمی‌کند، زیرا نسخه‌ای از آن می‌تواند تقریباً هر بخش بحثی را در تقریباً هر حوزه‌ای به پایان برساند. یک جمله در بخش بحث می‌تواند مشخص باشد و در عین حال عدم قطعیت واقعی را نیز حمل کند: 'این اثر احتمالاً بازتاب دوره آموزشی کوتاه‌تر است نه خود روش، هرچند مطالعه نمی‌تواند تفاوتِ هم‌گروهی را منتفی کند' یک سازوکار را نام می‌برد، میان دو توضیح یکی را ترجیح می‌دهد، و هم‌زمان آنچه را که نمی‌تواند تعیین کند می‌پذیرد.

مقاله خود را انسانی‌سازی کنید

متنِ کمک‌گرفته از AI خود را دگرگون کنید و کاری کنید طبیعی به نظر برسد، بدون دست زدن به واژه‌های مهم یا ارجاع‌ها.

رایگان شروع کنید

جایی که مرز میان این دو مبهم می‌شود

همه مقالات این بخش‌ها را جدا نمی‌کنند. در برخی مجلات، به‌ویژه آنهایی که در سنت‌های کیفی و مطالعه موردی قرار دارند، بخش نتایج اغلب با بخش بحث ترکیب می‌شود. با این حال، یک بخش نتایج و بحثِ ترکیبی، تمایز بالا را از میان نمی‌برد. فقط نشانگر آن تمایز، یعنی عنوان را، حذف می‌کند. درون یک بخش نتایج و بحثِ ترکیبی، یک بند یا یک یافته را گزارش می‌کند یا آن را تفسیر می‌کند، و نشانه احتیاط در سطح جمله همان کارکرد را دارد.

کار کیفی نسبت را بیشتر جابه‌جا می‌کند. ارائه یک مضمون از داده‌های مصاحبه از پیش تا حدی تفسیری است، زیرا انتخاب اینکه چه چیزی به‌عنوان مصداقی از آن مضمون به شمار می‌آید، خود یک تصمیم تحلیلی است، بنابراین بندِ صرفاً گزارشی که یک بخش نتایج کمّی بر آن تکیه دارد ممکن است به همان شکل وجود نداشته باشد. با این حال، نشانه احتیاط همچنان اعمال می‌شود: توصیفِ یک مضمون که با قیود 'ممکن است بالقوه نشان دهد' انباشته شده باشد، در یک مقاله کیفی به همان اندازه ماشینی‌وار به نظر می‌رسد که در یک مقاله کمّی.

نشانه احتیاط: جمله‌هایی که به هیچ چیز متعهد نمی‌شوند

پرهیز از قطعیت‌نمایی در نگارش دانشگاهی کارکردی واقعی دارد: مشخص کردن عدم‌قطعیتِ واقعی‌ای که خواننده باید از آن آگاه باشد. یک پرهیز از قطعیت‌نماییِ واحد، احتیاطی عادی است. نشانه آن جایی است که یک پرهیز از قطعیت‌نمایی روی پرهیز از قطعیت‌نمایی دیگری انباشته می‌شود تا جایی که جمله دیگر هیچ ادعایی نمی‌کند که خواننده بتواند آن را به چالش بکشد. 'This may potentially suggest a possible link' همان ایده را در پنج واژه سه بار با احتیاط بیان می‌کند، و بخشی از بحث که از جمله‌هایی مانند آن ساخته شده باشد، صرف‌نظر از یافته زیربنایی، به صورت تولیدشده توسط ماشین خوانده می‌شود.

تعداد پرهیزهای از قطعیت‌نمایی را در یک جمله به عنوان یک سنجش تقریبی بشمارید. یک قید، احتیاط علمیِ عادی است: 'this suggests', 'this may indicate', 'this appears to'. دو مورد در یک جمله ارزش بازبینی دوباره دارد. سه مورد الگویی است که هم یک بررسی‌کننده، و هم یک استاد راهنما، متوجه آن خواهند شد، زیرا جمله دیگر هیچ چیزِ مشخصی را بیان نمی‌کند که بتوان آن را نادرست دانست.

چگونه پیش‌نویس‌های بخش بحثِ AI را بدون ادعای بیش از حد انسانی کنیم

با یافتن هر جمله‌ای آغاز کنید که به جای تفسیر نتایج، بخش نتایج را دوباره بیان می‌کند. اگر یک جمله در بخش بحث بتواند بدون هیچ تغییری به بخش نتایج منتقل شود، هنوز کار خود را انجام نداده است. یک AI humanizer در اینجا فقط زمانی مفید است که به طور مشخص متوجه پرهیز از قطعیت‌نمایی و جمله‌های بازگویی‌شده باشد، نه این که کورکورانه سراسر بخش را پردازش کند، زیرا اعداد از همان ابتدا نیازی به بازنویسی نداشتند.

سپس پرهیز از قطعیت‌نماییِ دوم و سوم را از هر جمله‌ای که بیش از یکی دارد حذف کنید، و ببینید چه باقی می‌ماند. اغلب آنچه باقی می‌ماند ادعایی کاملا قابل دفاع است که پرهیز از قطعیت‌نمایی آن را پنهان کرده بود. سپس عبور دادن پاراگراف از یک academic tone converter می‌تواند عبارت‌بندی مبهم‌تری را که از یک دور نخست جان سالم به در برده است آشکار کند، هرچند تعیین این که شما در واقع یافته را چگونه تفسیر می‌کنید چیزی نیست که یک ابزار بتواند برای شما انجام دهد.

یک بررسی دیگر که پیش از هر ابزار، ارزش انجام دادن به صورت دستی را دارد این است که بخش نتایج و بخش بحث را پشت سر هم بخوانید و بپرسید آیا دومی می‌توانست بدون خواندن بقیه مقاله از اولی تولید شده باشد یا نه. یک essay checker که روی پیش‌نویس نهایی اجرا شود، بازگوییِ باقی‌مانده‌ای را که یک خوانش دقیق از قلم می‌اندازد، پیدا می‌کند، اما پرسش بالا همان چیزی است که در عمل نخست آن را آشکار می‌کند.

در مقیاس کامل سند، مسئله شکل دیگری پیدا می‌کند و humanizing a thesis در صفحه‌ای جداگانه پوشش داده شده است. اگر بحث طولانی شده باشد، reducing word count in a thesis مهارتی جداگانه است که خواندن آن پیش از هر چیز ارزش دارد.

یک بخش نتایج و یک بخش بحث می‌توانند دقیقاً همان یافته را گزارش کنند و با این حال در صفحه کارکردهایی کاملاً متفاوت داشته باشند. اولی جایگاه خود را با قابل‌بررسی بودن به دست می‌آورد. دومی جایگاه خود را با طرح ادعایی به دست می‌آورد که کسی واقعاً بتواند با آن مخالفت کند، و این دقیقاً همان چیزی است که انبوهی از قیدهای احتیاطی برای پرهیز از آن ساخته شده‌اند.

XLinkedInFacebook

سؤالات متداول

بخش نتایج آنچه را به دست آمده است، به صورت عدد یا توصیف دقیق، گزارش می‌کند، بی‌آنکه هنوز برای معنای آن استدلال کند. بخش بحث این یافته‌ها را تفسیر می‌کند: چرا اهمیت دارند، چه چیزهایی را رد می‌کنند، و در کجا دیگر کاربرد ندارند. بخش‌های نوشته‌شده با AI اغلب این دو را در هم می‌آمیزند، برای جمله‌ای در بخش نتایج که نیازی به احتیاط ندارد احتیاط می‌آورند و به جای تفسیر، یافته را در بخش بحث دوباره بیان می‌کنند.

Sara

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.

از تازه‌های انسان‌سازی AI باخبر بمانید

نکات مربوط به نگارش دانشگاهی، تشخیص AI و انسان‌سازی را در صندوق ورودی‌تان دریافت کنید.

بدون اسپم. هر زمان خواستید لغو اشتراک کنید.