چرا نمرههای خوانایی در نگارش دانشگاهی گمراهکنندهاند
یک فرمول خوانایی، هجاها و طول جمله را میشمارد، و هیچ چیز دیگری را نه. به همین دلیل است که یک بند روششناسی دقیق، دشوار امتیاز میگیرد و یک بند مبهم، آسان. آنچه یک خواننده در حوزه واقعاً نیاز دارد، آزمونی کاملاً متفاوت است.
یک دانشجوی دکتری، یک پاراگراف از بخش روشهای خودش را، یک هفته پیش از ارسال، در یک ابزار رایگان سنجش خوانایی اجرا میکند. نتیجه، سطح خواندنِ تحصیلات تکمیلی را نشان میدهد و بهعنوان دشوار علامتگذاری میشود. او سه جمله را سادهتر میکند، و اصطلاح دقیق "heteroscedasticity" را به "unequal variance" تقلیل میدهد، و امتیاز بهتر میشود. اکنون جمله خواندنش آسانتر است و کمتر از قبل معنا میدهد، و نه استاد راهنمای او و نه مجله چنین تغییری را درخواست نکرده بودند.
یک مقاله پژوهشی باید چه سطح خواندنی داشته باشد؟ پاسخ مکانیکی این است که فرمولی که برای مخاطبان عمومی ساخته شده بود، هرگز آنچه را یک خواننده متخصص واقعاً نیاز دارد اندازهگیری نمیکرد، بنابراین دنبال کردن یک سطح پایه هدف در مقالهای که برای دیگر متخصصان همان حوزه نوشته شده است، مسئله نادرست را، جمله به جمله، حل میکند.
راهنمای TextPulse درباره استفاده از یک humanizer هوش مصنوعی برای نگارش دانشگاهی توضیح میدهد که نثر یک مقاله از دید یک detector، بخش به بخش، چگونه خوانده میشود. امتیازهای خوانایی چیز دیگری را میسنجند، و اشتباه گرفتن این دو باعث میشود نویسندگان یک پاراگراف را بیش از حد ویرایش کنند، در حالی که آن پاراگراف هرگز برای خوانندهای که برای او نوشته شده بود، واقعاً نامفهوم نبوده است.
یک مقاله پژوهشی باید چه سطح خواندنی داشته باشد؟
هیچ سطح پایه هدفی وجود ندارد که یک مقاله پژوهشی باید به آن برسد. تعیین یک امتیاز خوانایی بهعنوان هدف برای یک مقاله، معمولاً آن را بدتر میکند: واژههای سادهتر، جملههای کوتاهتر، محتوای واقعی کمتر در هر جمله، با هدف قرار دادن خوانندهای که از پیش زمینه لازم برای مواجهه با بیشتر از این را دارد. فرمولی که فقط طول جمله و تعداد هجاها را میشمارد، نمیتواند پیچیدگی ضروری را از حشو تشخیص دهد.
یک فرمول خوانایی در واقع چه چیزی را میشمارد
فرمولی مانند Flesch-Kincaid یک امتیاز را از دقیقاً دو ورودی محاسبه میکند: میانگین تعداد واژهها در یک جمله، و میانگین تعداد هجاها در یک واژه. این دو شمارش را که با هم ترکیب کنید، فرمول یک عدد واحد تولید میکند، که اغلب به سطح پایه مدرسه ترجمه میشود. هیچ چیز درباره موضوع، کیفیت استدلال، یا اینکه آیا یک جمله واقعاً درست است یا نه، در هیچ مرحلهای وارد محاسبه نمیشود.
این کل سنجش است. فرمولی که از طول جمله و شمار هجا ساخته میشود، هر واژه چندهجایی را به یک اندازه دشوار در نظر میگیرد، چه یک آرایه ادبی نامأنوس باشد و چه همان اصطلاح دقیق و یگانهای که کل حوزه از آن استفاده میکند، زیرا واژهای کوتاهتر نادرست میبود. خوانندهای که از پیش این حوزه را میشناسد، بدون کند شدن از کنار "heteroscedasticity" میگذرد. خوانندهای که این حوزه را نمیشناسد، از "uneven spread" هم بهره چندانی نمیبرد، زیرا خودِ مفهوم به پیشزمینه نیاز دارد، نه به واژه.
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.
چرا یک مقاله فنی نمره بد میگیرد و یک متن مبهم نمره خوب
یک بند فشرده درباره روشها، پر از اصطلاحات ویژه حوزه و اعداد دقیق، به عنوان دشوار امتیاز میگیرد، زیرا آن اصطلاحات طولانی هستند و جملهها اطلاعات واقعی را حمل میکنند. یک بند مبهم، ساخته شده از واژههای کوتاه و رایج و جملههای کوتاه که از گفتن هر چیز مشخصی پرهیز میکنند، به عنوان آسان امتیاز میگیرد، هرچند خواننده از آن کمتر میآموزد. دو جمله واقعی را کنار هم بگذارید، ناهماهنگی آشکار است.
| جمله | آنچه یک فرمول خوانایی میبیند | آنچه یک خواننده متخصص میبیند |
|---|---|---|
| "Heteroscedasticity in the residuals violated the assumption of homogeneity of variance." | واژههای بلند، شمار هجا بالا، امتیاز داده شده به عنوان دشوار | یک مسئله آماری دقیق و درستنامگذاریشده، بیانشده با همان عبارت یگانهای که این حوزه واقعاً برای آن به کار میبرد |
| "The results were not entirely consistent across groups." | واژههای کوتاه، جمله کوتاه، امتیاز داده شده به عنوان آسان | ادعایی مبهم که نمیگوید دقیقاً چه چیزی ناسازگار بود، یا چرا |
| "We excluded participants who missed more than two sessions." | واژههای کوتاه، امتیاز داده شده به عنوان آسان | یک تصمیم روششناختی مشخص و قابل بررسی، بهروشنی بیانشده |
هیچیک از اینها در شمارش هجاها دیده نمیشود. بخش روشهای خود را از یک readability checker عبور دهید، و اغلب نمرهای بدتر از پاراگرافی خواهد گرفت که خودتان میدانید مبهم و بیفایده است، زیرا این ابزار ویژگیهای سطحی جمله را میسنجد، نه اینکه جمله در واقع برای خوانندهای که برای او نوشته شده چه کاری انجام میدهد.
آنچه یک خواننده در حوزه شما در واقع به آن نیاز دارد
هر جمله فقط یک ایده، اطلاعات آشنا پیش از اطلاعات تازه میآید، و اطلاعات تازه بر آن تکیه دارد. اگر اصطلاح فنی وجود دارد، نخستین بار که از آن استفاده میکنید آن را بهروشنی تعریف کنید و سپس در ادامه مقاله همانگونه از آن استفاده کنید. طول واژه هیچ ربطی به هیچیک از اینها ندارد.
ترتیب «آشنا پیش از تازه» یعنی جمله با چیزی آغاز میشود که خواننده از جمله پیشین از قبل در اختیار دارد، سپس بخش تازه را در پایان میافزاید، تا هر جمله برای جمله بعدی جای پا فراهم کند. جملهای که با «بر پایه این یافته که یادآوری پس از خواب بهبود مییابد، این پژوهش بررسی کرد که آیا زمانبندی خواب به اندازه مدت آن اهمیت دارد یا نه» آغاز میشود، بخش آشنا را نخست به خواننده میدهد و پرسش تازه را دوم. اگر این ترتیب برعکس شود، همان اطلاعات خواننده را وادار میکند پیش از آنکه بداند چرا آنجا آمده است، یک ادعای ناآشنا را در ذهن نگه دارد.
تعریف یک اصطلاح، یکبار، بهروشنی، در نخستین کاربرد، و سپس بهکاربردن دوباره همان اصطلاح دقیق در ادامه، برای خواننده متخصص ارزش بیشتری دارد تا اینکه اصلاً از آن اصطلاح پرهیز شود. جابهجا کردن «the intervention» با «the treatment» و سپس «the program» در سه پاراگراف پیاپی، صرفاً برای تنوع، خواننده دقیق را وادار میکند مکث کند و بررسی کند که آیا سه چیز متفاوت توصیف میشوند یا یک چیز.
آزمونی بهتر از نمره خوانایی
آزمونی مفیدتر از هر نمره این است که آیا یک همکار در یک زیررشته مجاور، کسی که حوزه کلی را میشناسد اما این روش خاص را نه، میتواند یک بند را یک بار بخواند و آنچه را ادعا میکند بازگو کند یا نه. اگر بتواند، آن بند کار خود را انجام میدهد، صرف نظر از این که یک فرمول چه سطح نمرهای برای آن تعیین کند. اگر نتواند، مشکل تقریباً همیشه یکی از سه مورد بالا است, یک تعریفِ غایب، یک واقعیت که پیش از آن که خواننده جایی برای قرار دادن آن داشته باشد معرفی شده است، یا دو ایده که در یک جمله فشرده شدهاند. همین آزمون واحد، مشکلاتی را آشکار میکند که شمارش هجا نمیتواند, یک اصطلاح که در همان بخش به دو شیوه متفاوت به کار رفته است، جملهای که بیصدا پیشفرضی از زمینه را میگیرد که خواننده هنوز آن را ندارد، یا بندی که در میانه مسیر موضوع را عوض میکند بیآن که چنین بگوید.
فقط یک جا هست که سطح خواندنِ هدفِ واقعی به آن تعلق دارد, یک خلاصه به زبان ساده یا چکیده برای عموم، نوشته شده برای خوانندهای که اصلاً متخصص آن حوزه نیست، جایی که نوشته TextPulse درباره چگونگی نوشتن یک خلاصه به زبان ساده بهدرستی این وظیفه را بر عهده میگیرد. در همه جای دیگر مقاله، خواننده از پیش زمینه را دارد، و تنها نمرهای که ارزش بررسی دارد این است که آیا جمله را در همان بار نخست فهمیده است یا نه.
سبک و شخص با هم حرکت میکنند، و این که آیا میتوانید در یک مقاله APA از I استفاده کنید جداگانه پاسخ داده میشود. حفظ دستنخورده ارجاعات در هر مرحله بازنویسی مسئلهای متفاوت با صفحهای جداگانه است.
درست نوشتن جمله در همان بار نخست، با یک ایده در هر جمله و با تعریف شدن اصطلاحات فقط یک بار، بیش از آن که کار ابزار ویرایش باشد، یک عادت در پیشنویسنویسی است. برای جملههایی که حتی پس از قرار گرفتن ایدهها در ترتیب درست هنوز خشک یا تکراری به نظر میرسند، AI humanizer در TextPulse دقیقاً در همان سطح کار میکند، بیآن که دقت را با نمرهای پایینتر معاوضه کند.
سؤالات متداول
سطح خواندن یک مقاله پژوهشی باید چه باشد؟ هدف ثابتی وجود ندارد. مقالهای که برای متخصصان نوشته میشود باید با پیچیدگی ایدهها و اصطلاحات خودِ حوزه هماهنگ باشد، نه با نمرهای در سطح پایه که برای مخاطب عام ساخته شده است. فرمولی که طول جمله و هجاها را میشمارد، نمیتواند زبان فنیِ ضروری را از حشو و زوائد تشخیص دهد.
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.
