परिणाम और चर्चा अनुभागों को मानवीय कैसे बनाएं
परिणाम अनुभाग एक संख्या रिपोर्ट करता है। चर्चा अनुभाग को यह तर्क देना चाहिए कि उसका अर्थ क्या है। AI दोनों के बीच के अंतर को समतल कर देता है, और इसका संकेत यह है कि हेजिंग इतनी अधिक जमा हो जाती है कि वाक्य किसी भी बात का दावा करना ही बंद कर देता है।
एक परिणाम अनुभाग यह रिपोर्ट करता है कि हस्तक्षेप समूह ने नियंत्रण समूह से अधिक अंक प्राप्त किए, एक विशिष्ट संख्या जो दो पृष्ठ पहले एक तालिका में रखी हुई है। उसी निष्कर्ष को समेटने वाला चर्चा अनुभाग कहता है कि हस्तक्षेप समूह ने अधिक अंक प्राप्त किए, जो एक संभावित सकारात्मक प्रभाव का संकेत दे सकता है, जिसके लिए आगे की जाँच उचित हो सकती है। दूसरा वाक्य पहले वाक्य से पहले से स्थापित किसी भी बात में कुछ नहीं जोड़ता, केवल 4 हेज और एक लंबा वाक्य जोड़ता है।
यही वास्तविक कारण है कि जब ये दोनों अनुभाग किसी भाषा मॉडल द्वारा तैयार किए जाते हैं, तो वे एक जैसे सुनाई देने लगते हैं। AI चर्चा अनुभाग के मसौदों को मानवीय बनाने का तरीका सीखने का अर्थ है ऐसे वाक्य को पुनर्स्थापित करना जो इस बात के बारे में एक विशिष्ट दावे के लिए प्रतिबद्ध हो कि निष्कर्ष का क्या अर्थ है, बजाय इसके कि पहले वाले पर एक और हेज जोड़ दिया जाए।
परिणाम और चर्चा एक जैसे क्यों सुनाई देने लगते हैं
परिणाम अनुभाग का उद्देश्य यह बताना है कि क्या हुआ, या तो संख्याओं के साथ या ऐसी वर्णनात्मक जानकारी के साथ जो संख्याओं के रूप में गिनी जा सके। चर्चा अनुभाग का उद्देश्य यह बताना है कि उस परिणाम का क्या अर्थ है, उसका अन्य परिणामों से क्या संबंध है, और वह क्या स्पष्ट नहीं करता। जब आप इन दोनों अनुभागों को एक में मिला देते हैं, तो आपके पास ऐसा शोधपत्र होता है जिसमें दो अनुभाग एक ही काम दो बार करते हैं, एक बार संख्या के साथ और एक बार बिना संख्या के।
एक भाषा मॉडल इसे डिफ़ॉल्ट रूप से मिला देता है, क्योंकि दोनों काम एक ही प्रवृत्ति से मसौदा बनते हैं, निष्कर्ष का सावधानी से वर्णन करना और आगे बढ़ जाना। इसका परिणाम एक ऐसा परिणाम अनुभाग होता है जो उन निष्कर्षों पर हेज करता है जिन्हें उसे केवल रिपोर्ट करना चाहिए, और एक ऐसा चर्चा अनुभाग होता है जो उन निष्कर्षों की रिपोर्ट करता है जिनकी उसे व्याख्या करनी चाहिए। कोई भी वाक्य ऐसी किसी बात के लिए प्रतिबद्ध नहीं होता जिससे कोई विशिष्ट पाठक असहमत हो सके, और यही वास्तविक संकेत है, किसी एक शब्द-चयन से अधिक।
| उत्तर दिया जा रहा प्रश्न | परिणाम अनुभाग | चर्चा अनुभाग |
|---|---|---|
| क्या हुआ? | निष्कर्ष को सीधे बताता है: एक संख्या, एक तुलना, एक विवरण | मान लेता है कि पाठक के पास पहले से संख्या है और उससे आगे बढ़ जाता है |
| इसका क्या अर्थ है? | इस अनुभाग का काम नहीं; एक संख्या स्वयं की व्याख्या नहीं करती | बताता है कि निष्कर्ष क्या संकेत करता है, और क्या तय नहीं करता |
| सामान्य विफलता-रूप | ऐसी संख्या के लिए संकोच करना जिसे संकोच की आवश्यकता नहीं, जैसे 'results appeared to show a difference' | संख्या की व्याख्या करने के बजाय उसे फिर से कहना, जैसे 'the results showed a higher score' |
| एक वाक्य जो स्वीकार्य है | उपचार समूह में नौ अंकों की वृद्धि हुई; नियंत्रण समूह में दो की। | अंतर का कारण छोटा अंतराल लगता है, न कि स्वयं विधि। |
विफलता-रूप वाली पंक्ति को किसी भी AI-assisted मसौदे में सबसे पहले जाँचना उचित है, क्योंकि एक बार वह ठीक हो जाए तो अन्य पंक्तियाँ भी सामान्यतः उसी के अनुसार चलती हैं।
परिणाम अनुभाग को वास्तव में क्या करना चाहिए
परिणाम अनुभाग यह बताता है कि क्या पाया गया, उस क्रम में जिसमें विश्लेषण ने उसे उत्पन्न किया, अभी यह तर्क दिए बिना कि उसका क्या अर्थ है। 'Group differences were observed across conditions' कोई परिणाम-वाक्य नहीं है। 'उपचार समूह में नौ अंकों की वृद्धि हुई; नियंत्रण समूह में दो की' एक परिणाम-वाक्य है, क्योंकि पाठक इसे तालिका से जाँच सकता है और आगे बढ़ सकता है।
हर परिणाम के लिए एक ही साँचे को दोहराने के बजाय, प्रत्येक निष्कर्ष को प्रस्तुत करने का तरीका बदलें। एक वाक्य की शुरुआत संख्या से करें, दूसरे की तुलना से, तीसरे की उस स्थिति से जिसने उसे उत्पन्न किया। एक परिणाम अनुभाग जो किसी अप्रत्याशित निष्कर्ष को एक सरल, सीधे वाक्य में रिपोर्ट करता है, बिना पहले से उसे संकोच में डाले, लगभग हमेशा उस अनुभाग से अधिक मानवीय लगता है जहाँ हर परिणाम ठीक उसी तरह आया जैसा अनुमान था।
चर्चा अनुभाग को वास्तव में क्या करना चाहिए
TextPulse की शैक्षणिक लेखन को मानवीय बनाने के लिए व्यापक मार्गदर्शिका पहले ही यह तर्क देती है कि चर्चा वह स्थान है जहाँ आपकी अपनी आवाज़ को प्रकट होना चाहिए। यहाँ जो बात जोड़ने योग्य है, वह तंत्र है, चर्चा अनुभाग का उद्देश्य ऐसा कुछ कहना है जो कोई तालिका अपने आप नहीं कह सकती, कि निष्कर्ष का क्या महत्व है, वह किन बातों को खारिज करता है, और वह कहाँ तक लागू होता है। इसके लिए किसी वास्तविक व्याख्या के प्रति प्रतिबद्ध होना आवश्यक है, न कि केवल उसकी ओर संकेत करना।
'यह निष्कर्ष व्यापक साहित्य के अनुरूप है और भविष्य के कार्य के लिए कई संभावित दिशाओं का संकेत देता है' कुछ भी व्याख्यायित नहीं करता, क्योंकि इसका कोई रूप लगभग किसी भी क्षेत्र के लगभग किसी भी चर्चा अनुभाग को समाप्त कर सकता है। एक चर्चा वाक्य विशिष्ट हो सकता है और फिर भी वास्तविक अनिश्चितता को वहन कर सकता है: 'प्रभाव संभवतः विधि स्वयं के बजाय छोटे प्रशिक्षण काल को प्रतिबिंबित करता है, यद्यपि अध्ययन किसी समूह अंतर को खारिज नहीं कर सकता' एक तंत्र का नाम लेता है, दो व्याख्याओं के बीच प्राथमिकता बताता है, और एक साथ यह भी स्वीकार करता है कि वह क्या तय नहीं कर सकता।
अपने पेपर को मानवीय बनाइए
अपने AI-सहायता प्राप्त पाठ को रूपांतरित करें और उसे मानवीय ध्वनि दें, महत्वपूर्ण शब्दों या उद्धरणों को छेड़े बिना।
जब दोनों के बीच की रेखा धुंधली हो जाती है
सभी शोधपत्र इन अनुभागों को अलग नहीं करते। कुछ पत्रिकाओं में, विशेषकर गुणात्मक और केस अध्ययन परंपराओं वाली पत्रिकाओं में, परिणाम अनुभाग को अक्सर चर्चा अनुभाग के साथ मिला दिया जाता है। हालांकि, एक संयुक्त परिणाम/चर्चा अनुभाग ऊपर बताए गए भेद को समाप्त नहीं करता। यह केवल उस भेद के चिह्न, अर्थात् शीर्षक, को हटा देता है। एक संयुक्त परिणाम/चर्चा अनुभाग के भीतर, कोई अनुच्छेद या तो किसी निष्कर्ष की रिपोर्ट करता है या उसकी व्याख्या करता है, और hedging tell वाक्य स्तर पर उसी तरह काम करता है।
गुणात्मक कार्य अनुपात को और बदल देता है। साक्षात्कार डेटा से किसी थीम को प्रस्तुत करना पहले से ही आंशिक रूप से व्याख्यात्मक है, क्योंकि यह चुनना कि थीम के किस उदाहरण को मान्य माना जाए, स्वयं एक विश्लेषणात्मक निर्णय है, इसलिए वह केवल रिपोर्टिंग वाला अनुच्छेद, जिस पर मात्रात्मक परिणाम अनुभाग निर्भर करता है, उसी रूप में मौजूद नहीं भी हो सकता। hedging tell फिर भी लागू होता है: 'may potentially suggest' जैसे qualifiers से भरा हुआ थीम विवरण गुणात्मक शोधपत्र में उतना ही मशीन जैसा सुनाई देता है जितना मात्रात्मक में।
hedging tell, ऐसे वाक्य जो किसी बात के प्रति प्रतिबद्ध नहीं होते
Hedging का अकादमिक लेखन में एक वास्तविक काम है, यह उस वास्तविक अनिश्चितता को चिह्नित करता है जिसके बारे में पाठक को जानना चाहिए। एक अकेला hedge सामान्य सावधानी है। संकेत तब मिलता है जब एक hedge के ऊपर दूसरा hedge जोड़ दिया जाता है, जब तक कि वाक्य ऐसा कुछ भी कहना बंद न कर दे जिस पर पाठक आपत्ति कर सके। 'This may potentially suggest a possible link' एक ही विचार को पाँच शब्दों में तीन बार hedge करता है, और ऐसे वाक्यों से बनी discussion section, नीचे जो भी निष्कर्ष हो, मशीन-जनित जैसी पढ़ी जाती है।
एक मोटे जाँच के रूप में, एक ही वाक्य में hedges की गिनती करें। एक qualifier सामान्य वैज्ञानिक सावधानी है: 'this suggests', 'this may indicate', 'this appears to'. एक ही वाक्य में दो हों तो फिर से देखना चाहिए। तीन वह पैटर्न है जिसे एक checker, और एक supervisor, दोनों नोटिस करेंगे, क्योंकि वाक्य ने इतना विशिष्ट कहना बंद कर दिया है कि वह गलत भी हो सके।
अतिरिक्त दावा किए बिना AI Discussion Section Drafts को मानवीय कैसे बनाएं
पहले हर उस वाक्य को खोजें जो परिणामों की section को व्याख्या करने के बजाय केवल दोहराता है। यदि किसी discussion वाक्य को बिना बदले results section में रखा जा सकता है, तो उसने अभी अपना काम नहीं किया है। एक AI humanizer यहाँ केवल तब मदद करता है जब उसे विशेष रूप से hedging और दोहराए गए वाक्यों पर केंद्रित किया जाए, न कि पूरे section पर अंधाधुंध चलाया जाए, क्योंकि संख्याओं को पहली जगह पर ही फिर से लिखने की आवश्यकता नहीं थी।
फिर हर उस वाक्य से दूसरा और तीसरा hedge हटा दें जिसमें एक से अधिक हों, और देखें कि क्या बचता है। अक्सर जो बचता है वह पूरी तरह से बचाव योग्य दावा होता है जिसे hedging ने दबा दिया था। इसके बाद paragraph को एक academic tone converter से गुजारना पहले चरण में बची अधिक अस्पष्ट phrasing को पकड़ सकता है, हालांकि यह तय करना कि निष्कर्ष का वास्तव में क्या अर्थ है, ऐसा काम नहीं है जो कोई tool आपके लिए कर सके।
किसी भी टूल से पहले, हाथ से करने योग्य एक और जाँच यह है, परिणाम अनुभाग और चर्चा अनुभाग को लगातार पढ़ें और पूछें कि क्या दूसरा, शेष शोधपत्र को पढ़े बिना, पहले से उत्पन्न किया जा सकता था। तैयार मसौदे पर चलाया गया एक essay checker उस शेष पुनरुक्ति को पकड़ लेता है जिसे सावधानीपूर्वक पढ़ना चूक सकता है, लेकिन ऊपर पूछा गया प्रश्न ही वह है जो वास्तव में उसे सबसे पहले पकड़ता है।
पूर्ण दस्तावेज़ स्तर पर समस्या का रूप बदल जाता है, और humanizing a thesis को उसके अपने पृष्ठ पर शामिल किया गया है। यदि चर्चा बहुत लंबी हो गई है, तो reducing word count in a thesis पहले पढ़ने योग्य एक अलग कौशल है।
एक परिणाम अनुभाग और एक चर्चा अनुभाग बिल्कुल वही निष्कर्ष प्रस्तुत कर सकते हैं, फिर भी पृष्ठ पर पूरी तरह अलग काम कर सकते हैं। पहला अपनी जगह इसलिए अर्जित करता है क्योंकि उसे जाँचा जा सकता है। दूसरा अपनी जगह इसलिए अर्जित करता है क्योंकि वह ऐसा दावा करता है जिससे कोई वास्तव में असहमत हो सकता है, और यही वह बात है जिससे बचने के लिए हेजिंग के ढेर बनाए जाते हैं।
अक्सर पूछे जाने वाले प्रश्न
परिणाम अनुभाग यह रिपोर्ट करता है कि क्या पाया गया, संख्याओं या सटीक विवरण में, बिना अभी यह तर्क दिए कि उसका अर्थ क्या है। चर्चा अनुभाग उन निष्कर्षों की व्याख्या करता है, वे क्यों महत्वपूर्ण हैं, वे क्या खारिज करते हैं, और वे कहाँ लागू होना बंद करते हैं। AI-निर्मित अनुभाग अक्सर इस अंतर को धुंधला कर देते हैं, ऐसे परिणाम वाक्य पर हेज लगा देते हैं जिसे किसी हेज की आवश्यकता नहीं होती, और चर्चा में निष्कर्ष को व्याख्यायित करने के बजाय उसे दोहरा देते हैं।
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.
