การศึกษาการเปรียบเทียบ AI Humanizer: เกิดอะไรขึ้นกับข้อความวิชาการชุดเดียวกัน

ในการศึกษาการเปรียบเทียบตัวทำให้ข้อความเป็นมนุษย์ของเรา ตัวทำให้ข้อความเป็นมนุษย์ทุกตัวได้ปรับข้อความวิชาการ 48 ชิ้นเดียวกันให้เข้าใกล้รูปแบบการเขียนของมนุษย์ และเครื่องมือต่างกันมากที่สุดในสิ่งที่พวกมันคงไว้ บางตัวคงความหมาย การอ้างอิง และตัวเลขให้ใกล้เคียงกับต้นฉบับ ส่วนตัวอื่นเพิ่มตัวเลขและชื่อที่ประดิษฐ์ขึ้น หรือข้อผิดพลาดทางไวยากรณ์ใหม่ และผลลัพธ์เหล่านั้นมักเป็นผลลัพธ์ที่ตัวตรวจจับระบุว่าเป็นมนุษย์

TextPulse Research ดำเนินการศึกษาการเปรียบเทียบตัวทำให้ข้อความเป็นมนุษย์ในเดือนสิงหาคม 2026 และเผยแพร่เป็นเอกสารวิชาการฉบับร่างเมื่อวันที่ 29 สิงหาคม TextPulse เป็นหนึ่งในเครื่องมือในการศึกษานี้ ดังนั้นเครื่องมือทุกตัวจึงได้รับข้อมูลนำเข้าเดียวกัน และทุกมาตรวัดเป็นสคริปต์สาธารณะ เอกสารวิชาการฉบับร่างฉบับเต็ม มีตาราง รูป และสคริปต์ทุกส่วน และข้อความที่เขียนใหม่ทั้งหมด 432 ชิ้นเป็นสาธารณะ

การศึกษาการเปรียบเทียบตัวทำให้ข้อความเป็นมนุษย์ของ AI ทดสอบอะไร

การศึกษานี้ให้ตัวทำให้ข้อความเป็นมนุษย์ทุกตัวได้รับข้อความ 48 ชิ้นเดียวกัน แต่ละชิ้นเป็นส่วนผลลัพธ์และอภิปรายของการศึกษาประจักษ์เชิงประดิษฐ์ที่แต่งขึ้น เขียนโดยแบบจำลอง AI และมีความยาวประมาณ 301 คำ แบบจำลองสี่ตระกูลเขียน 12 ข้อความต่อหนึ่งตระกูล ได้แก่ OpenAI, Google, DeepSeek และ Anthropic ข้อความครอบคลุมสี่สาขาวิชาและสามรูปแบบการอ้างอิง ดังนั้นเครื่องมือแต่ละตัวจึงต้องเผชิญกับตัวเลข ชื่อผู้แต่ง และเครื่องหมายอ้างอิงที่ต้องคงไว้

ส่วนของการออกแบบ	สิ่งที่การศึกษาใช้
ข้อความต้นฉบับ	48 ส่วนผลลัพธ์และอภิปรายที่เขียนโดย AI, แต่ละส่วนมี 264 ถึง 344 คำ
ผู้เขียน	อย่างละ 12 ข้อความจากแบบจำลองของ OpenAI, Google, DeepSeek และ Anthropic
สาขาวิชา	การแพทย์และสุขภาพ, วิทยาศาสตร์กายภาพและการคำนวณ, สังคมศาสตร์, มนุษยศาสตร์
รูปแบบการอ้างอิง	APA แบบผู้แต่ง-ปี, วงเล็บตัวเลข, ไม่มีการอ้างอิง
ข้อเท็จจริงที่ตรวจสอบในข้อความ	ศัพท์เทคนิค 404 รายการ, ตัวเลข 887 รายการ, การอ้างอิง 124 รายการ
วิธีที่เครื่องมือแต่ละตัวทำงาน	วางลงในหน้าเว็บของตนหนึ่งครั้งที่การตั้งค่าเริ่มต้น, เก็บผลลัพธ์ตามที่ส่งกลับมา
วันที่	26 ถึง 28 สิงหาคม 2026
ตัวตรวจจับ	Turnitin, เอกสารหนึ่งฉบับต่อหนึ่งเครื่องมือ, และ GPTZero, ข้อความแต่ละชิ้นแยกกัน

หน้าที่ของ humanizer คือการเขียนผลลัพธ์ของ AI ใหม่ ดังนั้นการศึกษาจึงเริ่มจากผลลัพธ์ของ AI ที่มีรายการข้อเท็จจริงที่ตรวจสอบแล้ว ก่อนการเขียนใหม่ใด ๆ แต่ละโมเดลได้ระบุคำศัพท์ ตัวเลข และการอ้างอิงที่มันใช้ไว้ รายการที่ระบุไว้แต่ละรายการถูกเปรียบเทียบกับข้อความ และรายการใดที่ไม่ปรากฏในข้อความนั้นก็ถูกตัดออก สิ่งนั้นทำให้ได้รายการคงที่สำหรับแต่ละข้อความ ดังนั้นการศึกษาจึงสามารถนับได้อย่างแม่นยำว่า humanizer แต่ละตัวเก็บไว้ เปลี่ยนแปลง หรือประดิษฐ์สิ่งใดขึ้นมา

แต่ละข้อความถูกส่งเข้าไปในหน้าเว็บของแต่ละเครื่องมือหนึ่งครั้ง โดยใช้การตั้งค่าเริ่มต้นของเครื่องมือ และผลลัพธ์ถูกบันทึกไว้ตามที่ได้รับกลับมาโดยไม่เปลี่ยนแปลง ไม่มีใครแก้ไขผลลัพธ์ เครื่องมือบางตัวประมวลผลน้อยกว่า 48 ข้อความ เพราะระดับฟรีจำกัดจำนวนข้อความที่เครื่องมือหนึ่งจะรับได้ ชุดแกนกลางจำนวน 24 ข้อความเหมือนกันสำหรับแต่ละเครื่องมือ และอยู่ในลำดับเดียวกัน TextPulse ประมวลผลครบทั้ง 48 ข้อความ

การศึกษาวัดข้อความที่ถูกทำให้เป็นมนุษย์อย่างไร

คะแนนของตัวตรวจจับบอกคุณว่าข้อความหนึ่งดูเป็นอย่างไรต่อหนึ่งตัวตรวจจับในหนึ่งวัน มันไม่ได้บอกอะไรเลยว่าการเขียนใหม่ยังรายงานผลลัพธ์เดียวกันหรือไม่ การศึกษานี้ให้คะแนนผลลัพธ์ทุกชิ้นบนตัวข้อความเองก่อน และบนตัวตรวจจับเป็นลำดับที่สอง สำหรับนักศึกษาหรือนักวิจัย การมีบทความที่ยังคงบอกสิ่งที่ข้อมูลบอกอยู่เป็นเรื่องสำคัญ โดยใช้ร้อยแก้วที่ฟังดูเหมือนมนุษย์เขียน

ตัวชี้วัด	สิ่งที่ตรวจสอบ	เหตุผลที่มีความสำคัญในบทความวิจัย
ความหมาย	ความใกล้เคียงของข้อความที่เขียนใหม่กับข้อความต้นฉบับ ในฐานะคะแนนความคล้ายคลึงตั้งแต่ 0 ถึง 1	คะแนนที่ต่ำกว่าหมายความว่าย่อหน้านั้นกล่าวสิ่งอื่นแล้ว
การอ้างอิงที่คงไว้	สัดส่วนของการอ้างอิงในเนื้อความที่ยังคงอยู่ โดยมีผู้แต่งและปีเดียวกัน	ปีที่เปลี่ยนไปทำให้ไม่ตรงกับรายการอ้างอิง
ตัวเลขที่คงไว้	สัดส่วนของตัวเลขที่ตรวจสอบแล้วซึ่งยังคงอยู่ในข้อความ	ขนาดตัวอย่างหรือค่า p ที่หายไปทำให้ผลลัพธ์เปลี่ยนไป
รายการที่ประดิษฐ์ขึ้น	ตัวเลขและชื่อในผลลัพธ์ที่ต้นฉบับไม่เคยมี	ตัวเลขที่ประดิษฐ์ขึ้นเป็นข้อความเท็จเกี่ยวกับการศึกษา
ข้อผิดพลาดทางไวยากรณ์ที่เพิ่มขึ้น	ข้อผิดพลาดใหม่ต่อ 1,000 คำ นับด้วย LanguageTool	ข้อผิดพลาดทำให้คะแนนลดลงและลดความเชื่อมั่นของผู้ประเมิน
ระดับการอ่าน	การเปลี่ยนแปลงในระดับ Flesch-Kincaid	ข้อความ AI มีระดับที่สูงกว่าร้อยแก้วเชิงวิชาการที่มนุษย์ตีพิมพ์
ตำแหน่งเชิงสไตล์	ตำแหน่งของข้อความระหว่างงานเขียนของมนุษย์ทั่วไปกับงานเขียนของ AI ทั่วไป	ตัวตรวจจับเชิงสไตล์ตอบสนองต่อคุณลักษณะเหล่านี้
ความยาว	ความยาวของผลลัพธ์เมื่อเทียบกับต้นฉบับ, 0.70 ถึง 1.30 เท่าถือว่ายังคงไว้	เครื่องมือที่ตัดข้อความลงครึ่งหนึ่งได้ลดเนื้อหาแล้ว

ตำแหน่งเชิงสไตล์มาจากมาตราส่วนที่ TextPulse พัฒนาขึ้นจากคุณลักษณะเชิงสไตล์ 47 รายการจากข้อความวิชาการ 121,092 ชิ้น (อธิบายไว้ใน บทความการจำแนกเชิงสไตล์ ของเรา) ข้อความวิชาการของมนุษย์ทั่วไปอยู่ที่ 0 และข้อความ AI ทั่วไปอยู่ที่ 100 เราเรียกครึ่งกลางของข้อความมนุษย์ (-36 ถึง 33) ว่า ช่วงมนุษย์

คำศัพท์ได้รับการให้คะแนนเทียบกับรายการคำ 1,057 คำจาก บทความคำศัพท์ AI ของเรา ในจำนวนนั้น 581 คำเป็นคำที่แบบจำลอง AI ใช้มากกว่ามนุษย์ และ 476 คำเอนเอียงไปในทางตรงกันข้าม การศึกษานี้นับว่าคำที่เอนเอียงไปทาง AI แต่ละเครื่องมือลบออกไปกี่คำต่อ 1,000 คำ

สิ่งที่ humanizer แต่ละตัวทำกับข้อความ

เครื่องมือทุกตัวในการศึกษาได้เลื่อนผลลัพธ์ของตนไปทางปลายด้านมนุษย์ของสเกลรูปแบบ ข้อความ AI ที่ยังไม่ผ่านการปรับมีค่าเฉลี่ย 138 ซึ่งสูงกว่าข้อความ AI ทั่วไปที่ 100 หลังการเขียนใหม่ เครื่องมือบางตัวไปถึงช่วงมนุษย์ และบางตัวหยุดอยู่ประมาณกึ่งกลาง เครื่องมือทุกตัวยังได้ลบคำศัพท์ที่เอนเอียงไปทาง AI และลดระดับการอ่าน ดังนั้นทิศทางของการเปลี่ยนแปลงจึงเหมือนกันทั่วทั้งสาขา

ลักษณะสองชนิดเป็นตัวขับเคลื่อนข้อความไปตามสเกลได้มากที่สุด คู่แรกคือความยาวคำเฉลี่ยและสัดส่วนของคำยาว การเขียนใหม่จาก "help" เป็น "facilitate" จะทำให้ข้อความดูเป็น AI มากขึ้น เพราะมันเพิ่มความยาวคำเฉลี่ยและเพิ่มสัดส่วนของคำยาว ลักษณะที่สองคือความยาวประโยคที่หลากหลาย ซึ่งผลักไปทางมนุษย์ ย่อหน้าที่ทุกประโยคมี 22 ถึง 26 คำจะราบเรียบ แต่ย่อหน้าที่ผสมประโยค 9 คำกับประโยค 31 คำจะมีความหลากหลาย

แนวคิดคือการไปให้ถึงระดับการอ่านที่ต่ำลง ข้อความวิชาการที่เขียนโดย AI มีระดับ Flesch-Kincaid สูงกว่าร้อยแก้ววิชาการของมนุษย์ที่ตีพิมพ์แล้ว ดังนั้น หากมันลดลง ก็จะทำให้งานเขียนใกล้กับรูปแบบเรียบง่ายที่นักวิจัยใช้เขียน นั่นคือสิ่งที่ตัวตรวจจับเชิงสไตโลเมตริกตอบสนองต่อ และนั่นก็เป็นการเปลี่ยนแปลงที่ทำให้ฉบับร่างอ่านง่ายขึ้นด้วย เป้าหมายทั้งสองสอดคล้องกันตราบใดที่เนื้อหายังคงครบถ้วน

บทความของเราเกี่ยวกับ humanizers เปลี่ยนประโยคอย่างไร แสดงการแก้ไขเหล่านี้ทีละประโยค การศึกษานี้เพิ่มการวัดเข้าไป, คือแต่ละการเปลี่ยนแปลงเลื่อนข้อความไปไกลเพียงใด และต้องแลกด้วยความหมายและข้อเท็จจริงเท่าใด

จุดที่เครื่องมือแตกต่างกัน: ความหมาย, การอ้างอิง และตัวเลข

เครื่องมือแตกต่างกันในอัตราการคงไว้ของตน ตัวอย่างเช่น ตลอดการศึกษา มีการคงไว้ของการอ้างอิงระหว่าง 29 ถึง 100 เปอร์เซ็นต์ มีรายการที่ถูกประดิษฐ์ขึ้นระหว่าง 0.06 ถึง 4.44 รายการต่อผลลัพธ์ มีข้อผิดพลาดทางไวยากรณ์ใหม่ระหว่าง 0.65 ถึง 4.91 ข้อต่อ 1,000 คำ รายการที่ถูกประดิษฐ์ขึ้น ได้แก่ ขนาดตัวอย่าง เปอร์เซ็นต์ ขอบเขตความเชื่อมั่น ชื่อผู้เขียน และสถาบันที่แหล่งที่มาไม่เคยกล่าวถึง

ชื่อและหน่วยหายไปในลักษณะที่เงียบกว่า เมื่อเครื่องมือถอดความสถิติ มักจะละหน่วยออกไปด้วย ดังนั้น "Cohen's d" จึงกลายเป็นขนาดอิทธิพล และ "Celsius" จึงกลายเป็นองศา ชื่อผู้แต่งก็หายไปพร้อมกับการอ้างอิง ชื่อชนิด ชื่อยุค และชื่อเครื่องมือถูกแทนที่ด้วยคำบรรยาย ผู้อ่านที่ต้องการตรวจสอบผลลัพธ์จำเป็นต้องมีชื่อเหล่านั้น ดังนั้นการสูญเสียแต่ละกรณีจึงนับรวม

ความลึกของการเขียนใหม่และความซื่อสัตย์ต่อความหมายดึงไปคนละทิศทาง เครื่องมือที่เปลี่ยนคำหนึ่งในสามของทั้งหมดจะคงความหมายไว้ได้ง่ายกว่า เครื่องมือที่เปลี่ยนคำส่วนใหญ่มีโอกาสสูญเสียบางสิ่งมากกว่า สัดส่วนของคำที่ถูกเปลี่ยนอยู่ระหว่าง 35 ถึง 68 เปอร์เซ็นต์ ผลลัพธ์ที่นักวิจัยต้องการคือการเขียนใหม่อย่างลึกซึ้งแต่ยังคงความหมายไว้ การผสมผสานเช่นนั้นพบได้น้อย

การศึกษายังมองหาอักขระที่ซ่อนอยู่ ได้แก่ อักขระที่มองไม่เห็น ช่องว่างที่ไม่เป็นมาตรฐาน และตัวอักษรที่มีลักษณะคล้ายกันจากอักษรซีริลลิกหรือกรีก บาง humanizers เพิ่มสิ่งเหล่านี้เพื่อเปลี่ยนผลลัพธ์ของตัวตรวจจับ ไม่มีเครื่องมือใดในการศึกษานี้เพิ่มสิ่งใดเลย ดังนั้นผลลัพธ์ใด ๆ จึงไม่ล้มเหลวต่อเกณฑ์คุณภาพด้วยเหตุผลนั้น

เหตุใดผลลัพธ์ของตัวตรวจจับเพียงอย่างเดียวจึงเป็นเกณฑ์มาตรฐานของ humanizer ที่อ่อนแอ

ผลลัพธ์ของตัวตรวจจับเพียงอย่างเดียวเป็นเกณฑ์มาตรฐานของ humanizer ที่ไม่สมบูรณ์ ในการศึกษาการเปรียบเทียบ AI humanizer ผลลัพธ์ที่ GPTZero ระบุว่าเป็นมนุษย์บ่อยที่สุดมาจากเครื่องมือที่ประดิษฐ์ตัวเลขและชื่อมากกว่า ละการอ้างอิงมากกว่า หรือเพิ่มข้อผิดพลาดทางไวยากรณ์มากกว่า วิธีที่ง่ายที่สุดในการเปลี่ยนค่าประมาณของตัวตรวจจับคือการเปลี่ยนสิ่งที่ข้อความกล่าว การเขียนใหม่เช่นนั้นทำให้บทความที่ตั้งใจจะช่วยเหลือล้มเหลว

เพื่อวัดทั้งสองด้านพร้อมกัน การศึกษากำหนดเกณฑ์คุณภาพ เพื่อผ่านเกณฑ์ ผลลัพธ์ต้องมีคะแนนความหมายอย่างน้อย 0.95 และต้องคงการอ้างอิงไว้อย่างน้อย 90 เปอร์เซ็นต์ นอกจากนี้ยังต้องไม่มีตัวเลขหรือชื่อที่ประดิษฐ์ขึ้น ไม่มีอักขระที่ซ่อนอยู่ และมีความยาวอยู่ภายในค่าคลาดเคลื่อน จากนั้นป้ายกำกับของ GPTZero ว่าเป็นมนุษย์จึงนับเฉพาะผลลัพธ์ที่ผ่านเกณฑ์เท่านั้น เกณฑ์นี้เหมือนกันสำหรับทุกเครื่องมือ

ผลลัพธ์ของแต่ละเครื่องมือถูกรวมไว้ในเอกสารหนึ่งฉบับ โดยมีข้อความหนึ่งชิ้นต่อหนึ่งหน้า การศึกษานี้ใช้เปอร์เซ็นต์ AI หนึ่งค่าใน Turnitin สำหรับเอกสาร Turnitin ใช้เครื่องหมายดอกจันแทนตัวเลขเมื่อมีค่าน้อยกว่า 20 เปอร์เซ็นต์ ผลลัพธ์ของเครื่องตรวจจับเป็นค่าประมาณจากเครื่องตรวจจับรุ่นหนึ่งในวันที่ทำการศึกษา เราเขียนเกี่ยวกับการอ่านคะแนน AI ของ Turnitin ของคุณไว้ในคู่มือของเราที่ ความหมายของคะแนน AI ของ Turnitin.

TextPulse ทำได้อย่างไรในการเปรียบเทียบตัวปรับให้เป็นภาษามนุษย์

TextPulse ได้อันดับแรกในดัชนีผสมของการศึกษา ซึ่งให้น้ำหนักเท่ากันแก่ความลึกของการเขียนใหม่ ความหมาย ตำแหน่งของสไตล์ ไวยากรณ์ และความครบถ้วนของเนื้อหา คะแนนของ TextPulse คือ 0.811 สำหรับตัววัดทั้งห้าข้อนั้น และ 0.843 เมื่อเพิ่มตัววัดของเครื่องตรวจจับที่มีเกณฑ์กำกับเข้าไป มันทำได้ดีเพราะไม่มีตัววัดใดที่อ่อนแอ มันเขียนใหม่มากกว่าครึ่งของข้อความแต่ละชิ้น และคงข้อเท็จจริงที่บทความวิชาการต้องอาศัยไว้

ตัววัด	ผลลัพธ์ของ TextPulse
คำที่เปลี่ยนไป	52 เปอร์เซ็นต์
ความหมายที่คงไว้, ความคล้ายคลึงกับต้นฉบับ	0.971, ประมาณ 97 เปอร์เซ็นต์
การอ้างอิงที่คงไว้	99 เปอร์เซ็นต์
ตัวเลขที่คงไว้	87 เปอร์เซ็นต์
เอนทิตีที่มีชื่อที่คงไว้	95 เปอร์เซ็นต์
ข้อผิดพลาดทางไวยากรณ์ที่เพิ่มขึ้น	0.65 ต่อ 1,000 คำ, น้อยที่สุดในการศึกษา
รายการที่ประดิษฐ์ขึ้น	0.48 ต่อผลลัพธ์หนึ่งชิ้น, ชื่อที่ประดิษฐ์ขึ้นในผลลัพธ์หนึ่งชิ้นจากห้าสิบชิ้น
ระดับการอ่าน	ต่ำลง 3.6 ระดับ, ลดลงมากที่สุด
คำที่มีแนวโน้มเป็น AI ที่ถูกลบออก	39 ต่อ 1,000 คำ, มากที่สุดในการศึกษา
ตำแหน่งของสไตล์	29, อยู่ภายในช่วงของมนุษย์
ผลลัพธ์ที่อยู่ภายในค่าคลาดเคลื่อนของความยาว	47 จาก 48
ผลลัพธ์ที่ผ่านเกณฑ์คุณภาพ	67 เปอร์เซ็นต์
คะแนน AI ของ Turnitin, เอกสารหนึ่งฉบับของผลลัพธ์ทั้งหมด	24 เปอร์เซ็นต์, ต่ำที่สุดในการศึกษา, เสมอกัน
ป้ายกำกับมนุษย์ของ GPTZero บนผลลัพธ์ที่ผ่านเกณฑ์	10.4 เปอร์เซ็นต์ (5 จาก 48), สูงที่สุดในการศึกษา

ผลลัพธ์สองประการมีความสำคัญที่สุดต่อการใช้ในงานวิชาการ ในบรรดาเครื่องมือที่เปลี่ยนคำอย่างน้อยครึ่งหนึ่ง TextPulse รักษาความหมายได้ดีที่สุด ในบรรดาเครื่องมือที่มีคะแนนความหมาย 0.97 หรือสูงกว่า มันเปลี่ยนคำได้มากที่สุด ไม่มีเครื่องมืออื่นใดในงานวิจัยนี้อยู่ในทั้งสองกลุ่ม humanizer สำหรับงานเขียนเชิงวิชาการต้องการการผสมผสานเช่นนั้น เพราะการเขียนใหม่แบบเบา ๆ จะคงรูปแบบของ AI ไว้ ส่วนการเขียนใหม่แบบลึกที่ตัดข้อเท็จจริงออกจะเปลี่ยนผลลัพธ์

GPTZero ระบุว่า 9 จาก 48 ผลลัพธ์ของ TextPulse เป็นมนุษย์ และ 5 จากจำนวนนั้นผ่านเกณฑ์คุณภาพด้วย ซึ่งเป็นผลลัพธ์ที่ผ่านเกณฑ์สูงที่สุดในงานวิจัยนี้ เอกสาร Turnitin ของผลลัพธ์ TextPulse ได้คะแนน AI 24 เปอร์เซ็นต์ เท่ากับคะแนนต่ำสุด เอกสารอื่น ๆ ได้คะแนนตั้งแต่ 28 ถึง 74 เปอร์เซ็นต์ ผลลัพธ์ของตัวตรวจจับเป็นเพียงค่าประมาณ และงานวิจัยรายงานไว้ควบคู่กับมาตรวัดข้อความด้วยเหตุผลนั้น

สิ่งที่งานวิจัยไม่อาจบอกคุณได้

การศึกษาเปรียบเทียบ AI humanizer ระบุข้อจำกัดของตนเอง ข้อความถูกเขียนโดยโมเดล AI ตามคำสั่งที่กำหนดตายตัว และร่างจริงยาวกว่าและมีความสม่ำเสมอน้อยกว่า เครื่องมือแต่ละตัวทำงานหนึ่งครั้ง ด้วยการตั้งค่าเริ่มต้น ระหว่างวันที่ 26 ถึง 28 สิงหาคม 2026 ผู้ให้บริการอัปเดตเครื่องมือของตน ดังนั้นผลลัพธ์จึงอธิบายช่วงเวลาดังกล่าวและควรอ่านในฐานะภาพรวม ณ ขณะหนึ่ง

เครื่องมือที่ต่างกันมีจำนวนข้อความต่างกัน เนื่องจากถูกจำกัดด้วยจำนวนข้อความฟรีที่เครื่องมือนั้นจะประมวลผลได้ ซึ่งยังทำให้ช่วงความเชื่อมั่นของเครื่องมือที่มีข้อความน้อยกว้างขึ้นด้วย Turnitin สร้างหนึ่งคะแนนต่อเอกสาร และดังนั้นจึงไม่มีการกระจายของคะแนนต่อข้อความ GPTZero เป็นตัวตรวจจับหนึ่งตัว, รุ่นของโมเดลหนึ่งรุ่น (2026-08-09-base).

TextPulse เป็นผู้จัดทำการศึกษาและเป็นหนึ่งในเครื่องมือในนั้น เครื่องมือแต่ละตัวได้รับข้อมูลนำเข้าชุดเดียวกัน ตามระเบียบวิธี มาตรวัดทั้งหมดเป็นสคริปต์ที่เปิดเผยต่อสาธารณะ และผลลัพธ์ดิบทั้งหมดถูกแบ่งปัน ซึ่งหมายความว่าใครก็ตามสามารถคำนวณตัวเลขเหล่านั้นอีกครั้ง หรือให้น้ำหนักต่างออกไปได้ ข้อความต้นฉบับ ผลลัพธ์ทั้งหมด 432 รายการ คำตอบของตัวตรวจจับ และสคริปต์ต่าง ๆ เป็นสาธารณะ

วิธีใช้ข้อค้นพบกับร่างของคุณเอง

ข้อค้นพบเหล่านี้แปรเป็นการตรวจสอบสั้น ๆ ที่คุณสามารถทำได้หลังใช้ humanizer ใด ๆ รวมทั้งของเราด้วย เปรียบเทียบผลลัพธ์กับร่างของคุณในประเด็นที่งานวิจัยนับไว้ สำหรับหนึ่งส่วน ใช้เวลาเพียงไม่กี่นาที

1. ตรวจสอบทุกตัวเลขเทียบกับฉบับร่างของคุณ, ขนาดตัวอย่าง, ร้อยละ, ค่า p และช่วงความเชื่อมั่น.
2. ตรวจสอบการอ้างอิงในเนื้อความทุกจุดว่าเป็นผู้แต่งและปีเดียวกัน แล้วจับคู่กับรายการอ้างอิงของคุณ.
3. มองหาชื่อที่เปลี่ยนไป, เครื่องมือ, ชนิดพันธุ์, ชุดข้อมูล, หน่วย และชื่อผู้แต่ง.
4. อ่านเพื่อหาข้ออ้างที่ถูกทำให้หนักแน่นขึ้น เช่น "may indicate" ถูกเขียนใหม่เป็น "shows".
5. เปรียบเทียบความยาว, ผลลัพธ์ที่สั้นกว่าต้นฉบับมากน่าจะตัดเนื้อหาออกไป.
6. อ่านข้อความออกเสียงเพื่อจับข้อผิดพลาดทางไวยากรณ์ที่การเขียนใหม่เพิ่มเข้ามา.

ความยาวเป็นการตรวจสอบที่รวดเร็วที่สุดในบรรดาการตรวจเหล่านี้. ในการศึกษา ผลลัพธ์ที่อยู่ระหว่าง 0.70 ถึง 1.30 เท่าของความยาวต้นฉบับนับว่าเก็บรักษาไว้. TextPulse เก็บรักษา 47 จาก 48 ผลลัพธ์ให้อยู่ภายในช่วงนั้น โดยมีค่าเฉลี่ย 1.14 เท่าของต้นฉบับ ดังนั้นผลลัพธ์ของมันจึงยาวกว่าฉบับร่างเล็กน้อย.

การอ้างอิงใช้เวลาตรวจสอบด้วยมือมากที่สุด. ในการศึกษา TextPulse เก็บรักษาไว้ 99 เปอร์เซ็นต์ และการเปลี่ยนแปลงของมันอยู่ที่รูปแบบการนำเสนอ เช่น การอ้างอิงแบบวงเล็บถูกเปลี่ยนเป็นแบบบรรยาย. บทความของเราเกี่ยวกับ ตัวทำให้เป็นมนุษย์ด้วย AI ที่คงการอ้างอิงไว้ อธิบายว่าควรมองหาอะไรในเครื่องหมายอ้างอิงของคุณเอง.

เครื่องมือตรวจสอบ burstiness ฟรี วัดว่าความยาวของประโยคในฉบับร่างของคุณแปรผันมากเพียงใด. ความยาวประโยคที่หลากหลายเป็นหนึ่งในลักษณะที่มาตราวัดของการศึกษานี้ให้น้ำหนักไปทางการเขียนแบบมนุษย์. สำหรับคู่มือจัดอันดับพร้อมราคา ดูคู่มือของเราเกี่ยวกับ ตัวทำให้เป็นมนุษย์ด้วย AI ที่ดีที่สุดสำหรับการเขียนเชิงวิชาการ. เมื่อคุณพร้อมจะเขียนใหม่ TextPulse AI humanizer ถูกสร้างขึ้นเพื่อคงตัวเลข ชื่อ และการอ้างอิงของคุณไว้ และรายงาน Human Score โดยประมาณสำหรับผลลัพธ์.