รูปแบบการเขียนของ AI, คำ จังหวะ และเครื่องหมายวรรคตอนที่บ่งชี้ได้

อ่านประโยคนี้เพียงครั้งเดียว แล้วดูว่าคุณรู้หรือไม่ว่ามันมาจากที่ใด: นักวิจัยยังคงเน้นย้ำถึงปฏิสัมพันธ์ที่ซับซ้อนระหว่างแรงจูงใจและผลสัมฤทธิ์ และงานวิจัยที่เพิ่มขึ้นจำนวนหนึ่งเน้นบทบาทสำคัญที่การกำกับตนเองมีต่อความสำเร็จทางวิชาการ ไม่มีส่วนใดของข้อความนี้ผิด ทุกอนุประโยคเป็นไปตามหลักไวยากรณ์ ทุกคำเป็นคำจริง และผู้ตรวจจะไม่หักคะแนนแม้แต่คะแนนเดียว แต่ก็ยังอ่านเหมือนหลุดออกมาจากเครื่องจักร เพราะมันเป็นเช่นนั้นจริง นี่คือสิ่งที่บทความนี้กล่าวถึง

รูปแบบการเขียนของ AI คือพฤติกรรมที่ทำซ้ำได้ในด้านการเลือกคำ จังหวะของประโยค เครื่องหมายวรรคตอน และโครงสร้าง ซึ่งทำให้ร้อยแก้วที่ร่างโดยเครื่องจักรเป็นที่สังเกตได้ทันที รูปแบบเหล่านี้รวมตัวกันในสี่ระดับ ได้แก่ คำที่โมเดลเลือกใช้ รูปร่างของประโยค เครื่องหมายวรรคตอนที่มันพึ่งพา และวิธีที่มันจัดโครงสร้างข้อโต้แย้งโดยรวม ไม่มีระดับใดเพียงลำพังที่พิสูจน์อะไรได้ แต่เมื่ออยู่รวมกันภายในย่อหน้าเดียว ก็ยากที่จะมองข้าม

เครื่องจักรที่ทำสิ่งนี้เรียกว่า statistical detector มันให้คะแนนว่าคำแต่ละคำคาดเดาได้มากเพียงใด ตามสิ่งที่ language model คาดหมาย รายงานฉบับหนึ่งมีคณิตศาสตร์ของ perplexity และ burstiness อยู่เบื้องหลังคะแนนนั้น ซึ่งอธิบายละเอียดขึ้นในอีกบทความหนึ่งเกี่ยวกับ how AI detectors work ส่วนที่เหลือของบทความนี้เป็นรายการลักษณะบ่งชี้ของการเขียนด้วย AI ที่ผู้อ่านสามารถได้ยิน นับ หรือชี้ให้เห็นบนหน้าเอกสารได้ สิ่งนี้อาจมีความสำคัญ แม้ว่า detector จะผิด ใช้งานไม่ได้ หรือไม่ใช่ประเด็นก็ตาม สิ่งที่จะกล่าวต่อไปนี้ไม่ต้องใช้โมเดลและไม่ต้องสมัครสมาชิก

เหตุใดรูปแบบการเขียนของ AI จึงฟังดูเหมือนหุ่นยนต์?

language model กำลังทำสิ่งที่แตกต่างจากมนุษย์ในระดับประโยค, คือการเลือกคำถัดไปที่มีความเป็นไปได้ทางสถิติสูงที่สุดซ้ำแล้วซ้ำเล่า ภายในระบบที่ฝึกมาให้ฟังดูมีความสามารถมากกว่ามีเอกลักษณ์ ความสามารถในระดับนั้นก่อให้เกิดร้อยแก้วที่ลื่นไหล ถูกต้อง และไม่น่าจดจำ ซึ่งเป็นรากของความรู้สึกแบบหุ่นยนต์ ผู้อ่านมักไม่อาจบอกได้ว่ามีอะไรผิดกับย่อหน้าเช่นนั้น เพียงแต่รู้สึกว่ามันอ่านแล้วแบน และสี่ระดับด้านล่างคือที่ที่ความแบนราบนั้นตั้งอยู่

การเลือกคำเป็นระดับที่ผู้อ่านสังเกตเห็นก่อนที่สุด, คือคำที่เป็นทางการและมีลักษณะละครเวที ปรากฏในที่ที่ไม่ควรอยู่ จังหวะของประโยคเงียบกว่า, เป็นย่อหน้าที่ทุกประโยคมีความยาวใกล้เคียงกัน เครื่องหมายวรรคตอนและการจัดรูปแบบมีลายเซ็นของตนเอง, ขีดกลางที่ถูกใช้เป็นข้อต่ออเนกประสงค์, รายการหัวข้อย่อยที่แบ่งข้อความออกเป็นส่วน ๆ ทั้งที่ในความคิดของผู้เขียนไม่เคยเป็นรายการเลย โครงสร้างเป็นสิ่งที่มองไม่เห็นที่สุด, เป็นชิ้นส่วนที่กล่าวซ้ำหัวข้อของตนเอง, ครอบคลุมพอดีสามประเด็น, แล้วปิดท้ายด้วยการสรุปตัวเอง

เริ่มจากคำก่อน, เพราะเป็นสิ่งที่ชี้ให้เห็นได้ง่ายที่สุด และมีการบันทึกไว้ดีที่สุด

AI ใช้คำใดมากเกินไป?

คุณจะเห็นคำที่เป็นทางการและมีลักษณะละครเวทีเหล่านี้ซ้ำแล้วซ้ำเล่า, "delve", "underscore", "showcase" และ "pivotal" อยู่ในกลุ่มที่มีการบันทึกไว้มากที่สุด Dmitry Kobak และผู้เขียนร่วมอีกสามคนตั้งเป้าจะระบุภาษาดังกล่าว พวกเขาวิเคราะห์บทคัดย่อจาก PubMed จำนวน 15.1 ล้านรายการ ตั้งแต่ปี 2010 ถึง 2024 และระบุกลุ่มคำที่มีความถี่เพิ่มขึ้นอย่างรวดเร็วเมื่อ ChatGPT เปิดตัว "delve" เพิ่มขึ้นมากที่สุด, การศึกษาซึ่งตีพิมพ์ใน Science Advances เมื่อเดือนกรกฎาคม 2025 ประเมินว่าความถี่ของมันในปี 2024 สูงกว่าก่อนปี 2023 ประมาณ 28 เท่า คำที่ตามมาใกล้ที่สุดคือ "underscore" และ "showcase" ผู้เขียนประเมินว่าอย่างน้อย 13.5 เปอร์เซ็นต์ของบทคัดย่อในปี 2024 มีร่องรอยของการช่วยเหลือจาก AI, และในบางประเทศกับสำนักพิมพ์ ตัวเลขนี้สูงกว่า 40 เปอร์เซ็นต์

เหตุใดแบบจำลองจึงมุ่งไปสู่คำเฉพาะเหล่านี้ ยังมีข้อสรุปที่แน่นอนน้อยกว่ารูปแบบที่สังเกตได้เอง การศึกษาใน COLING 2025 ทดสอบคำที่มีการใช้มากเกินไป 21 คำ เทียบกับสถาปัตยกรรมของแบบจำลอง, ข้อมูลฝึก และข้อเสนอแนะจากมนุษย์ที่ใช้ปรับแต่งแชตบอต, และพบว่าช่วงของข้อเสนอแนะเป็นปัจจัยที่น่าเป็นไปได้ที่สุด แม้จะยังอธิบายผลได้ไม่ครบถ้วน การตีความเรื่องนี้ก็ยังเป็นที่ถกเถียงเช่นกัน, การโต้ตอบในวารสาร PNAS เมื่อปี 2026 ได้โต้แย้งว่าการเปลี่ยนแปลงความถี่ของคำวัดการใช้ AI ได้โดยตรงเพียงใด, ซึ่งควรจำไว้ก่อนจะถือว่าตัวเลขใดตัวเลขหนึ่งที่นี่เป็นข้อเท็จจริงที่ยุติแล้ว

นั่นไม่ใช่เพียงความจริงสำหรับบทคัดย่อของวารสารเท่านั้น ในการศึกษาที่เปรียบเทียบเรียงความของนักศึกษากับเรียงความที่สร้างโดย AI จำนวนครึ่งล้านฉบับ นักวิจัยได้เปรียบเทียบความยาวและการเลือกใช้คำของบทความ และพบว่าเรียงความของมนุษย์มีความยาวโดยรวมมากกว่า และใช้คำศัพท์ที่หลากหลายกว่า ในการศึกษาบทวิจารณ์โดยผู้ทรงคุณวุฒิที่ส่งไปยังการประชุมด้านการเรียนรู้ของเครื่อง 4 งาน รวมถึง ICLR 2024 และ NeurIPS 2023 นักวิจัยใช้เทคนิคเดียวกันเพื่อประเมินว่า ระหว่าง 6 ถึง 15 เปอร์เซ็นต์ของข้อความในบทวิจารณ์ถูก LLM ปรับแก้ในสาระสำคัญ มีแนวโน้มที่จะได้รับผลกระทบจาก LLM มากกว่าเมื่อส่งใกล้ถึงกำหนดเวลา

คำหรือวลีที่ AI ใช้มากเกินไป	สิ่งที่ผู้เขียนที่รอบคอบใช้แทน
delve (into)	look at, examine
underscore	show, stress
showcase	present, demonstrate
pivotal	main, deciding
robust	solid, reliable
intricate	complex, detailed
meticulous	careful, thorough
tapestry	mix, range
testament	sign, evidence
boasts	has, includes
foster	encourage, support
garner	gain, attract
multifaceted	many-sided, complex
holistic	whole, overall
nuanced	careful, precise
invaluable	useful, valuable
realm	field, area
embark on	begin, start
unlock	open up, make possible
interplay	relationship, link

ไม่มีคำใดเหล่านี้ผิดในตัวของมันเอง ส่วนวิธีวิจัยที่เรียกข้อค้นพบว่า robust ก็กำลังใช้คำนั้นอย่างถูกต้อง และนักประวัติศาสตร์ที่อธิบายข้อโต้แย้งทางกฎหมายที่ซับซ้อนก็ไม่ได้กำลังสารภาพกับแชตบอต สิ่งที่อ่านแล้วให้ความรู้สึกเหมือนสร้างโดยเครื่องคือความหนาแน่น, คำเหล่านี้สามหรือสี่คำในย่อหน้าเดียว โดยไม่ได้ทำหน้าที่เฉพาะใด ๆ ซ้อนกันในลักษณะที่โมเดลซ้อนมัน เพราะแต่ละคำเป็นตัวเลือกถัดไปที่ปลอดภัยที่สุดอย่างอิสระ การตรวจอย่างรวดเร็วด้วย TextPulse's free AI word cleaner จะระบุความหนาแน่นนั้นโดยตรง

ทำไมประโยคที่สร้างโดย AI จึงฟังดูยาวเท่ากันไปหมด?

โมเดลสร้างแต่ละประโยคในลักษณะเดียวกับที่มันสร้างประโยคก่อนหน้า มากกว่าจะย่อประเด็นให้เหลือหกคำในจุดหนึ่ง แล้วค่อยคลี่ออกเป็นสามสิบคำในอีกจุดหนึ่ง ดังนั้นผลลัพธ์จึงมักมีความยาวใกล้เคียงกันตลอด ความแปรผันนั้น, หรือการขาดความแปรผัน, เป็นสิ่งที่คุณสามารถรับรู้ได้ด้วยการอ่านย่อหน้าออกเสียง ซึ่งเป็นแบบฝึกหัดคนละอย่างกับคะแนน burstiness ที่ตัวตรวจจับคำนวณจากคุณสมบัติพื้นฐานเดียวกัน

พฤติกรรมเล็ก ๆ สองอย่างทำให้จังหวะนี้เผยตัวชัดเมื่อพิจารณาใกล้ ๆ โมเดลชอบปิดประโยคด้วย participle ที่ห้อยค้าง ซึ่งชี้ไปยังความสำคัญโดยไม่เพิ่มข้อมูล, ข้ออ้างที่ตามด้วยการเน้นย้ำถึงความจำเป็นของการวิจัยเพิ่มเติม หรือการสะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในสาขาเดียวกัน นอกจากนี้ยังชอบใช้โครงสร้างคู่ขนานเพื่อให้ฟังดูสมดุล ในทำนองว่า method is not only efficient but also scalable กล่าวครั้งเดียว โครงสร้างนี้ก็ไม่น่าประหลาดใจ กล่าวในทุกย่อหน้า มันฟังเหมือนแม่แบบที่เพียงเปลี่ยนคำนามออกไป

กฎของสาม

ในระดับวลีด้วย กลุ่มสามคือจังหวะเริ่มต้นตามปกติของโมเดล, คำคุณศัพท์สามคำก่อนคำนามหนึ่งคำ, ตัวอย่างสามรายการในรายการหนึ่ง, อนุประโยคสามส่วนที่สร้างในแบบเดียวกันเรียงกันมา กลุ่มสามเป็นครั้งคราวย่อมเป็นส่วนหนึ่งของภาษาอังกฤษมาโดยตลอด กลุ่มสามที่วางไว้อย่างเหมาะสมไม่ใช่อาการของสิ่งใด สิ่งที่บ่งชี้คือความถี่ ไม่ใช่สามที่เป็นปัญหา แต่คือการที่สามปรากฏในแทบทุกย่อหน้า

การนับก็เพียงพอที่จะจับสัญญาณส่วนใหญ่ของเรื่องนี้ได้โดยไม่ต้องมีการฝึกอบรมพิเศษ อ่านย่อหน้าแล้วทำเครื่องหมายความยาวของแต่ละประโยคเป็นจำนวนคำ หากเครื่องหมายทั้งหมดของคุณอยู่ห่างจากเครื่องหมายก่อนหน้าเพียงไม่กี่คำ จังหวะนั้นคือสัญญาณบ่งชี้ ใช้ free burstiness checker ของ TextPulse เพื่อทำให้การนับและการสร้างกราฟเป็นอัตโนมัติ ซึ่งมีประโยชน์สำหรับข้อความที่ยาวเกินกว่าจะกะด้วยสายตาทีละประโยคได้

Em Dash และสัญญาณบ่งชี้อื่นของเครื่องหมายวรรคตอน

เหตุใดเครื่องหมายนี้จึงกลายเป็นตัวเลือกหลัก

em dash น่าจะเป็นเครื่องหมายวรรคตอนที่ถูกกล่าวโทษมากที่สุดในงานเขียนของเครื่องจักร คุณอาจรู้จักมันในฐานะขีดยาวที่ใช้แทนเครื่องหมายจุลภาค เครื่องหมายทวิภาค หรือจุดเต็ม เพื่อเชื่อมสองส่วนของประโยค em dash ไม่ใช่ของใหม่ และไม่ใช่สิ่งที่ AI ประดิษฐ์ขึ้น ตราบเท่าที่คู่มือการเขียนมีอยู่ ตั้งแต่ Chicago ถึง AP คู่มือเหล่านั้นก็อนุญาตให้ใช้เพื่อเน้นย้ำและแทรกจังหวะหยุดชะงัก และนักเขียนที่ทำงานจริงจำนวนมากก็ใช้มันอย่างตั้งใจ

เหตุผลที่เป็นไปได้ว่าทำไมมันจึงปรากฏบ่อยในผลลัพธ์ของเครื่องจักรนั้นเป็นเรื่องธรรมดา เครื่องหมายนี้พบได้ทั่วไปในร้อยแก้วที่ผ่านการแก้ไขและจัดเรียงอย่างมืออาชีพ ซึ่งเป็นภาษาที่ language models ได้รับการฝึกจากมัน และมันทำให้ประโยคดำเนินต่อไปได้โดยไม่ต้องปิดด้วยจุดเต็ม โมเดลที่ถูกสร้างมาเพื่อผลิตข้อความที่ลื่นไหลและเชื่อมโยงกันจึงหยิบใช้ความยืดหยุ่นนี้บ่อยครั้ง บ่อยกว่าที่คนส่วนใหญ่ทำเมื่อร่างด้วยมือ

ความถี่แตกต่างกันอย่างมากตามระบบที่สร้างข้อความนั้น การทดสอบแบบเปรียบเทียบกันโดยตรงในช่วงกลางปี 2025 ให้ chatbots หกตัวได้รับ prompt เดียวกันและนับจำนวนเครื่องหมาย, สามระบบส่งกลับมาแปดหรือเก้าครั้งในข้อความไม่ถึงหกร้อยคำ, หนึ่งระบบใช้สองครั้งในเกือบหนึ่งพันคำ, และอีกสองระบบไม่ใช้เลย ความถี่เป็นคุณสมบัติของโมเดลใดก็ตามที่สร้างย่อหน้าตรงหน้าคุณ ไม่ใช่ลักษณะตายตัวของงานเขียนของ AI OpenAI เพิ่มการตั้งค่าในเดือนพฤศจิกายน 2025 ที่ให้ผู้ใช้บอก ChatGPT ให้หยุดใช้เครื่องหมายนี้และปฏิบัติตามจริง ซึ่งทำให้สัญญาณบ่งชี้นี้เป็นเพียงตัวเลือกได้บางส่วนในตอนนี้

ไม่มีสิ่งใดในนั้นทำให้เครื่องหมายเองเป็นหลักฐานของอะไรทั้งสิ้น นักเขียนที่รอบคอบจำนวนมากใช้มันโดยตั้งใจ และเรียงความของนักศึกษาจำนวนมากที่ไม่เคยแตะ chatbot ก็ใช้มันเช่นกัน บางครั้งเพราะครูสอนให้ใช้ สิ่งที่ควรตรวจสอบคือความหนาแน่น หน้าใดหน้าหนึ่งที่พึ่งพาเครื่องหมายนี้ทุกประโยคที่สองจะอ่านต่างจากหน้าที่ใช้มันสองครั้งอย่างตั้งใจ TextPulse's free em dash remover ตรวจสอบความหนาแน่นนี้และเสนอเครื่องหมายจุลภาค เครื่องหมายทวิภาค จุด หรือยัติภังค์ตามที่แต่ละกรณีต้องการ

รายการแบบหัวข้อย่อย, ตัวหนา และหัวเรื่อง

ระดับเดียวกันนี้ครอบคลุมการตัดสินใจด้านการจัดรูปแบบที่ต่ำกว่าระดับประโยค รายการแบบหัวข้อย่อยที่อยู่กลางร้อยแก้วทั้งที่ในความคิดของผู้เขียนไม่เคยเป็นรายการมาก่อน หัวเรื่องที่ใช้ title case ในขณะที่ส่วนอื่นของเอกสารใช้ sentence case วลีที่ทำเป็นตัวหนาในตอนต้นของแต่ละหัวข้อย่อยราวกับเป็นหัวเรื่องย่อ สิ่งเหล่านี้ไม่ใช่เครื่องหมายวรรคตอน แต่ทั้งหมดมาจากที่เดียวกัน คือแบบจำลองที่จัดรูปแบบสำหรับหน้าต่างแชต ซึ่งโครงสร้างเชิงภาพเข้ามาแทนที่การเชื่อมโยงที่ร้อยแก้วควรทำตามปกติ

โครงสร้างและรูปแบบของข้อโต้แย้ง

ระดับสุดท้ายอยู่เหนือระดับประโยค และแก้ไขได้ยากที่สุดด้วยการสลับคำ เพราะมันคือรูปทรงของข้อโต้แย้งเอง ส่วนที่เขียนโดยเครื่องมักเปิดด้วยการกล่าวซ้ำหัวเรื่องของตนเองด้วยถ้อยคำที่ต่างออกไปเล็กน้อย ดำเนินไปด้วยประเด็นสนับสนุนสองหรือสามข้อที่ได้รับน้ำหนักใกล้เคียงกันโดยไม่คำนึงว่าแต่ละข้อสำคัญจริงเพียงใด แล้วปิดท้ายด้วยการสรุปสิ่งที่เพิ่งกล่าวไป แทนที่จะเพิ่มสิ่งใหม่ใด ๆ

นิสัยที่เกี่ยวข้องกันนี้ปรากฏอยู่เสมอในงานที่ยาวกว่า, ส่วนหนึ่งจะระบุว่าสิ่งใดทำได้ดี จากนั้นหักมุมด้วยคำอย่าง however, ระบุความท้าทายในสามข้อที่เรียบร้อยแบบเดียวกัน แล้วชี้ไปยังอนาคตที่น่าจะคลี่คลายปัญหาเหล่านั้นได้ ข้อโต้แย้งที่แท้จริงมักไม่เป็นระเบียบเรียบร้อยเช่นนั้น นักเขียนที่เป็นมนุษย์มักให้ความสำคัญกับประเด็นหนึ่งมากกว่าอีกสองประเด็น ให้พื้นที่กับประเด็นนั้นมากกว่า และไม่จำเป็นต้องปิดท้ายอย่างสมมาตรเพื่อเอาใจผู้อ่าน

นี่เป็นระดับที่งานเขียนเชิงวิชาการแบบสูตรสำเร็จอาจดูคล้ายงานเขียนของเครื่องอย่างหลอกตาได้เช่นกัน เนื่องจากส่วนวิธีวิจัยหรือบททบทวนวรรณกรรมควรมีรูปแบบตายตัว ความแตกต่างอยู่ภายในรูปแบบนั้น บททบทวนวรรณกรรมที่เขียนโดยเครื่องจะเอ่ยถึงประเด็นตามปกติของสาขาในลำดับปกติ ส่วนที่เขียนโดยมนุษย์จะโต้แย้งว่าประเด็นใดสำคัญและเพราะเหตุใด แม้อยู่ภายในแม่แบบที่เข้มงวด เพราะกำลังมีการปกป้องจุดยืนที่แท้จริงอยู่

สัญญาณเหล่านี้ยืนยันหรือไม่ว่าข้อความเขียนโดย AI?

ไม่มีสัญญาณใดเพียงอย่างเดียวที่พิสูจน์อะไรได้ และชุดของสัญญาณทั้งหมดก็เช่นกัน ภายใต้แรงกดดันจากบรรณาธิการหรืออาจารย์ นักเขียนเชิงวิชาการที่รอบคอบสามารถสร้างย่อหน้าที่มีลักษณะเหล่านี้หลายข้อ, เช่น การขาดสรรพนาม, ได้โดยไม่ต้องอาศัยแชตบอต ผู้เขียนที่ไม่ใช่เจ้าของภาษาอังกฤษอาจใช้คำที่ปลอดภัยซึ่งพวกเขาเรียนมาในชั้นเรียน และนักศึกษาที่ถูกสอนให้ใช้คำเชื่อมแบบเป็นทางการก็อาจใช้ลักษณะเหล่านี้หลายข้อเช่นกัน รายการคำศัพท์ไม่ใช่หลักฐานของการประพฤติมิชอบ, มันเป็นความผิดพลาดที่อาจทำให้ผู้เขียนที่รอบคอบถูกกล่าวหาอย่างไม่เป็นธรรม เราควรชี้ให้เห็นความผิดพลาดนี้ ไม่ใช่ทำซ้ำมันอย่างเงียบ ๆ

สิ่งที่เครื่องมือสามารถทำได้อย่างรับผิดชอบคือแสดงรูปแบบ ไม่ใช่วินิจฉัยงานเขียน สิ่งที่เรามีให้ผ่าน AI humanizer ของ TextPulse คือค่าประมาณของ Human Score โดยอิงจากข้อความที่อยู่ตรงหน้า นี่คือการอ่านว่าร่างข้อความอยู่ตรงไหนเมื่อเทียบกับรูปแบบผิวเผินเหล่านี้ ไม่ใช่คำตัดสินจากตัวตรวจจับใด ๆ และไม่ใช่คำสัญญาเกี่ยวกับสิ่งที่เครื่องมืออื่นจะบอกในวันพรุ่งนี้ มันเป็นตัวเลขที่คุณใช้เป็นจุดเริ่มต้นของการตัดสินใจได้ คล้ายกับที่ตัวตรวจการสะกดคำจะเตือนว่ามีคำหนึ่งคำโดยไม่ตัดสินว่าประโยคโดยรอบนั้นดีหรือไม่

แต่ละสัญญาณที่กล่าวไว้ข้างต้นมีหน้าเฉพาะของตนเอง คำศัพท์เองได้รับการจัดทำเป็นหมวดหมู่ไว้ในบทความเกี่ยวกับ words that give away ChatGPT โดยมีการอธิบายแยกต่างหากเกี่ยวกับ the em dash habit และเกี่ยวกับ why models reach for one verb in particular ป้ายกำกับที่กว้างกว่านั้นก็ได้รับการกล่าวถึงเช่นกัน, what AI slop means, what AI fluff means, และคู่มือเชิงปฏิบัติสำหรับ telling whether something was written by AI หากความกังวลคือร่างงานของคุณเองมากกว่าของคนอื่น ก็มีบทความเกี่ยวกับ removing AI words from your writing

ครั้งต่อไปที่คุณกำลังอ่านงานเขียนของตนเองแล้วรู้สึกว่ามีบางอย่างในนั้นไม่ค่อยถูกต้อง อย่าเพียงหาไวพจน์มาแทนที่มัน ลองอ่านออกเสียงแทน นับจำนวนคำในแต่ละประโยค ถามตัวเองว่าแต่ละคำกำลังทำหน้าที่อะไรอยู่ตรงนั้น นั่นคือวิธีอ่านแบบเดียวกับที่บรรณาธิการที่รอบคอบใช้มาตั้งนานแล้ว ก่อนที่สิ่งเหล่านี้จะมีชื่อเรียกเสียอีก