ข้อผิดพลาดทางไวยากรณ์ที่พบบ่อยในบทความวิจัย
ข้อผิดพลาดทางไวยากรณ์หกประการปรากฏในบทความวิจัยบ่อยกว่าที่อื่น เพราะประโยคเชิงวิชาการถูกสร้างขึ้นเพื่อรองรับการจำกัดความมากกว่าที่ย่อหน้าทั่วไปจะรับไหว ต่อไปนี้คือกลไกเบื้องหลังแต่ละข้อ ตัวอย่างที่ผิดและที่แก้ไขแล้ว และสิ่งที่ตัวตรวจไวยากรณ์ฟรีสามารถและไม่สามารถตรวจจับได้ด้วยตนเอง
ผู้ประเมินที่กำลังอ่านส่วนวิธีการแทบไม่เคยหยุดเพราะข้อโต้แย้งอ่อนแอ เธอหยุดเพราะกริยาที่อยู่ลงไปสามบรรทัดไม่สอดคล้องกับประธานของมัน และตอนนี้เธอกำลังอ่านประโยคซ้ำเพื่อทำความเข้าใจว่านักเขียนตั้งใจจะสื่ออะไรจริง ๆ ข้อผิดพลาดทางไวยากรณ์ที่พบบ่อยในบทความวิจัยไม่ใช่ข้อผิดพลาดที่คู่มือไวยากรณ์ทั่วไปจะรวบรวมไว้ เพราะประโยคเชิงวิชาการถูกสร้างต่างจากย่อหน้าทั่วไป, มีวลีคำนามที่ยาวกว่า, กริยาถูกผลักให้ห่างจากประธานมากขึ้น, และมีนิสัยในการรายงานผลในกาลหนึ่งแล้วตีความผลนั้นในอีกกาลหนึ่งภายในย่อหน้าเดียวกัน
นี่เป็นข้อผิดพลาดทางไวยากรณ์, ไม่ใช่ชนิดที่ตัวตรวจการสะกดจะจับได้ แต่เป็นความไม่สอดคล้องกันระหว่างประโยคที่นักเขียนตั้งใจจะเขียนกับประโยคที่ไวยากรณ์ภาษาอังกฤษสร้างขึ้นเมื่อมีวลีขยายความถูกวางซ้อนกันมากพอ ข้อผิดพลาดทั้งหกข้อนี้ปรากฏบ่อยพอในบทความวิจัยจนควรได้รับการอภิปรายแยกกัน, ได้แก่ ตัวขยายที่ลอยค้างอยู่เพราะประโยควิธีการในรูปกรรมวาจก, การสอดคล้องระหว่างประธานกับกริยาที่หายไปในวลีคำนามยาว, การปฏิบัติต่อ data ว่าเป็นเอกพจน์เมื่อผู้อ่านคาดว่าเป็นพหูพจน์, การทำลายรูปแบบไวยากรณ์ในรายการของข้อค้นพบ, การเปิดประโยคด้วย this โดยไม่มีคำนามให้เชื่อมโยง, และการเปลี่ยนกาลจากการรายงานผลไปเป็นการตีความผลนั้น
อะไรทำให้ข้อผิดพลาดทางไวยากรณ์ที่พบบ่อยในบทความวิจัยแตกต่างออกไป
ประโยคเชิงวิชาการมีภาระทางไวยากรณ์มากกว่าประโยคสนทนา เพราะประโยคเหล่านี้บรรจุการระบุเงื่อนไขจริง, เช่น กลุ่มประชากรใด, ภายใต้เงื่อนไขใด, เมื่อเทียบกับฐานเปรียบเทียบใด แต่ละตัวระบุเงื่อนไขเป็นอนุประโยคหรือวลีที่แทรกอยู่ระหว่างประธานกับกริยาของมัน, หรือระหว่างสรรพนามกับคำนามที่มันแทน, และการทำให้สอดคล้องกันในระยะไกลนั้นติดตามได้ยากขณะเขียนด้วยความเร็ว รูปแบบนั้นอยู่เบื้องหลังสิ่งส่วนใหญ่ที่ตามมา, ภายในชุดที่กว้างกว่าของ กลไกการเขียนเชิงวิชาการ ซึ่งผู้ประเมินสังเกตก่อนที่พวกเขาจะรับรู้ข้อโต้แย้งที่อยู่ข้างใต้โดยตั้งใจ
ตัวขยายที่ลอยค้างอยู่ในประโยควิธีการ
ตัวขยายที่ลอยอยู่เกิดขึ้นเมื่อคุณเขียนอะไรทำนองว่า The supernatant was discarded after centrifuging the sample for ten minutes. supernatant ไม่ได้ทำอะไรจริง ๆ แต่ประโยคนี้อ่านได้ลื่นไหลจนกระทั่งคุณถามว่าใครเป็นคนปั่นเหวี่ยง ตามหลักไวยากรณ์แล้วคือ supernatant เพราะ supernatant เป็นประธานของอนุประโยคที่ตัวขยายไปเกาะ และ supernatant ไม่สามารถใช้งานเครื่องปั่นเหวี่ยงได้ ข้อผิดพลาดชนิดนี้มักเกิดบ่อยที่สุดในส่วนวิธีการ ซึ่งเขียนด้วยกรรมวาจกโดยตั้งใจ เพื่อให้กระบวนการอยู่ในจุดสนใจมากกว่าบุคคลที่ปฏิบัติ กรรมวาจกนี่เองที่ตัดประธานมนุษย์ซึ่งตัวขยายต้องการออกไป
วิธีแก้ไม่ใช่การละทิ้งกรรมวาจก ซึ่งรูปแบบวิชาการยังคงคาดหวังในส่วนวิธีการ แต่คือการให้ตัวขยายมีประธานที่มันสอดคล้องด้วยได้ After centrifuging the sample for ten minutes, we discarded the supernatant ทำให้มีผู้กระทำปรากฏขึ้น After the sample was centrifuged for ten minutes, the supernatant was discarded ยังคงเป็นโครงสร้างกรรมวาจกและยังใช้ได้ เพราะตอนนี้ sample เป็นประธานของทั้งสองอนุประโยคแล้ว ไม่ใช่เพียงอนุประโยคเดียว
ความสอดคล้องระหว่างประธานกับกริยาในวลีคำนามที่ยาว
ในประโยคสั้น ประธานกับกริยาอยู่ใกล้กันมากจนสอดคล้องกันโดยธรรมชาติ ในประโยควิชาการ ประธานกับกริยาอาจถูกคั่นด้วยวลีบุพบทหลายวลีและอนุประโยคสัมพัทธ์ ซึ่งแต่ละส่วนก็มีคำนามและจำนวนทางไวยากรณ์ของตนเอง The effect of these interventions on retention rates among first-generation students remains unclear วางกริยาเอกพจน์ไว้ข้างคำนามพหูพจน์คือ students และเมื่ออ่านเร็ว ๆ ก็ฟังดูปกติ ประธานที่แท้จริงคือ effect ซึ่งอยู่ก่อนหน้าสามคำนามและเป็นเอกพจน์ ดังนั้นประโยคนี้จึงต้องใช้ remains นี่ไม่ใช่ความผิดพลาดที่พบได้น้อย แต่มันคือสิ่งที่เกิดขึ้นเป็นค่าเริ่มต้นทุกครั้งที่ความสนใจไปจับคำนามที่อยู่ใกล้ที่สุด แทนที่จะย้อนกลับไปหาคำนามที่กริยาควรสอดคล้องด้วย
เครื่องมือตรวจไวยากรณ์ฟรีสามารถจับข้อผิดพลาดเหล่านี้ได้เป็นจำนวนมากโดยอัตโนมัติ เพราะความสอดคล้องระหว่างประธานกับกริยาเป็นรูปแบบที่อิงกฎ ซึ่งซอฟต์แวร์สามารถวิเคราะห์ได้อย่างเชื่อถือได้ มันจะไม่จับได้ทุกกรณี โดยเฉพาะเมื่ออนุประโยคที่แทรกอยู่มีกริยาของตนเองที่สอดคล้องกับคำนามเฉพาะของตนเอง แต่การใช้เครื่องมือนี้ตรวจส่วนผลลัพธ์ก่อนที่อาจารย์ที่ปรึกษาจะเห็น จะช่วยกำจัดรูปแบบที่ง่ายที่สุดของข้อผิดพลาดนี้ก่อน
ทำให้บทความของคุณเป็นธรรมชาติมากขึ้น
ปรับข้อความที่ช่วยโดย AI ของคุณให้ฟังดูเป็นธรรมชาติ, โดยไม่แตะต้องคำสำคัญหรือการอ้างอิง
'Data' เป็นเอกพจน์หรือพหูพจน์ในการเขียนเชิงวิชาการ?
Data เป็นรูปพหูพจน์ในภาษาละตินของ datum และการตีความนิรุกติศาสตร์นี้อย่างเคร่งครัดจะถือว่าเป็นคำนามพหูพจน์ที่ต้องใช้กริยาพหูพจน์, the data show a clear trend, ไม่ใช่ the data shows. การใช้ภาษาอังกฤษสมัยใหม่ได้เปลี่ยนไปในทางตรงกันข้ามสำหรับผู้พูดส่วนใหญ่ โดยที่ data ทำหน้าที่เหมือน information ซึ่งเป็นคำนามนับไม่ได้ที่โดยปกติใช้กริยาเอกพจน์ ทั้งสองแนวทางเกิดขึ้นพร้อมกันอย่างมีชีวิตชีวาในงานตีพิมพ์ทางวิชาการ วารสารหลายฉบับที่มีรูปแบบประจำสำนักอย่างเคร่งครัดยังคงบังคับใช้รูปพหูพจน์ และอีกหลายฉบับยอมรับรูปเอกพจน์เมื่อการใช้ภาษาค่อย ๆ เปลี่ยนไปภายใต้กฎนั้น ทั้งสองแบบไม่ผิดหากใช้ให้สอดคล้องกันอย่างต่อเนื่อง การสลับไปมาระหว่างสองแบบภายในบทความเดียวกัน เช่น เขียน the data shows ในบทนำ และ the data were analyzed ในส่วนวิธีการ คือสิ่งที่ผู้อ่านสังเกตเห็นจริง ๆ ตรวจสอบคู่มือรูปแบบของวารสารเป้าหมาย แล้วคงตัวเลือกนั้นไว้ตลอดทั้งต้นฉบับ
การขนานที่ผิดพลาดในรายการผลการศึกษา
รายการของผลการค้นพบจำเป็นต้องให้แต่ละรายการมีรูปไวยากรณ์แบบเดียวกัน เพราะรูปแบบร่วมนี้เองที่ทำให้ผู้อ่านประมวลผลรายการที่สองและสามได้โดยไม่ต้องตีความใหม่ตั้งแต่ต้น ประโยค The intervention increased retention, reduced dropout, and researchers observed improved test scores ทำให้รูปแบบนั้นขาดตอนตรงกลาง, สองรายการแรกเป็นวลีคำกริยาที่มีประธานโดยนัยคือ the intervention ร่วมกัน, ส่วนรายการที่สามนำเสนอประธานใหม่คือ researchers ซึ่งไม่สอดคล้องกับไวยากรณ์ของรายการนั้นเอง ผู้อ่านต้องหยุดและอ่านซ้ำเพื่อทำความเข้าใจว่ารายการที่สามเป็นผลการค้นพบ ไม่ใช่ประโยคใหม่ วิธีแก้คือคงรูปไวยากรณ์แบบเดียวให้ดำเนินไปตลอดทั้งรายการ, the intervention increased retention, reduced dropout, and improved test scores. รายการผลการค้นพบมักหลุดจากโครงสร้างขนานเพราะแต่ละรายการถูกร่างในช่วงต่างกันของกระบวนการเขียน, มาจากตารางผลลัพธ์คนละชุด, และถูกรวมเป็นประโยคเดียวในตอนท้ายเท่านั้น
การใช้ 'This' ที่กำกวมและการสลับกาลระหว่างการรายงานกับการตีความ
'This' ที่กำกวม
การเปิดประโยคด้วย This โดยไม่มีคำนามตามทันทีหมายถึงแนวคิดก่อนหน้าทั้งหมด ไม่ได้หมายถึงสิ่งใดสิ่งหนึ่งโดยเฉพาะ, ซึ่งบังคับให้ผู้อ่านเดาว่าส่วนใดของประโยคนั้นที่มันหมายถึง, คือวิธีการ, ผลลัพธ์, หรือการตีความ ย่อหน้าทั่วไปมักมีหัวข้อที่ชัดเจนเพียงหนึ่งเรื่องในขณะนั้น, ดังนั้น This ที่ขึ้นต้นจึงมีเป้าหมายที่เป็นไปได้เพียงหนึ่งเดียว และความกำกวมจึงไม่ปรากฏขึ้น ประโยคเชิงวิจัยมักรายงานวิธีการ, ผลลัพธ์ และการเปรียบเทียบพร้อมกันในคราวเดียว, ดังนั้น This ที่ขึ้นต้นจึงอาจมีสิ่งอ้างอิงที่เป็นไปได้สามหรือสี่อย่างอยู่ในประโยคเดียวกัน, และผู้อ่านไม่อาจบอกได้ว่าหมายถึงข้อใดหากไม่อ่านต่อแล้วจึงย้อนกลับมาอ่านอีกครั้ง วิธีแก้เป็นเชิงกลไก, คือใส่คำนามทันทีหลัง This. This finding, this pattern, this discrepancy แต่ละคำผูกกับสิ่งอ้างอิงเพียงหนึ่งอย่าง แทนที่จะปล่อยให้ผู้อ่านเป็นผู้เลือกเอง
กาลของการรายงานเทียบกับกาลของการตีความ
ธรรมเนียมทางวิชาการรายงานสิ่งที่ได้ทำและสิ่งที่พบในอดีตกาล เพราะการศึกษาวิจัยเป็นเหตุการณ์เฉพาะที่เสร็จสิ้นแล้ว, การแทรกแซงเพิ่มคะแนนขึ้น. ธรรมเนียมเดียวกันนี้เปลี่ยนมาใช้ปัจจุบันกาลเพื่ออธิบายหรือนำผลนั้นไปสรุปทั่วไป, เพราะการตีความถูกเสนอในฐานะข้ออ้างที่คงอยู่ มิใช่สิ่งที่เกิดขึ้นในวันที่เฉพาะเจาะจง, ผลลัพธ์เหล่านี้ชี้ว่า spaced repetition ช่วยเพิ่มการคงจำ. ผู้เขียนที่ยังไม่ซึมซับการแบ่งนี้จะสลับกาลผิดจังหวะ, โดยรายงานผลเฉพาะเจาะจงในปัจจุบันกาลราวกับว่าเป็นข้อเท็จจริงที่ยอมรับแล้ว, หรือโดยตีความข้ออ้างทั่วไปในอดีตกาลราวกับว่าข้ออ้างนั้นได้สิ้นสุดลงแล้ว. การติดตามว่าประโยคกำลังทำหน้าที่ใด, รายงานหรือการตีความ, เป็นตัวกำหนดกาลของประโยคนั้น, และไม่มีหน้าที่ใดคงอยู่ในกาลเดียวตลอดทั้งส่วนอภิปราย.
free verb tense checker จะตรวจจับการเปลี่ยนกาลเช่นนี้โดยอัตโนมัติ, ซึ่งเป็นการตรวจเบื้องต้นที่มีประโยชน์, แม้ว่าจะไม่สามารถบอกได้ว่าประโยคควรอยู่ในกาลใด. การตัดสินใจนั้นยังคงขึ้นอยู่กับว่าประโยคนั้นกำลังรายงานหรือกำลังตีความ, ซึ่งเป็นความแตกต่างที่มีเพียงผู้เขียนเท่านั้นที่ทำได้.
ตารางด้านล่างรวบรวมรูปแบบทั้งหกไว้เคียงกัน, ทั้งลักษณะของข้อผิดพลาดบนหน้าเอกสาร, และวิธีแก้ไขที่ลบข้อผิดพลาดนั้นออกโดยไม่เปลี่ยนสิ่งที่ประโยคพยายามจะสื่อ.
| ข้อผิดพลาด | ผิด | แก้ไขแล้ว |
|---|---|---|
| ตัวขยายที่ลอยอยู่ | หลังจากปั่นเหวี่ยงตัวอย่างแล้ว ซูเปอร์เนเทนต์ถูกเททิ้ง | หลังจากปั่นเหวี่ยงตัวอย่างแล้ว เราเทซูเปอร์เนเทนต์ทิ้ง |
| ความสอดคล้องระหว่างประธานกับกริยา | ผลของการแทรกแซงเหล่านี้ต่ออัตราการคงอยู่ของนักศึกษารุ่นแรกยังไม่ชัดเจน | ผลของการแทรกแซงเหล่านี้ต่ออัตราการคงอยู่ของนักศึกษารุ่นแรกยังไม่ชัดเจน |
| ใช้ข้อมูลไม่สอดคล้องกัน | ข้อมูลแสดงแนวโน้มที่ชัดเจน ข้อมูลถูกวิเคราะห์สองครั้ง | ข้อมูลแสดงแนวโน้มที่ชัดเจน ข้อมูลถูกวิเคราะห์สองครั้ง |
| ความขนานที่บกพร่อง | การแทรกแซงเพิ่มการคงอยู่ ลดการลาออก และนักวิจัยสังเกตเห็นคะแนนสอบที่ดีขึ้น | การแทรกแซงเพิ่มการคงอยู่ ลดการลาออก และทำให้คะแนนสอบดีขึ้น |
| this ที่กำกวม | สิ่งนี้แสดงว่าการแทรกแซงได้ผล | การเพิ่มขึ้นของคะแนนสอบนี้แสดงว่าการแทรกแซงได้ผล |
| ความไม่สอดคล้องของกาล | การแทรกแซงเพิ่มคะแนน และผลลัพธ์เหล่านี้จะบ่งชี้ว่าการใช้ในวงกว้างเป็นประโยชน์ | การแทรกแซงเพิ่มคะแนน และผลลัพธ์เหล่านี้บ่งชี้ว่าการใช้ในวงกว้างเป็นประโยชน์ |
หลักเกณฑ์การสะกดทำให้เกิดปัญหาในลักษณะเดียวกันแต่เงียบกว่า และ ความแตกต่างระหว่าง US กับ UK ได้อธิบายแยกไว้ต่างหาก พร้อมกับ ประเด็น -ize หรือ -ise ที่อยู่ภายในนั้น
ข้อผิดพลาดทั้งหกข้อนี้ไม่ต้องอาศัยการฝึกเฉพาะทางเพื่อจับให้ได้ เมื่อคุณรู้ว่าควรมองหารูปแบบใด ชุด เครื่องมือฟรี ของ TextPulse จะตรวจไวยากรณ์และเครื่องหมายวรรคตอนในฉบับร่างทั้งฉบับได้เร็วกว่าการไล่หาตัวขยายที่ลอยอยู่ด้วยตาเปล่าตลอดส่วนผลการวิจัยยาวสี่สิบหน้า ผู้ประเมินคนถัดไปที่อ่านส่วนวิธีการของคุณจะไม่รู้ว่าต้องใช้กี่ฉบับร่างกว่าจะทำให้กริยาสอดคล้องกับประธาน พวกเขาจะอ่านต่อไปโดยไม่หยุดย้อนกลับมาอ่านซ้ำ
คำถามที่พบบ่อย
ข้อผิดพลาดทางไวยากรณ์ที่พบบ่อยในบทความวิจัยซึ่งยังคงอยู่แม้ผ่านการตรวจสะกด ส่วนใหญ่เป็นข้อผิดพลาดด้านความสอดคล้องและการอ้างอิง ได้แก่ ตัวขยายที่ลอยอยู่ในประโยควิธีวิจัย ความสอดคล้องระหว่างประธานกับกริยาที่สูญหายไปในวลีคำนามยาว data ที่ใช้ไม่สอดคล้องกันระหว่างเอกพจน์และพหูพจน์ รายการผลการวิจัยที่ทำลายแบบแผนทางไวยากรณ์ของตนเอง this ที่เปิดประโยคโดยไม่มีคำนามรองรับ และกาลที่เปลี่ยนไปมาระหว่างการรายงานกับการตีความ
PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.
