วิธีทำให้ส่วนผลการวิจัยและอภิปรายมีความเป็นมนุษย์

ส่วนผลลัพธ์รายงานว่า กลุ่มแทรกแซงได้คะแนนสูงกว่ากลุ่มควบคุม โดยมีตัวเลขเฉพาะอยู่ในตารางเมื่อสองหน้าก่อน ส่วนอภิปราย ซึ่งครอบคลุมข้อค้นพบเดียวกัน ระบุว่ากลุ่มแทรกแซงได้คะแนนสูงกว่า ซึ่งอาจบ่งชี้ถึงผลเชิงบวกที่เป็นไปได้และอาจสมควรได้รับการตรวจสอบเพิ่มเติม ประโยคที่สองไม่ได้เพิ่มสิ่งใดที่ประโยคแรกไม่ได้ยืนยันไว้แล้ว มีเพียงการใช้ถ้อยคำระมัดระวังสี่ครั้งและประโยคที่ยาวกว่าเท่านั้น

นี่คือเหตุผลที่แท้จริงว่าทำไมสองส่วนนี้จึงเริ่มฟังดูคล้ายกันเมื่อทั้งคู่ร่างโดย language model การเรียนรู้วิธีทำให้ร่างส่วนอภิปรายของ AI เป็นธรรมชาติมนุษย์ หมายถึงการฟื้นคืนประโยคที่ยืนยันข้อกล่าวอ้างเฉพาะเกี่ยวกับความหมายของข้อค้นพบ แทนที่จะเป็นการใช้ถ้อยคำระมัดระวังอีกชั้นหนึ่งซ้อนทับบนชั้นก่อนหน้า

ทำไมส่วนผลลัพธ์และส่วนอภิปรายจึงเริ่มฟังดูเหมือนกัน

จุดประสงค์ของส่วนผลลัพธ์คือการบอกเราว่าเกิดอะไรขึ้น, ไม่ว่าจะด้วยตัวเลขหรือด้วยคำอธิบายที่เฉพาะเจาะจงพอจะนับเป็นตัวเลขได้ จุดประสงค์ของส่วนอภิปรายคือการบอกเราว่าผลนั้นหมายความว่าอย่างไร, เกี่ยวข้องกับผลลัพธ์อื่นอย่างไร, และสิ่งใดที่มันยังไม่สามารถอธิบายได้ เมื่อคุณหลอมสองส่วนนี้เข้าด้วยกันเป็นหนึ่งเดียว คุณจะได้บทความที่มีสองส่วนซึ่งทำงานซ้ำกันสองครั้ง, ครั้งหนึ่งพร้อมตัวเลขกำกับ และอีกครั้งโดยไม่มีตัวเลข

language model หลอมรวมสิ่งนี้โดยอัตโนมัติ เพราะทั้งสองหน้าที่ถูกร่างจากแรงขับเดียวกัน, คืออธิบายข้อค้นพบอย่างระมัดระวังแล้วเดินหน้าต่อ ผลลัพธ์คือส่วนผลลัพธ์ที่ใช้ถ้อยคำระมัดระวังกับข้อค้นพบที่ควรเพียงรายงาน และส่วนอภิปรายที่รายงานข้อค้นพบที่ควรตีความ ไม่มีประโยคใดผูกมัดกับสิ่งที่ผู้อ่านเฉพาะคนหนึ่งอาจโต้แย้งได้ และนั่นคือสัญญาณที่แท้จริง มากกว่าการเลือกใช้คำใดคำหนึ่งเพียงคำเดียว

คำถามที่กำลังตอบ	ส่วนผลการวิจัย	ส่วนอภิปรายผล
เกิดอะไรขึ้น?	ระบุข้อค้นพบโดยตรง, เป็นตัวเลข, เป็นการเปรียบเทียบ, เป็นคำอธิบาย	ถือว่าผู้อ่านมีตัวเลขนั้นอยู่แล้ว และก้าวข้ามมันไป
มันหมายความว่าอะไร?	ไม่ใช่หน้าที่ของส่วนนี้, ตัวเลขไม่ตีความตัวเอง	ระบุว่าข้อค้นพบบ่งชี้อะไร และไม่ได้ตัดสินอะไร
รูปแบบความล้มเหลวที่พบบ่อย	ใช้ถ้อยคำระมัดระวังกับตัวเลขที่ไม่จำเป็นต้องระวัง เช่น 'results appeared to show a difference'	กล่าวซ้ำตัวเลขแทนที่จะตีความ เช่น 'the results showed a higher score'
ประโยคที่ผ่านเกณฑ์	กลุ่มที่ได้รับการรักษามีคะแนนเพิ่มขึ้นเก้าคะแนน, กลุ่มควบคุมเพิ่มขึ้นสองคะแนน.	ช่องว่างดูเหมือนเกิดจากช่วงเวลาที่สั้นกว่า, ไม่ใช่จากวิธีการเอง.

แถวรูปแบบความล้มเหลวนั้นควรตรวจสอบก่อนในร่างที่ใช้ AI ช่วยทุกฉบับ, เพราะแถวอื่นมักจะเป็นไปตามนั้นเมื่อแก้แถวนั้นแล้ว.

ส่วนผลการวิจัยควรทำอะไรจริง ๆ

ส่วนผลการวิจัยระบุว่าสิ่งที่พบคืออะไร, ตามลำดับที่การวิเคราะห์นำเสนอออกมา, โดยยังไม่โต้แย้งว่ามันหมายความว่าอะไร. 'Group differences were observed across conditions' ไม่ใช่ประโยคของส่วนผลการวิจัย. 'กลุ่มที่ได้รับการรักษามีคะแนนเพิ่มขึ้นเก้าคะแนน; กลุ่มควบคุมเพิ่มขึ้นสองคะแนน' เป็นประโยคของส่วนผลการวิจัย, เพราะผู้อ่านสามารถตรวจสอบกับตารางแล้วอ่านต่อได้.

ควรเปลี่ยนวิธีนำเสนอข้อค้นพบแต่ละข้อ แทนที่จะใช้แม่แบบเดียวซ้ำสำหรับผลทุกข้อ. เปิดประโยคหนึ่งด้วยตัวเลข, อีกประโยคหนึ่งด้วยการเปรียบเทียบ, อีกประโยคหนึ่งด้วยเงื่อนไขที่ก่อให้เกิดผลนั้น. ส่วนผลการวิจัยที่รายงานข้อค้นพบที่ไม่คาดคิดด้วยประโยคที่ตรงไปตรงมา, โดยไม่ใช้ถ้อยคำระมัดระวังล่วงหน้า, มักอ่านดูเป็นมนุษย์มากกว่าส่วนที่ผลทุกข้อออกมาตรงตามที่คาดไว้ทุกประการ.

ส่วนอภิปรายผลควรทำอะไรจริง ๆ

คู่มือที่กว้างขึ้นของ TextPulse เกี่ยวกับการทำให้งานเขียนเชิงวิชาการเป็นมนุษย์มากขึ้นได้ชี้ให้เห็นแล้วว่าการอภิปรายคือส่วนที่เสียงของผู้เขียนเองต้องปรากฏขึ้น สิ่งที่ควรเพิ่มเติมตรงนี้คือกลไก, ส่วนอภิปรายมีอยู่เพื่อกล่าวสิ่งที่ตารางไม่อาจกล่าวได้ด้วยตัวเอง, ว่าข้อค้นพบมีความสำคัญอย่างไร, มันตัดความเป็นไปได้ใดออกไป, และหยุดใช้ได้ที่จุดใด นั่นต้องอาศัยการยึดมั่นกับการตีความจริง ๆ แทนที่จะเพียงชี้ไปยังการตีความนั้น

'ข้อค้นพบนี้สอดคล้องกับวรรณกรรมที่กว้างกว่า และบ่งชี้ถึงทิศทางที่เป็นไปได้หลายประการสำหรับงานในอนาคต' ไม่ได้ตีความอะไรเลย, เพราะถ้อยคำในลักษณะนี้สามารถปิดส่วนอภิปรายได้เกือบทุกส่วนในแทบทุกสาขา ประโยคในส่วนอภิปรายสามารถเฉพาะเจาะจงได้และยังคงมีความไม่แน่นอนจริงอยู่: 'ผลดังกล่าวน่าจะสะท้อนระยะเวลาการฝึกที่สั้นกว่า มากกว่าตัววิธีการเอง, แม้ว่างานวิจัยนี้จะไม่อาจตัดความแตกต่างระหว่างกลุ่มรุ่นออกไปได้' ระบุกลไก, ระบุความเอนเอียงระหว่างคำอธิบายสองแบบ, และยอมรับสิ่งที่ยังสรุปไม่ได้, ทั้งหมดในคราวเดียว

จุดที่เส้นแบ่งระหว่างทั้งสองเริ่มไม่ชัดเจน

ไม่ใช่งานวิจัยทุกชิ้นที่แยกสองส่วนนี้ออกจากกัน ในวารสารบางฉบับ, โดยเฉพาะฉบับที่อยู่ในแนวทางเชิงคุณภาพและกรณีศึกษา, ส่วนผลลัพธ์มักถูกรวมเข้ากับส่วนอภิปราย ส่วนผลลัพธ์/อภิปรายที่รวมกันนั้น, อย่างไรก็ตาม, ไม่ได้ลบความแตกต่างข้างต้นออกไป เพียงแต่เอาเครื่องหมาย, กล่าวคือหัวข้อ, ของความแตกต่างนั้นออกไป ภายในส่วนผลลัพธ์/อภิปรายที่รวมกัน, ย่อหน้าหนึ่งจะรายงานข้อค้นพบหรือไม่ก็ตีความข้อค้นพบนั้น, และลักษณะการใช้ถ้อยคำแบบระมัดระวังยังทำงานในระดับประโยคเช่นเดิม

งานเชิงคุณภาพเปลี่ยนอัตราส่วนนี้ไปอีก การนำเสนอประเด็นจากข้อมูลการสัมภาษณ์นั้นก็เป็นการตีความบางส่วนอยู่แล้ว, เพราะการเลือกว่าสิ่งใดนับเป็นตัวอย่างของประเด็นนั้นเองก็เป็นการตัดสินเชิงวิเคราะห์, ดังนั้นย่อหน้าที่รายงานอย่างเดียวซึ่งส่วนผลลัพธ์ในงานเชิงปริมาณอาศัยอาจไม่มีอยู่ในรูปแบบเดียวกันได้ การใช้ถ้อยคำแบบระมัดระวังยังคงใช้ได้: คำอธิบายประเด็นที่เรียงซ้อนด้วยคำขยายอย่าง 'may potentially suggest' นั้นฟังดูเหมือนเครื่องจักรอย่างยิ่งในงานเชิงคุณภาพพอ ๆ กับในงานเชิงปริมาณ

ลักษณะการใช้ถ้อยคำแบบระมัดระวัง, ประโยคที่ไม่ยอมยืนยันอะไรเลย

การใช้ถ้อยคำระมัดระวังมีหน้าที่จริงในงานเขียนเชิงวิชาการ, คือการชี้ให้เห็นความไม่แน่นอนที่แท้จริงซึ่งผู้อ่านจำเป็นต้องทราบ. การใช้ถ้อยคำระมัดระวังเพียงครั้งเดียวเป็นความระมัดระวังตามปกติ. สิ่งที่บ่งชี้คือการใช้ถ้อยคำระมัดระวังซ้อนทับกับการใช้ถ้อยคำระมัดระวังอีกชั้นหนึ่ง จนประโยคหยุดกล่าวอ้างสิ่งใดที่ผู้อ่านอาจโต้แย้งได้. 'This may potentially suggest a possible link' ใช้ถ้อยคำระมัดระวังกับแนวคิดเดียวกันถึงสามครั้งในห้าคำ, และส่วนอภิปรายที่สร้างจากประโยคเช่นนี้อ่านดูเหมือนสร้างโดยเครื่องจักรไม่ว่าผลการศึกษาที่อยู่เบื้องล่างจะเป็นอย่างไร.

นับจำนวนการใช้ถ้อยคำระมัดระวังในประโยคเดียวเป็นการตรวจสอบคร่าว ๆ. คำขยายความหนึ่งคำเป็นความระมัดระวังทางวิทยาศาสตร์ตามปกติ, เช่น 'this suggests', 'this may indicate', 'this appears to'. การมีสองคำในประโยคเดียวควรพิจารณาอีกครั้ง. สามคำคือรูปแบบที่ทั้งตัวตรวจสอบและอาจารย์ที่ปรึกษาจะสังเกตเห็น, เพราะประโยคได้หยุดกล่าวสิ่งที่เฉพาะเจาะจงพอที่จะผิดได้แล้ว.

วิธีทำให้ร่างส่วนอภิปรายของ AI เป็นภาษามนุษย์โดยไม่กล่าวเกินจริง

เริ่มจากการหาทุกประโยคที่กล่าวซ้ำส่วนผลลัพธ์แทนที่จะตีความมัน. หากประโยคในส่วนอภิปรายสามารถย้ายไปอยู่ในส่วนผลลัพธ์ได้โดยไม่เปลี่ยนแปลง, แสดงว่ายังไม่ได้ทำหน้าที่ของมัน. AI humanizer ช่วยได้ในกรณีนี้ก็ต่อเมื่อใช้กับการใช้ถ้อยคำระมัดระวังและประโยคที่กล่าวซ้ำโดยเฉพาะ, ไม่ใช่ปล่อยให้ทำงานแบบไม่เลือกกับทั้งส่วน, เพราะตัวเลขไม่เคยต้องการการเขียนใหม่ตั้งแต่แรก.

จากนั้นลบการใช้ถ้อยคำระมัดระวังลำดับที่สองและสามออกจากทุกประโยคที่มีมากกว่าหนึ่ง, แล้วดูว่าสิ่งใดเหลืออยู่. บ่อยครั้งสิ่งที่เหลือคือข้ออ้างที่สามารถปกป้องได้อย่างสมบูรณ์ ซึ่งการใช้ถ้อยคำระมัดระวังได้กลบไว้. การนำย่อหน้านั้นผ่าน academic tone converter ในภายหลังอาจช่วยจับถ้อยคำที่กำกวมกว่าซึ่งรอดจากการตรวจรอบแรกได้, แม้การตัดสินว่าคุณคิดว่าผลการค้นพบนั้นหมายความว่าอะไรจริง ๆ จะไม่ใช่สิ่งที่เครื่องมือใดทำแทนคุณได้.

การตรวจสอบเพิ่มเติมอีกหนึ่งอย่างที่ควรทำด้วยตนเอง ก่อนใช้เครื่องมือใด ๆ คือ อ่านส่วนผลการวิจัยและส่วนอภิปรายต่อเนื่องกัน แล้วถามว่าหากไม่อ่านส่วนอื่นของบทความ ส่วนที่สองนี้อาจถูกสร้างขึ้นจากส่วนแรกได้หรือไม่ essay checker ที่รันกับฉบับร่างที่เสร็จสมบูรณ์แล้วจะจับการกล่าวซ้ำที่หลงเหลืออยู่ซึ่งการอ่านอย่างละเอียดอาจมองข้ามไป แต่คำถามข้างต้นคือสิ่งที่ค้นพบปัญหานั้นได้ก่อนจริง ๆ

เมื่อพิจารณาในระดับเอกสารทั้งหมด ปัญหาจะเปลี่ยนรูปแบบ และ humanizing a thesis ได้รับการกล่าวถึงในหน้าเฉพาะของตนเอง หากส่วนอภิปรายยืดยาวเกินไป reducing word count in a thesis เป็นทักษะอีกอย่างหนึ่งที่ควรอ่านก่อน

ส่วนผลการวิจัยและส่วนอภิปรายสามารถรายงานข้อค้นพบเดียวกันทุกประการ แต่ยังคงทำหน้าที่บนหน้าเอกสารต่างกันโดยสิ้นเชิง ส่วนแรกได้สิทธิ์อยู่ในเอกสารเพราะสามารถตรวจสอบได้ ส่วนที่สองได้สิทธิ์อยู่ในเอกสารเพราะทำให้เกิดข้ออ้างที่ใครบางคนอาจไม่เห็นด้วยได้จริง ซึ่งก็คือสิ่งที่ชุดของถ้อยคำระมัดระวังถูกสร้างขึ้นมาเพื่อหลีกเลี่ยงโดยตรง