เหตุใดคะแนนความอ่านง่ายจึงทำให้เข้าใจผิดในการเขียนเชิงวิชาการ
สูตรความอ่านง่ายนับพยางค์และความยาวประโยคเท่านั้น ไม่มีอย่างอื่น นั่นคือเหตุผลที่ย่อหน้าวิธีการที่แม่นยำได้คะแนนว่ายาก และย่อหน้าที่คลุมเครือได้คะแนนว่าง่าย สิ่งที่ผู้อ่านในสาขาต้องการจริง ๆ คือการทดสอบอีกแบบหนึ่งโดยสิ้นเชิง
ผู้สมัครปริญญาเอกคนหนึ่งนำย่อหน้าจากส่วนวิธีวิจัยของตนเองไปผ่านเครื่องมือวัดความอ่านง่ายแบบใช้ฟรีในสัปดาห์ก่อนส่งต้นฉบับ ผลที่ได้คือถูกจัดให้อยู่ในระดับการอ่านของบัณฑิตศึกษา และถูกระบุว่ายาก เธอทำให้สามประโยคเรียบง่ายลง โดยลดคำเฉพาะ "heteroscedasticity" ให้เป็น "unequal variance" และคะแนนก็ดีขึ้น ประโยคนี้อ่านง่ายขึ้นและบอกน้อยลงกว่าก่อนหน้า และทั้งอาจารย์ที่ปรึกษาและวารสารก็ไม่ได้ขอให้เปลี่ยน
งานวิจัยควรอยู่ในระดับการอ่านใด คำตอบเชิงกลไกคือ สูตรที่สร้างขึ้นสำหรับผู้อ่านทั่วไปไม่เคยวัดสิ่งที่ผู้อ่านผู้เชี่ยวชาญต้องการจริง ๆ ดังนั้นการไล่ตามระดับชั้นเป้าหมายในบทความที่เขียนสำหรับผู้เชี่ยวชาญคนอื่นในสาขาเดียวกันจึงเป็นการแก้ปัญหาผิดเรื่อง ทีละประโยค
คู่มือของ TextPulse เรื่อง การใช้ AI humanizer สำหรับงานเขียนเชิงวิชาการ อธิบายว่าร้อยแก้วของบทความอ่านต่อเครื่องตรวจอย่างไร แยกตามแต่ละส่วน คะแนนความอ่านง่ายวัดสิ่งอื่นโดยสิ้นเชิง และการสับสนระหว่างสองอย่างนี้ทำให้นักเขียนแก้ไขย่อหน้าเกินจำเป็น ทั้งที่ย่อหน้านั้นไม่ได้กำกวมสำหรับผู้อ่านที่มันถูกเขียนขึ้นเพื่อเขาเลย
งานวิจัยควรอยู่ในระดับการอ่านใด
ไม่มีระดับชั้นเป้าหมายที่งานวิจัยควรไปให้ถึง การกำหนดคะแนนความอ่านง่ายเป็นเป้าหมายสำหรับบทความมักทำให้แย่ลง, ใช้คำที่ง่ายขึ้น ประโยคสั้นลง เนื้อหาจริงต่อประโยคน้อยลง โดยมุ่งไปที่ผู้อ่านที่มีพื้นฐานพร้อมอยู่แล้ว สูตรที่นับเพียงความยาวของประโยคและพยางค์ไม่สามารถแยกความซับซ้อนที่จำเป็นออกจากการเติมคำให้ยาวได้
สูตรความอ่านง่ายนับอะไรจริง ๆ
สูตรอย่าง Flesch-Kincaid คำนวณคะแนนจากข้อมูลนำเข้าเพียงสองอย่าง, คือจำนวนคำเฉลี่ยในหนึ่งประโยค และจำนวนพยางค์เฉลี่ยในหนึ่งคำ เมื่อนำการนับสองอย่างนี้มารวมกัน สูตรจะให้ตัวเลขเพียงค่าเดียว ซึ่งมักแปลเป็นระดับชั้นเรียน ไม่มีสิ่งใดเกี่ยวกับเนื้อหา คุณภาพของข้อโต้แย้ง หรือว่าประโยคนั้นเป็นความจริงหรือไม่ เข้ามาอยู่ในการคำนวณในจุดใดเลย
นั่นคือการวัดทั้งหมด สูตรที่สร้างจากความยาวประโยคและจำนวนพยางค์ถือว่าคำหลายพยางค์ทุกคำยากเท่ากัน ไม่ว่าจะเป็นการใช้ถ้อยคำเชิงวรรณศิลป์ที่คลุมเครือ หรือเป็นคำเฉพาะที่แม่นยำเพียงคำเดียวซึ่งทั้งสาขาใช้กัน เพราะถ้าใช้คำที่สั้นกว่านั้นก็จะไม่ถูกต้อง ผู้อ่านที่รู้จักสาขานั้นอยู่แล้วจะอ่านผ่านคำว่า "heteroscedasticity" โดยไม่ชะลอความเร็ว ส่วนผู้อ่านที่ไม่รู้จักสาขานั้นก็แทบไม่ได้ประโยชน์จาก "uneven spread" เช่นกัน เพราะแนวคิดนั้นต้องอาศัยพื้นความรู้ ไม่ใช่ตัวคำ
ทำให้บทความของคุณเป็นธรรมชาติมากขึ้น
ปรับข้อความที่ช่วยโดย AI ของคุณให้ฟังดูเป็นธรรมชาติ, โดยไม่แตะต้องคำสำคัญหรือการอ้างอิง
เหตุใตเอกสารทางเทคนิคจึงได้คะแนนแย่ และเอกสารที่กำกวมจึงได้คะแนนดี
ย่อหน้าวิธีการที่หนาแน่น เต็มไปด้วยคำเฉพาะของสาขาและตัวเลขที่แม่นยำ จะได้คะแนนว่ายาก เพราะคำเหล่านั้นยาว และประโยคก็มีสาระจริง ย่อหน้าที่กำกวม ซึ่งสร้างจากคำสามัญสั้น ๆ และประโยคสั้น ๆ ที่หลีกเลี่ยงการบอกสิ่งเฉพาะใด ๆ จะได้คะแนนว่าง่าย ทั้งที่ผู้อ่านเรียนรู้น้อยกว่าจากมัน วางประโยคจริงสองประโยคไว้เคียงกัน ความไม่สอดคล้องก็เห็นได้ชัด
| ประโยค | สูตรการอ่านง่ายมองเห็นอะไร | ผู้อ่านผู้เชี่ยวชาญมองเห็นอะไร |
|---|---|---|
| "Heteroscedasticity in the residuals violated the assumption of homogeneity of variance." | คำยาว จำนวนพยางค์สูง ได้คะแนนว่ายาก | ปัญหาทางสถิติที่ระบุอย่างแม่นยำและถูกต้อง กล่าวไว้ด้วยวลีเดียวที่สาขานี้ใช้เรียกมันจริง ๆ |
| "The results were not entirely consistent across groups." | คำสั้น ประโยคสั้น ได้คะแนนว่าง่าย | ข้ออ้างที่กำกวม ซึ่งไม่ได้บอกว่ามีความไม่สอดคล้องตรงไหนจริง ๆ หรือเพราะเหตุใด |
| "We excluded participants who missed more than two sessions." | คำสั้น ได้คะแนนว่าง่าย | การตัดสินใจเชิงระเบียบวิธีที่เฉพาะเจาะจง ตรวจสอบได้ และกล่าวอย่างตรงไปตรงมา |
ไม่มีสิ่งใดในนั้นปรากฏในจำนวนพยางค์ ลองนำส่วนวิธีการของท่านไปผ่านเครื่องมือตรวจสอบความอ่านง่ายด้วยตนเอง แล้วมักจะได้คะแนนแย่กว่าหนึ่งย่อหน้าที่ท่านทราบอยู่แล้วว่าคลุมเครือและไม่เป็นประโยชน์ เพราะเครื่องมือนี้วัดลักษณะผิวเผินของประโยค ไม่ใช่สิ่งที่ประโยคนั้นทำได้จริงสำหรับผู้อ่านที่มันถูกเขียนขึ้นเพื่อ
สิ่งที่ผู้อ่านในสาขาของท่านต้องการจริง ๆ แทน
หนึ่งแนวคิดต่อหนึ่งประโยค, ข้อมูลที่คุ้นเคยมาก่อนข้อมูลใหม่ ซึ่งข้อมูลใหม่นั้นอาศัยข้อมูลที่คุ้นเคยดังกล่าว หากมีคำศัพท์ทางเทคนิค ให้กำหนดความหมายให้ชัดเจนในครั้งแรกที่ใช้ แล้วใช้ในความหมายเดิมต่อไปตลอดทั้งบทความ ความยาวของคำไม่มีส่วนเกี่ยวข้องกับสิ่งใดเหล่านี้
การเรียงลำดับแบบข้อมูลเดิมมาก่อนข้อมูลใหม่ หมายความว่าประโยคจะเปิดด้วยสิ่งที่ผู้อ่านมีอยู่แล้วจากประโยคก่อนหน้า แล้วจึงเพิ่มส่วนใหม่ไว้ตอนท้าย เพื่อให้แต่ละประโยคส่งต่อหลักยึดให้ประโยคถัดไป ประโยคที่เปิดว่า "Building on the finding that recall improves after sleep, the present study tested whether the timing of sleep mattered as much as its duration" ส่งส่วนที่คุ้นเคยให้ผู้อ่านก่อน และส่งคำถามใหม่เป็นลำดับที่สอง หากกลับลำดับกัน ข้อมูลชุดเดียวกันจะบังคับให้ผู้อ่านต้องเก็บข้ออ้างที่ไม่คุ้นเคยไว้ในใจ ก่อนจะรู้ว่ามันอยู่ตรงนั้นไปเพื่ออะไร
การกำหนดคำศัพท์หนึ่งครั้งอย่างชัดเจนในครั้งแรกที่ใช้ แล้วนำคำเดิมนั้นกลับมาใช้อีกในภายหลัง มีคุณค่าต่อผู้อ่านผู้เชี่ยวชาญมากกว่าการหลีกเลี่ยงคำนั้นไปเลย การสลับใช้ "the intervention" เป็น "the treatment" แล้วเป็น "the program" ตลอดสามย่อหน้าติดต่อกัน เพื่อความหลากหลาย บังคับให้ผู้อ่านที่ละเอียดถี่ถ้วนต้องหยุดและตรวจสอบว่ากำลังอธิบายสิ่งที่ต่างกันสามอย่าง หรือสิ่งเดียวกัน
การทดสอบที่ดีกว่าคะแนนความอ่านง่าย
การทดสอบที่มีประโยชน์กว่าคะแนนใด ๆ คือ เพื่อนร่วมงานในสาขาย่อยที่อยู่ติดกัน, คนที่รู้ภาพรวมของสาขาแต่ไม่รู้วิธีการเฉพาะนี้, สามารถอ่านย่อหน้าหนึ่งครั้งแล้วทวนกลับได้ว่ามันอ้างว่าอะไร หากทำได้ ย่อหน้านั้นก็ทำหน้าที่ของมันแล้ว ไม่ว่าระดับชั้นเรียนใดจะถูกกำหนดให้กับมันโดยสูตรก็ตาม หากทำไม่ได้ ปัญหามักจะเป็นหนึ่งในสามอย่างข้างต้น, คือ คำจำกัดความที่ขาดหายไป, ข้อเท็จจริงที่ถูกนำเสนอมาก่อนที่ผู้อ่านจะมีที่วางมัน, หรือแนวคิดสองอย่างที่ถูกอัดไว้ในประโยคเดียว การทดสอบเพียงอย่างเดียวนี้จับปัญหาที่การนับพยางค์จับไม่ได้, เช่น คำศัพท์เดียวกันถูกใช้สองความหมายในส่วนเดียวกัน, ประโยคที่แอบตั้งสมมติฐานความรู้พื้นหลังที่ผู้อ่านยังไม่มี, หรือย่อหน้าที่เปลี่ยนหัวข้อกลางคันโดยไม่บอกกล่าว
มีเพียงที่เดียวที่ระดับการอ่านเป้าหมายที่แท้จริงควรอยู่, นั่นคือบทสรุปภาษาง่ายหรือบทคัดย่อสำหรับคนทั่วไป, เขียนสำหรับผู้อ่านที่ไม่ใช่ผู้เชี่ยวชาญในสาขานั้นเลย, ซึ่ง TextPulse's piece on how to write a plain language summary รับหน้าที่นั้นอย่างเหมาะสม ที่อื่นทั้งหมดในบทความ ผู้อ่านมีพื้นความรู้พร้อมอยู่แล้ว และคะแนนเดียวที่ควรตรวจคือพวกเขาเข้าใจประโยคได้ตั้งแต่ครั้งแรกหรือไม่
ระดับภาษาและบุคคลผู้พูดเดินไปด้วยกัน, และ whether you can write I in an APA paper ได้รับคำตอบแยกต่างหาก Keeping citations intact through any rewriting pass เป็นปัญหาอีกแบบหนึ่งที่มีหน้าเฉพาะของมันเอง
การเขียนประโยคให้ถูกตั้งแต่ครั้งแรก, หนึ่งแนวคิดต่อหนึ่งประโยคพร้อมคำศัพท์ที่นิยามไว้ครั้งเดียว, เป็นนิสัยในการร่างมากกว่างานของเครื่องมือแก้ไข สำหรับประโยคที่ยังอ่านแล้วแข็งหรือซ้ำซ้อนแม้แนวคิดจะเรียงลำดับถูกต้องแล้ว, AI humanizer ของ TextPulse's AI humanizer ทำงานในระดับนั้นพอดี, โดยไม่แลกความแม่นยำกับคะแนนที่ต่ำลง
คำถามที่พบบ่อย
งานวิจัยควรมีระดับการอ่านแบบใด? ไม่มีเป้าหมายตายตัว บทความที่เขียนสำหรับผู้เชี่ยวชาญควรสอดคล้องกับความซับซ้อนของแนวคิดและศัพท์เฉพาะของสาขานั้น ไม่ใช่คะแนนระดับชั้นที่สร้างขึ้นสำหรับผู้อ่านทั่วไป สูตรที่นับความยาวประโยคและพยางค์ไม่อาจแยกภาษาวิชาการที่จำเป็นออกจากถ้อยคำที่ใส่เกินได้
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.
