Порівняльне дослідження AI Humanizer: що сталося з тими самими академічними текстами

У нашому дослідженні порівняння humanizer для AI кожен humanizer зрушив ті самі 48 академічних текстів у бік стилю людського письма, а інструменти найбільше різнилися тим, що вони зберігали. Деякі зберігали зміст, цитування і числа близькими до джерела. Інші додавали вигадані числа і імена або нові граматичні помилки, і саме ці результати часто позначав detector як людські.

TextPulse Research провів дослідження порівняння humanizer для AI у серпні 2026 і опублікував його як робочий документ 29 серпня. TextPulse є одним з інструментів у ньому, тому кожен інструмент отримав ті самі вхідні дані, а кожна міра є публічним сценарієм. Повний робочий документ містить усі таблиці, рисунки і сценарії, а всі 432 переписані тексти є публічними.

Що перевіряло порівняльне дослідження AI humanizer

Дослідження дало кожному humanizer ті самі 48 текстів. Кожен із них був розділом «Результати та обговорення» вигаданого емпіричного дослідження, написаним моделлю AI і обсягом приблизно 301 слово. Чотири сімейства моделей написали по 12 текстів кожне: OpenAI, Google, DeepSeek і Anthropic. Тексти охоплювали чотири дисципліни та три стилі цитування, тож кожен інструмент містив числа, імена авторів і позначки посилань, які він мав зберегти.

Частина дизайну	Що використало дослідження
Вихідні тексти	48 розділів «Результати та обговорення», написаних AI, від 264 до 344 слів кожен
Хто їх написав	По 12 текстів від model OpenAI, Google, DeepSeek і Anthropic
Дисципліни	Медицина і охорона здоров'я, фізичні та обчислювальні науки, соціальні науки, гуманітарні науки
Стилі цитування	APA автор рік, числові дужки, без цитувань
Перевірені факти в текстах	404 технічні терміни, 887 чисел, 124 цитування
Як працював кожен інструмент	Вставлено один раз у його вебсторінку на стандартному налаштуванні, вихідний текст збережено так, як його було повернуто
Дати	26 до 28 серпня 2026
Detectors	Turnitin, один документ на інструмент, і GPTZero, кожен текст окремо

Завдання humanizer полягає в тому, щоб переписувати вихід AI, тому дослідження почалося з виходу AI з перевіреним списком фактів. До будь-якого переписування кожна модель перелічила терміни, числа та цитати, які вона використала. Кожен перелічений елемент звірили з текстом, а будь-який елемент, якого в ньому не було, вилучили. Це дало фіксований список для кожного тексту, тож дослідження могло точно підрахувати, що саме кожен humanizer зберіг, змінив або вигадав.

Кожен текст було подано на вебсторінку кожного інструмента один раз, на стандартному налаштуванні інструмента, і output було збережено точно так, як він повернувся. Ніхто не редагував output. Деякі інструменти опрацювали менше ніж 48, тому що безплатні рівні обмежують, скільки текстів інструмент прийме. Основний набір із 24 текстів був однаковим для кожного інструмента, у тій самій послідовності. TextPulse опрацював усі 48.

Як дослідження вимірювало гуманізований текст

Оцінка детектора показує, як текст виглядав для одного детектора в певний день. Вона нічого не каже про те, чи переписаний текст і далі повідомляє ті самі результати. У дослідженні кожен результат спочатку оцінювали за самим текстом, а вже потім за детекторами. Для студентів або дослідників важливо мати статтю, яка й далі каже те, що кажуть дані, прозою, що звучить так, ніби її написала людина.

Показник	Що він перевіряє	Чому це важливо в статті
Значення	Наскільки переписаний текст близький до джерела, як показник подібності від 0 до 1	Нижчий показник означає, що абзац тепер стверджує щось інше
Збережені цитати	Частка внутрішньотекстових цитат, що лишилися з тим самим автором і роком	Змінений рік порушує відповідність зі списком літератури
Збережені числа	Частка перевірених чисел, що все ще є в тексті	Втрачений розмір вибірки або p-значення змінює результат
Вигадані елементи	Числа і назви в результаті, яких у джерелі ніколи не було	Вигадана цифра є хибним твердженням про дослідження
Додані граматичні помилки	Нові помилки на 1,000 слів, підраховані за допомогою LanguageTool	Помилки коштують балів і довіри рецензента
Рівень читання	Зміна в рівні Flesch-Kincaid	Текст, згенерований AI, має вищий рівень, ніж опублікована людська проза
Позиція стилю	Позиція тексту між типовим людським і типовим AI письмом	Стилометричні детектори реагують на ці ознаки
Довжина	Довжина результату щодо джерела, 0.70 до 1.30 раза вважається збереженою	Інструмент, що скорочує текст удвічі, вилучив зміст

Позиція стилю походить від шкали, яку TextPulse розробив на основі 47 стильових ознак із 121,092 академічних текстів (описано в нашій стилометричній статті про класифікацію). Типовий людський академічний текст має 0, а типовий AI текст має 100. Ми називаємо нижню половину людських текстів (-36 до 33) людським діапазоном.

Словниковий запас було оцінено за списком із 1,057 слів із нашої статті про словниковий відбиток AI. Із них 581 є словами, які AI моделі використовують частіше, ніж люди, а 476 схиляються в інший бік. Дослідження підрахувало, скільки слів, схильних до AI, кожен інструмент вилучив на 1,000 слів.

Що кожен humanizer зробив із текстом

Кожен інструмент у дослідженні змістив свої результати у бік людського кінця шкали стилю. Необроблені тексти AI в середньому мали 138, що перевищувало типовий текст AI на 100. Після переписування деякі інструменти досягли людського діапазону, а інші зупинилися приблизно на півдорозі. Кожен інструмент також вилучив лексику з нахилом до AI і знизив рівень читання, тож напрям змін був однаковим у всій галузі.

Два типи ознак найбільше переміщують текст уздовж шкали. Перша пара, це середня довжина слова і частка довгих слів. Переписування від "help" до "facilitate" зробить текст більш схожим на AI, тому що воно збільшує середню довжину слова і збільшує частку довгих слів. Друга, це різноманітна довжина речень, яка штовхає у бік людського. Абзац, у якому всі речення мають від 22 до 26 слів, є одноманітним, але абзац, що поєднує речення з 9 словами і речення з 31 словом, є різноманітним.

Ідея полягає в тому, щоб дійти до нижчого рівня читання. Академічний текст, написаний AI, має вищий показник Flesch-Kincaid, ніж опублікована людська академічна проза. Отже, якщо він знижується, це робить письмо більш подібним до простого стилю, у якому пишуть дослідники. Саме на це реагують стилометричні детектори. Це також ті зміни, які роблять чернетку легшою для читання. Обидві цілі узгоджуються, доки зміст залишається незмінним.

Наш допис про як humanizers змінюють речення показує ці редагування по одному реченню за раз. Дослідження додає вимірювання, наскільки далеко кожна зміна зрушила текст і якою була її ціна в змісті та фактах.

Де інструменти відрізнялися: зміст, цитування і числа

Інструменти відрізнялися за рівнями збереження. Наприклад, у межах дослідження було збережено від 29 до 100 відсотків цитувань. Від 0.06 до 4.44 вигаданих елементів з'являлося на один результат. Від 0.65 до 4.91 нових граматичних помилок з'являлося на 1,000 слів. Вигаданими елементами були розміри вибірки, відсотки, межі довіри, імена авторів та установи, які джерело ніколи не згадувало.

Імена та одиниці зникали тихішими способами. Коли інструмент перефразовував статистичний показник, він часто опускав одиницю, тож "Cohen's d" перетворювався на розмір ефекту, а "Celsius" на градуси. Імена авторів зникали разом із їхніми цитуваннями. Назви видів, епох і приладів замінювалися описом. Читач, який хоче перевірити результат, потребує цих назв, тож кожна з цих втрат має значення.

Глибина переписування та точність передавання змісту тягнуть у протилежних напрямах. Інструмент, який змінює третину слів, легше зберігає зміст. Інструмент, який змінює більшість із них, має більше шансів щось втратити. Частка змінених слів коливалася від 35 до 68%. Результат, якого хоче дослідник, це глибоке переписування, яке все ж зберігає зміст. Таке поєднання траплялося рідко.

Дослідження також шукало приховані символи: невидимі символи, нестандартні пробіли та літери, схожі на літери з кириличної або грецької абеток. Деякі humanizers додають їх, щоб змінити результат детектора. Жоден інструмент у цьому дослідженні не додав жодного, тож жоден вихідний текст не провалив контроль якості з цієї причини.

Чому результат детектора сам по собі є слабким критерієм для humanizer

Результат детектора сам по собі є неповним критерієм для humanizer. У дослідженні порівняння AI humanizer вихідні тексти, які GPTZero найчастіше позначав як human, походили від інструментів, що вигадували більше чисел і назв, опускали більше цитувань або додавали більше граматичних помилок. Найпростіший спосіб змінити оцінку детектора, це змінити те, що говорить текст. Таке переписування не відповідає статті, якій воно мало допомогти.

Щоб одночасно виміряти обидві сторони, дослідження встановило контроль якості. Щоб його пройти, вихідний текст мав потребувати оцінки змісту щонайменше 0.95 і щонайменше 90% своїх цитувань. Також він не мав містити вигаданих чисел або назв, прихованих символів і мав бути в межах допустимої довжини. Позначка GPTZero як human тоді зараховувалася лише для вихідних текстів, які пройшли контроль. Контроль був однаковим для кожного інструменту.

Кожен результат інструмента було зведено в один документ, по одному тексту на сторінку. У дослідженні використали одне значення відсотка AI від Turnitin для документа. Turnitin використовує зірочку замість числа для значень менше ніж 20 відсотків. Результати детекторів є оцінками, отриманими від однієї версії детектора на дати дослідження. Ми писали про те, як читати ваш AI score у Turnitin, у нашому посібнику про що означає AI score у Turnitin.

Як TextPulse показав себе в порівнянні humanizer

TextPulse посів перше місце в складеному індексі дослідження, який надає однакову вагу глибині переписування, змісту, позиції стилю, граматиці та цілісності змісту. Показники TextPulse становили 0.811 за цими п'ятьма вимірами та 0.843, коли було додано вимір gated detector. Він показав добрий результат, тому що не мав жодного слабкого виміру. Він переписав понад половину кожного тексту і зберіг факти, на яких ґрунтується стаття.

Вимір	Результат TextPulse
Змінені слова	52 відсотки
Збережений зміст, подібність до джерела	0.971, приблизно 97 відсотків
Збережені цитати	99 відсотків
Збережені числа	87 відсотків
Збережені іменовані сутності	95 відсотків
Додані граматичні помилки	0.65 на 1,000 слів, найменше в дослідженні
Вигадані елементи	0.48 на результат, вигадане ім'я в одному результаті з п'ятдесяти
Рівень читання	на 3.6 класи нижче, найбільше зниження
Слова з AI-нахилом вилучені	39 на 1,000 слів, найбільше в дослідженні
Позиція стилю	29, у межах людського діапазону
Результати в межах допуску за довжиною	47 із 48
Результати, що пройшли контроль якості	67 відсотків
AI score від Turnitin, один документ для всіх результатів	24 відсотки, найнижчий у дослідженні, разом
Мітка людини в GPTZero для результатів, що пройшли контроль	10.4 відсотка, 5 із 48, найвищий у дослідженні

Найбільше для академічного використання важать два результати. Серед інструментів, які змінили щонайменше половину слів, TextPulse найкраще зберіг зміст. Серед інструментів із показником змісту 0.97 або вище він змінив найбільше слів. Жоден інший інструмент у дослідженні не належав до обох груп. Humanizer для академічного письма потребує саме такої комбінації, оскільки легке переписування залишає стиль AI на місці, а глибоке переписування, що вилучає факти, змінює висновки.

GPTZero позначив 9 із 48 результатів TextPulse як human, і 5 із них також пройшли якісний бар'єр, що є найвищим результатом із проходженням бар'єра в дослідженні. Документ Turnitin для результатів TextPulse отримав 24 відсотки AI, що дорівнює найнижчому показнику. Інші документи мали показники від 28 до 74 відсотків. Результати detector є оцінками, і з цієї причини дослідження подає їх поруч із текстовими вимірюваннями.

Що дослідження не може вам сказати

Порівняльне дослідження AI humanizer перелічує власні обмеження. Тексти були написані AI models за фіксованим запитом, а реальні чернетки довші й менш однорідні. Кожен інструмент було запущено один раз, у своєму стандартному налаштуванні, між 26 і 28 серпня 2026 року. Постачальники оновлюють свої інструменти, тож результати описують саме ці дати і їх слід читати як знімок стану.

Різні інструменти мають різну кількість текстів, оскільки вони обмежені певною кількістю безплатних текстів, які інструмент обробить. Це також призводить до ширших довірчих інтервалів для інструментів із меншою кількістю текстів. Turnitin генерує один показник на документ і тому не має розподілу показників за текстами. GPTZero є одним detector, однією версією model (2026-08-09-base).

TextPulse створив дослідження і є одним з інструментів у ньому. Кожному інструменту надали однакові вхідні дані. За протоколом, усі вимірювання є загальнодоступними скриптами, а всі сирі результати оприлюднено. Це означає, що будь-хто може знову виконати обчислення або зважити їх інакше. Вихідні тексти, усі 432 результати, відповіді detector і скрипти є публічними.

Як використати висновки у власній чернетці

Висновки перетворюються на коротку перевірку, яку ви можете виконати після будь-якого humanizer, зокрема нашого. Порівняйте результат із вашою чернеткою за тими ознаками, які враховувало дослідження. Для одного розділу це займає кілька хвилин.

1. Перевірте кожне число у вашому чернетковому варіанті: розміри вибірки, відсотки, значення p та довірчі інтервали.
2. Перевірте кожне внутрішньотекстове посилання на того самого автора і рік, а потім зіставте його зі списком літератури.
3. Шукайте назви, що змінилися: інструменти, види, набори даних, одиниці та імена авторів.
4. Перечитайте твердження, які стали сильнішими, наприклад, коли "may indicate" переписано як "shows".
5. Порівняйте довжину. Вихідний текст, який значно коротший за джерело, імовірно, втратив зміст.
6. Прочитайте текст уголос, щоб виявити граматичні помилки, додані під час переписування.

Довжина є найшвидшою з цих перевірок. У дослідженні вихідний текст між 0.70 і 1.30 від довжини джерела вважався збереженим. TextPulse зберіг 47 із 48 вихідних текстів у межах цієї смуги, із середнім показником 1.14 від довжини джерела, тож його вихідні тексти були дещо довшими за чернетки.

Посилання найтриваліше перевіряти вручну. У дослідженні TextPulse зберіг 99 відсотків із них, а його зміни стосувалися подання, наприклад, коли посилання в дужках було перетворено на наративне. Наш допис про AI humanizer, який зберігає посилання пояснює, на що звертати увагу у ваших власних позначках джерел.

Безплатний перевірник burstiness вимірює, наскільки варіюються довжини речень у вашому чернетковому варіанті. Різноманітна довжина речень є однією з ознак, які шкала дослідження зважує на користь людського письма. Для впорядкованого посібника з цінами дивіться наш посібник до найкращого AI humanizer для академічного письма. Коли ви будете готові до переписування, TextPulse AI humanizer створено так, щоб зберігати ваші числа, імена та посилання, а також повідомляти орієнтовний Human Score для результату.