Chỉnh sửa bản nháp ChatGPT thành bản thảo có thể nộp

Bản nháp từ ChatGPT quay lại sau chín mươi giây và đọc đủ ổn để lựa chọn hiển nhiên là bắt đầu từ câu đầu tiên rồi chỉnh sửa dần về phía sau. Hai giờ sau, đoạn văn mất nhiều thời gian nhất lại bị xóa, vì mệnh đề nâng đỡ nó hóa ra không có gì phía sau. Thứ tự bạn chỉnh sửa quyết định bao nhiêu công sức trong số đó sẽ bị bỏ đi.

Cách chỉnh sửa đầu ra của ChatGPT trong bối cảnh nghiên cứu diễn ra qua bốn lượt, được sắp theo mức độ tốn kém của sai sót khi sửa về sau: trước hết là các khẳng định và bằng chứng, thứ hai là cấu trúc, thứ ba là nhịp câu, cuối cùng là từ vựng. Mỗi lượt đều giả định lượt trước đó đã ngừng thay đổi. Nếu thực hiện theo bất kỳ thứ tự nào khác, sự chú ý tốt nhất của bạn sẽ dồn vào những câu sẽ không tồn tại qua tuần này.

Cách Chỉnh Sửa Đầu Ra của ChatGPT Qua Bốn Lượt

Các chỉnh sửa không gây phá hủy như nhau. Di chuyển một đoạn văn đòi hỏi phải viết lại toàn bộ các chỗ nối mà bạn đã làm mượt. Thêm một câu ở lần sửa thứ ba sẽ đặt lại nhịp của đoạn văn mà bạn đã cân bằng ở lần thứ hai. Xóa một khẳng định không có nguồn sẽ phá hủy câu mà bạn đã dành hai mươi phút để tinh chỉnh. Thứ tự này tồn tại vì chúng ta muốn làm việc từ thay đổi gây phá hủy nhiều nhất đến ít nhất và giữ nguyên từng lượt.

Lượt	Bạn đang sửa gì	Vì sao nó nằm ở đây
Một: khẳng định và bằng chứng	Liệu mỗi câu mang tính факт có đúng và có thể truy vết đến một nguồn mà bạn đã mở hay không	Một câu mà bạn sắp xóa thì không đáng để chỉnh sửa trước
Hai: cấu trúc	Liệu thứ tự các phần có triển khai lập luận của bạn hay chỉ là một danh sách chủ đề	Di chuyển một đoạn văn sau khi đã chỉnh sửa câu đồng nghĩa với việc phải chỉnh mọi chỗ nối lại từ đầu
Ba: nhịp câu	Độ dài câu đồng đều và các dạng mệnh đề lặp lại bên trong một đoạn văn	Mọi chèn thêm ở lượt một và hai đều đặt lại nhịp của một đoạn văn
Bốn: từ vựng	Các động từ khuôn mẫu và các khái niệm trừu tượng không mang thông tin	Đây là chỉnh sửa rẻ nhất và đòn bẩy nhỏ nhất, nên nó đứng cuối

Lượt Một: Kiểm Tra Mọi Khẳng Định Đối Chiếu Với Một Nguồn Mà Bạn Đã Mở

Đọc bản nháp một lần mà không có ý định cải thiện cách viết. Trong lượt này, bạn chỉ đánh dấu những câu khẳng định một điều gì đó có tính तथ्य: một con số, một cơ chế, một phát hiện, một tuyên bố về điều mà lĩnh vực hiện nay cho là đúng. Mọi thứ khác có thể để sau, và cám dỗ sửa một cụm từ vụng về trong lúc đọc chính là thứ âm thầm biến một lượt rà soát hai mươi phút thành cả một buổi chiều.

Hãy gán cho mỗi câu được đánh dấu một trong ba ký hiệu. Ký hiệu thứ nhất: tôi đã đọc nguồn và có thể trích dẫn nó. Ký hiệu thứ hai: tôi biết điều này là đúng và cần đi tìm nguồn. Ký hiệu thứ ba: mô hình đã khẳng định điều này và tôi không biết nó đến từ đâu. Những câu mang ký hiệu thứ ba sẽ bị xóa thay vì viết lại. Đây là chỉ dẫn khó nhất ở đây để làm theo, vì những câu đó thường là những câu trôi chảy nhất trên trang.

Một bản nháp do mô hình tạo ra gán các khẳng định cho không ai cụ thể, và cách diễn đạt đã bộc lộ điều đó. Recent studies suggest, researchers have found, it is widely accepted: mỗi cụm như vậy là hình dạng mà một khẳng định mang khi không có bài báo cụ thể nào đứng sau nó. Mỗi câu trong số đó либо là một trích dẫn thực sự mà bạn هنوز chưa thêm vào, либо là một câu không có gì bên dưới, và cách để biết câu nào là gì là thử gọi tên bài báo. Nếu có thể, hãy nêu tên nó ngay trong câu. Nếu không thể, câu đó phải bị bỏ đi.

Các tài liệu tham khảo do mô hình cung cấp cần được kiểm tra đối chiếu với cơ sở dữ liệu trước khi chúng đi vào danh mục tài liệu tham khảo của bạn, vì có thể ghép một tác giả, năm và tạp chí có vẻ hợp lý mà không hề tồn tại một bài báo tương ứng. An AI citation checker giải quyết các mã định danh cho cả một danh sách trong một lượt, nhanh hơn việc tìm từng nhan đề bằng tay và nhanh hơn đáng kể so với việc phát hiện vấn đề trong một ghi chú lề của người hướng dẫn. Hãy làm việc này trước khi trích dẫn bất cứ điều gì mà bản nháp đã đưa cho bạn.

Lượt Hai: Tái cấu trúc theo lập luận của bạn

Cấu trúc đứng thứ hai, vì việc chuyển một đoạn văn sau khi bạn đã chỉnh sửa câu chữ của nó có nghĩa là phải chỉnh lại toàn bộ các chỗ nối của nó một lần nữa. Ở lượt này, bạn đang quyết định phần nào sẽ đặt ở đâu và phần nào sẽ bị cắt bỏ hoàn toàn, và bạn nên kỳ vọng bản thảo sẽ ngắn hơn. Một mô hình đã tạo ra một tài liệu trông như hoàn chỉnh từ một lời nhắc, và đó là một đối tượng khác với một tài liệu được xây dựng để triển khai một lập luận duy nhất.

Chỉ đọc câu đầu tiên của mỗi đoạn, theo đúng thứ tự, và không đọc gì khác. Nó phải đọc như một lập luận: đây là điều chúng tôi đã hỏi, đây là cách chúng tôi đã xem xét, đây là điều chúng tôi đã tìm thấy, đây là điều nó có nghĩa. Cách cụ thể duy nhất mà một bản thảo do mô hình tạo ra sẽ thất bại trong phép thử này là nó đọc như một danh sách các chủ đề thay vì một chuỗi suy luận: mô hình đã hoàn thiện một đoạn lời nhắc theo từng đoạn mà không có luận đề nào để phục vụ.

Lỗi cấu trúc thứ hai là sự phân bổ trọng lượng không đều. Một mô hình dành cho mỗi tiểu chủ đề xấp xỉ cùng một lượng chỗ, vì không có gì trong lời nhắc cho nó biết phần nào quan trọng. Một bản thảo thực sự thì lệch hẳn. Phát hiện mà bạn thực sự có, hạn chế đã thực sự gây trở ngại, phương pháp mà bạn đã thay đổi giữa chừng, những phần đó xứng đáng có nhiều không gian hơn phần bối cảnh, và phần bối cảnh thường mất đi một phần ba độ dài của nó ở lượt này. Khi bạn đang ở đó, hãy cắt câu ở cuối mỗi phần, câu nhắc lại chính phần đó. Một người đọc vừa mới đọc xong nó sẽ không thu được gì, và một bản thảo do mô hình tạo ra hầu như luôn tạo ra một câu như vậy.

Lượt Ba: Chỉnh Nhịp Điệu Khi Nội Dung Ngừng Di Chuyển

Nhịp câu chỉ đáng chỉnh khi nội dung đã ổn định, vì mọi chèn thêm ở hai lượt trên đều đặt lại nó. Điều bạn đang tìm là một chuỗi câu có cùng độ dài và cùng hình thức. Bốn câu liên tiếp có độ dài gần như giống hệt nhau sẽ nghe phẳng khi đọc thành tiếng, và độ dài câu đồng đều trên một đoạn văn là dấu hiệu cấu trúc mà cả một người đọc cẩn thận lẫn một bộ phân loại thống kê đều nhận ra.

Việc sửa chữa mang tính cơ học. Hãy đọc đoạn văn thành tiếng, đánh dấu bất kỳ chuỗi nào gồm hai hoặc ba câu có tác động giống nhau, rồi tách một câu ra hoặc ghép hai câu lại với nhau bằng một dấu phẩy thực sự có tác dụng. Một câu dài phải xứng đáng với độ dài của nó bằng cách mang theo một sự phức tạp, một điều kiện hoặc một hệ quả mà một câu ngắn sẽ phải nói hai lần. Các ví dụ đã xử lý của những thao tác này, với phiên bản trước và sau đặt cạnh nhau, có trong hướng dẫn về cách nhân hóa văn bản AI.

Hãy chống lại cám dỗ ngược lại. Những câu đệm, vốn không thêm gì ngoài việc chỉ tồn tại để phá vỡ nhịp điệu, sẽ bị người đọc nhận ra trong vòng hai đoạn văn. Sự biến đổi phải đến từ việc nội dung có lượng điều cần nói khác nhau ở những thời điểm khác nhau, và đó cũng chính là lý do một đoạn văn nghiên cứu thực sự vốn không đều ngay từ đầu.

Vòng bốn: Từ vựng, Cuối cùng và Nhỏ nhất

Từ vựng đứng cuối cùng vì đó là chỉnh sửa rẻ nhất và là đòn bẩy nhỏ nhất, và làm nó trước chỉ mang lại cảm giác tiến triển mà không có thực chất. Một bản nháp do máy tạo ra dựa vào một tập nhỏ các động từ học thuật tần suất cao và các khái niệm trừu tượng, và một người đọc chấm một trăm bài mỗi học kỳ đã thấy hết chúng. Facilitate, underscore, pivotal, robust, myriad và showcase là những từ thường gặp trong một bản nháp nghiên cứu.

Thay một động từ khuôn mẫu bằng động từ mà câu thực sự cần, và dùng phép thử thông tin để quyết định: showed, measured, doubled và failed mỗi từ đều nói cho người đọc một điều mà facilitate không nói được. A free AI word cleaner phát hiện phần lớn vốn từ khuôn mẫu chỉ trong vài giây, và đó là khoảng thời gian hợp lý để dành cho nó. Sửa quá tay mới là rủi ro thực sự ở lượt này, vì một bản nháp đã bị khử máy móc quá mạnh sẽ đọc như một bài tập dùng từ điển đồng nghĩa, và một người hướng dẫn sẽ nhận ra điều đó nhanh hơn bất kỳ phần mềm nào.

Bốn lượt sửa này để lại cho bạn điều gì

Một bản thảo mà bạn có thể bảo vệ là bản thảo mà bạn có thể chỉ vào bất kỳ câu nào và nói nó đến từ đâu. Đó mới là sản phẩm thực sự, và mỗi lượt ở trên là một bước hướng tới điều đó: lượt một cung cấp nguồn cho mọi khẳng định, lượt hai tạo hình cho lập luận, các lượt ba và bốn làm cho kết quả có thể đọc được ở mức mà một tạp chí hoặc người chấm bài mong đợi.

Một điểm AI writing score thường giảm qua các lượt này mà không ai chủ ý nhắm tới, vì mỗi lượt loại bỏ một phần mà điểm số được tính từ đó: các khẳng định chung chung không có nguồn, trọng số phần đều nhau, độ dài câu đồng nhất, từ vựng khuôn mẫu. Xem chính điểm số như mục tiêu sẽ đảo ngược công việc. Hướng dẫn của Turnitin nói thẳng về giới hạn của con số này, khi nêu rằng mô hình của nó "may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student."

Một điểm bối cảnh về công cụ, rồi quay lại bản thảo. An AI humanizer có thể thực hiện lượt ba trên một tài liệu dài nhanh hơn một người, và nó báo cáo một Human Score ước tính được tính từ văn bản thay vì một phán quyết từ bất kỳ bộ phát hiện nào được nêu tên. Nó hoàn toàn không thể làm lượt một, vì nó không có mặt khi công việc diễn ra và không có cách nào biết khẳng định nào của bạn có nguồn đứng sau.

Việc có cần nêu nguồn gốc bản nháp trong bản thảo hay không là một câu hỏi riêng, có câu trả lời thực sự, và nó phụ thuộc vào cơ sở của bạn hoặc tạp chí mục tiêu hơn là vào việc bao nhiêu phần của văn bản còn lại sau biên tập. Hướng dẫn về how to disclose AI use in a paper trình bày cách diễn đạt mà hầu hết các chính sách mong đợi và vị trí của nó trong tài liệu.

Nếu vấn đề trước mắt là một con số trên báo cáo, lowering an AI score được xử lý trên một trang riêng. Whether the tools built to do that actually work là một câu hỏi sơ bộ hợp lý, và nó có câu trả lời riêng.

Bốn lượt này đồng thời đóng vai trò như một ngân sách. Khi chỉ còn một buổi tối trước hạn chót, hãy dành nó cho hai lượt đầu và để một số câu vẫn hơi gượng. Một câu gượng nhưng gắn với một phát hiện mà bạn có thể bảo vệ được thì vẫn qua được buổi viva. Một câu hay nhưng gắn với không gì cả thì không.