Cách nhân hóa một bài luận AI cho đại học
Bước quyết định mọi thứ diễn ra trước khi bất kỳ công cụ viết lại nào được mở: đọc xem học phần của bạn thực sự cho phép gì, điều mà ở cấp đại học hầu như không bao giờ được quy định sẵn. Sau đó là phương pháp chỉnh sửa cho riêng một bài luận, vốn là một loại tài liệu khác với bản thảo bài báo học thuật và đòi hỏi một trình tự làm việc khác.
Phần lớn lời khuyên về cách nhân bản hóa bài luận AI cho bài tập đại học bắt đầu từ sai chỗ, với một công cụ viết lại và một đoạn văn đã được dán sẵn vào đó. Bước quyết định mọi thứ diễn ra sớm hơn, đó là đọc xem học phần của bạn thực sự cho phép điều gì. Hai sinh viên có thể thực hiện các chỉnh sửa giống hệt nhau trên các bản nháp giống hệt nhau và kết thúc ở những vị trí hoàn toàn khác nhau, vì một học phần yêu cầu khai báo còn học phần kia mặc định cấm AI sinh tạo trong bài nộp tính điểm.
Nhân bản hóa một bài luận có nghĩa là xây dựng lại nó sao cho lập luận, bằng chứng và giọng văn thực sự là của bạn, trong một hình thức mà bạn có thể bảo vệ bằng lời nói. Đó là một công việc khác với việc làm cho văn bản khó bị một bộ phân loại chấm điểm hơn. Quy trình dưới đây giả định mục tiêu thứ nhất, vì mục tiêu thứ hai không có điểm kết thúc nào mà bạn có thể kiểm tra, và hướng dẫn của TextPulse về những gì Turnitin thực sự phát hiện nêu rõ lý do.
Kiểm tra học phần của bạn cho phép gì trước khi bạn chỉnh sửa bất cứ điều gì
Quy định chi phối bài luận của bạn hầu như không bao giờ nằm ở cấp độ toàn trường. Mỗi cơ sở lớn trong phần nghiên cứu đứng sau bài viết này đều chuyển quyết định xuống cấp thấp hơn, cho một khoa, một bộ môn hoặc người phụ trách đề bài đánh giá, rồi đặt thêm một nghĩa vụ khai báo lên trên ở bất cứ nơi nào việc sử dụng được cho phép. Đọc một trang AI trung tâm rồi dừng lại ở đó sẽ cho bạn biết gần như chẳng có gì về bài tập trước mắt.
Cambridge: "Một sinh viên sử dụng bất kỳ nội dung nào do trí tuệ nhân tạo tạo ra mà không được thừa nhận trong một bài đánh giá tính điểm, như thể đó là công việc của chính họ, cấu thành hành vi sai phạm học thuật, trừ khi đề bài đánh giá nêu rõ điều ngược lại." Oxford: "Sinh viên không được sử dụng trí tuệ nhân tạo để hoàn thành một bài đánh giá tính điểm, trừ khi một khoa/bộ môn cho phép cụ thể, trong trường hợp đó họ phải khai báo điều này và làm theo các hướng dẫn được đưa ra." Harvard Business School (MBA handbook): "Việc sử dụng các công cụ trí tuệ nhân tạo để viết bài trong các học phần MBA là tùy theo quyết định của từng giảng viên. Trong những trường hợp như vậy, sinh viên phải trích dẫn việc sử dụng các công cụ AI này một cách phù hợp. Không làm như vậy là vi phạm MBA Honor Code."
Vì vậy, việc kiểm tra này là một cuộc tìm kiếm tài liệu ngắn. Trước hết hãy mở đề cương bài tập, sau đó là sổ tay học phần, rồi đến trang của khoa, rồi đến chính sách trung tâm, và dừng lại ở tài liệu đầu tiên trực tiếp đề cập đến generative AI. Ghi lại nội dung của nó và nơi bạn tìm thấy nó. Bản tóm tắt của TextPulse về nơi các chính sách sử dụng AI thực sự nằm phác họa mô hình mà đa số cơ sở áp dụng, nhờ đó bạn sẽ phát hiện nhanh hơn khi chính sách của mình bị thiếu.
Ở nơi không có tài liệu nào đề cập đến AI, hãy xem sự im lặng đó là một câu hỏi chứ không phải là sự cho phép, và hãy gửi email cho người phụ trách học phần trước khi nộp bài. Một câu trả lời bằng văn bản, dù chỉ một dòng, có giá trị cao hơn mọi mức độ viết lại, vì nó biến một quyết định mang tính phán đoán thành một chỉ dẫn được ghi nhận, gắn với tên của người khác.
Tại sao một bài luận là một loại tài liệu khác với một bản thảo
Một bài luận được chấm theo thang tiêu chí, và điều đó làm thay đổi những chỉnh sửa nào là đáng giá. Một bản thảo bài báo khoa học được đánh giá dựa trên việc phương pháp, kết quả và các khẳng định có đứng vững hay không, vì vậy cách diễn đạt của nó bị ràng buộc: thuật ngữ phải cố định, các con số không được thay đổi, và một bản viết lại làm cho nhịp điệu của một phần phương pháp tốt hơn thường đã làm hại nó. Một bài luận được đánh giá dựa trên lập luận, bằng chứng và mức độ gắn kết với tài liệu đọc được giao, mà đó lại chính là ba lớp mà một mô hình ngôn ngữ tạo ra kém nhất.
Và đó là điều tạo nên khác biệt trong trình tự công việc của chúng ta. Trong một bản thảo, chỉnh sửa có giá trị cao nhất là bảo vệ thuật ngữ và giữ nguyên cấu trúc. Trong một bài luận, chỉnh sửa có giá trị cao nhất là về cấu trúc, tức là biến một khẳng định chung chung thành một khẳng định cụ thể dựa trên một văn bản seminar, một bài giảng, hoặc một tài liệu đọc trong danh sách của bạn. Những thay thế đó nằm ngoài khả năng của bất kỳ công cụ viết lại nào, vì công cụ đó đã không tham dự seminar.
Ba ràng buộc bổ sung nữa là đặc thù của bài luận. Giới hạn số từ có nghĩa là mỗi câu bạn thêm vào đều phải thay thế một câu khác, và một bộ đếm từ đặt đối chiếu với giới hạn cho thấy một mẩu bằng chứng mới thực sự còn bao nhiêu chỗ. Một danh sách đọc được ấn định có nghĩa là người chấm của bạn đã biết trước những nguồn nào thuộc về đó và nhận ra những nguồn nào còn thiếu. Và một người chấm đang xem qua bốn mươi câu trả lời cho cùng một câu hỏi sẽ nhận ra bài nào chỉ tóm tắt một chủ đề thay vì trả lời câu hỏi được đặt ra.
Nhân hóa bài viết của bạn
Biến đổi văn bản có hỗ trợ AI của bạn và làm cho nó nghe tự nhiên như do con người viết, mà không chạm vào các từ quan trọng hoặc trích dẫn.
Cách nhân hóa bài luận AI cho công việc đại học, từng bước một
Làm việc từ lập luận ra bên ngoài, vì mọi chỉnh sửa về sau đều phụ thuộc vào việc lập luận đó là của bạn. Trình tự dưới đây đi từ lớp mà một công cụ viết lại không thể chạm tới đến lớp mà nó có thể chạm tới, và đó cũng là trình tự về mức độ mỗi bước đóng góp vào điểm số của bạn.
- Đóng bản nháp lại và viết câu trả lời của bạn cho câu hỏi trong ba câu, không nhìn vào nó. Bất cứ phần nào bạn không thể tái dựng được là một đoạn văn bạn vẫn chưa sở hữu, và chính những đoạn đó là nơi mọi vấn đề về sau bắt đầu.
- Xây dựng lại cấu trúc từ ba câu đó. Quyết định trật tự mà lập luận của bạn cần có, rồi di chuyển, gộp hoặc xóa các phần để khớp với nó. Các bài luận do máy tạo ra thường xuất hiện như những khảo sát cân bằng, với một đoạn cho mỗi tiểu chủ đề, một hình thức mà hầu hết thang đánh giá hầu như không thưởng điểm.
- Thay mọi khẳng định chung bằng một khẳng định cụ thể mà bạn có thể dẫn nguồn. Nêu tên tác giả, nghiên cứu, năm, vụ việc, trang. Một câu có thể nằm trong bất kỳ bài luận nào về chủ đề này thì không làm việc gì trong bài của bạn.
- Xác minh mọi trích dẫn đối chiếu với nguồn mà nó nêu tên. Mở từng tài liệu tham khảo, xác nhận tác giả, năm và nhan đề tồn tại đúng như đã viết, rồi xác nhận nguồn thực sự nói điều mà câu của bạn khẳng định là nó nói.
- Viết lại các câu ở bước cuối cùng, thành tiếng. Đọc to từng đoạn và sửa bất cứ điều gì bạn sẽ không bao giờ nói: các bộ ba xếp chồng, những câu mở đầu đều bắt đầu theo cùng một cách, các cụm liên kết đến đúng lịch trình.
- Đọc lại thang đánh giá một lần cuối đối chiếu với bản thảo hoàn chỉnh, theo từng tiêu chí, và đánh dấu vị trí bằng chứng của bạn cho từng tiêu chí.
Một công cụ viết lại chỉ nên được dùng ở bước năm và không ở bất kỳ bước nào sớm hơn. Khi được dùng ở đó, trên phần văn xuôi mà lập luận và nguồn đã là của bạn, nó thực hiện một lượt chỉnh sửa về phong cách đối với bài viết mà bạn có thể chịu trách nhiệm. Khi được dùng ở bước một, trên văn bản do máy tạo ra mà chưa ai xác minh, nó tạo ra một bài luận trôi chảy mà bạn sẽ khó có thể bàn luận trong mười phút, và cuộc trao đổi đó là một phần thường lệ của hầu hết các quy trình về liêm chính học thuật.
Hai kiểm tra đáng thực hiện trước khi bạn coi bài viết là đã hoàn tất. Một essay checker sẽ làm lộ ra những lỗi cơ học mà người chấm trừ điểm mà không cần bình luận, và đối chiếu danh mục tài liệu tham khảo với các trích dẫn trong bài sẽ phát hiện những tài liệu tham khảo bị bỏ sót mà một bản nháp do máy tạo ra để lại thường xuyên hơn nhiều so với một bài viết do con người viết.
Các chỉnh sửa tạo ra thay đổi lớn nhất, theo thứ tự
Không phải mọi chỉnh sửa đều xứng đáng với thời gian mà nó tốn, và thứ hạng này nhìn chung khá ổn định giữa các thang chấm bài luận.
| Chỉnh sửa | Nó thay đổi gì đối với điểm số của bạn | Công cụ viết lại có thể làm được không? |
|---|---|---|
| Xây dựng lại lập luận từ câu trả lời ba câu của chính bạn | Thay đổi tiêu chí luận đề và cấu trúc, là phần được tính trọng số cao nhất trong hầu hết thang đánh giá bài luận | Không. Nó không có quyền truy cập vào phần đọc của bạn hoặc vào câu hỏi được giao. |
| Thay các khẳng định chung chung bằng các chi tiết cụ thể, có nguồn dẫn và được nêu tên | Thay đổi tiêu chí bằng chứng và mức độ gắn kết, lớp mà người chấm dùng để phân biệt việc đọc với việc tóm tắt | Không. Các chi tiết cụ thể đến từ nguồn của bạn, mà công cụ này chưa đọc. |
| Xác minh mọi tài liệu tham khảo đối chiếu với nguồn mà nó nêu tên | Loại bỏ rủi ro trích dẫn bịa đặt, được xử lý như hành vi sai phạm chứ không phải lỗi viết | Không. Xác minh nghĩa là mở từng nguồn và kiểm tra xem nó có nói điều bạn khẳng định hay không. |
| Thay đổi độ dài câu và cách mở đoạn | Cải thiện điểm về khả năng đọc và độ rõ ràng, đồng thời loại bỏ mô thức rõ nhất trong văn xuôi do máy tạo ra | Có. Đây là lớp mà một lượt viết lại thực sự tác động lên. |
| Đổi từng từ riêng lẻ bằng từ đồng nghĩa | Hầu như không thay đổi điều gì mà một thang đánh giá đo lường, và thường làm giảm độ chính xác | Có, vì vậy đây là việc ít hữu ích nhất để dành một lượt xử lý cho nó. |
Cột cuối cùng đó là toàn bộ lập luận cho việc thực hiện công việc theo thứ tự này. Mọi thứ mà một công cụ không thể làm đều nằm ở phần trên cùng của những gì một thang đánh giá thưởng điểm, và mọi thứ mà nó có thể làm đều nằm ở phần dưới cùng. Một lượt viết lại được chạy trước khi ba hàng đầu tiên hoàn tất sẽ chỉ đánh bóng một bài luận mà lớp yếu nhất của nó vẫn chưa được chạm tới.
Viết một bản công bố mà bạn có thể bảo vệ
Tuyên bố công bố nêu tên công cụ, nói rõ bạn đã dùng nó để làm gì, và xác nhận rằng bạn đã kiểm tra đầu ra. Khi một học phần yêu cầu điều này, đó thường là toàn bộ yêu cầu, và cách diễn đạt vẫn ngắn gọn. Các nhà xuất bản học thuật đã thống nhất cùng một cấu trúc ba phần từ nhiều năm trước. Mẫu được Elsevier đề xuất viết: "Trong quá trình chuẩn bị công trình này, tác giả đã sử dụng [NAME OF TOOL/SERVICE] nhằm [REASON]. Sau khi sử dụng công cụ/dịch vụ này, tác giả đã xem xét và chỉnh sửa nội dung khi cần thiết và chịu hoàn toàn trách nhiệm về nội dung của ấn phẩm."
Đối với một bài luận, hãy giữ nguyên ba phần đó và tuân theo định dạng mà học phần của bạn quy định ở bất cứ nơi nào có quy định. Nêu tên công cụ và phiên bản của nó. Cho biết bạn đã dùng nó ở giai đoạn nào, dù đó là tạo dàn ý, soạn một đoạn văn rồi bạn viết lại, hay kiểm tra ngữ pháp. Xác nhận rằng bạn đã kiểm tra mọi nguồn được trích dẫn. Khi học phần của bạn cung cấp một trang bìa hoặc một ô biểu mẫu cho việc này, hãy điền vào đó thay vì tự viết một đoạn văn.
Điều làm cho một tuyên bố công bố có thể bảo vệ được là hồ sơ đứng sau nó. Hãy soạn thảo trong một tài liệu có bật lịch sử phiên bản, giữ lại các ghi chú và tài liệu đọc mà bạn đã dựa vào, và giữ lại bản ghi của bất cứ nội dung nào bạn đã tạo ra. Ba điều đó trả lời được những câu hỏi mà không điểm số nào của công cụ phát hiện có thể trả lời, và một công trình dài hơn có những quy ước riêng về vị trí đặt tuyên bố này, điều mà how to disclose AI use in a paper trình bày đầy đủ.
Các văn phòng tuyển sinh tiến hành các kiểm tra riêng của họ, và whether they screen for AI được đề cập riêng. Các chương trình chuyên nghiệp còn nghiêm ngặt hơn nữa, và AI detection in nursing school có một trang riêng.
Bài luận vượt qua tất cả những điều này là bài mà bạn có thể ngồi xuống và trình bày lại một cách rõ ràng. Hãy chọn bất kỳ đoạn nào trong bản thảo cuối cùng của bạn, che nó đi, và nói thành lời đoạn đó lập luận gì và dựa trên nguồn nào. Ở bất cứ chỗ nào điều đó không làm được, công trình vẫn chưa hoàn tất, bất kể văn xuôi trên trang nghe có vẻ thế nào.
Câu hỏi thường gặp
Hãy bắt đầu bằng việc xin phép. Để nhân hóa bài luận AI cho bài nộp đại học trong phạm vi quy định, hãy đọc đề bài và sổ tay học phần trước khi chỉnh sửa bất cứ điều gì, vì đa số trường đại học giao quyết định xuống cấp đó. Sau đó tự xây dựng lại lập luận và bằng chứng, kiểm tra mọi trích dẫn đối chiếu với nguồn của nó, và thêm bất kỳ hình thức khai báo nào mà khóa học của bạn yêu cầu.
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.