如何使结果与讨论部分更具人性化

结果部分报告称，干预组的得分高于对照组，这一具体数值位于两页之前的一个表格中。讨论部分在涉及同一发现时说，干预组得分更高，这可能表明一种可能的积极效果，值得进一步研究。第二句并没有增加第一句已经确立的任何内容，只是多了四个缓和语和一个更长的句子。

这正是当这两个部分都由语言模型起草时，它们开始听起来相似的真正原因。学习如何使 AI 讨论部分草稿更具人类写作特征，意味着恢复一个句子，使其对该发现的含义作出具体判断，而不是在前一个判断上再叠加一个缓和语。

为什么结果部分和讨论部分开始听起来一样

结果部分的目的，是告诉我们发生了什么, 这可以是数字，也可以是足够具体、可视为数字的描述。讨论部分的目的，是说明该结果意味着什么，它与其他结果有何关系，以及它没有解决什么。当你把这两个部分合并成一个时，论文中就会出现两个做同样工作的部分, 一次带着数字，一次不带数字。

语言模型默认会把它们合并，因为这两项工作都源自同一种本能, 谨慎地描述发现，然后继续往下写。结果是，结果部分对本应只是报告的发现加上了缓和语，而讨论部分却在报告本应解释的发现。没有一句话真正承诺任何具体读者可能会反对的内容，这才是实际的迹象，比任何单个词语的选择都更能说明问题。

正在回答的问题	结果部分	讨论部分
发生了什么？	直接陈述发现, 一个数字, 一个比较, 一个描述	假定读者已经知道这个数字, 并继续往下推进
这意味着什么？	这不是本部分的职责, 一个数字不会自行解释自己	陈述该发现表明了什么, 以及它没有解决什么
典型失败模式	对一个不需要回避的数字进行回避, 例如 'results appeared to show a difference'	重复数字而不是解释其含义, 例如 'the results showed a higher score'
可通过的一句	治疗组提高了九分, 对照组提高了两分。	这一差距看起来是由更短的时间间隔造成的, 而不是方法本身。

在任何 AI 辅助草稿中, 失败模式这一行最值得先检查, 因为一旦这一行被修正, 其他各行往往也会随之变好。

结果部分实际上应当做什么

结果部分陈述发现了什么, 按分析产生这些结果的顺序呈现, 但暂不论证其含义。'Group differences were observed across conditions' 不是结果句。'The treatment group improved by nine points; the control group improved by two' 是结果句, 因为读者可以将其与表格核对, 然后继续阅读。

应当变化每个发现的引入方式, 而不是对每个结果都重复同一个模板。可以用数字开头一句, 用比较开头另一句, 用产生该结果的条件开头再一句。结果部分如果用平实、直接的句子报告一个意外发现, 而不是事先对其进行回避, 几乎总是比每个结果都恰好如预期出现的写法更像人写的。

讨论部分实际上应当做什么

TextPulse的关于学术写作人性化的更广泛指南已经说明，讨论部分必须体现你自己的声音。这里值得补充的是其机制：讨论部分的作用，是说明表格本身无法单独说明的内容，即这一发现为何重要，它排除了什么，以及它在何处不再适用。这要求你作出实际解释，而不是仅仅暗示一种解释。

“这一发现与更广泛的文献一致，并提示未来工作若干可能方向”并没有解释任何内容，因为它的某个版本几乎可以作为任何学科中几乎任何讨论部分的结尾。讨论中的一句话可以具体，同时仍然保留真实的不确定性：“这一效应很可能反映的是较短的训练周期，而不是方法本身，不过该研究无法排除队列差异”同时指出了一种机制，说明了两种解释之间的偏向，并承认它无法最终判定的内容。

两者之间的界限何时变得模糊

并非所有论文都将这些部分分开。在一些期刊中，尤其是定性研究和案例研究传统中的期刊，结果部分常常与讨论部分合并。不过，合并后的结果,讨论部分并不会消除上文所说的区别。它只是去掉了这一区别的标记,也就是标题。在合并后的结果,讨论部分中，某个段落要么报告一个发现，要么解释一个发现，而回避性表述的识别特征在句子层面上的作用方式是相同的。

定性研究会进一步改变二者的比例。从访谈数据中呈现一个主题，本身就已经部分带有解释性，因为决定什么算作该主题的一个实例，本身就是一项分析判断，所以定量结果部分所依赖的那种仅报告式段落，在定性研究中未必以相同形式存在。回避性表述的识别特征仍然适用：一段主题描述如果堆叠了“可能会提示”之类的限定语，在定性论文中与在定量论文中一样，都会显得明显像机器生成的。

回避性表述的识别特征, 只承诺而不作决定的句子

回避性表述在学术写作中确实有其作用, 它用于标示读者需要知道的真实不确定性。单个回避性表述属于正常的谨慎。问题在于, 一个回避性表述又叠加另一个回避性表述, 直到句子不再主张任何读者可以质疑的内容。'This may potentially suggest a possible link' 在五个词里把同一个意思回避了三次, 而由类似句子构成的讨论部分, 无论其下方的发现是什么, 读起来都像机器生成的。

把单个句子中的回避性表述数量作为粗略检查。一个限定语属于正常的科学谨慎, 例如, 'this suggests', 'this may indicate', 'this appears to'. 同一句中出现两个, 就值得再看一遍。三个则是检查器和导师都会注意到的模式, 因为这时句子已经不再表达任何足够具体、以至于可能出错的内容。

如何在不夸大结论的前提下使 AI 讨论部分草稿更自然

先找出每一个只是重复结果部分而不是解释结果的句子。如果某个讨论句子可以原封不动地移到结果部分, 那么它还没有完成自己的任务。AI humanizer 在这里只有在专门针对回避性表述和重复结果的句子时才有帮助, 而不是盲目地作用于整个部分, 因为这些数字本来就不需要重写。

然后删除每个含有多个回避性表述的句子中的第二个和第三个回避性表述, 看看还剩下什么。通常, 剩下的内容就是一个完全站得住脚的主张, 只是被回避性表述掩盖了。之后再用 academic tone converter 处理这一段, 可以捕捉第一次处理后仍然保留下来的更含糊的措辞, 不过, 判断你实际上认为这一发现意味着什么, 不是工具能够替你完成的事情。

在使用任何工具之前，还有一项值得手动检查的内容, 先通读结果部分和讨论部分，并连续阅读，问一问第二部分是否可以在不阅读论文其余部分的情况下由第一部分生成。对定稿运行 essay checker 可以发现细读时容易遗漏的残余复述，但上面这个问题才是实际最先把它找出来的。

在整篇文档的尺度上，问题会改变形态，而 humanizing a thesis 已在单独页面中说明。如果讨论部分已经写得很长，reducing word count in a thesis 是一项值得先阅读的独立技能。

结果部分和讨论部分可以报告完全相同的发现，但在页面上仍然承担完全不同的功能。前者通过可核查性来获得其位置。后者通过提出一个别人实际上可能不同意的主张来获得其位置，而这一点正是大量缓和语所要避免的。