アカデミック テキストの人間化(編集)

使用するタイミング

「テキストを書き直してほしい」「より人間らしいテキストにしてほしい」「レポートからAIの特徴を消してほしい」「論文を修正して剽窃検査やAI検出器に引っかからないようにしてほしい」といったリクエストの際に使用します。

背景

AI生成テキストは、検出器によって高い予測可能性(パープレキシティ)、リスト支配、不自然な正確性、官僚的な表現、定型的な修辞的構文(特に長いダッシュの使用)のために識別されます。目的は、これらのパターンを意図的に破壊し(バースティネスを高め)、リズムを変え、定型句を削除し、軽微な不規則性と多様性を追加することです。ただし、元の科学的またはアカデミックな意味を厳密に保持する必要があります。

指示

1. 分析(マーカー検出): 元のテキストをスキャンして、典型的なAIの定型句を探します。根拠のない箇条書きリスト、長さが均等な段落、「結論として」「注記する価値があります」「現代の世界では」といったクリシェ、動名詞の存在です。同時に、意味的な反復を探します。同じ考えが複数の文に不自然に広げられたり、新しい内容を追加することなく異なる言葉で言い換えられたりしている部分です。そうした繰り返しは容赦なく1つの簡潔な文に統合します。反論できない空疎なフレーズは削除します(「この問題は科学にとって大きな意味がある」など)。

2. 構造の破壊: �条書きリストを連結したテキスト段落に変換します(コンマで並べます)。余分な小見出しを削除します。単調で長さが均等な段落を分割します。小さな段落2つを1つに統合し、大きな段落1つを複数に分割します。

3. 構文の再構築: コロンと長いリストを含む長く重い文を2〜3つの短い単文に分割します。短い断定的な文(3〜6語)を数個追加して「ぎこちない」リズムを作ります。「これは単なるAではなく、Bです」という形式の大げさで定型的な構文を特別にチェックします。そのような構文はAIの修辞を示すことが多いため、これらの構文を再処理します。ただし、規範的な文法に従って適切な場所では標準的な長ダッシュを削除しないでください。

4. 語彙のクリーニング: 官僚的なフレーズとクリシェ(「現代の世界では」「重要な役割を果たしている」「不可欠な部分」)を具体的で生きた表現に置き換えます。受動構文(「研究が実施されている」「意義がある」)を能動構文(「私たちは研究を実施している」または「著者は示した」)に変換します。3語の同義語の組を削除します。人為的な修辞的手法を削除します。読者への執拗な修辞疑問、1つの単語の繰り返し(「Aなしで、Bなしで、Cなしで」)、広告的な表現、および熱狂的な強調詞(「ユニークな」「革新的な」「完璧な」)です。

5. アカデミック的な多様性: テキストに軽微な仮定、疑い、方法論の限界や焦点の変化の示唆を追加します。生きた研究者に特有のもの(「最初は…に見えたが…」)です。一貫して重いアカデミック語彙をより単純で一般的な言葉で軽く「薄める」ことが適切な場所では。生きた著者(特に学生)は、すべての文で完璧な高いスタイルを維持しません。これらの軽微なスタイル上の粗さは、テキストの科学的性質を損なわない限り許容されます。

6. タイポグラフィとフォーマットのクリーニング: 不適切な太字(用語または小見出しでない限り)、根拠のない斜体、絵文字、ランダムな記号を削除します。タイポグラフィック引用符の混在を排除します。ロシア語のテキストでは「ギュメ」のみを使用し、引用符("")は使用しないでください。不規則または過度なフォーマットは、機械生成の確実な信号です。

7. 英語化の検査: テキストに正当化されていない英語化または翻訳されていない用語がないかチェックします。確立されたロシア語の類義語が存在する場合は、それを使用します(「Big Data」の代わりに「大規模データ」)。正確な類義語がない場合は、最初の言及時に括弧内に英語の用語を提供し、その後はロシア語のバージョンを使用します。1つの文内での言語間の無秩序な切り替えは認められません。

8. 規範的なフォーマットを優先: 編集時にスタイル的な「人間化」がアカデミックまたはGOST フォーマット要件と競合する場合は、規範的なバージョンを保持します。これは特にダッシュ、引用符、略語、参照、および句読点に適用されます。

出力形式

編集されたテキスト(Markdown形式)。ロジックを完全に保持しながら、構造と語彙が変更されています。

チェックリスト(品質基準)

• 箇条書き/番号付きリストが連結テキストに変換されている(科学的な分類を損なわない限り)。
• 動名詞(「管理の実施」)が動詞に変換されている(「管理する」)。
• 定型句「まとめると」「注記する価値があります」「現代の世界では」が削除されている。
• テキストのリズムが「ぎこちない」ものになっている。短い文が長い構文と隣接している。
• 元の科学的意味と事実が保持されている。新たな捏造がない。
• 意味的な繰り返しがない。各段落が前の段落を言い換えるのではなく、新しい考えを追加している。
• 大げさな定型的な構文と長いダッシュ(「これは単なるAではなく、Bです」)が再処理されている。規範的なダッシュは他の場所では保持されている。
• 不適切な太字、斜体、絵文字が削除されている。引用符は統一されている(「ギュメ」)。
• 語彙が多様である。軽微なスタイル上の粗さが存在する。テキストは機械で検証された用語集のように聞こえない。
• 修辞疑問、3語の繰り返し、および広告的な強調詞が削除されている。
• 用語が統一されている。ロシア語と英語が1つの文でランダムに混在していない。

アンチパターン

• アカデミック テキストをブログの会話投稿に変換しないこと。官僚的な表現を削除しながら、科学的スタイルを保持する。
• 「人間らしさ」のために人為的な綴りまたは文法の誤りを追加しないこと。
• 元のテキストになかった新しい事実、日付、または名前を作り出さないこと(捏造)。
• 過度な感情表現またはスラングを使用しないこと。
• 重複する段落を残さないこと。同じ内容に関する2つの段落はAIの特徴であり、深さの証拠ではない。
• 大げさなダッシュ構文(「これは単なるメソッドではなく、哲学です」)を保持しないこと。
• タイポグラフィを混在させないこと。1つのテキストで「ギュメ」と"引用符"は機械生成を示す。
• 説明なしでロシア語の単語の隣に翻訳されていない用語を残さないこと。

例

例1(リストの編集)

悪い例(AI元のテキスト): 以下の開発要因を強調することが重要です。

• 経済的安定性
• 政治的透明性
• 社会的適応

したがって、これらの要素は重要な役割を果たします。

良い例(人間化): 経済的安定性、政治的透明性、社会的適応は、その地域の発展を直接決定します。これらの要因は相互に分離して考えることはできません。

例2(官僚的な表現と受動構文)

悪い例(AI元のテキスト): この現象の分析は、既存の文献資料の入念な研究を想定する方法論の複合体の適用を通じて実施されています。

良い例(人間化): この現象を分析するために、複数の方法論を適用しました。まず第一に、このテーマに関する既存の文献を調査しました。

例3(意味的な反復)

悪い例(AI元のテキスト): この問題は現在、極めて重要です。その意義は過大評価することはできません。現代の科学はそれにますます注意を払っています。世界中の研究者はその重要性を認識しています。

良い例(人間化): この問題への関心はここ10年で著しく高まっています。Web of Science と Scopus のデータベースにおける出版物のダイナミクスを見れば十分です。

例4(神経ダッシュと修辞的なデバイス)

悪い例(AI元のテキスト): これは単なるメソッドではなく、哲学です。これは単なるツールではなく、思考システムです。柔軟性、適応性、開放性がなければ、どんな戦略も失敗することは明らかではありませんか?

良い例(人間化): このメソッドがうまく機能するのは、適用のあらゆる段階で柔軟性を前提としているためです。この特性を欠く戦略は、一般的に実践による検証に耐えません。