ঘানার গবেষকদের জন্য ইংরেজিতে লেখার AI Humanizer

ঘানার ২০২৩ সালে Scopus-সূচিকৃত প্রায় ৬,০৫০টি গবেষণাপত্র প্রকাশিত হয়েছে, এতে দেশটি বিশ্বে প্রায় ৬৩তম স্থানে ছিল এবং পশ্চিম আফ্রিকার শীর্ষ গবেষণা উৎপাদকদের মধ্যে অবস্থান করছিল। এই সংখ্যার পেছনে রয়েছে ১১৬টি PhD প্রোগ্রামের আওতায় ২,২৩২ জন ডক্টরাল শিক্ষার্থী, একটি প্রচারব্যবস্থার মধ্যে, যা মহাদেশটির মধ্যে সবচেয়ে বেশি ‘প্রকাশনা-কেন্দ্রিক’গুলোর একটি। এখন আগের চেয়ে আরও বেশি সংখ্যক ম্যানুস্ক্রিপ্ট ChatGPT, Claude বা অনুরূপ সহায়তার মাধ্যমে শুরু হচ্ছে। ঠিক এখানেই ঘানার গবেষকদের জন্য একটি ভালো AI humanizer তার ভূমিকা খুঁজে পায়: আপনি যে AI-সহায়তাপ্রাপ্ত খসড়াটি লিখেছেন, সেটিকে আপনার নিজের কণ্ঠে বজায় রাখতে সাহায্য করে, যাতে তা আপনার জন্য কোনো মেশিন তৈরি করেছে বলে মনে না হয়।

সমস্যাটা আরও কঠিন। AI ডিটেক্টর কেবল সেই লেখাই ফ্ল্যাগ করে না যা মেশিন লিখেছে। তারা সম্পূর্ণ মানব-লিখিত, যত্নশীল, মানসম্মত, দ্বিতীয় ভাষার (second-language) ইংরেজিতেও ফ্ল্যাগ বসাতে পারে। UG Legon বা KNUST-এর একজন একাডেমিশিয়ান যদি পরিষ্কার, সঠিক, প্রভাবহীন (অতি-চকচকে নয় এমন) গদ্যে লেখেন, তবে তা এমন একটি পেপারের জন্য সত্যিকারের ঝুঁকি, যেটি প্রস্তুত করতে ইতিমধ্যে মাস লেগেছে।

এই গাইডটি গোপন করার (disguise) নয়; ন্যায্যতার (fairness) কথা। আপনি নিজের কাজকে humanize করবেন, অর্থ ও উদ্ধৃতিগুলো বজায় রাখবেন, তারপর আপনার প্রতিষ্ঠান ও লক্ষ্য জার্নাল যেমনটি চায় তেমনভাবেই AI ব্যবহারের বিষয়টি সৎভাবে প্রকাশ করবেন। নিচে আছে কীভাবে, কেন প্রথমেই ঘানার গবেষকদের ফ্ল্যাগ করা হয়, এবং আসলে চেক/পর্যবেক্ষণগুলো কোথায় দৃশ্যমান হয়।

আন্তর্জাতিক জার্নালের জন্য ঘানার ইংরেজি (Ghanaian English) ব্যবহার করে লেখা

Akwaaba। আমাদের humanizer ঘানার গবেষকদের ইংরেজিতে প্রকাশ করতে সহায়তা করে, যদিও তারা সাধারণত প্রথম ভাষা হিসেবে Akan বা Twi থেকে লেখেন, এবং অনেকের ক্ষেত্রে Ewe, Ga, Dagbani, বা Hausa-ও থাকতে পারে। Ghanaian English হলো ইংরেজির একটি পূর্ণাঙ্গ, কার্যকর বৈচিত্র্য। দেশের প্রতিটি বিশ্ববিদ্যালয়ে এটি শিক্ষামাধ্যম, এবং এটি শেখানো, প্রশাসন, ও দৈনন্দিন একাডেমিক জীবনের জন্য পুরোপুরি কাজ করে।

এই ঘর্ষণ (friction) তৈরি হয় জার্নাল স্তরেই। জনসংখ্যার ৮০ শতাংশ মানুষ প্রথম বা প্রভাবশালী ভাষা হিসেবে Akan বা Twi বলে। এমনকি শিক্ষকতার পর্যায়েও, প্রায় ৬০ শতাংশ শিক্ষক তাদের ইংরেজি দক্ষতাকে গড়ে (average) বলে নিজে রেট করেন। যদিও ঘানা তার EF English Proficiency Index (540)-এ উচ্চ স্কোর পায়, অর্থাৎ তারা উচ্চ ব্যান্ডে আছে, লেখার (writing) সাব-স্কোর কেবল 511। এর মানে, ঘানাবাসীদের লেখা পুরোপুরি পরিষ্কার ও সঠিক, কিন্তু একই সঙ্গে Akan, Ewe, বা Ga-এর প্রথম ভাষার ‘ফিঙ্গারপ্রিন্ট’ও থাকে। মানব পাঠকের কাছে এই ফিঙ্গারপ্রিন্টগুলো নিরীহ (benign)। কিন্তু একটি AI ডিটেক্টরের কাছে, যেমন আমরা দেখব, এগুলো সন্দেহজনক বলে পড়ে।

Akan, Twi, Ewe, এবং Ga-ও শনাক্ত করে এবং humanize করে

আপনার গবেষণা ইংরেজিতে লেখা, কিন্তু আপনার প্রথম ভাষার প্রভাব প্রক্রিয়াটির মধ্যেই জায়গা করে নেয়। Akan, Twi, Ewe, বা Ga-এর মতো প্রথম ভাষায় একটি অংশ খসড়া করুন, ProofreaderPro তা ইংরেজি নয় বলে শনাক্ত করে, তারপর সেটিকে ভাষা-সচেতন (language-aware) একটি মডেলের মাধ্যমে চালায়, যা আপনার পরিভাষা এবং উদ্ধৃতিগুলো ঠিক যেমন লেখা আছে তেমনভাবেই ধরে রাখে। আপনি অনুবাদের আগেই humanize করতে পারেন, যাতে অর্থটি পরিষ্কারভাবে আপনার ইংরেজি ম্যানুস্ক্রিপ্টে বহন হয়। একই সহায়তা ষাটেরও বেশি ভাষায় বিস্তৃত, প্রতিটি ভাষাই নিজস্ব কণ্ঠে পরিচালিত হয়।

কেন ঘানার গবেষকদের AI ডিটেক্টর ফ্ল্যাগ করে

২০২৩ সালে Liang ও সহকর্মীদের নেতৃত্বে একটি Stanford দল Cell Press-এর জার্নাল Patterns-এ একটি গবেষণা প্রকাশ করে, শিরোনাম ছিল বেশ সরাসরি: "GPT detectors are biased against non-native English writers." তারা মানব-লিখিত TOEFL প্রবন্ধগুলো সাতটি বহুল ব্যবহৃত ডিটেক্টরের মাধ্যমে চালায়। গড়ে দেখা যায়, নেটিভ নয় এমন লেখকদের (non-native) প্রবন্ধগুলোর প্রায় ৬১% AI হিসেবে ফ্ল্যাগ হয়েছে, যেখানে নেটিভ ইংরেজি লেখকদের ক্ষেত্রে তা ছিল প্রায় ৫%। প্রায় পাঁচটির মধ্যে একটির মতো non-native প্রবন্ধ সব ক’টি ডিটেক্টরের কাছেই একসঙ্গে ফ্ল্যাগ হয়েছিল। এই প্রতিটি প্রবন্ধই লেখা ছিল একজন মানুষের হাতে।

যান্ত্রিকতার নাম perplexity। অনেক ডিটেক্টর দেখে, ভাষা মডেলের কাছে প্রতিটি শব্দচয়েস কতটা ‘আশ্চর্যজনক’ (surprising)। যে লেখক সাধারণ শব্দ বেছে নেয় এবং মানসম্মত, পূর্বানুমানযোগ্য (predictable) বাক্যগঠন ব্যবহার করে, সে কম perplexity তৈরি করে; আর কম perplexity মেশিন-লেখার মতো শোনায়। দ্বিতীয় ভাষার যত্নশীল লেখকদের জন্য এটাই ফাঁদ: ইংরেজিকে পরিষ্কার ও নিরাপদ করে তোলে, আপনার সাধারণ শব্দভাণ্ডার ও মানসম্মত বাক্যগঠন, এই অভ্যাসগুলোকেই প্রশিক্ষণ দিয়ে এই টুলগুলো সন্দেহপ্রবণ হতে শেখানো হয়েছে।

আরও পূর্ণ ব্যাখ্যার জন্য দেখুন আমাদের why AI detectors flag non-native writers বিষয়ক এক্সপ্লেইনার। সংক্ষেপে: একটি ডিটেক্টর ফ্ল্যাগ হলো বিতর্কের দাবি (claim to contest), আপনার সততা সম্পর্কে চূড়ান্ত রায় নয়।

ঘানার ইংরেজির প্রথম ভাষাজাত প্যাটার্নগুলো যা ‘ভুল ফ্ল্যাগ’-এর পেছনে থাকে

নিচের বৈশিষ্ট্যগুলো অলসতার ভুল (errors of laziness) নয়। এগুলো Akan, Twi, Ewe, Ga, বা Dagbani-এর প্রথম ভাষা থেকে উৎপন্ন একটি ধারাবাহিক, মানসম্মত (standard) নির্মাণ (construction)। প্রতিটি ক্ষেত্রেই এগুলো যত্নশীল ও পূর্বানুমেয়, এবং ঠিক এই পূর্বানুমেয়তাই perplexity কমায়, ফলে ডিটেক্টরের চোখে পড়ে।

Article এবং auxiliary বাদ পড়া। Akan নির্দিষ্ট (definite) ও অনির্দিষ্ট (indefinite) উল্লেখ বোঝায় ‘a’ এবং ‘the’-এর বদলে প্রসঙ্গ (context) ও শব্দক্রম (word order) দিয়ে, এবং আলাদা auxiliary না দিয়ে ক্রিয়ার সামনে থাকা প্রিফিক্সেই tense বহন করে। তাই একটি methods বাক্য এমন পড়তে পারে: "Result was significant at .05 level" বা "Data collected from three sites." এগুলো ধারাবাহিক, নিয়মের দ্বারা নিয়ন্ত্রিত প্যাটার্ন, আর perplexity মডেল যে কম, মেশিনের মতো স্কোরকে পুরস্কৃত করে, সেটাই এই ধারাবাহিকতা।

Pronoun-এর লিঙ্গ-নিরপেক্ষতা (gender neutrality)। Akan এবং Twi একটি মাত্র তৃতীয়-পক্ষ (third-person) সর্বনাম ব্যবহার করে, যা he, she এবং it, সব কিছুর জন্য প্রযোজ্য। ইংরেজিতে তারপর "he" ও "she" প্রসঙ্গ যখন আগেই নির্দিষ্ট (fixed) করে ফেলে, তখনও, পারস্পরিকভাবে বদলাতে (interchangeably) ব্যবহার হতে পারে। এটি কোনো ‘ভুলচুক’ নয়, একটি বাস্তব ব্যাকরণগত ব্যবস্থার পরিষ্কার স্থানান্তর (transfer)। আর এর নিয়মিততা (regularity) সেই পরিসংখ্যানগত টেক্সচারকে সমতল করে দেয়, যেটার খোঁজ করে ডিটেক্টরগুলো।

Akan প্রিফিক্স সিস্টেম থেকে tense তৈরি হওয়া। Akan প্রিফিক্সের মাধ্যমে tense, aspect, এবং mood চিহ্নিত করে, যা ইংরেজির past, present perfect, এবং past perfect-এর সঙ্গে সরাসরি মানচিত্রিত হয় না। results অংশে কখনও present perfect থাকতে পারে, যেখানে simple past থাকা উচিত; এবং এটি অনুচ্ছেদজুড়ে সমানভাবে প্রয়োগ করা হয়। এইভাবে পূর্বানুমেয় tense পছন্দগুলো কম perplexity তৈরি করে।

Transliterated Akan নির্মাণ। আলোচনা (discussion) অংশগুলো প্রায়ই Akan-এর বাকপ্রণালী (rhetorical logic) অনুসরণ করে, এবং কিছু অভিব্যক্তি সরাসরি অনুবাদ হয়ে আসে। যুক্তিটি থাকে সুসংগত (coherent) ও গুছানো। ডিটেক্টর এটাকেই synthetic text হিসেবে ভুল ব্যাখ্যা করে, এমনই ‘সাজানো’ শৃঙ্খলাটাই সমস্যা।

Akan-এর স্থানিক রূপক (spatial metaphors) থেকে preposition। "Interested in" দেখা দিতে পারে "interested with" হিসেবে, এবং "consist of" দেখা দিতে পারে "consist in" হিসেবে। এগুলো এলোমেলো (random) নয়, ধারাবাহিকভাবে (systematic) ঘটে। আর ‘ধারাবাহিকতা’ই পুরো সমস্যার মূল।

একটি text humanizer এই construction-গুলো মুছে দিয়ে কাউকে শনাক্তযোগ্যতা থেকে আড়াল করে না। আপনার স্থির অর্থকে কেন্দ্র করে ছন্দ (rhythm) ও শব্দচয়েস বদলায়, যাতে যত্নশীল non-native গদ্যকে মেশিন আউটপুট হিসেবে ভুল পড়ার সম্ভাবনা কমে।

ঘানার AI-ডিটেকশন এবং Turnitin-এর প্রেক্ষাপট

ঘানার বিশ্ববিদ্যালয় থেকে থিসিস ও জার্নাল সাবমিশন, সাদৃশ্য (similarity) যাচাইয়ের জন্য নিয়মিতভাবেই Turnitin বা iThenticate-এর মাধ্যমে স্ক্রিন করা হয়; এবং ক্রমেই AI-সূচক (AI indicators) দেখার জন্যও। এটি স্বাভাবিক, আর সংখ্যাগুলো কীভাবে আচরণ করে তা বোঝা গেলে আতঙ্কের কিছু থাকে না।

কিছু প্রতিষ্ঠান যে AI ডিটেকশন থেকে সরে এসেছে, সেটাও জানা সহায়ক। ২০২৩ সালে Vanderbilt ভুল পজিটিভ (false positives) ও non-native লেখকদের বিরুদ্ধে পক্ষপাতের (bias) কারণে Turnitin-এর AI detector নিষ্ক্রিয় করে। Michigan State, UT Austin, Northwestern, Pittsburgh, SMU, এবং Waterloo, এর মতো অন্য স্কুলগুলোও একই পথে হাঁটে। Turnitin নিজেও ১ থেকে ১৯% স্কোর-রেঞ্জকে দমন (suppress) করে, যেখানে সংখ্যা না দেখিয়ে তারার চিহ্ন (asterisk) দেখায়, এবং সতর্ক করে যে শুধুমাত্র তার স্কোরই যেন একা integrity সিদ্ধান্ত চালায় না।

বিস্তৃত প্রবণতা (wider trend) হলো disclosure-এর দিকে। অর্থদাতা সংস্থা এবং জার্নালগুলো ক্রমেই লেখকদের জিজ্ঞেস করছে, তারা AI কীভাবে ব্যবহার করেছে তা বলতে; AI একেবারেই ব্যবহার করেননি, এটা প্রমাণ করতে বলার বদলে। এই পরিবর্তন কঠোর পরিশ্রমী গবেষককে সুবিধা দেয়: আপনি এই টুলগুলো ব্যবহার করতে পারবেন, তবে কীভাবে করেছেন সেটা বলতে হবে।

শীর্ষ ঘানার বিশ্ববিদ্যালয়গুলো এবং কোথায় AI চেকগুলো দেখা যায়

ঘানার গবেষণা ছড়িয়ে আছে সরকারি শীর্ষ প্রতিষ্ঠানগুলোতে (public flagships), বিশেষায়িত প্রতিষ্ঠানগুলোতে, এবং দ্রুত বাড়তে থাকা একটি বেসরকারি খাতেও। নিচের প্রতিষ্ঠানগুলো থিসিস ও ম্যানুস্ক্রিপ্টে সাদৃশ্য (similarity) এবং AI সূচক, দুটোই স্ক্রিন করে, এবং সবারই পদোন্নতির জন্য ইংরেজি ভাষায় প্রকাশনা (English-language publication) বাধ্যতামূলক।

• University of Ghana (UG), Legon, Accra। প্রধান ও বৃহত্তম গবেষণা উৎপাদক প্রতিষ্ঠান; চিকিৎসাবিজ্ঞান, বিজ্ঞান (sciences), ও মানবিক বিভাগ (humanities), এই তিন ক্ষেত্রেই প্রায় ১,০১৪ জন PhD শিক্ষার্থী আছে।
• Kwame Nkrumah University of Science and Technology (KNUST), Kumasi। প্রকৌশল, ফার্মেসি, এবং প্রয়োগকৃত বিজ্ঞান (applied sciences)-এ শক্তিশালী শীর্ষস্থানীয় প্রযুক্তি বিশ্ববিদ্যালয়।
• University of Cape Coast (UCC), Cape Coast। শিক্ষা, বিজ্ঞান, ও মানবিক, এবং ডক্টরাল প্রোগ্রামগুলোও সম্প্রসারিত হচ্ছে।
• University of Education, Winneba (UEW), Winneba। শিক্ষা গবেষণা ও পেডাগজিতে (pedagogy) বিশেষায়িত।
• University for Development Studies (UDS), Tamale। উত্তর ঘানার প্রধান গবেষণা বিশ্ববিদ্যালয়; কৃষি, স্বাস্থ্য, ও উন্নয়ন গবেষণায় শক্তিশালী।
• University of Health and Allied Sciences (UHAS), Ho। Volta Region-এ স্বাস্থ্যবিজ্ঞান: চিকিৎসা, নার্সিং, ফার্মেসি, ও জনস্বাস্থ্য।
• University of Energy and Natural Resources (UENR), Sunyani। জ্বালানি, প্রাকৃতিক সম্পদ, এবং পরিবেশ বিজ্ঞান (environmental science)।
• University of Mines and Technology (UMaT), Tarkwa। খনি প্রকৌশল, ভূতাত্ত্বিক বিজ্ঞান (geological sciences), এবং খনিজ প্রক্রিয়াকরণ।
• Ashesi University, Berekuso। কম্পিউটার বিজ্ঞান, ব্যবসা, ও প্রকৌশলে পরিচিত একটি বেসরকারি বিশ্ববিদ্যালয়।
• University of Professional Studies, Accra (UPSA), Accra। ব্যবসা, ব্যবস্থাপনা, এবং অর্থনীতির গবেষণা।
• Ghana Institute of Management and Public Administration (GIMPA), Accra। পাবলিক নীতি, ব্যবস্থাপনা, ও শাসন (governance) গবেষণা।
• All Nations University, Koforidua। প্রকৌশল ও প্রয়োগকৃত বিজ্ঞানে আউটপুট বাড়ছে, এমন একটি বেসরকারি বিশ্ববিদ্যালয়।

এই তালিকায় আপনি যে দিকেই থাকুন, চেকগুলো একই ধরনের, এবং প্রতিরক্ষার যুক্তিটাও একই: স্কোরটা বোঝুন, আপনার প্রমাণ (evidence) ধরে রাখুন, আর এমনভাবে লিখুন যাতে ভুল ফ্ল্যাগের ডাক না পড়ে।

ঘানার গবেষকদের জন্য AI humanizer কীভাবে কাজ করে

ওয়ার্কফ্লোটি সরল। আপনার পেপারটি খসড়া করুন, ইংরেজিতে অথবা প্রথমে Akan বা Ewe-তে লিখে পরে অনুবাদ করুন, এবং যুক্তিটি ঠিকঠাক করে নিন। ব্যাকরণ প্রুফরিড করুন, যাতে ওপরের Akan ও Twi-জাত হস্তক্ষেপ (interference) প্যাটার্নগুলো পরিষ্কারভাবে ঠিক হয়ে যায়। তারপর আপনার নিজস্ব AI-সহায়তাপ্রাপ্ত গদ্যকে humanizer-এর ভেতর চালান, যাতে যত্নশীল, কম-perplexity লেখা ভুলভাবে মেশিন আউটপুট হিসেবে পড়ার সম্ভাবনা কমে, এবং আপনার অর্থ, টেকনিক্যাল টার্ম, ও উদ্ধৃতিগুলো সংরক্ষিত থাকে।

humanizer-টি প্রধান ডিটেক্টরগুলোর বিপরীতে পরীক্ষা করা হয়েছে, AI টেক্সটকে এমন আরও প্রাকৃতিক মানব-রূপে রূপান্তর করে, যেটা Turnitin, Originality.ai, এবং GPTZero-তে মানবের মতো পড়ে। একাডেমিক টেক্সটে ব্যাকরণগত নির্ভুলতা ৯৬% ছাড়িয়ে যায়। পরীক্ষা ঠিক যেমনটি বলা হয়েছে, এটা কোনো গ্যারান্টি নয়। ডিটেক্টরগুলো কয়েক মাস পরপরই পুনঃপ্রশিক্ষণ (retrain) করে, আর কোনো বিশ্বাসযোগ্য টুল আপনাকে তাদের চোখে ‘অদৃশ্য’ করে দেবে বলে প্রতিশ্রুতি দেয় না। লক্ষ্য হলো বাস্তব কাজের জন্য আরও ন্যায্য সুযোগ (fairer odds), কোনো কৌশল (trick) নয়।

তারপর disclose করুন। আপনার বিভাগ এবং লক্ষ্য জার্নাল যে ফরম্যাট চায়, সেইভাবে বলুন আপনি কীভাবে AI ব্যবহার করেছেন। আপনার খসড়াকে humanize করা এবং আপনার ব্যবহার প্রকাশ করা, দুটি বিষয়ের মধ্যে দ্বন্দ্ব নেই: একসঙ্গে তারা আপনাকে integrity নিয়মের ভেতরে রাখে, আবার ভুল পজিটিভ থেকে আপনার লেখাকে সুরক্ষা দেয়। এই পোস্টটি আমাদের multilingual AI humanizer hub-এর একটি অংশ, এবং একই প্রক্রিয়ার ব্যাকরণ-প্রথম দিকটি চাইলে এটি আমাদের academic editing for Ghanaian researchers গাইডের সঙ্গে জোড়া লাগানো যায়। আপনি প্রথমে text humanizer একটি একক অনুচ্ছেদে চেষ্টা করে নিতে পারেন, তারপর এটাকে একটি অধ্যায়ে (chapter) ভরসা দিন।

স্থানীয় অর্থায়নকারী সংস্থা, জার্নাল, এবং AI-disclosure প্রত্যাশা

ঘানার গবেষণা অর্থায়নের চিত্রটি অস্বাভাবিক। Ghana National Research Fund (GNRF), যা ২০২০ সালে $50 মিলিয়ন প্রতিশ্রুতি নিয়ে প্রতিষ্ঠিত হয়েছিল, ২০২৬ সাল পর্যন্ত অকার্যকর (non-operational) রয়ে গেছে, ফলে বেশিরভাগ গবেষক বিশ্ববিদ্যালয়ের বরাদ্দ এবং Wellcome Trust, NIH, DANIDA, এবং Gates Foundation-এর মতো সংস্থা থেকে আন্তর্জাতিক অনুদানের ওপর নির্ভর করেন। এই সব পথের প্রতিটিতেই ইংরেজি ভাষায় প্রকাশনা প্রত্যাশিত, এবং ক্রমেই, যেকোনো AI ব্যবহারের বিষয়ে পরিষ্কার বিবৃতি চাওয়া হচ্ছে।

ঘরোয়া জার্নাল-ইকোসিস্টেমটি ছোট। Scopus-এ সূচিকৃত এমন ঘানাভিত্তিক শিরোনাম আছে কেবল হাতে গোনা কয়েকটি। উল্লেখযোগ্য আউটলেটগুলোর মধ্যে রয়েছে Ghana Medical Journal, Ghana Journal of Science, KNUST দ্বারা প্রকাশিত Journal of Science and Technology (JUST), Ghana Journal of Development Studies, এবং African Journal of Educational Studies in Mathematics and Sciences। যেহেতু খুব কম স্থানীয় জার্নাল Scopus বা Web of Science-এ সূচিকৃত, তাই পদোন্নতির জন্য গুরুত্বপূর্ণ অধিকাংশ কাজ লক্ষ্য করে আন্তর্জাতিক আউটলেট, যেখানে আপনার ম্যানুস্ক্রিপ্ট সরাসরি নেটিভ-ইংরেজি সাবমিশনের সঙ্গে প্রতিযোগিতা করে।

আপনি যাই সাবমিট করুন না কেন, নিয়মটা একই: নিজের খসড়াকে humanize করুন, উদ্ধৃতিগুলো অক্ষুণ্ণ রাখুন, এবং disclose করুন। কোনো বাস্তব কাজেও যদি ফ্ল্যাগ পড়ে, আমাদের গাইড appealing a false AI-detection flag এবং writing an AI-disclosure statement আপনাকে পরবর্তী ধাপগুলো কীভাবে এগোতে হয় তা দেখিয়ে দেয়।

প্রায়শই জিজ্ঞাসিত প্রশ্ন

প্রশ্ন: ঘানার কোনো বিশ্ববিদ্যালয়ে Turnitin পেরোতে কি AI humanizer আমার পেপারে সাহায্য করবে?

এটি আপনার সুযোগ বাড়ায়, কিন্তু কোনো গুরুতর টুলই নির্দিষ্টভাবে ‘পাস’ করানোর নিশ্চয়তা দেয় না বা ডিটেকশন এড়ানোর প্রতিশ্রুতি দেয় না। প্রধান ডিটেক্টরগুলোর বিপরীতে পরীক্ষা করে দেখা গেছে, আমাদের humanizer AI টেক্সটকে এমন আরও মানবসুলভ রূপে লেখে, যেটা Turnitin-এ মানবের মতো পড়ে; তবে ডিটেক্টরগুলো পুনঃপ্রশিক্ষণ করে এবং ফলাফল ভিন্ন হতে পারে। মূল উদ্দেশ্য হলো, যত্নসহকারে মানব-লিখিত ইংরেজিকে ভুল ফ্ল্যাগ থেকে রক্ষা করা, তারপর আপনার প্রতিষ্ঠান যেভাবে চায় সেভাবে আপনার AI ব্যবহারের বিষয়টি প্রকাশ করা।

প্রশ্ন: আমি Akan-এর প্রথম ভাষাভাষী। তাহলে আমার সঠিক ইংরেজি কেন এখনো AI হিসেবে ফ্ল্যাগ হয়?

অনেক ডিটেক্টর perplexity স্কোর করে, অর্থাৎ আপনার শব্দচয়েস কতটা পূর্বানুমানযোগ্য। দ্বিতীয় ভাষার যত্নশীল লেখকরা সাধারণ শব্দ এবং মানসম্মত বাক্যগঠন ব্যবহার করেন, যেগুলো কম perplexity তৈরি করে এবং মেশিন টেক্সটের মতো পড়ে। ২০২৩ সালের একটি Stanford গবেষণায় দেখা গেছে, ডিটেক্টরগুলো মানব-লিখিত non-native প্রবন্ধের প্রায় ৬১% ফ্ল্যাগ করেছে, যেখানে নেটিভ লেখকদের ক্ষেত্রে ছিল প্রায় ৫%, তাই আপনি এই প্যাটার্নটি কল্পনা করছেন না।

প্রশ্ন: humanizer ব্যবহার করা কি চিটিং (cheating) হিসেবে ধরা হয়?

না, যতক্ষণ না আপনি আপনার নিজের AI-সহায়তাপ্রাপ্ত খসড়াকে humanize করছেন, আপনার অর্থ ও উদ্ধৃতিগুলো বজায় রাখছেন, এবং আপনার AI ব্যবহারের বিষয়টি প্রকাশ করছেন। সীমারেখাটা হচ্ছে disguise: আপনি কোনো গড়া কাজ (fabricated work) বা অন্য কারও লেখা লুকাচ্ছেন না। আপনি আপনার নিজের যত্নসহকারে লেখা গদ্যকে ভুলভাবে মেশিন আউটপুট হিসেবে পড়ার সম্ভাবনা কমিয়ে দিচ্ছেন, তারপর আপনার জার্নাল বা বিভাগকে বলছেন কীভাবে কাজটি করেছেন।

প্রশ্ন: আমি যদি প্রথমে Twi বা Ewe-তে খসড়া লিখি, তাহলে কি humanizer কাজ করবে?

হ্যাঁ। অনেক ঘানার গবেষকরা আগে প্রথম ভাষায়, তারপর পরে ইংরেজিতে, রূপরেখা (outline) বা খসড়া বানান। টুলটি ৬০-এরও বেশি ভাষা সমর্থন করে এবং non-English টেক্সটকে ভাষা-সচেতন (language-aware) একটি মডেলের মাধ্যমে রাউট করে, যা কাঠামো (structure) ও অর্থ (meaning) সংরক্ষণ করে। তাই আপনি Twi বা Ewe-তে খসড়া লিখতে পারেন, অনুবাদ করতে পারেন, প্রুফরিড করতে পারেন, এবং তারপর একই পাইপলাইনে humanize করতে পারেন।

প্রশ্ন: humanizing কি আমার উদ্ধৃতি বা টেকনিক্যাল টার্ম বদলে দেবে?

না। humanizer আপনার উদ্ধৃতি এবং আপনার বিষয়ের (discipline-specific) টার্মিনোলজি সংরক্ষণ করে। এটি আপনার স্থির অর্থকে কেন্দ্র করে ছন্দ (rhythm) ও শব্দচয়েস বদলায় এবং পুনরাবৃত্ত cadence কমায়, ফলে আপনার রেফারেন্স, পরিসংখ্যান (statistics), এবং টেকনিক্যাল শব্দভাণ্ডার ঠিক যেমন লিখেছেন তেমনই থাকে।

আপনার গবেষণাপত্রের খসড়াকে স্বাভাবিক করুন

আপনার অর্থ, উদ্ধৃতি এবং প্রযুক্তিগত পরিভাষা অক্ষুণ্ণ রেখে সতর্কতার সাথে ঘানার ইংরেজিকে এমনভাবে স্বাভাবিক করুন যাতে তা পর্যালোচক এবং শনাক্তকারী উভয়ের কাছে স্বাভাবিক লাগে, তারপর আপনার AI ব্যবহারের কথা প্রকাশ করুন।