কীভাবে AI-লিখিত একটি লিটারেচার রিভিউকে মানবিক করবেন

আপনি যখন একটি প্রবন্ধ লিখতে থাকেন, তখন চলে যান লিটারেচার রিভিউতে। এটিই এমন একটি ধাপ যেখানে AI দিয়ে ড্রাফট করতে শুরু করলে প্রলুব্ধ করার মতোটা বেশি, কিন্তু সাহায্য করার মতোটা তুলনামূলক কম। আপনার সামনে বিশটি সোর্স খোলা, একটি synthesis ম্যাট্রিক্সের অর্ধেক কাজ শেষ, আর এমন একটি মডেল আছে যা আপনার নোটগুলোকে সেকেন্ডের মধ্যে অনায়াসে অনুচ্ছেদে রূপ দিতে পারে। তাই আপনি সেটাই করেন। তারপর ফলাফল পড়ে মনে হয়, কিছু একটা ঠিক নেই। লেখা মসৃণ, কিন্তু সোর্সগুলো যেন একসাথে মিশে যায়; যুক্তিটাও ঢিলে হয়ে পড়ে, আর প্রতিটি অনুচ্ছেদে থাকে একই রকম, চরিত্রহীন ছন্দ।

ঠিক এই মুহূর্তে মানুষ সিদ্ধান্ত নেয় একটি AI লিটারেচার রিভিউকে মানবিক করে তোলার, এবং এটি যেকোনো প্রবন্ধের মধ্যে সবচেয়ে কঠিন অংশ, ভালোভাবে করা তো আরও কঠিন। রিভিউতে থাকে citation-ঘনত্ব ও synthesis-নির্ভরতা, আর অনভিজ্ঞ/যত্নহীনভাবে পুনর্লিখন (rewriting) সেখানেই সবচেয়ে বেশি ক্ষতি করে। একটি সাইটেশন সরালেই আপনি ভুল গবেষককে (scholar) একটি দাবি (claim) বসিয়ে দেন। একটি তুলনা (comparison) সমতল (flatten) করে দিলেই পুরো অনুচ্ছেদের মূল পয়েন্ট হারিয়ে যায়।

এই গাইডটি দেখাবে কীভাবে সেটি ঠিক করবেন। অর্থবহভাবে, AI-অ্যাসিস্টেড রিভিউকে এমনভাবে পড়তে হবে যেন সেটা আপনার নিজের সমালোচনামূলক কণ্ঠস্বর (critical voice) থেকে এসেছে, এবং সবচেয়ে গুরুত্বপূর্ণভাবে, এমন argumentative thread বজায় রাখতে হবে যা আপনার সোর্সগুলোকে একসাথে বেঁধে রাখে। আগে অর্থ (Meaning), পরে স্কোর (Score)।

কেন আপনার লিটারেচার রিভিউ AI-এর মতো শোনায়

ডিটেক্টর (detectors) এবং পাঠক (readers) একই বিষয় ধরতে পারেন, শুধু বর্ণনাটা ভিন্নভাবে হয়।

AI মডেল দিয়ে তৈরি টেক্সটে থাকে কম perplexity এবং কম burstiness। ইংরেজিতে এর মানে হলো, শব্দচয়ন সহজে আন্দাজ করা যায়, আর বাক্যগুলোর দৈর্ঘ্যও প্রায় একই রকম। এই ধরনের স্টাইলে লিটারেচার রিভিউ দেখতে অনেকটা লিস্টের মতো: একজন লেখক পেয়েছেন X, অন্যজন পেয়েছেন Y, তৃতীয়জন পেয়েছেন Z। সব বাক্যের দৈর্ঘ্য ও গঠন এক রকম, আর তালিকার সাইটেড লেখকদের মধ্যে কোনো কথোপকথন/সংলাপ (conversation) থাকে না।

মানবিক রিভিউ আলাদা দেখায়। আপনি বাক্যগুলোর ভ্যারিয়েশন করেন, কিছু বাক্য ছোট ও খটখটে, আবার কিছু দীর্ঘ ও শর্তসাপেক্ষ (qualified)। সোর্সগুলোকে আপনি থিমের চারপাশে গুচ্ছাকারে সাজান, তুলনা করেন, পাঠককে জানান আপনি কী বিশ্বাস করেন এবং কেন। একটি ডিটেক্টর এটিকে মানবিক বলে ধরে। আর সেখান থেকেই supervisor-ও একইভাবে পড়বেন, আপনি ভালো কাজ করছেন। এই দুই লক্ষ্য একই দিকেই ইঙ্গিত করে, যা সুবিধাজনক, কারণ ভালোভাবে লেখা (better writing) এবং মানুষ হিসেবে পড়তে পারা (reading as human) আসলে বেশিরভাগ সময় একই কাজ।

একটি সীমাবদ্ধতা আছে। কম স্কোরের মানে খুব বেশি নয়। এখনকার সেরা ডিটেক্টরগুলো মেশিন-রিরাইট করা টেক্সট ধরতে পারে, এবং প্রতিটি নতুন ভার্সনে স্কোর বদলায়। এটাকে একটি ইঙ্গিত (hint) হিসেবে ভাবুন, লক্ষ্য হিসেবে নয়। ফোকাস করুন এমন একটি রিভিউ লেখায়, যেটা সত্যিই যেন আপনি সোর্সগুলো পড়েছেন, তেমন শোনায়।

AI লিটারেচার রিভিউকে মানবিক করবেন: থ্রেড হারানো ছাড়াই

পাস (passes) ধরে কাজ করুন, এবং পুরো রিভিউ একবারে কোনো রিরাইটারে (rewriter) পেস্ট করবেন না।

প্রথমে কাঠামো (structure) আবার গড়ে তুলুন। বাক্যগুলোতে হাত দেওয়ার আগে লজিকটা যাচাই করুন। প্রতিটি অনুচ্ছেদ কি আপনার যুক্তিকে (argument) এগিয়ে দেয় এমন একটি মাত্র পয়েন্ট বানাচ্ছে? AI ড্রাফট যদি সোর্স-ভিত্তিক একটার পর একটা তালিকা (source-by-source list) হিসেবে সাজানো থাকে, তাহলে সেটাকে থিম বা আপনি যে বিতর্ক/ডিবেট ম্যাপ করছেন সেই ডিবেটের ভিত্তিতে পুনর্গঠন করুন। এই ধরনের কাঠামোগত কাজ কোনো রিরাইটার আপনার জন্য করতে পারবে না, আর রিভিউকে মানবিক শোনানোর ক্ষেত্রে এটিই সবচেয়ে বড় একক পরিবর্তন।

একবারে একটাই অনুচ্ছেদ মানবিক করুন। প্রতিটি থিম্যাটিক অনুচ্ছেদ নিন এবং সোর্সগুলোকে এমনভাবে পুনর্লিখুন যাতে তারা একে অপরের সাথে কথা বলে: কে সম্মত, কে দ্বিমত, কোথায় থেকে যায় একটি গ্যাপ। উদ্দেশ্য করে বাক্যের দৈর্ঘ্যে (sentence length) ভ্যারিয়েশন আনুন। পরপর দুইটি দীর্ঘ বাক্যের পরে একটি ছোট বাক্য পড়ার সুবিধা ও burstiness, দুই ক্ষেত্রেই কাজ করে; এটি কোনো synonym swap-এর চেয়ে অনেক বেশি।

যে অংশগুলো টনটনে পড়ে থাকে (stubborn passages), সেগুলোর জন্য নির্দিষ্ট টুল ব্যবহার করুন। কিছু অনুচ্ছেদ আপনি যত এডিটই করেন না কেন, শক্ত-পোক্ত (stiff) থেকেই যায়। সেখানেই একটি ডেডিকেটেড AI text humanizer কাজে লাগে, শর্ত হলো এটি কাজ করার সময় আপনার সাইটেশনগুলো রক্ষা করবে। একটি একক, বেখাপ্পা বাক্য (awkward sentence) নিয়ে হালকা রি-ফ্রেজিংয়ে citation-aware paraphrasing tool অনেক সময় পুরো প্যাসেজ আবার চালানোর প্রয়োজন ছাড়াই যথেষ্ট।

শেষে জোরে পড়ে দেখুন। যদি মনে হয় আপনি যেন রিপোর্ট জেনারেটর চালিয়ে দিয়েছেন, তাহলে আরও এডিট করুন। আর যদি মনে হয় আপনি সহকর্মীকে ফিল্ডটা ব্যাখ্যা করছেন, তাহলে আপনি কাজ শেষ।

ইন-টেক্সট সাইটেশন ও attribution অক্ষুণ্ণ রাখা

এখানেই সাধারণ মানবিককারীরা (generic humanizers) বিশেষভাবে ব্যর্থ হয়, বিশেষ করে লিটারেচার রিভিউতে।

একটি রিভিউতে ষাট বা আশিটি পর্যন্ত ইন-টেক্সট সাইটেশন থাকতে পারে; কখনও কখনও একটি মাত্র বাক্যেই একাধিক সাইটেশন। জেনারেল-পারপাস রিরাইটারগুলো প্রতিটিকে এমন টেক্সট হিসেবে ধরে, যাকে সরানো বা ফরম্যাট বদলানো যেতে পারে, তাই তারা বছর (year) বাদ দেয়, দুইটি প্যারেনথেটিক সাইটেশন এক করে ফেলে, বা "(Lee, 2021)"-এর মতো একটি রেফারেন্স ভুল ক্লজে (clause) সরিয়ে দেয়। রিভিউতে এটি কসমেটিক ভুল নয়। এটি ভুল করে একটি finding-কে ভুল লেখকের সাথে যুক্ত করে, এটি একটি গুরুতর attribution mistake, যা রিভিউয়ার অবশ্যই ধরবেন।

যেভাবে যে কোনো প্রবন্ধে attribution রক্ষা করবেন, ঠিক সেভাবেই করুন। কোন দাবি কোন সোর্সের তা নোট করুন, এবং নিশ্চিত করুন প্রতিটি এডিটের পরও সেটি ঠিকভাবে টিকে আছে। APA, MLA, Chicago, IEEE, এবং Turabian, এই সাইটেশন স্টাইলগুলো চিনতে পারে এমন একটি একাডেমিক টুল এসব সাইটেশনকে স্বয়ংক্রিয়ভাবে ঠিক জায়গায় ধরে রাখে; এজন্যই আমরা সাইটেশন হ্যান্ডলিংকে আমাদের citation-preserving humanizer-এ core হিসেবে ধরি, optional হিসেবে নয়। আপনি যে সুরক্ষাটা ব্যবহার করেন যখন আপনি AI-assisted research paper মানবিক করেন, একই সুরক্ষা রিভিউতে আরও বেশি গুরুত্বপূর্ণ, কারণ সাইটেশনের ঘনত্ব বেশি।

যে টুলই ব্যবহার করুন না কেন, শেষে যাচাই করুন। প্রতিটি সাইটেশনকে আপনার রেফারেন্স লিস্টের সাথে মিলিয়ে পড়ুন এবং নিশ্চিত করুন কিছুই merge, move, বা drop হয়নি।

শুধু শব্দ বদলানো নয়: synthesis বজায় রাখা

একটি humanized রিভিউয়ের আসল পরীক্ষা হলো, সারবস্তু (synthesis) টিকে আছে কি না।

আপনার যুক্তিই হলো আপনার কাজের মূল থ্রেড: এই তিনটি স্টাডি একভাবে ইঙ্গিত করে, কিন্তু তাদের মধ্যে একটি স্টাডি সেটাকে বিরোধিতা করে, আর তাদের মধ্যকার গ্যাপটাই আপনার কাজ কোথায় বসবে। এমন একটি মানবিককারী (humanizer) যা কেবল শব্দ বদলাবে, সেটি প্রতিটি বাক্যকে যথেষ্ট আলাদা রাখতে পারলেও, নীরবে সেই থ্রেডকে ধ্বংস করে দিতে পারে, কারণ সে যুক্তিটা বোঝে না; সে কেবল উপরিভাগের টেক্সট বোঝে। synthesis হলো সেই যুক্তি (argument) যা আপনার সোর্সগুলোকে সংযুক্ত করে।

তাই আউটপুট বিচার করুন অর্থের (meaning) ভিত্তিতে, শব্দচয়নের নতুনত্বের (novelty of wording) ভিত্তিতে নয়। humanizing করার পর প্রতিটি অনুচ্ছেদের জন্য তিনটি প্রশ্ন করুন। আমি যে পয়েন্টটা চেয়েছিলাম, সেটা কি এখনও একইভাবে তৈরি হচ্ছে? আমার যুক্তির জন্য যে গ্রুপিং দরকার, সোর্সগুলো কি এখনও সেইভাবেই গুচ্ছাকারে আছে? পরের অনুচ্ছেদে যাওয়ার transition কি এখনও ঠিকভাবে টিকে আছে? এই তিনটির যেকোনো একটির উত্তর যদি না হয়, তাহলে রিরাইট ব্যর্থ, স্কোর যত কমই হোক।

আর এ কারণেই আমরা মানবিককারী কী করে সে বিষয়ে সোজাসাপ্টা কথা বলি। আপনার বৈধভাবে AI-অ্যাসিস্টেড ড্রাফটটিকে এমনভাবে ফাইন-টিউন করা হয় যেন সেটা আপনার লেখা মনে হয়; এটি আপনার সাইটেশন ও অর্থ (meanings) রক্ষা করে, এবং সত্যিকারের লেখালেখিতে ভুল পজিটিভ (false positives) কমিয়ে দেয়। এটি এমন কোনো রিভিউকে ঢাকতে (cloak) সেখানে নেই যেটার সাথে আপনি যুক্ত ছিলেন না। আপনার প্রোগ্রাম যদি তা চায়, তাহলে AI ব্যবহারটি প্রকাশ করুন; আপনার synthesis-এর মালিকানা নিন; এবং এই টুলটি সেটাই করবে যা করার জন্য তৈরি, মাস্ক নয়, সম্পাদক (editor) হিসেবে।

একটি কাজ করা উদাহরণ: একটিমাত্র লিট-রিভিউ অনুচ্ছেদ, মানবিক করা

শুধু সারসংক্ষেপমূলক পরামর্শ এতদূরই যায়। তাই এখানে একটি বাস্তব অনুচ্ছেদে কী করা হয়, তার উদাহরণ। ধরা যাক আপনি একটি মডেলকে বললেন, স্ক্রিন টাইম (screen time) এবং কিশোর-কিশোরীদের (adolescent) উদ্বেগ (anxiety) সম্পর্কে দুইটি সোর্স সারাংশ করতে। সেটি আপনাকে এটা দেয়:

"A growing body of research has explored the impact of social media on adolescent mental health. Numerous studies have demonstrated a significant association between screen time and anxiety (Smith et al., 2021; Jones, 2022). This finding underscores the importance of further investigation into this critical area."

মসৃণ, এবং প্রায় শূন্যভরা। এখন humanized ও এডিট করা ভার্সন:

"Research on social media and adolescent mental health has grown fast, but the results are less tidy than they look. Smith et al. (2021) report a moderate link between daily screen time and self-reported anxiety, while Jones (2022) finds a similar pattern for passive scrolling only, not active posting. What neither study settles is direction: do anxious teenagers scroll more, or does scrolling make them anxious?"

এখানে কী বদলেছে, এবং কেন প্রতিটি এডিট, একই সাথে, ডিটেকশন ও কোয়ালিটিকে সহায়তা করে।

আমরা perplexity বাড়িয়েছি। "A growing body of research," "numerous studies have demonstrated," এবং "underscores the importance", এগুলো হলো সেই একেবারে হাই-প্রোবাবিলিটি স্ট্রিং, যেগুলোর দিকে একটি মডেল নিজে থেকেই যেতে চায়, আর ডিটেক্টরও যেগুলোর প্রত্যাশা করে। নির্দিষ্ট, কম-আন্দাজযোগ্য (less predictable) বাক্যচয়ন দিয়ে এগুলো বদলানোই সবচেয়ে বড় পরিবর্তন। FACT-sheet-এর প্রমাণ অনুযায়ী এটি কেন গুরুত্বপূর্ণ: Liang et al. (2023) দেখেছেন কম perplexity-যুক্ত prose-কে ডিটেক্টর ভুলভাবে ক্লাসিফাই করে; এজন্যই plain, ফর্মুলামাফিক লেখা বেশি পতাকাঙ্কিত (flagged) হয়, এবং কেন non-native drafts suffer most।

আমরা burstiness ও hedging আবার ফিরিয়ে এনেছি। AI ভার্সনে তিনটি বাক্য আছে, দৈর্ঘ্যে প্রায় একই রকম, আর সন্দেহ/অনিশ্চয়তা (doubt) শূন্য। এডিটে আছে একটি দীর্ঘ ক্লজ, একটি মধ্যদৈর্ঘ্যের ক্লজ, এবং একটি ছোট প্রশ্ন; আর এতে আবার যোগ হয়েছে সেই qualifications যেগুলো একজন বাস্তব রিভিউয়ার ধরে রাখেন ("moderate," "passive scrolling only," "neither study settles"). একই rhythm এবং false certainty, দুটিই একটি AI টেল (tell) এবং দুর্বল স্কলারশিপ।

আমরা listing থেকে synthesis করেছি। মূল টেক্সটে দুইটি সাইটেশনকে একটি অস্পষ্ট দাবির পেছনে গুঁজে দেওয়া হয়েছে। এডিটে সোর্সগুলোকে বাস্তবভাবে একে অপরের সাথে মতবিরোধ করানো হয়েছে (passive বনাম active ব্যবহার), এবং খোলা প্রশ্নটিও নাম দেওয়া হয়েছে (কারণগত দিক/causal direction)। লিটারেচার রিভিউয়ের আসল কাজ এটিই, আর এটি পড়ে মনে হয় আপনারই লেখা।

আমরা কোনো load-bearing কিছুতে হাত দিইনি। দুটি সাইটেশন টিকে আছে; কেবল narrative ফর্মে তাদের অবস্থান বদলানো হয়েছে: (Smith et al., 2021) হয়ে যায় Smith et al. (2021)। লেখকের নাম, বছর, এবং দুই-সোর্স pairing, সব ঠিক আছে। আমরা কোনো নতুন ফিগার উদ্ভাবন করিনি, কোনো সংখ্যাও বদলানি। এটাই সেই লাইন, যেটি একটি একাডেমিক humanizer অতিক্রম করা উচিত নয়; আর ঠিক এই জায়গাতেই generic rewriter-রা হোঁচট খায়।

আপনার নিজের অনুচ্ছেদেও একই তিনটি চেক চালান। আমাদের academic humanizer perplexity তুলতে এবং burstiness বাড়াতে টিউন করা, যার সাথে আপনার সাইটেশন, entity, এবং দাবি (claims) আপনি যেখানে রেখেছেন সেখানেই রেখে দেয়।

Frequently asked questions

Q: কীভাবে আমি AI-ড্রাফট করা একটি লিটারেচার রিভিউকে humanize করব?

প্রথমে কাঠামো আবার গড়ে তুলুন, যাতে প্রতিটি অনুচ্ছেদ একটি synthesized পয়েন্ট তৈরি করে; তারপর অনুচ্ছেদগুলোকে এমনভাবে রিরাইট করুন যাতে সোর্সগুলোকে শুধু তালিকাভুক্ত না করে তুলনা করা হয়। বাক্যের দৈর্ঘ্যে ভ্যারিয়েশন আনুন, প্রতিটি ইন-টেক্সট সাইটেশন রক্ষা করুন, আর ফলাফলটি জোরে পড়ে দেখুন। stubborn passage-এর ক্ষেত্রে একটি citation-aware humanizer সাহায্য করবে, কিন্তু synthesis আসতে হবে আপনার দিক থেকেই।

Q: humanizer কি ইন-টেক্সট সাইটেশন ভাঙে?

সাধারণত তারা ভাঙে, কারণ তারা সাইটেশনগুলোকে সাধারণ টেক্সট হিসেবে ধরে reshuffle করতে পারে এবং একটি বছর বাদ দিতে পারে বা দুইটি রেফারেন্স এক করে ফেলতে পারে। একাডেমিক-গ্রেড একটি টুল সাইটেশন স্টাইল শনাক্ত করে এবং সেগুলোকে জায়গায় ধরে রাখে; তবে তারপরও আপনাকে শেষে প্রতিটি সাইটেশন আপনার রেফারেন্স লিস্টের সাথে মিলিয়ে যাচাই করা উচিত। সাইটেশন-ঘন একটি রিভিউতে এই চেকটি অপরিহার্য।

Q: কেন আমার লিটারেচার রিভিউ AI-এর মতো শোনায়?

কারণ AI ড্রাফটে থাকে low burstiness এবং low perplexity: বাক্যগুলোর দৈর্ঘ্য সমান থাকে এবং শব্দচয়ন পূর্বানুমানযোগ্য, ফলে এটি এক ধরনের flat source-by-source list হিসেবে পড়া যায়। মানবিক রিভিউ বাক্যের ছন্দে (rhythm) ভ্যারিয়েশন আনে এবং যুক্তির (argument) মধ্যে সোর্সগুলোকে গুচ্ছাকারে সাজায়। সেই ভ্যারিয়েশন এবং synthesis ফিরিয়ে আনাই হলো এমন একটি রিভিউ তৈরি করা, যেটা আসলে আপনার লেখা মনে হয়।

Q: humanize করার সময় কীভাবে synthesis ধরে রাখব?

আউটপুটটি বিচার করুন অর্থের ভিত্তিতে, কেবল শব্দচয়ন কতটা আলাদা দেখাচ্ছে তার ভিত্তিতে নয়। প্রতিটি পাসের পর নিশ্চিত করুন অনুচ্ছেদটি এখনও আপনার পয়েন্ট তৈরি করছে, আপনার যুক্তির যে রকম সোর্স-গ্রুপিং দরকার সেটাই এখনো আছে, এবং transition এখনও পরিষ্কারভাবে কাজ করছে। যদি রিরাইটটি মসৃণ পড়ে, কিন্তু সোর্সগুলোর মধ্যে থ্রেড হারিয়ে যায়, তাহলে সেটাকে বাতিল করুন, ডিটেক্টরের স্কোর যাই বলুক না কেন।

Q: AI লিটারেচার রিভিউ humanize করলে কি আমার Turnitin AI স্কোর কমে যাবে?

অনেক সময় কমতে পারে, যখন এডিটটি সত্যিই perplexity বাড়ায় এবং কেবল কয়েকটি synonym বদলানোর বদলে বাস্তব synthesis ফিরিয়ে আনে। আমাদের humanizer Turnitin, GPTZero, Copyleaks, ZeroGPT, এবং Originality.ai-এর বিরুদ্ধে পরীক্ষা করা হয়েছে, কিন্তু কোনো টুলই নির্দিষ্ট একটি সংখ্যা প্রতিশ্রুতি দিতে পারে না, এবং Turnitin আগস্ট ২০২৫-এ humanizer detection যুক্ত করেছে। এমন লেখার লক্ষ্য রাখুন যা সত্যিই আরও ভালো এবং যথাযথভাবে প্রকাশ করা হয়েছে, শূন্য স্কোরের উদ্দেশ্যে নয়।

Q: আমি কি আমার লিটারেচার রিভিউ ড্রাফট করতে AI ব্যবহার করেছি, তা কি প্রকাশ করা উচিত?

আপনার জার্নাল বা বিশ্ববিদ্যালয়ের নীতি অনুসরণ করুন, কারণ এখন অনেকেই methods বা acknowledgements-এ একটি ছোট AI-use স্টেটমেন্ট আশা করে। AI দিয়ে ড্রাফট করা এবং এরপর টেক্সটকে আপনার নিজের কণ্ঠস্বরের সাথে মিলিয়ে এডিট করা, এটাই সঠিক পথ, এবং এটি প্রকাশ করাও সহজ। Humanizing করা হলো legitimately AI-assisted লেখাকে আপনার মতো করে পড়তে সক্ষম করা এবং false positives কমানো, কারো রিভিউ কে লিখেছে, সেটি লুকানোর জন্য নয়।

উদ্ধৃতি-নিরাপদ টেক্সট হিউম্যানাইজার

ইন-টেক্সট রেফারেন্স এবং সংশ্লেষণ অক্ষুণ্ণ রেখে, উদ্ধৃতিসমৃদ্ধ পর্যালোচনাকে মানবিক করুন।