আপনার লেখার perplexity অনুমান করুন সেই অংশের মাধ্যমে যা আপনি সত্যিই সম্পাদনা করতে পারেন: word variation। এই checker আপনার vocabulary-কে একটি length-robust moving-window measure (MATTR) দিয়ে স্কোর করে, আপনার type-token ratio জানায়, এবং আপনার draft যে শব্দগুলোর ওপর সবচেয়ে বেশি নির্ভর করে সেগুলো তালিকাভুক্ত করে। পুনরাবৃত্ত, কম-variety wording হলো prose সমতল শোনানোর সবচেয়ে স্পষ্ট কারণগুলোর একটি, এই page সেটিকে দৃশ্যমান ও গণনাযোগ্য করে।
Trusted by researchers publishing in
শুরু করতে একটি paragraph-ই যথেষ্ট, তবে একটি section বা chapter সবচেয়ে নির্ভরযোগ্য score দেয়। কোনো word limit নেই।
0-100 scale-এ estimated word variation, একটি verdict band সহ, পাশাপাশি আপনার type-token ratio এবং unique-word count।
Repeated-words list দেখায় আপনার draft কোথায় সবচেয়ে বেশি নির্ভর করছে। আপনার key terms-এর চারপাশের verb এবং connector বদলান, তবে terms নিজে অপরিবর্তিত রাখুন।
Raw TTR text বড় হওয়ার সঙ্গে সঙ্গে কমে, তাই বেশিরভাগ online checker লম্বা document-কে শাস্তি দেয়। এখানে headline score হলো 50-word window জুড়ে MATTR, তাই একটি chapter এবং একটি paragraph একই yardstick-এ বিচার করা হয়।
শুধু একটি score কার্যকর নয়। Most-repeated-words list ঠিক কোন শব্দগুলো আপনার text-এর খুব বেশি অংশ বহন করছে তা দেখায়, stopword বাদ দিয়ে গণনা করা হয়েছে।
আমাদের humanizer dashboard তার In-Text Perplexity tile-এ যে একই word-variation estimate দেখায়, তা আপনার নিজের device-এ চালিত হয়।
Toolটি lexical data এবং আর কিছুই রিপোর্ট করে না। কোনো authorship claim নয়, কোনো detection promise নয়: এমন সংখ্যা যা আপনি হাতে যাচাই করতে পারেন।
Perplexity শুরু হয়েছিল একটি engineering measure হিসেবে: একটি language model কোনো text-এর প্রতিটি next word কত ভালোভাবে predict করতে পারে? Stock phrase দিয়ে গড়া prose predict করা সহজ এবং score কম পায়, নির্দিষ্ট, varied choice করা prose model-কে বেশি চমকে দেয়। এই measure writing culture-এ আসে যখন readers দুই দিকের সংযোগটি লক্ষ্য করেন। যে text model-এর কাছে predictable, তা মানুষের কাছেও প্রায়ই predictable লাগে, কারণ একই ছোট vocabulary নিয়মিত এসে পড়ে।
একটি web page সৎভাবে model perplexity compute করতে পারে না, কিন্তু একজন writer যে অংশটি সরাসরি নিয়ন্ত্রণ করেন তা মাপতে পারে: lexical variety। মানক yardstick হলো type-token ratio, unique words over total words, এবং এর length-robust refinement MATTR, যা text-এর ভেতর দিয়ে একটি fixed window সরিয়ে নিয়ে তার ভেতরের ratio গড় করে। Low score-এর একটি স্থির কারণ আছে: মুষ্টিমেয় কিছু শব্দ text-এর খুব বেশি অংশ বহন করছে। দ্রুত drafting তা করে, দ্বিতীয় ভাষায় লেখা তা করে, এবং AI assistance নিজস্বভাবে তা করে, প্রতিটি paragraph জুড়ে প্রিয় verb এবং connector সমানভাবে পুনর্ব্যবহার করে।
Revision skill হলো কোন repetition রাখা উচিত তা জানা। Academic writing terminological consistency দাবি করে: একটি defined construct প্রতিবার একই exact name-এ থাকে, এবং reviewer-রা নিজেদের key concept-এর জন্য synonym অদলবদল করা manuscript-কে অবিশ্বাস করতে ঠিকই করেন। যে variety যোগ করা উচিত তা অন্য সব জায়গায়, fixed term-এর চারপাশের verb, connector এবং description-এ। "The results show" রূপান্তরিত হতে পারে results আসলে কী করে, তা দেখাতে: demonstrate, contradict, narrow, confirm. প্রতিটি swap বেশি precise কিছু বলার পার্শ্বপ্রতিক্রিয়া হিসেবে variation বাড়ায়, আর cause ও effect-এর সঠিক ক্রম সেটাই।
Word variation prose-এর একটি স্তর, যা স্বাভাবিকভাবে পড়ে। Sentence-level rhythm-এর জন্য দেখুন the burstiness checker ; AI model যে নির্দিষ্ট শব্দগুলো অতিরিক্ত ব্যবহার করে, তার জন্য AI word cleaner ; এবং সম্পূর্ণ craft-এর জন্য, আমাদের guide on making AI writing sound human .
Word variation কিছু জায়গায় editing-কে পুরস্কৃত করে, আর অন্য জায়গায় শাস্তি দেয়। এদের মাঝের সীমাটাই academic revision-কে একটি skill করে তোলে।
একটি paragraph-এ তিনবার "The results show" বলা variation problem। Results demonstrate, confirm, narrow, contradict অথবা qualify করতে পারে, প্রতিটি verb "show"-এর চেয়ে আরও precise কিছু বলে। একই কথা connector-এর ক্ষেত্রেও প্রযোজ্য: however, although, whereas এবং despite এমন পার্থক্য বহন করে যা repeated "but" মুছে ফেলে।
আপনার study যদি "working memory capacity" সংজ্ঞায়িত করে, তবে প্রতিটি page-এ তা "working memory capacity"-ই হতে হবে। Variety-এর জন্য "cognitive load" বা "mental bandwidth" বসালে claim বদলে যায়। Reviewer-রা synonym-shuffled terminology-কে precision-এর অভাব হিসেবে পড়েন, style হিসেবে নয়। আপনার repeated-words list-এ key term থাকবে, সেই repetition সঠিক।
সহজ শব্দকে বিরল শব্দ দিয়ে বদলে score-এর পেছনে ছোটা variation বাড়ায় এবং prose নষ্ট করে: "use"-এর উন্নতি "utilize" হয়ে হয় না। প্রকৃত variety আসে আরও নির্দিষ্ট কিছু বলার মাধ্যমে, একই জিনিস সাজিয়ে তোলার মাধ্যমে নয়। যদি কোনো swap precision না যোগ করে, plain word-টিই রাখুন।
দ্রুত draft করা এবং AI assistance যে stock phrase পুনর্ব্যবহার করে, reviewer একই verb এগারো বার পড়ার আগেই তা ধরে ফেলুন।
একটি essay কোন শব্দগুলোর ওপর নির্ভর করছে তা দেখুন এবং একটি argument-এর চারপাশের language বৈচিত্র্য করুন, frame বারবার না লিখে।
দ্বিতীয় ভাষা একটি ছোট active vocabulary দেয়, আর repetition তা প্রকাশ করে। আপনার working range বাড়ার সঙ্গে সঙ্গে অগ্রগতি মাপুন।
Grammar এবং structure ঠিক থাকলেও কেন একটি piece সমতল শোনায় তা নির্ণয় করুন: উত্তরটি প্রায়ই ত্রিশটি word-এর সব কাজ করা।
ProofreaderPro-এর humanizer আপনার পুরো draft জুড়ে AI-flavoured vocabulary, phrasing এবং rhythm পুনর্লিখন করে, অর্থ বজায় রেখে, আর output আপনি line by line পর্যালোচনা করেন। Researchers-এর জন্য তৈরি, চেষ্টা করার জন্য free।
আমার writing free humanize করুনএক জায়গায় আপনার একাডেমিক লেখা প্রুফরিড করুন, মানুষের মতো করে তুলুন, প্যারাফ্রেজ করুন এবং অনুবাদ করুন। শুরু করতে ফ্রি, ক্রেডিট কার্ডের দরকার নেই।
ফ্রি শুরু করুন