ویژگیها
بازبین AIانسانساز متن با AIابزار بازنویسی AIخلاصهساز AIمترجم AIابزارهای رایگانسوالات متداولراهنمای کاربروبلاگقیمتگذاریتماسثبتنام، رایگانورودبا ثبت نام، با شرایط و ضوابط و سیاست حریم خصوصی ما موافقت میکنید.
Perplexity نوشتهتان را از طریق بخشی از آن که واقعاً میتوانید ویرایش کنید برآورد کنید: تنوع واژگانی. این بررسیکننده واژگان شما را با یک معیار پنجره متحرک مقاوم در برابر طول (MATTR) امتیازدهی میکند، نسبت نوع-نشانه را گزارش میدهد و واژههایی را که پیشنویس شما بیشترین اتکا را به آنها دارد فهرست میکند. زبان تکراری و کمتنوع یکی از روشنترین دلایل تخت به نظر رسیدن نثر است، این صفحه آن را قابل مشاهده و قابل شمارش میکند.
Trusted by researchers publishing in
برای شروع، یک پاراگراف کافی است, اما یک بخش یا فصل مطمئنترین امتیاز را میدهد. محدودیت واژهای وجود ندارد.
تنوع واژگانی برآوردشده در مقیاس 0-100 همراه با یک بازه داوری، بهعلاوه نسبت نوع-نشانه و شمار واژههای یکتا.
فهرست واژههای تکراری نشان میدهد پیشنویس شما بیشتر روی کجا تکیه دارد. فعلها و پیوندها را پیرامون اصطلاحات کلیدیتان متنوع کنید و خودِ اصطلاحات را دستنخورده بگذارید.
TTR خام با رشد متن کاهش مییابد، بنابراین بیشتر بررسیکنندههای آنلاین به اسناد بلند امتیاز منفی میدهند. امتیاز اصلی اینجا MATTR در پنجره 50 واژهای است: یک فصل و یک پاراگراف با یک معیار واحد سنجیده میشوند.
یک امتیاز بهتنهایی کاربردی نیست. فهرست پرتکرارترین واژهها دقیقاً نشان میدهد کدام واژهها سهم بیش از حدی از متن شما را بر عهده دارند، با شمارشِ واژههای ایست حذفشده.
همان برآورد تنوع واژگانی که داشبورد humanizer ما در بخش In-Text Perplexity نشان میدهد، و روی دستگاه خودتان اجرا میشود.
این ابزار فقط دادههای واژگانی گزارش میکند و هیچ چیز دیگر. نه ادعای نویسندگی، نه وعده تشخیص: اعدادی که میتوانید دستی بررسی کنید.
Perplexity در اصل یک معیار مهندسی بود: یک مدل زبان تا چه اندازه میتواند واژه بعدیِ هر متن را پیشبینی کند؟ نثری که از عبارتهای کلیشهای ساخته شده، بهسادگی قابل پیشبینی است و امتیاز پایینی میگیرد، در حالی که نثری با انتخابهای مشخص و متنوع، مدل را بیشتر غافلگیر میکند. این معیار وقتی وارد فرهنگ نویسندگی شد که خوانندگان دریافتند این رابطه دوطرفه است. متنی که برای یک مدل قابل پیشبینی است، اغلب برای انسان هم قابل پیشبینی به نظر میرسد، چون همان واژگان محدود با نظمی تکرارشونده از راه میرسند.
یک صفحه وب نمیتواند با صداقت Perplexity واقعی را محاسبه کند، اما میتواند آن بخشی را که نویسنده مستقیماً کنترل میکند بسنجد: تنوع واژگانی. معیار استاندارد، نسبت نوع-نشانه است، یعنی واژههای یکتا در برابر کل واژهها، و نسخه مقاوم در برابر طول آن MATTR است که یک پنجره ثابت را در متن میلغزاند و نسبت داخل آن را میانگین میگیرد. امتیازهای پایین یک علت ثابت دارند: تعداد اندکی واژه که سهمی بیش از حد از متن را بر دوش میکشند. پیشنویس سریع این کار را میکند، نوشتن در یک زبان دوم این کار را میکند، و کمک AI هم به شیوه خودش این کار را میکند، با بازتولید یکنواخت فعلها و پیوندهای محبوب در سراسر هر پاراگراف.
مهارت بازنگری این است که بدانید کدام تکرار را باید نگه دارید. نوشتار دانشگاهی به انسجام اصطلاحشناختی نیاز دارد: یک مفهومِ تعریفشده باید هر بار که ظاهر میشود همان نام دقیق را حفظ کند، و داوران حق دارند به دستنوشتههایی که برای مفاهیم کلیدیشان مترادفها را جابهجا میکنند، بیاعتماد باشند. تنوع ارزشمند در جاهای دیگر قرار دارد, در فعلها, پیوندها و توصیفهای پیرامون آن اصطلاحات ثابت. "The results show" میتواند به آنچه نتایج واقعاً انجام میدهند تبدیل شود: demonstrate، contradict، narrow، confirm. هر جابهجایی، بهعنوان پیامدِ گفتنِ چیزی دقیقتر، تنوع را افزایش میدهد و این همان ترتیب درست علت و معلول است.
تنوع واژگانی تنها یک لایه از نثری است که طبیعی خوانده میشود. برای ریتم در سطح جمله، به burstiness checker مراجعه کنید؛ برای واژههای خاصی که مدلهای AI بیش از حد به کار میبرند، AI word cleaner ؛ و برای مهارت کامل، راهنمای ما درباره making AI writing sound human .
تنوع واژگانی در برخی جاها پاداش میدهد و در برخی جاها تنبیه میکند. مرز میان این دو است که بازنگری دانشگاهی را به یک مهارت تبدیل میکند.
گفتنِ "The results show" سه بار در یک پاراگراف، یک مسئله تنوع است. نتایج میتوانند demonstrate، confirm، narrow، contradict یا qualify کنند؛ هر فعل چیزی دقیقتر از "show" هم میگوید. همین درباره پیوندها هم صدق میکند: however، although، whereas و despite تفاوتهایی را حمل میکنند که "but" تکرارشده آنها را تخت میکند.
اگر پژوهش شما "working memory capacity" را تعریف میکند، باید در هر صفحه همان "working memory capacity" باشد. جایگزین کردن آن با "cognitive load" یا "mental bandwidth" برای تنوع، خودِ ادعا را تغییر میدهد. داوران اصطلاحات جابهجاشده با مترادف را نه بهعنوان سبک، بلکه بهعنوان ابهام میخوانند. فهرست واژههای تکراری شما شامل اصطلاحات کلیدیتان خواهد بود؛ آن تکرار درست است.
تعقیبِ امتیاز با جایگزین کردن واژههای ساده با واژههای نادر، تنوع را بالا میبرد و نثر را خراب میکند: "use" با تبدیل شدن به "utilize" بهتر نمیشود. تنوع واقعی از گفتن چیزهای دقیقتر میآید، نه از آراستنِ همان چیزها. اگر یک جابهجایی دقت اضافه نمیکند، واژه ساده را نگه دارید.
عبارتهای کلیشهای را که پیشنویس سریع و کمک AI بازتولید میکند، پیش از آنکه داور همان فعل را یازده بار ببیند، شناسایی کنید.
ببینید یک essay روی کدام واژهها تکیه دارد و یاد بگیرید زبان پیرامون یک استدلال را متنوع کنید، نه اینکه چارچوب آن را تکرار کنید.
یک زبان دوم دایره واژگان فعال کوچکتری فراهم میکند و تکرار آن را آشکار میسازد. با گسترش دامنه کاریتان، پیشرفت را اندازه بگیرید.
وقتی دستور زبان و ساختار درستاند، تشخیص دهید چرا یک متن تخت خوانده میشود: پاسخ اغلب این است که سی واژه همه کار را انجام میدهند.
humanizer ProofreaderPro واژگان، عبارتپردازی و ریتمِ رنگوبوی AI را در سراسر پیشنویس شما بازنویسی میکند و در عین حفظ معنا، خروجیای میدهد که خطبهخط بازبینی میکنید. ساختهشده برای پژوهشگران، و برای امتحان رایگان.
نوشتارم را رایگان انسانی کنمتن نگارش دانشگاهی خود را در یک جا ویرایش، انسانیسازی، بازنویسی و ترجمه کنید. شروعش رایگان است، بدون نیاز به کارت اعتباری.
شروع رایگان