実際に編集できる部分, つまり語彙の変化を通して, あなたの英文の perplexity を推定します。この checker は, 長さに強い移動窓指標 (MATTR) で語彙を評価し, type-token ratio を示し, そして下書きが最も頼りがちな語を一覧化します。反復が多く語彙の少ない表現は, 文章を平板に読む最も明確な理由の1つです。このページでは, それを可視化し, 数えられる形にします.
Trusted by researchers publishing in
段落1つでも開始できますが, 節や章全体のほうが最も信頼性の高いスコアが得られます。語数の上限はありません.
0-100の尺度で示される推定語彙変化, 判定バンド, さらに type-token ratio とユニーク語数が表示されます.
繰り返し語の一覧から, 下書きがどの語に最も強く依存しているかがわかります。主要語の周辺では動詞や接続語を変化させ, その語自体はそのままにしてください.
生の TTR はテキストが長くなるほど下がるため, 多くのオンライン checker は長い文書を不利に扱います。ここでの見出しスコアは 50-word window の MATTR です。章でも段落でも, 同じ物差しで評価されます.
スコアだけでは改善につながりません。最頻出語の一覧により, どの語がテキストの大部分を担っているかが stopwords を除外した集計で正確にわかります.
humanizer dashboard が In-Text Perplexity タイルで示すのと同じ語彙変化の推定を, あなたのデバイス上で実行します.
この tool は語彙データのみを報告します。著者性の主張も, 検出に関する約束もありません。手作業で確認できる数値です.
perplexity は, 工学的な指標として始まりました。言語モデルは, テキストの次の1語をどれほどよく予測できるのでしょうか。定型句で構成された文章は予測しやすく, スコアは低くなります。具体的で多様な選択をする文章は, モデルにとってより意外です。この指標が執筆文化に入ってきたのは, 読者がその関係が双方向であることに気づいたからです。モデルが予測しやすいと感じるテキストは, 人にも予測しやすく感じられることが多いのです。少ない語彙が, いつも同じ調子で現れ続けるからです.
Webページで本物の model perplexity を正確に計算することはできませんが, 書き手が直接コントロールできるその構成要素, つまり語彙の多様性は測れます。標準的な物差しは type-token ratio, つまりユニーク語数を総語数で割った値, そしてその長さに強い改良版 MATTR です。MATTR は固定窓をテキスト全体に滑らせ, その中の比率を平均します。低いスコアには一貫した原因があります。少数の語がテキストのあまりにも多くを担っているのです。速い下書き作成, 第二言語での執筆, そして AI assistance はそれぞれ別の形でこれを起こし, 好みの動詞や接続語を各段落に均等に再利用します.
修正の技能とは, どの反復を残すべきかを知ることです。学術的な執筆には用語の一貫性が求められます。定義された概念は登場するたびに同じ名前でなければならず, 主要概念に同義語を入れ替える原稿を査読者が信用しないのは当然です。加えるべき多様性はそれ以外のあらゆる場所, つまり固定された用語の周りにある動詞, 接続語, 説明にあります。「The results show」は, 結果が実際に何をするのかを示す形に変えられます, demonstrate, contradict, narrow, confirm。こうした置き換えは, より正確に述べることの副次的な結果として変化を高めます。それが原因と結果の正しい順序です.
語彙の変化は, 自然に読める文章の1層です。文レベルのリズムについては, burstiness checker ; AI モデルが使いすぎる特定の語については, AI word cleaner ; そして全体的な技法については, making AI writing sound human をご覧ください.
語彙の変化は, ある箇所では編集を促し, 別の箇所では編集を抑えます。その境界こそが, 学術的なリライトを技能たらしめているのです.
1つの段落で "The results show" が3回出てくるなら, それは変化の問題です。Results can demonstrate, confirm, narrow, contradict or qualify; それぞれの動詞は, "show" よりも具体的なことも伝えます。接続語も同じです。however, although, whereas, despite には違いがあり, 繰り返される "but" はそれを平板にします.
もし研究で "working memory capacity" を定義しているなら, すべてのページで "working memory capacity" でなければなりません。変化をつけようとして "cognitive load" や "mental bandwidth" に置き換えると, 主張そのものが変わります。査読者は, 同義語を入れ替えた用語を文体ではなく不正確さとして読みます。繰り返し語の一覧には主要語が含まれますが, その反復は正しいものです.
平易な語を珍しい語に置き換えてスコアを追うと, 変化は増えても文章は損なわれます。「use」は「utilize」になっても, よくはなりません。本当の多様性は, 同じことを飾ることではなく, より具体的なことを述べることから生まれます。置き換えが明確さを高めないなら, 平易な語をそのまま使ってください.
下書きの速さや AI assistance が使い回しがちな定型表現を, 査読者が同じ動詞を11回読む前に見つけられます.
エッセイがどの語に頼っているかを把握し, 論点の枠組みを繰り返すのではなく, その周囲の言い回しを変化させる練習ができます.
第二言語では能動的に使える語彙が限られ, 反復として表れます。実際に使える範囲が広がるにつれて, その進歩を測れます.
文法と構成に問題がなくても文章が平板に読まれる理由を診断できます。多くの場合, 30語ほどがすべてを担っているのです.
ProofreaderPro の humanizer は, 意味を保ちながら, 下書き全体にわたる AI っぽい語彙, 言い回し, リズムを書き換えます。出力は1行ずつ確認できます。研究者向けに作られており, 無料で試せます.
無料で文章を humanize する