Oszacuj perplexity swojego tekstu poprzez ten jego aspekt, który naprawdę możesz edytować: zróżnicowanie słownictwa. Checker ocenia Twoje słownictwo za pomocą odpornej na długość miary ruchomego okna (MATTR), podaje type-token ratio i wskazuje słowa, na których szkic opiera się najmocniej. Powtarzalne, mało zróżnicowane brzmienie to jeden z najbardziej wyraźnych powodów, dla których proza wydaje się płaska, ta strona sprawia, że staje się ono widoczne i policzalne.
Trusted by researchers publishing in
Wystarczy jeden akapit, aby zacząć, a sekcja lub rozdział daje najbardziej wiarygodny wynik. Nie ma limitu słów.
Szacowane zróżnicowanie słownictwa w skali 0-100 wraz z oceną w formie przedziału, a także Twoje type-token ratio i liczbę unikalnych słów.
Lista powtarzanych słów pokazuje, gdzie Twój szkic opiera się najmocniej. Zmieniaj czasowniki i łączniki wokół kluczowych terminów, a same terminy pozostaw bez zmian.
Surowe TTR spada wraz ze wzrostem długości tekstu, więc większość internetowych checkerów karze dłuższe dokumenty. Główny wynik tutaj to MATTR liczony w oknie 50 słów, rozdział i akapit są oceniane tą samą miarą.
Sam wynik nie wystarcza do działania. Lista najczęściej powtarzanych słów pokazuje dokładnie, które wyrazy zajmują zbyt dużą część tekstu, z wykluczeniem słów funkcyjnych.
To samo oszacowanie zróżnicowania słownictwa, które nasz dashboard humanizera pokazuje w kafelku In-Text Perplexity, działające na Twoim własnym urządzeniu.
Narzędzie podaje dane leksykalne i nic więcej. Bez twierdzeń o autorstwie, bez obietnic wykrywania, tylko liczby, które możesz sprawdzić ręcznie.
Perplexity zaczęło się jako miara inżynieryjna: jak dobrze model językowy przewiduje każde kolejne słowo tekstu? Proza zbudowana z gotowych fraz jest łatwa do przewidzenia i otrzymuje niski wynik, proza, która dokonuje precyzyjnych, zróżnicowanych wyborów, bardziej zaskakuje model. Miara trafiła do kultury pisania, gdy czytelnicy zauważyli, że zależność działa w obie strony. Tekst, który model uznaje za przewidywalny, często dla człowieka też wydaje się przewidywalny, ponieważ ten sam niewielki zasób słownictwa stale pojawia się zgodnie z oczekiwaniem.
Strona internetowa nie może uczciwie obliczyć perplexity modelu, ale może zmierzyć ten jego składnik, nad którym piszący ma bezpośrednią kontrolę: różnorodność leksykalną. Standardową miarą jest type-token ratio, czyli unikalne słowa podzielone przez liczbę wszystkich słów, oraz jego odporniejsza na długość wersja MATTR, która przesuwa przez tekst stałe okno i uśrednia w nim ten stosunek. Niskie wyniki mają stałą przyczynę: garstka słów niesie zbyt dużą część tekstu. Tak dzieje się przy szybkim pisaniu, przy pisaniu w drugim języku i przy wsparciu AI, które we własny sposób recyklinguje ulubione czasowniki i łączniki równomiernie w każdym akapicie.
Umiejętność redakcji polega na wiedzy, które powtórzenia zachować. Pisanie akademickie wymaga spójności terminologicznej: zdefiniowany konstrukt musi mieć dokładnie tę samą nazwę za każdym razem, gdy się pojawia, a recenzenci słusznie nie ufają rękopisom, które dla własnych kluczowych pojęć żonglują synonimami. Zróżnicowanie warto wprowadzać wszędzie indziej, w czasownikach, łącznikach i opisach wokół tych stałych terminów. "The results show" może stać się tym, co wyniki naprawdę robią: demonstrate, contradict, narrow, confirm. Każda zamiana zwiększa różnorodność jako efekt uboczny powiedzenia czegoś bardziej precyzyjnego, a to właściwa kolejność przyczyny i skutku.
Zróżnicowanie słownictwa to jedna warstwa prozy, która brzmi naturalnie. Dla rytmu na poziomie zdania zobacz burstiness checker; dla konkretnych słów, których modele AI nadużywają, AI word cleaner; a dla pełnego warsztatu, nasz przewodnik po making AI writing sound human.
Zróżnicowanie słownictwa nagradza redakcję w jednych miejscach, a karze ją w innych. Granica między nimi sprawia, że redakcja akademicka jest umiejętnością.
"The results show" trzy razy w jednym akapicie to problem zróżnicowania. Results can demonstrate, confirm, narrow, contradict or qualify, każdy z tych czasowników mówi też coś bardziej precyzyjnego niż "show". To samo dotyczy łączników, however, although, whereas i despite niosą rozróżnienia, które powtarzane "but" spłaszcza.
Jeśli Twoje badanie definiuje "working memory capacity", musi to być "working memory capacity" na każdej stronie. Podstawienie "cognitive load" albo "mental bandwidth" dla uzyskania większej różnorodności zmienia twierdzenie. Recenzenci odczytują terminologię przestawianą synonimami jako brak precyzji, a nie styl. Twoja lista powtarzanych słów będzie zawierać kluczowe terminy, takie powtórzenia są poprawne.
Gonienie za wynikiem przez zastępowanie prostych słów rzadkimi podnosi zróżnicowanie i psuje prozę: "use" nie poprawia się, gdy staje się "utilize". Prawdziwa różnorodność wynika z mówienia o bardziej konkretnych rzeczach, a nie z ozdabiania tych samych treści. Jeśli zamiana nie wnosi precyzji, zostaw proste słowo.
Wykrywaj gotowe frazy, które szybkie pisanie i pomoc AI powtarzają, zanim recenzent przeczyta to samo czasownik jedenaście razy.
Zobacz, na których słowach opiera się esej i naucz się różnicować język wokół argumentu zamiast powtarzać jego schemat.
Język obcy oznacza mniejszy aktywny zasób słownictwa, a powtórzenia to ujawniają. Mierz postęp wraz ze wzrostem zakresu, z którego korzystasz na co dzień.
Diagnozuj, dlaczego tekst brzmi płasko, gdy gramatyka i struktura są w porządku, odpowiedź często brzmi: trzydzieści słów robi całą pracę.
Humanizer ProofreaderPro przeredagowuje słownictwo, frazowanie i rytm o brzmieniu AI w całym szkicu, zachowując znaczenie, a wynik możesz sprawdzić linia po linii. Stworzony dla badaczy, do wypróbowania za darmo.
Humanize my writing freePrzeczytaj, nadaj temu ludzki styl, parafrazuj i przetłumacz swoje pisma naukowe w jednym miejscu. Darmowe, aby zacząć, bez karty kredytowej.
Zacznij za darmo