humanize-academic-writing

社会科学分野の学術論文を人間らしい文章にする

学術的誠実性に関する声明

目的：このスキルは、AI 支援のライティングツールを通じて表現された、研究者自身の独自のアイデアの質と自然さを高めるのに役立ちます。

倫理的な使用方法：

• ✅ 自分自身の研究やアイデアに基づいて、AI が下書きした文章を修正する
• ✅ 英語を母語としない人が文章の質を高める
• ✅ より良い学術的な文章のパターンを学ぶ
• ❌ 理解していないアイデアを AI に生成させる
• ❌ 自分の知的貢献を反映していない成果物を提出する

原則：目指すのは、欺くことではなく、誠実な学術的コミュニケーションです。

---

対象読者

社会科学（社会学、人類学、政治学、教育学、心理学）分野の、英語を母語としない人で、次のような方を対象としています。

• 独自のアイデアや研究がある
• AI ツールを使って文章の下書きを作成した
• 文章のスタイルを人間らしくする必要がある
• いかにも AI らしいパターンを減らしたい

---

このスキルを使うタイミング

• ユーザーが自身のアイデアに基づいて AI で生成した下書きを持っている
• 文章が「完璧すぎる」、機械的、または反復的に感じられる
• AI 検出の目印を減らす必要がある
• 社会科学の文章にふさわしい、自然な学術的な語り口にしたい
• 段落間のつながりが機械的に感じられる
• 具体例がなく、表現が過度に抽象的である

---

基本的なワークフロー

ステップ 1：文章を分析する

まず、AI 検出分析ツールを実行して、問題となるパターンを特定します。

python scripts/ai_detector.py input.txt

分析ツールは次の項目を特定します。

• 文の構造や長さの反復
• AI が多用する接続表現（Moreover、Furthermore、Additionally）
• 抽象的・曖昧な表現パターン（「さまざまな側面」、「～の観点から」）
• 機械的な段落間のつながり
• 社会科学の文章として不自然な語句の選択
• 語彙の多様性の低さ（タイプ・トークン比）
• 受動態の過剰な使用
• 連続する文の類似性

出力：AI である確率スコアと、段落ごとに示された具体的な問題点

ステップ 2：問題に応じた書き換え方略を適用する

検出された問題に基づき、次の修正を適用します。

方略 1：文のリズムに変化をつける（均一さを修正）

AI のパターン：すべての文の長さが似ている（15～20 語）

人間らしい修正：短い文（5～10 語）、中程度の文（15～20 語）、長い文（25～35 語）を織り交ぜます。

例：

• AI：「この研究はソーシャルメディアの影響を調べます。研究では若年成人に焦点を当てます。分析では複数の要因を考慮します。」
• 人間：「この研究では、アイデンティティの形成から市民参加まで幅広い要因を考慮しながら、ソーシャルメディアが若年成人に与える影響を調べます。」

方略 2：抽象的な補助表現を減らす

AI のパターン：情報に乏しい、曖昧な穴埋め表現

よく見られる表現：

• 「さまざまな側面」
• 「～の観点から」
• 「～に留意することが重要です」
• 「複数の要因」
• 「異なる視点」

人間らしい修正：具体的な概念、明示された理論、具体例に置き換えます。

例：

• AI：「社会的相互作用のさまざまな側面に関して、複数の要因が重要な役割を果たします。」
• 人間：「社会的相互作用は、信頼、互恵性、共有された規範に左右されます。こうした要因は文化的な文脈によって異なります。」

方略 3：機械的な接続表現をなくす

AI のパターン：文頭で形式的な接続表現を多用する

多用される表現：

• Moreover,
• Furthermore,
• Additionally,
• In addition,
• It is important to note that

人間らしい修正：多様なつなぎ方を使います。

• 直接、論理的につなぐ（接続表現は不要な場合があります）
• 「このパターンは～を想起させます」
• 「この知見を踏まえると」
• 「しかし」／「それでも」／「ただし」（控えめに使う）
• 内容を通じて暗黙のつながりを示す

方略 4：学術的な語り口を加える

AI のパターン：個性や批判的な考察のない、一般的な学術的トーン

人間らしい修正：

• 適切なヘッジ表現を加える（「～を示唆する可能性があります」、「～と思われます」、「潜在的に」）
• 先行研究に対する批判的な考察を示す
• 分野固有の言葉を自然に使う
• 知的な問いに真摯に取り組んでいることを示す

例：

• AI：「データは X と Y の相関を示しています。」
• 人間：「データは X と Y の相関を示唆していますが、因果メカニズムは依然として不明確であり、さらなる調査が必要です。」

戦略 5：具体性に基づいて論じる

AI のパターン：根拠のない一般論

人間による修正：

• 具体的な理論や研究者の名前を挙げる
• 具体例を含める
• 特定の文脈に言及する
• 詳細を添えて実際の研究を引用する

例：

• AI：「研究によると、ソーシャルメディアは社会にさまざまな影響を及ぼしています。」
• 人間：「近年の民族誌的研究では、Instagram が若い女性の身体イメージの実践をどのように変容させるかが記録されている一方で（Tiidenberg 2018）、実験研究では政治的分極化への影響はわずかであることが示されている（Guess et al. 2023）。」

ステップ 3：根拠を添えて書き直す

各段落について、以下の形式に従ってください。

原文（AI が生成）： [原文を貼り付ける]

改訂版（人間らしくした文章）： [書き直した文章]

根拠： どのような AI のパターンを修正したかを、1～2 文で説明してください。例：

• 「『さらに／加えて』のような反復的なつなぎ表現を取り除き、文のリズムに変化をつけました（短い文を 1 つ、長い文を 1 つ追加）。『さまざまな側面』を、具体的な概念（信頼、互恵性、規範）に置き換えました。」
• 「抽象的な枠組み（『～の観点から』『複数の要因』）を取り除き、具体的な引用（Smith 2022）と特定の研究結果を加え、学術的な留保表現（『示している』ではなく『示唆している』）を取り入れました。」
• 「長さが一様な 18 語の文を、長さに変化のある文（8 語、24 語、15 語）に分け、『さらに』で機械的に文を始めるパターンをなくしました。主張を、名前の挙がった理論（社会関係資本）と具体的な文脈（中国の都市部）に基づかせました。」

---

文章を人間らしくするための主要な原則

1. パープレキシティ（予測しにくさ）

• 問題：AI の文章は予測しやすすぎます
• 修正：予想外でも学術的に適切な語句を取り入れ、構文に変化をつけます

2. バースティネス（リズムの変化）

• 問題：AI は文の長さを一様にしがちです
• 修正：短く力強い文と、長く複雑な文を組み合わせ、自然な読書のリズムを作ります

3. 抽象性より具体性

• 問題：AI は曖昧な抽象表現に頼りがちです
• 修正：具体例、特定のデータ、名前の挙がった理論を使い、特定の文脈に基づいて主張します

4. 自然な学術的な語り口

• 問題：個性のない、型にはまったフォーマルな語調です
• 修正：考えへの真摯な取り組みを示し、適切な留保表現を含め、批判的思考を表します

5. 自然な流れ

• 問題：機械的なつなぎ表現や段落間のつながりです
• 修正：内容に沿ってつながりを作り、暗黙の論理を用いて、形式的な接続表現を最小限に抑えます

---

社会科学に特有の事項

分野ごとの用語

社会学：

• 主な概念：階層化、行為主体性、ハビトゥス、資本、制度、不平等
• 理論的伝統：機能主義、紛争理論、シンボリック相互作用論、実践理論
• 一般的な手法：民族誌、調査、インタビュー、文書資料の分析

人類学：

• 主な概念：文化、儀礼、親族関係、リミナリティ、ポジショナリティ、厚い記述
• より再帰的な語り口も許容されます
• 民族誌的な詳細が重視されます

政治学：

• 主な概念：制度、権力、正統性、ガバナンス、国家能力
• 因果推論に関する表現
• 仮説検証の枠組み

教育学：

• 主な概念：教育法、カリキュラム、公平性、学力格差、学習成果
• 混合研究法が一般的です
• 政策との関連性が重視されます

心理学（社会心理学）：

• 主な概念：認知、行動、態度、介入、メカニズム
• 操作的定義が重要です
• 実験デザインがよく用いられます

非母語話者への配慮

AI に頼りがちな表現：

1. 強調語（「とても」「本当に」「かなり」）への過度な依存
2. 文頭表現の反復
3. 論理を示すための形式的な接続表現の多用

維持すべき強み：

• 明快な論理構成（維持してください）
• フォーマルな文体（学術的な文章に適しています）
• 正確な文法（過度にくだけた表現にしないでください）

人間らしくする領域：

• 節の構造や文の種類に変化をつける
• 分野固有の用語を自信を持って使う
• 適切な学術的留保表現を加える
• 先行研究に対する批判的な検討を含める
• 抽象的な議論を具体例に基づかせる

---

追加リソース

詳しいガイダンスについては、以下をご覧ください。

• docs/rewriting-principles.md：詳細な例を含む、包括的な書き換え手法
• docs/examples.md：さまざまなセクション（序論、方法、結果、考察）の書き換え前後の全例
• docs/social-science-patterns.md：分野固有の慣習と用語

---

スクリプトとツール

ai_detector.py

テキストのAI的なパターンを分析し、詳細なスコアを提示します

# Basic analysis
python scripts/ai_detector.py input.txt

# Detailed output with paragraph-by-paragraph breakdown
python scripts/ai_detector.py input.txt --detailed

# JSON output for programmatic use
python scripts/ai_detector.py input.txt --json > analysis.json

text_analyzer.py

テキストの品質を定量的に測定します

# Analyze text metrics
python scripts/text_analyzer.py input.txt

# Compare before/after versions
python scripts/text_analyzer.py original.txt revised.txt --compare

提供される指標：

• 文の長さの分布とばらつき
• 語彙の多様性（Type-Token Ratio）
• 学術用語の使用頻度
• 接続語の密度
• 受動態の割合
• 文の平均的な複雑さ

---

ワークフローの例

1. ユーザーがAI生成テキストを提供する：「論文のこの段落を、人間が書いたような文章にするのを手伝ってもらえますか？」

2. まず分析する：

   • ai_detector.pyを実行するか、パターンを手動で特定します
   • 具体的な問題を記録します（例：「文構造が反復的、『Moreover』が3回使用されている、抽象的な表現」）

3. 意図を持って書き換える：

   • 上記の関連する方針を適用します
   • ユーザーの中心的な考えと主張を維持します
   • 引用とデータの正確さを保ちます

4. 変更点を説明する：

   • 原文 → 修正版を示します
   • どのAI的なパターンを修正したのか、その理由を説明します
   • 今後の執筆に活かせるよう、ユーザーを支援します

5. 改善を確認する：

   • 必要に応じてtext_analyzer.pyを実行し、指標が改善したことを確認します
   • 意味と正確さが保たれていることを確認します

---

効果的に使うためのヒント

すること：

• ✅ ユーザーの元の考えと主張を維持します
• ✅ 引用の正確さを保ちます
• ✅ 適切な学術的文体を維持します
• ✅ 個々の単語だけでなく、パターンに注目します
• ✅ 変更点を説明し、ユーザーが学べるようにします

しないこと：

• ❌ 意味や主張を変えないでください
• ❌ 原文にない情報を加えないでください
• ❌ 学術的な言葉遣いをカジュアルにしすぎないでください
• ❌ 形式的な接続表現をすべて取り除かないでください（一部は必要です）
• ❌ 意図的に文法を誤った文章にしないでください

バランス：

学術論文の文章は、次のようであるべきです。

• 明快でありながら、単純すぎない
• フォーマルでありながら、機械的でない
• 構成が整っていながら、型にはまりすぎない
• 正確でありながら、細かいことにこだわりすぎない

---

避けるべきよくある落とし穴

1. 過剰な修正：すべての文の長さを極端に変えないでください。自然なばらつきには一定の範囲があります。

2. 接続表現をすべて取り除く：特に複雑な議論では、明確さを保つために必要なつなぎがいくつかあります。

3. 口語表現を加える：学術的な文章はフォーマルなままにし、くだけた表現は避けてください。

4. 正確さを損なう：「自然さ」のために技術的な正確さを犠牲にしないでください。

5. 分野を無視する：社会科学の下位分野にはそれぞれ異なる慣習があります。それらを尊重してください。

---

要約チェックリスト

書き換えた後、以下を確認してください。

• 文の長さに変化がある（短文、中程度の文、長文が混在している）
• 機械的な接続表現（Moreover、Furthermore、Additionally）が削除または削減されている
• 抽象的な仮置き表現が、具体的な概念に置き換えられている
• 具体例または名称のある理論が少なくとも1つ加えられている
• 適切な箇所で、学術的なヘッジ表現が使われている
• 元の意味と主張が保たれている
• 引用が正確なままである
• 分野固有の言葉遣いが自然である
• 修正したAI的なパターンを説明する理由が示されている

---

このスキルでは、AIツールを責任を持って利用する非母語話者の知的な営みを尊重しながら、真正な学術コミュニケーションを重視します。