humanize-academic-writing

社会科学学术写作润色

学术诚信声明

目的：此技能旨在帮助研究者借助 AI 写作工具，提高表达自身原创观点的文字质量和自然度。

合乎伦理的用法：

• ✅ 根据自己的研究和观点修改 AI 起草的文本
• ✅ 帮助英语非母语者提升写作质量
• ✅ 学习更好的学术写作范式
• ❌ 使用 AI 生成自己并不理解的观点
• ❌ 提交不能体现自己智力贡献的作品

原则：目标是真实地进行学术交流，而非欺骗。

---

目标受众

社会科学领域（社会学、人类学、政治学、教育学、心理学）的英语非母语者，他们：

• 有自己的原创观点和研究
• 使用 AI 工具起草了文本
• 需要润色文风，使其更自然
• 希望减少明显的 AI 写作痕迹

---

何时使用此技能

• 用户有一份基于自身观点生成的 AI 草稿
• 文本显得“过于完美”、机械或重复
• 需要减少 AI 检测标记
• 希望社会科学写作呈现真实的学术表达风格
• 段落过渡显得生硬
• 语言过于抽象，缺乏具体示例

---

核心工作流程

步骤 1：分析文本

首先，运行 AI 检测分析器，找出有问题的模式：

python scripts/ai_detector.py input.txt

分析器会识别：

• 重复的句式结构和长度
• 过度使用的 AI 过渡短语（Moreover、Furthermore、Additionally）
• 抽象或模糊的语言模式（“various aspects”“in terms of”）
• 机械的段落过渡
• 不符合社会科学写作习惯的措辞
• 词汇多样性低（词元—形符比）
• 过度使用被动语态
• 连续句子的相似度

输出：AI 概率评分 + 按段落标注的具体问题

步骤 2：应用有针对性的改写策略

根据检测到的问题，应用以下修改：

策略 1：变换句子节奏（改善单一性）

AI 模式：所有句子长度相似（15–20 个词）

人工修改：混合使用短句（5–10 个词）、中句（15–20 个词）和长句（25–35 个词）

示例：

• AI：“This study examines social media impact. The research focuses on young adults. The analysis considers multiple factors.”
• 人工：“This study examines social media's impact on young adults, considering factors ranging from identity formation to civic engagement.”

策略 2：减少抽象铺垫

AI 模式：含义空泛、言之无物的占位短语

常见问题短语：

• “various aspects”
• “in terms of”
• “it is important to note that”
• “multiple factors”
• “different perspectives”

人工修改：替换为具体概念、明确的理论和具体示例

示例：

• AI：“In terms of the various aspects of social interaction, multiple factors play important roles.”
• 人工：“Social interaction depends on trust, reciprocity, and shared norms—factors that vary across cultural contexts.”

策略 3：消除机械的过渡

AI 模式：在句首过度使用正式连接词

过度使用的词语：

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

人工修改：采用多样的过渡方式：

• 直接衔接逻辑（无需连接词）
• “This pattern echoes...”
• “Building on this insight...”
• “Yet” / “Still” / “However”（少量使用）
• 通过内容隐含衔接关系

策略 4：加入学术表达风格

AI 模式：学术语气泛泛，缺乏个性或批判性参与

人工修改：

• 适当使用审慎措辞（“may suggest”“appears to”“potentially”）
• 展示对来源的批判性思考
• 自然使用学科术语
• 展现真实的智识探索过程

示例：

• AI：“The data shows a correlation between X and Y.”
• 人工：“The data suggest a correlation between X and Y, though the causal mechanism remains unclear and warrants further investigation.”

策略 5：以具体性为根基

AI 模式：缺乏具体支撑的泛泛陈述

人类写法：

• 点名具体的理论/学者
• 使用具体的例子
• 引用特定的语境
• 引用真实的研究并附上细节

示例：

• AI：“研究表明社交媒体对社会产生了各种影响。”
• 人类：“近期民族志研究记录了 Instagram 如何重塑年轻女性的身体意象实践（Tiidenberg 2018），而实验研究则显示其对政治极化影响甚微（Guess et al. 2023）。”

步骤 3：带理由重写

对每一段，按以下格式操作：

原文（AI 生成）： [粘贴原文]

修改后（人化）： [你的重写版本]

理由： 用 1-2 句话说明你修正了哪些 AI 模式。示例：

• “删除了重复的 ‘Moreover/Additionally’ 过渡词并变化了句子节奏（加入一个短句、一个长句）；将 ‘various aspects’ 替换为具体概念（信任、互惠、规范）。”
• “消除了抽象脚手架（‘in terms of’、‘multiple factors’）；加入了具体引用（Smith 2022）和具体研究发现；加入了学术性模糊限定（用 ‘suggests’ 而非 ‘shows’）。”
• “将一律 18 词的句子拆分为不同长度（8、24、15 词）；删除了机械的 ‘Furthermore’ 开头；将论断建立在具名理论（社会资本）和具体语境（中国城市）之上。”

---

文本人化的关键原则

1. 困惑度（不可预测性）

• 问题：AI 文本过于可预测
• 修正：加入出人意料（但学术上恰当）的用词；变化句法结构

2. 突发性（节奏变化）

• 问题：AI 使用一律的句子长度
• 修正：将短促有力的句子与较长的复杂句混用；营造自然的阅读节奏

3. 具体性优于抽象性

• 问题：AI 默认使用含糊的抽象表达
• 修正：使用具体的例子、具体的数据、具名的理论；将论断建立在特定语境之上

4. 真实的学术声音

• 问题：通用的正式语气，缺乏个性
• 修正：展现对思想的真实投入；加入恰当的模糊限定；体现批判性思考

5. 自然的行文

• 问题：机械的过渡和段落衔接
• 修正：让内容驱动衔接；使用隐含逻辑；尽量减少正式连接词

---

社会科学的具体要点

学科语言

社会学：

• 核心概念：分层、能动性、惯习、资本、制度、不平等
• 理论传统：功能主义、冲突论、符号互动论、实践理论
• 常用方法：民族志、问卷调查、访谈、档案分析

人类学：

• 核心概念：文化、仪式、亲属关系、阈限性、立场性、深描
• 更反身性的声音可被接受
• 重视民族志细节

政治学：

• 核心概念：制度、权力、合法性、治理、国家能力
• 因果推断语言
• 假设检验框架

教育学：

• 核心概念：教学法、课程、公平、成绩差距、学习成果
• 混合方法常见
• 强调政策相关性

心理学（社会）：

• 核心概念：认知、行为、态度、干预、机制
• 操作定义至关重要
• 实验设计突出

非母语写作者的考量

常见的 AI 拐杖：

1. 过度依赖程度副词（“very”、“really”、“quite”）
2. 重复的句子开头
3. 过度使用正式连接词来标示逻辑

应保留的优势：

• 清晰的逻辑结构（保持这一点）
• 正式语域（适合学术写作）
• 严谨的语法（不要过度口语化）

应人化的方面：

• 变化从句结构和句式类型
• 自信地使用领域特定术语
• 加入恰当的学术性模糊限定
• 加入对文献的批判性探讨
• 将抽象建立在具体例子之上

---

其他资源

详细指南请参阅：

• docs/rewriting-principles.md：包含扩展示例的全面改写技巧
• docs/examples.md：不同类型章节（引言、方法、发现、讨论）的完整改写前后对比
• docs/social-science-patterns.md：学科特定的规范与术语

---

脚本与工具

ai_detector.py

分析文本中的 AI 模式并提供详细评分

# 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

提供文本质量的量化指标

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

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

提供的指标：

• 句子长度分布与方差
• 词汇多样性（类型-形符比）
• 学术词汇使用频率
• 过渡词密度
• 被动语态百分比
• 平均句子复杂度

---

示例工作流

1. 用户提供 AI 生成的文本：“你能帮我让论文中的这段文字更有人味吗？”

2. 先分析：

   • 运行 ai_detector.py 或手动识别模式
   • 记录具体问题（例如“句式重复，3 次使用 'Moreover'，语言抽象”）

3. 策略性改写：

   • 应用上述相关策略
   • 保留用户的核心观点与论点
   • 保持引用和数据的准确性

4. 解释改动：

   • 展示原文 → 修改后
   • 提供理由，说明修复了哪些 AI 模式
   • 帮助用户为今后的写作学习

5. 验证改进：

   • 可选运行 text_analyzer.py 确认指标有所改善
   • 检查含义和准确性是否得以保留

---

有效使用技巧

应该：

• ✅ 保留用户的原始观点与论点
• ✅ 保持引用准确
• ✅ 维持适当的学术语域
• ✅ 关注模式，而不仅是单个词语
• ✅ 解释你的改动，让用户从中学习

不应该：

• ❌ 改变含义或论点
• ❌ 添加原文中没有的信息
• ❌ 将学术语言过度口语化
• ❌ 删除所有正式连接词（有些是必要的）
• ❌ 故意让文本出现语法错误

平衡：

学术写作应当：

• 清晰但不简单化
• 正式但不机械
• 有结构但不刻板
• 精确但不迂腐

---

常见陷阱及避免方法

1. 过度修正：不要让每个句子长度都大相径庭。自然变化存在于一定范围之内。

2. 删除所有连接词：有些过渡词对于清晰表达是必要的，尤其是在复杂论证中。

3. 添加口语化表达：学术写作应保持正式；避免随意表达。

4. 丧失精确性：不要为了“自然”而牺牲技术准确性。

5. 忽视学科：社会科学各子领域有不同的规范——请予以尊重。

---

总结清单

改写后，请验证：

• 句子长度有变化（短、中、长混合）
• 机械式过渡词（Moreover、Furthermore、Additionally）已删除或减少
• 抽象占位短语已替换为具体概念
• 至少添加了一个具体示例或具名理论
• 在适当处加入了学术性模糊限定
• 原始含义与论点得以保留
• 引用保持准确
• 学科语言听起来自然
• 提供了说明所修复 AI 模式的理由

---

本技能强调 真实的学术交流，同时尊重非英语母语者负责任地使用 AI 工具的智力劳动。