Системаҳои тавлидкунандаи зеҳни сунъӣ метавонанд матнҳои равоне нависанд, ки ба шакли академӣ монанданд; аммо набояд фаромӯш кард, ки навиштани академӣ танҳо аз дурустии грамматикӣ иборат нест. Муаллифони илмӣ бо воситаҳои гуногуни забонӣ танзим мекунанд, ки иддаоҳояшон то чӣ андоза қатъӣ бошанд, дар кадом мавридҳо эҳтиёткорона рафтор кунанд, арзёбиҳои худро чӣ гуна баён намоянд ва ҳувияти муаллифии худро дар матн то чӣ андоза намоён созанд. Ин хусусиятҳо дар маҷмӯъ қисми муҳими овози академиро ташкил медиҳанд.

Ин таҳқиқот бахшҳои аслии General Conclusion-и 40 рисолаи докториро дар соҳаи Applied Linguistics бо 40 матни нави General Conclusion муқоиса мекунад, ки баъд аз хориҷ кардани бахши хулосаи ҳамон рисолаҳо аз ҷониби Google Gemini 3 Flash Preview тавлид шудаанд. Ҳамин тавр, дар маҷмӯъ 40 ҷуфти мутобиқшудаи матни human–AI ташкил шудааст.

Таҳлил ба категорияҳои hedges, boosters, attitude markers ва self-mentions дар модели stance-и Hyland тамаркуз мекунад. Дар корпуси инсон hedges ба ҳар 1.000 калима 20,69 ва дар корпуси AI 17,60 муайян шудааст. Баръакс, boosters дар матнҳои AI хеле бештар ба назар мерасад: дар корпуси инсон 15,41 ва дар корпуси AI 23,29/1.000 калима.

Аз ҷиҳати attitude markers ду корпус ба ҳам хеле наздиканд: 10,77 дар муқобили 11,10/1.000 калима. Ҷонишинҳои шахси якум бошад, дар хулосаҳои инсон 3,35/1.000 ва дар хулосаҳои AI танҳо 1,13/1.000 мушоҳида шудаанд. Гузориш шудааст, ки муаллифони инсон бештар аз шаклҳои мустақими намоёнии муаллиф, монанди “I” ва “we”, истифода мекунанд, дар ҳоле ки матнҳои AI бештар ба қолабҳое чун “this study” ва “the present thesis” рӯ меоранд, ки худи таҳқиқотро ба вазифаи мубтадо мегузоранд.

Хулосаҳои AI ба ҳисоби миёна тақрибан 730 калима ва хулосаҳои инсон тақрибан 1.351 калимаанд. AI инчунин бештар аз қолабҳои стандартии анҷомбахши академӣ, монанди “in conclusion”, “this study set out to...” ва “future research”, истифода кардааст. Ин намуна дастгирӣ мекунад, ки дар шароити модели истифодашуда ва prompt, матнҳои AI ба тавлиди овози академии кӯтоҳтар, қатъитар ва қолабитар майл доранд.

Бо вуҷуди ин, дар манбаъ мушкилоти муҳими гузоришдиҳӣ ва методологӣ вуҷуд доранд. Арзишҳои ғайриодатан баланди категорияи self-mention, ба монанди 500–600/1.000 калима, бо ҷадвалҳои дигар ба осонӣ мувофиқат намекунанд. Дар сутуни direction-и Table 2 аломати се категория баръакс навишта шудааст. Дар ҳоле ки Abstract иддао мекунад, ки инсонҳо lexical diversity-и бештар доранд, ҷадвалҳои TTR-и мақола барои AI арзишҳои баландтар медиҳанд. Илова бар ин, гарчанде ки маълумот ҷуфтшуда аст, Mann–Whitney U ва Welch t-test, ки истифода шудаанд, санҷишҳои намунаҳои мустақиланд. Аз ин рӯ, бозтаҳлили баъзе натиҷаҳо метавонад муфид бошад.

Овози академӣ чист?

Овози академӣ на танҳо он чизеро дар бар мегирад, ки матни илмӣ мегӯяд, балки ҳамчунин тарзи мавқеъгирии муаллиф нисбат ба донише, ки баён мекунад. Муҳаққиқ метавонад як натиҷаро ҳамчун ҳақиқати қатъӣ пешниҳод кунад, онро ҳамчун эҳтимол чаҳорчӯба диҳад, арзёбии шахсӣ илова намояд ё масъулияти илмии худро мустақиман намоён созад.

Равиши stance-и Hyland ин вазифаҳоро дар чор гурӯҳи асосӣ баррасӣ мекунад: hedges, boosters, attitude markers ва self-mentions.

Hedge чӣ вазифа дорад?

Hedge дараҷаи қатъияти иддаои илмиро маҳдуд мекунад. Сохторҳое чун “May”, “might”, “suggest” ва монанди онҳо нишон медиҳанд, ки муаллиф як хулосаро на ҳамчун ҳақиқати мутлақ, балки танҳо то ҳадде, ки далелҳо иҷозат медиҳанд, пеш мегузорад.

Дар таҳқиқот барои корпуси инсон 20,69 ва барои корпуси AI 17,60 hedge/1.000 калима гузориш шудааст.

Аммо натиҷаҳои оморӣ вобаста ба усул тағйир меёбанд. Дар Mann–Whitney U ва Welch t-test фарқ p<0,05 нест; санҷиши aggregate log-likelihood бошад, натиҷаи маънодор медиҳад. Аз ин рӯ, дар самти он ки муаллифони инсон epistemic caution-и бештар нишон медиҳанд, фарқи басомад вуҷуд дорад, вале далели оморӣ дар ҳамаи санҷишҳо яксон нест.

Booster чист?

Booster нишонаи забониест, ки қатъият ё қувваи иддаоро зиёд мекунад. Ифодаҳое чун “Clearly demonstrates”, “reveals” ва “establishes” нишон медиҳанд, ки муаллиф ба як пешниҳоди муайян бо эътимоди бештар пойбанд аст.

Корпуси AI:

23,29 booster / 1.000 калима

тавлид кардааст, дар ҳоле ки корпуси инсон:

15,41 / 1.000 калима

тавлид кардааст.

Ин фарқ яке аз натиҷаҳои аз ҷиҳати оморӣ муттасили таҳқиқот аст. Ҳар се санҷиши манбаъ дар истифодаи booster фарқи маънодори корпусҳоро гузориш мекунанд.

Аз ин рӯ, таҳқиқот пеш мегузорад, ки дар шароити модели Gemini ва prompt-и истифодашуда, хулосаҳои AI нисбат ба хулосаҳои инсон оҳанги assertive-тар эҷод мекунанд.

Оё attitude markers фарқ мекунанд?

Миёни ду корпус фарқи калон вуҷуд надорад.

Инсон:

10,77 / 1.000

AI:

11,10 / 1.000

ва Welch test p=0,8352 мебошад.

Пас, таҳқиқот дар истифодаи evaluative attitude фарқи равшани human–AI-ро наёфтааст.

Хулосаҳои Инсон ва AI Аз Нигоҳи Дарозӣ То Чӣ Андоза Фарқ Мекунанд?

Бахшҳои хулосаи инсон ба ҳисоби миёна аз хулосаҳои AI тақрибан 1,85 маротиба дарозтаранд.

Ин фарқ худ аз худ исбот намекунад, ки AI табиатан мухтасартар аст. Манбаъ ошкоро қайд мекунад, ки тарҳи prompt ва маҳдудиятҳои input/output-и модел метавонанд ба дарозии conclusion таъсир расонда бошанд.

Инсон ё AI Кадомаш Гуногунии Бештари Луғавиро Истифода Мекунад?

Дар ин масъала дар дохили манбаъ як зиддияти муҳим вуҷуд дорад.

Abstract мегӯяд, ки муаллифони инсон lexical diversity-и бештар нишон медиҳанд. Аммо дар Table 1 Type-Token Ratio:

Human = 0,0854

AI = 0,1262

дода шудааст.

Дар ҷадвали standardize TTR-и баъдӣ низ AI 138,11 ва корпуси инсон 91,06 гузориш шудааст. Илова бар ин, дар ҳамаи 40 хулосаи ҷуфтшуда арзиши TTR-и AI аз ҷуфти инсонии мувофиқ баландтар нишон дода шудааст.

Аз ин рӯ, маълумоти ададии худи таҳқиқот хулосаи “инсонҳо lexical diversity-и бештар нишон доданд”-ро дастгирӣ намекунад.

Фарқе, ки манбаъ беҳтар дастгирӣ мекунад, чунин аст:

AI ченакҳои баландтари lexical-variety нишон медиҳад, дар ҳоле ки муаллифони инсон context-specific vocabulary-и бештар истифода мекунанд.

Дар корпуси инсон калимаҳое чун “teachers”, “teaching”, “writing”, ки ба контексти воқеии таҳқиқот марбутанд, бештар намоёнанд, дар ҳоле ки дар корпуси AI калимаҳои умумии академӣ, монанди “doctoral”, “transition”, “landscape” ва “underscores”, хостар мебошанд.

Чаро AI Қолабитар Ба Назар Мерасад?

Phraseological analysis нишон медиҳад, ки дар хулосаҳои AI баъзе қолабҳои academic-summary такрор мешаванд.

Масалан, “in conclusion” дар корпуси инсон ду бор ва дар корпуси AI 31 бор дида шудааст.

Шакли панҷкалимагии қолаби “This study set out to investigate...” дар корпуси AI 10 бор; сохтори монанд ба “The present doctoral thesis set out to...” бошад, ҳашт бор дида шудааст.

Ин намуна ишора мекунад, ки AI барои ташкил кардани хулоса бештар ба шаблонҳои академии дорои эҳтимоли баланд муроҷиат мекунад.

Ин қолабӣ будан хатои грамматикӣ нест. Матн метавонад ниҳоят дуруст бошад, вале дар байни таҳқиқоти гуногун rhetorical packaging-и монандро истифода барад.

Чаро Истифодаи “Future Research” Ҷолиб Аст?

Ибораи “Future research” дар корпуси инсон нӯҳ ва дар корпуси AI 43 бор ёфт шудааст.

Бо назардошти он ки корпуси AI аз корпуси инсон хеле кӯтоҳтар аст, фарқи нормализатсияшуда боз ҳам калонтар мешавад.

Ин натиҷа бо майли AI мувофиқ аст, ки ҳангоми анҷом додани жанри conclusion-и рисолаи докторӣ даъват ба таҳқиқоти ояндаро ҳамчун genre marker-и муқаррарӣ истифода барад.

Аммо ҳамаи натиҷаҳои recommendation ба як андоза боэътимод нестанд. Манбаъ баъзе қолабҳои recommendation-ро танҳо бо басомадҳои хом муқоиса мекунад ва фарқи андозаи корпусро ба ҳисоб намегирад. Аз ин рӯ, ҳангоми гуфтан дар бораи он ки кадом корпус умуман “тавсияи мустақимтар медиҳад”, эҳтиёткортар будан лозим аст.

Муаллиф Худро Дар Матн Чӣ Гуна Фарқнок Нишон Медиҳад?

Аз ҷиҳати ҷонишинҳои шахси якум фарқ хеле равшан аст:

Муаллифони инсон бештар майл доранд бо сохторҳое чун “I” ва “we” масъулияти академии худро мустақиман намоён созанд.

AI бошад, бештар ба шаклҳои authorial proxy, монанди “this study” ва “the present thesis”, рӯ меорад, ки худи таҳқиқотро ба вазифаи мубтадо мегузоранд.

Аз ин рӯ, на танҳо шумораи умумии “self-mention”, балки тарзи сохта шудани authorial presence-ро баррасӣ кардан хеле иттилоотӣтар аст.

Чаро Дар Натиҷаи Self-Mention Мушкил Ҳаст?

Дар Table 2-и манбаъ барои корпуси инсон 27.171 ва барои корпуси AI 17.611 self-mention шуморида шудааст. Нисбатҳои нормализатсияшуда мутаносибан 502,74 ва 603,18/1.000 калимаанд.

Ин натиҷа ба андозаест, ки тақрибан яке аз ҳар ду калима ҳамчун self-mention тасниф шудааст.

Ҳамон манбаъ ҷонишинҳои шахси якумро танҳо дар сатҳи 3,35 ва 1,13/1.000 гузориш мекунад, дар ҳоле ки қолаби маъмулӣ “this study/research/thesis/paper” низ танҳо 128 ва 200 бор шуморида шудааст.

Аз ин рӯ, аз гузориши мавҷудаи мақола фаҳмидан мумкин нест, ки чӣ гуна маҷмӯи self-mention ин қадар баланд шудааст.

То замоне ки луғати ҳисоб ва коди Python нашр нашавад, ин категорияро мустақилона тасдиқ кардан мумкин нест. Аз ин рӯ, натиҷаи self-mention набояд дар қатори қавитарин бозёфтҳои миқдории таҳқиқот ҷой дода шавад.

Оё Дар Table 2 Хатои Гузоришдиҳӣ Ҳаст?

Бале. Дар сутуни “Direction” барои ҳамаи категорияҳо HC > AIC навишта шудааст.

Аммо рақамҳои нормализатсияшуда нишон медиҳанд, ки дар категорияҳои boosters, attitude markers ва source-defined self-mentions, AIC баландтар аст.

Азбаски матни шарҳии баъдӣ самти дурустро истифода мекунад, эҳтимол ин хатои ҳуруфчинӣ ё гузоришдиҳии ҷадвал бошад.

Оё Тарҳи Ҷуфтшуда Ба Таҳлили Оморӣ Пурра Интиқол Ёфтааст?

Не. Қувваи муҳими таҳқиқот дар он аст, ки 40 ҷуфти матни human–AI аз ҳамон як рисолаи манбаъ гирифта шудаанд. Ҳар як AI conclusion як human conclusion-и мустақиман мувофиқ дорад.

Бо вуҷуди ин, дар муқоисаи оморӣ Mann–Whitney U ва Welch t-test истифода шудаанд. Инҳо санҷишҳои намунаҳои мустақиланд ва маълумоти thesis-level pairing-ро мустақиман истифода намекунанд.

Аз ин рӯ, бозтаҳлил бо санҷишҳои ҷуфтшуда, монанди paired t-test ё Wilcoxon signed-rank, метавонад устувории омории натиҷаҳоро беҳтар арзёбӣ кунад.

Хусусан барои hedges, он ки санҷишҳои гуногун натиҷаҳои гуногуни маънодорӣ медиҳанд, ин бозтаҳлилро муҳим мекунад.

Усул ва Натиҷаҳои Таҳқиқот

Сохтори корпус

Таҳқиқот 40 ҷуфти матни ҷуфтшудаеро истифода кардааст, ки аз 40 human-written ва 40 AI-generated General Conclusion иборатанд.

Манбаи корпуси инсон

Рисолаҳои доктории ба забони англисӣ навишташуда, дар Applied Linguistics ё соҳаи наздик ва аз донишгоҳҳои Алҷазоир бо дастрасии озод интихоб шудаанд.

Тавлиди AI

Бахши аслии General Conclusion-и ҳар рисола хориҷ карда шуда, бахшҳои дигар, аз ҷумла муқаддима, адабиёт, усул, натиҷаҳо ва discussion ба модели Gemini 3 Flash Preview дода шудаанд.

Назорати prompt

Дар ҳамаи 40 рисола ҳамон як prompt-и қасдан сода истифода шудааст. Prompt махсус талаб накардааст, ки модел stance ё сабки муайяни академиро истифода барад.

Чаҳорчӯбаи таҳлилӣ

Тибқи модели stance-и Hyland, hedges, boosters, attitude markers ва self-mentions таҳлил шудаанд.

Нормализатсия

Басомадҳои stance-marker барои кам кардани фарқи дарозии корпус ба ҳар 1.000 калима нормализатсия шудаанд.

Омор

Mann–Whitney U, Welch t-test ва log-likelihood истифода шудаанд. Гарчанде ки тарҳ ҷуфтшуда аст, ду санҷиши аввал pairing-ро мустақиман арзёбӣ намекунанд.

Натиҷаҳои асосии stance

Намоёнии муаллиф дар шахси якум

Матнҳои инсон 3,35 first-person pronoun/1.000 ва матнҳои AI 1,13/1.000 нишон медиҳанд.

Қолабҳои риторикӣ

AI бештар аз standardized academic expressions, монанди “in conclusion”, “this study...” ва “future research”, истифода кардааст.

Натиҷаи луғавӣ

Ҷадвалҳои TTR-и манбаъ барои AI арзишҳои баландтари lexical-variety медиҳанд, дар ҳоле ки таҳлилҳои keyword ва bundle нишон медиҳанд, ки навиштаи инсон context-specific-тар аст. Ин ду хусусият бояд аз ҳам ҷудо карда шаванд.

Sentence complexity

Хулосаҳои инсон ҷумлаҳои миёнаи 26,4-калимагӣ ва хулосаҳои AI ҷумлаҳои миёнаи 23,2-калимагиро истифода кардаанд.

Passive voice

Дар корпуси инсон passive constructions 12,84/1.000 ва дар корпуси AI 6,23/1.000 гузориш шудааст.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

Дар ин маҷмӯи маълумот AI conclusion-ҳо аз human conclusion-ҳо кӯтоҳтаранд. AI boosters-ро зичтар истифода мекунад. Дар истифодаи attitude-marker фарқи равшан нест. Муаллифони инсон authorial presence-и шахси якумро бештар истифода мекунанд. AI бештар standardized conclusion formula ва generic academic phrasing нишон медиҳад. Матнҳои инсон бошад, калимаҳои марбут ба контексти воқеии таҳқиқотро бештар истифода мекунанд.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

Гуфтан мумкин нест, ки ҳамаи моделҳои зеҳни сунъӣ аз инсонҳо қатъитар менависанд. Аз ин таҳқиқот хулоса баровардан мумкин нест, ки AI ҳамеша lexical diversity-и пасттар дорад. Сатҳи 603/1.000 барои self-mention мустақилона тасдиқ нашудааст. Рейтинги умумии сифати қобилияти навишти академии инсон ва AI гузаронида нашудааст. Таҳқиқот танҳо бо як модел, як prompt-и стандартӣ, як соҳаи муайян ва 40 рисолаи донишгоҳҳои Алҷазоир маҳдуд аст.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ:Constructing Academic Voice: A Corpus-Based Comparison of Human- and AI-Generated Doctoral Thesis Conclusions

Муаллиф: Dhaya Eddine Ayachi.

Муассиса дар PDF: Mohammed Seddik Ben Yahia University, Faculty of Letters and Languages, Department of English.

Платформа: SSRN.

Санаи нашри SSRN: 10 июн 2026.

SSRN DOI: 10.2139/ssrn.6911006.

Навъи манбаъ: 36-саҳифагӣ preprint research paper.

Вазъи тақриз: Preprint not peer reviewed.

Иҷозатнома: All rights reserved; no reuse allowed without permission.

Модели асосии AI: Google Gemini 3 Flash Preview.

Корпус: 40 ҷуфти мутобиқшудаи human–AI General Conclusion.

Чаҳорчӯбаи назариявӣ: Модели stance-и Hyland.

Воситаҳои таҳлил: Python; NLTK; SciPy; сканкунии marker бар асоси regex; Mann–Whitney U, Welch t-test ва log-likelihood.

Маҳдудиятҳои асосӣ: Истифодаи як LLM ва як prompt; маҳдуд будани корпуси human ба як соҳа ва контексти як кишвар; фарқи ҷиддии дарозии матнҳои инсон ва AI; истифодаи санҷишҳои намунаҳои мустақил бо вуҷуди тарҳи ҷуфтшуда; басомадҳои баланди шарҳнашуда дар категорияи self-mention; такяи баъзе таҳлилҳои rhetorical-move ба шумораҳои хоми нормализатсиянашуда; хатогиҳо дар нишонаҳои direction-и Table 2; зиддият миёни тафсири lexical-diversity дар abstract ва натиҷаҳои TTR.

Принсипи баёни Verianla: Ин мундариҷа тарҷумаи пурраи матни preprint-и манбаъ нест. Бо нигоҳ доштани тарҳи корпус, натиҷаҳои stance-marker, бозёфтҳои phraseological ва мушкилоти методологии дохилии манбаъ, сохтори мустақил ва интиқодии омӯзишӣ ташкил шудааст. Матнҳои conclusion ва ҷадвалҳои манбаъ ба таври механикӣ дубора истифода нашудаанд.