כלי AI כמו ChatGPT ,Claude ו-Gemini הפכו לחלק אינטגראלי בחיינו, והם נכנסו גם לעולם כתיבת הטקסטים האקדמיים ובכללם עבודות אקדמיות כתזה ודוקטורט. סטודנטים וחוקרים משתמשים בכלים לצורך תרגום, ניסוח מחדש ועריכה, והטקסט שיוצא נראה לרוב תקין.
הבעיה היא ש-AI עושה שגיאות מאוד ספציפיות בעברית אקדמית, שונות מהשגיאות שכותבים אנושיים עושים, וקשה לזהות אותן אם לא יודעים מה לחפש.
להלן 5 דפוסים שאנחנו פוגשים שוב ושוב בטקסטים שמגיעים אלינו לעריכה אחרי שעברו דרך כלי AI:
1# משלב גבוה ומלאכותי
AI כותבת בעברית ברמה רשמית-גבוהה מדי, שנשמעת מנופחת ולא טבעית. מילים כמו "אשר", "הינו/הינה", "על מנת" ו"בעבור" מופיעות בתדירות גבוהה בהרבה ממה שמתאים לכתיבה אקדמית טובה ופשוטה. הסיבה לכך היא ש-AI מחקה דפוסים של כתיבה רשמית שיש במקורות שהיא סורקת, ובעברית היא נוטה לכיוון עוד יותר מנופח מבאנגלית כי היא מאומנת על כמות מוגבלת של טקסטים בעברית, ורובם טקסטים רשמיים. כתוצאה מכך, הפלט שלה בעברית נוטה אוטומטית למשלב הגבוה יותר.
לדוגמה:
דפוס AI: "המחקר הנוכחי עוסק בניתוח הגורמים אשר משפיעים על…"
הטיפול האנושי: "המחקר עוסק בניתוח הגורמים המשפיעים על…"
2# חוסר עקביות בטרמינולוגיה
לעתים קרובות AI משתמשת לאורך הטקסט במונחים שונים לאותו מושג כי אינה "זוכרת" שכבר בחרה מונח מסוים בפסקה הקודמת. הדבר בעייתי במיוחד בכתיבה אקדמית, שבה עקביות בשימוש במונחים היא דרישה מתודולוגית.
דוגמה נפוצה: "המרואיינים" בפסקה הראשונה, "הנבדקים" בפסקה השנייה, "המשתתפים" בפסקה השלישית. שלושת המונחים מתייחסים לאותם אנשים בדיוק, אבל כל אחד מהם מגיע ממסורת מחקרית שונה.
3# אי-התאמה במין ובמספר
זו אחת הבעיות המובהקות של AI בעברית, ולמה? כי האנגלית, שעליה רוב הכלים מאומנים, היא שפה עם מבנה דקדוקי פשוט יחסית במה שנוגע למין ומספר. בעברית כל פועל, שם תואר ושם עצם חייבים להתאים במין ובמספר למילה שאליה הם מתייחסים, ו-AI מתבלבלת בכך, בייחוד כשהמילים, שיש להתאים ביניהן, רחוקות זו מזו.
לדוגמה:
דפוס AI: "הקבוצה……………………. הציגו…"
הטיפול האנושי: "הקבוצה……………………. הציגה…"
4# ניסוחים שמקורם בתרגום מאנגלית
גם כש-AI כותבת בעברית "מאפס", לעתים קרובות היא חושבת באנגלית ומתרגמת. הדבר מתבטא בקולוקציות שאינן קיימות בעברית, ובמבנים תחביריים לא-עבריים. הטקסט עשוי להיות נכון דקדוקית ועדיין להישמע כמו תרגום.
לדוגמה:
דפוס AI: "לקחת בחשבון" (מ-take into account), "לתת כבוד" (מ-give respect), "זה מובן מאליו" (מ-it goes without saying).
הטיפול האנושי: "להביא בחשבון", "לכבד", "אין ספק ש…".
5# הלוצינציות בביבליוגרפיה
זו הבעיה החמורה ביותר והרצינית לאין שיעור מארבע ה"שגיאות הסגנוניות" שקדמו לה. AI "ממציאה" מקורות שאינם קיימים: שמות מחברים שגויים, שנות פרסום לא נכונות, כותרות מאמרים שלא נכתבו מעולם, ושמות כתבי עת שאינם קיימים. הבעיה היא שהמקורות אינם נראים כמו טעויות, הם נראים אמיתיים לחלוטין, עם שמות, תאריכים ופורמט ביבליוגרפי מושלם.
הכלל שאנחנו עובדים לפיו: לעולם אין להניח שמקור ש-AI ציינה הוא אמיתי. כל מקור חייב להיבדק ישירות ב-Google Scholar או במאגרי המידע של המוסד האקדמי.
אז מה עושים עם כל המידע הזה?
כשאתם מכירים ומבינים את הדפוסים האלה, אתם יכולים לבדוק אותם בעצמכם לפני ההגשה למנחה.
עברו על הטקסט ושאלו:
האם המונחים עקביים לאורך כולו?
האם כל פועל מתאים לנושא המשפט?
האם כל מקור שציינתם נמצא בפועל?
חשוב לציין שיש דפוסים נוספים, שלא צוינו לעיל בשל קוצר היריעה, ושחלק מהדפוסים קשים לזיהוי כשאתם עמוק בתוך הכתיבה. הרבה פעמים עין אנושית מקצועית שמאומנת בזיהוי דפוסי הכתיבה של AI, רואה את מה שהכותב עצמו לא רואה, וגם יודעת לתקן בהתאם.
ועכשיו יש לי שתי הזמנות בשבילכם:
הראשונה: אם אתם רוצים להעמיק בנושא, הכנתי מדריך חינמי ובו סקירה רחבה יותר של הדפוסים של AI עם דוגמאות רבות. להורדת המדריך לחצו כאן.
השנייה: אם אתם צריכים עריכה אנושית-מקצועית לטקסט האקדמי שיצרתם בעזרת AI, תוכלו לקרוא על השירות החדש שלנו ולבקש דוגמת עריכה והצעת מחיר. לדף השירות לחצו כאן.
להצלחתך האקדמית,
דפנה גלייזר
