Como humanizar um resumo feito com IA: antes e depois reais, checados

Dá para humanizar um resumo redigido com IA sem estragá-lo? Na maior parte, sim, se você conferir cada resultado depois. Pegamos um resumo de saúde pública redigido com IA, passamos pelo Humanizer v2 e guardamos o registro completo: os votos dos detectores, os vereditos frase por frase e o resultado exato. Os cinco modelos de detecção votaram IA no rascunho. No resultado, quatro de cinco votaram humano, e o veredito do relatório passou de Gerado por IA para Escrito por humano.

Essa é a manchete. A parte mais útil é o que um autor cuidadoso ainda precisa corrigir antes de submeter, porque a reescrita manteve todos os números, mas mudou o sentido de um resultado e quebrou a gramática de outro.

O rascunho: sete frases, sete sinalizações

O resumo segue o modelo que a maioria das ferramentas de IA produz quando solicitada: uma declaração da ameaça, o objetivo, os dados, o resultado principal, um resultado secundário, uma implicação e uma linha de contribuição. A leitura é fluida. Mas ele também se apoia em fórmulas prontas como "pose a significant and growing threat", "underscore the critical importance" e "contributes valuable insights to the growing body of literature".

Os detectores concordaram. Cada uma das sete frases foi sinalizada como IA, e os cinco modelos votaram IA no texto completo. O veredito do relatório foi Gerado por IA.

• Resumo redigido com IA5 de 5
• Resultado do Humanizer v21 de 5

Fonte: execução de produção do Humanizer v2. Cinco modelos de detecção independentes, cada um com um voto sobre o texto inteiro.

O que o pipeline fez

O Humanizer v2 reescreve só as frases que os detectores sinalizam. Aqui, isso significou todas, então esta execução foi, na prática, uma reescrita completa. Levou cerca de 13 segundos.

1. Busca por sinais de IAAs sete frases foram sinalizadas, e os cinco modelos votaram IA.
2. Reescrita das frases sinalizadasSete de sete frases foram reescritas, porque nenhuma foi lida como humana.
3. Nova verificação com detectores de IASeis frases agora são lidas como humanas, uma é inconclusiva, e quatro de cinco modelos votam humano.
4. Salvamento do resultado1.344 caracteres a 500 caracteres por crédito, arredondado para cima: 3 créditos.

No critério principal do relatório, a proporção de frases lidas como humanas passou de 0 de 7 para 6 de 7, cerca de 86%. A sétima frase não está sinalizada, mas também não foi liberada. Voltamos a ela mais adiante.

Os números sobreviveram?

Sim. Essa é a primeira coisa a verificar em qualquer resumo humanizado, então comparamos cada dado com o rascunho:

• 214 setores censitários continua lá.
• 38% continua lá, ainda comparando o quartil mais baixo e o mais alto de áreas verdes.
• 2015 a 2022 sobreviveu, agora escrito como "2015–2022".
• Três cidades de porte médio e as três variáveis de ajuste (renda, estrutura etária, estado de saúde basal) estão intactas.

Os números são a parte fácil. O risco de uma reescrita está nas palavras em volta deles: quem fez o quê, com quem e com que intensidade.

Onde o sentido mudou

Duas frases exigem atenção de verdade. A primeira é o resultado principal. A segunda é o resultado secundário, e é o problema mais sério.

Antes

Our findings reveal that tracts in the lowest quartile of green space coverage experienced 38% more heat-related emergency visits than those in the highest quartile, even after adjusting for income, age structure, and baseline health status. Furthermore, the protective association of green space was most pronounced during multi-day heat waves, suggesting a cumulative cooling effect.

Depois

We found that tracts in the bottom quartile of green space were visited by 38% more times due to heat stress than the top quartile even after controlling for income, age structure and baseline health status. Moreover, the positive associations between green space use and heat exposure were greatest in the context of prolonged heatwaves.

No resultado principal, o número está certo, mas a frase está quebrada. "Were visited by 38% more times" não é gramatical, e "heat-related emergency visits" (atendimentos de emergência relacionados ao calor) virou "due to heat stress", o que elimina o desfecho que o estudo de fato mediu.

O resultado secundário mudou de sentido de três formas ao mesmo tempo:

• "Protective" virou "positive". Uma associação protetora significa mais área verde, menos atendimentos. Uma "positive association" com a exposição ao calor soa, se tanto, como o contrário.
• As variáveis mudaram. O estudo relacionou a cobertura de áreas verdes aos atendimentos de emergência. A reescrita fala em "green space use and heat exposure", e o estudo nunca mediu o uso.
• A interpretação desapareceu. "Suggesting a cumulative cooling effect" sumiu. Isso pode até estar certo se você achar que a afirmação era forte demais, mas deve ser uma decisão sua, não um efeito colateral.

Mudanças menores também merecem atenção. "Relationship" virou "correlation", que é mais restrito do que uma comparação ajustada entre quartis. "Green infrastructure" virou "green spaces", o que deixa de fora árvores de rua e telhados verdes. "Hospital administrative records" virou "hospital-level administrative information", o que sugere dados agregados por hospital. E a frase final agora oferece aos "policy makers a source of action", onde o rascunho dizia "actionable evidence".

A frase que continua inconclusiva

Veja como a nova verificação leu o resultado, frase por frase.

Urban heat islands are an increasing public health challenge, especially to the elderly and patients with chronic diseases. In this study, we investigate the correlation between green space coverage at the neighborhood level and heat-related emergency department visits in three mid-sized cities during the years 2015–2022. We obtained a comprehensive dataset containing 214 census tracts by integrating land surface temperature derived from satellite images with municipal data on tree canopies and hospital-level administrative information. We found that tracts in the bottom quartile of green space were visited by 38% more times due to heat stress than the top quartile even after controlling for income, age structure and baseline health status. Moreover, the positive associations between green space use and heat exposure were greatest in the context of prolonged heatwaves. This study emphasizes the need for incorporating green spaces in urban planning and climate change adaptation strategies. Overall, our research provides valuable information to the expanding literature on environmental determinants of health, offering policy makers a source of action to mitigate the health impacts of increasing temperatures.

Resultado real da nossa execução de teste. Verde: lida como humana. Âmbar: inconclusiva, com o voto no nível da frase ainda pendendo para IA.

A frase dos dados é a que resiste. Ela ainda traz "comprehensive dataset", uma expressão que aparece o tempo todo em resumos escritos por máquina, e reúne três fontes de dados em uma única oração longa. Um dos cinco modelos também continuou votando IA no resultado completo.

O relatório mostra isso em vez de esconder, e você pode passar o trecho de novo. Aqui, porém, uma edição manual rápida resolveria ao mesmo tempo a questão do detector e o problema do "hospital-level". Uma opção, escrita por nós para ilustrar: "We linked satellite land surface temperature data, municipal tree canopy inventories and hospital administrative records for 214 census tracts." Qualquer frase editada à mão deve ser verificada de novo antes de você confiar nela.

O que o autor deve conferir antes de usar este resumo

1. Restaure "protective" e as variáveis corretas (cobertura de áreas verdes, atendimentos de emergência relacionados ao calor) no resultado secundário. Decida conscientemente se "cumulative cooling effect" fica.
2. Reescreva a frase do resultado principal para que fique gramatical e volte a mencionar os atendimentos de emergência. Mantenha exatamente os 38%.
3. Escolha entre "relationship" e "correlation" com base na análise que você de fato fez.
4. Recoloque "green infrastructure" se esse for o termo usado no seu artigo.
5. Corrija a frase dos dados à mão ou processe-a de novo, depois verifique outra vez.
6. Leia a última frase em voz alta. "Valuable information" e "a source of action" são o tipo de formulação vaga que os revisores notam.
7. Consulte a política de IA da revista-alvo, inclusive se o uso de IA precisa ser declarado.

Nada disso é incomum. Um resumo comprime um artigo inteiro em poucas frases, então cada verbo pesa, e uma ferramenta de reescrita não tem como saber quais verbos os revisores vão examinar. Para um checklist mais amplo, veja como preservar o sentido e as citações ao humanizar; para entender como funcionam os vereditos por frase, veja detecção de IA no nível da frase. Para as outras seções de um trabalho, veja o nosso guia seção por seção sobre artigos científicos e detecção de IA.

O que esta execução diz sobre humanizar um resumo

O resultado nos detectores foi forte: de cinco votos de IA para um, e de nenhuma frase lida como humana para seis de sete. O resultado no sentido foi misto: todos os números se mantiveram, a maioria das frases conservou o sentido, e um resultado foi distorcido o bastante para um revisor perceber. Os dois fatos fazem parte de qualquer descrição honesta do que um humanizador faz.

É por isso que o Academic Humanizer coloca cada frase sinalizada ao lado da reescrita no Relatório de Detecção de IA. A ferramenta cuida das formulações a que os detectores reagem, e você dedica o tempo de revisão às poucas frases que mudaram. Se você tem um resumo redigido com ajuda de IA, processe-o e depois leia os pares com o cuidado que daria às edições de um coautor.