Does AI-Generated Scientific Text Follow Human Argumentation Patterns? A CARS-Based Comparison of Research Article Introductions
作者: Abdelrahman Sadallah, Narjes Sheikh Asadi, Lonneke van der Plas
分类: cs.CL
发布日期: 2026-10-01
💡 一句话要点
基于CARS模型比较AI生成与人类撰写的科学文本
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: AI生成文本 科学写作 修辞结构 CARS模型 人类与AI比较 语言学研究 文本分析
📋 核心要点
- 现有研究主要关注词汇和风格线索，未能深入分析AI生成文本与人类文本在论证结构上的差异。
- 本文采用Swales的CARS模型，比较人类撰写的引言与AI生成的引言，探讨其修辞结构的差异。
- 研究结果表明，人类撰写的引言在论证步骤和顺序上更灵活，而AI生成的引言则较为统一且僵化。
📝 摘要（中文）
大型语言模型正在从帮助撰写研究转向帮助进行研究，因此了解它们生成的科学文本与人类写作的差异变得尤为重要。现有研究主要依赖词汇和风格线索，未能深入探讨文本的修辞结构。本文采用Swales的CARS模型，比较了已发表语言学文章的原始引言与相应的AI生成引言。研究发现，人类撰写的引言在使用的论证步骤和顺序上更具灵活性，而生成的引言则表现出更高的统一性。将CARS定义应用于模型使其变得更加僵化。
🔬 方法详解
问题定义：本文旨在解决AI生成的科学文本在论证结构上与人类撰写文本的差异，现有方法未能有效捕捉这一点。
核心思路：通过采用Swales的CARS模型，分析和比较人类与AI生成的引言的修辞结构，以揭示其在论证步骤和顺序上的不同。
技术框架：研究首先收集已发表的语言学文章引言，然后生成相应的AI引言，最后通过CARS模型分析两者的修辞结构。
关键创新：本研究的创新在于将CARS模型应用于AI生成文本的分析，揭示了人类与AI在论证灵活性上的本质区别。
关键设计：在分析过程中，重点关注引言的论证步骤和顺序，使用定量和定性的方法评估文本的修辞特征。具体参数设置和评估标准在论文中详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果显示，人类撰写的引言在论证步骤和顺序上表现出更高的灵活性，而AI生成的引言则显示出更强的统一性。具体而言，AI生成引言的论证结构在多样性和灵活性上显著低于人类撰写的引言，表明AI模型在生成文本时的局限性。
🎯 应用场景
该研究的潜在应用领域包括科学写作辅助工具的开发、AI文本生成技术的优化以及教育领域的写作指导。通过理解AI生成文本的特点，可以改进其在科研中的应用，提升学术写作的质量和效率。
📄 摘要（原文）
Large language models are moving from helping write up research to helping do it, which makes it important to know how the scientific text they produce differs from human writing. Work on this question has stayed mostly at the surface, using lexical and stylistic cues that light paraphrasing erases. We look instead at rhetorical structure, the sequence of argumentative moves through which a text makes its case. We study research-article introductions under Swales' CARS model, and compare original introductions from published linguistics articles with generated counterparts of the same papers. We find that human-written introductions are more flexible in which moves they use and in what order, while the generated ones are more uniform. Giving the models the CARS definitions makes them more rigid.