一，概要：

1. 有一些英語語法檢查器可用于日常英語寫作，但很少有專門針對學術(shù)的英語寫作、術(shù)語、科學慣例和出版準備等相關問題的檢查工具。

2. 我們在覆蓋率五個學術(shù)領域的258個英文句子中測試了Trinka，一個由人工智能驅(qū)動的學術(shù)寫作助手。我們還將Trinka與Grammarly Premium和LanguageTool在相同的句子上進行比較，用以測試糾正的準確性和對各種語言錯誤類別的覆蓋率。

3. 我們的結(jié)果顯示，Trinka在深層語言和特定學科的用法和術(shù)語問題上的表現(xiàn)遠遠好于Grammarly和LanguageTool。

4. Trinka在語法和風格問題上的表現(xiàn)與Grammarly相當，而LanguageTool的表現(xiàn)并不理想。

5. 在三個語法檢查器中，Trinka是最適合學術(shù)寫作的，因為它在準確性和覆蓋面之間有很好的平衡。以及它獨有的出版準備檢查的特點。

二，背景

英語是國際交流的語言，也是無可爭議的科學交流的通用語言。在學術(shù)界、商界和教育界的一系列以職業(yè)為導向的活動中，使用成語和標準英語語法是一項必不可少的技能。良好的寫作技巧尤其與研究人員的職業(yè)前景息息相關。為了獲得成功，使用英語作為第二語言（ESL）或英語作為附加語言（EAL）的科學家和研究人員面臨著在國際英語期刊上發(fā)表作品的壓力。一方面，他們必須努力解決阻礙其研究成功發(fā)表的語言和文化問題1。另一方面，學術(shù)出版業(yè)也在不斷尋找解決方案，以管理不斷增加的投稿數(shù)量和ESL/EAL學者的出版需求，以及對他們寫作的認知偏見2,3。最常見的情況是，這些研究人員與學術(shù)同行、以英語為母語的同事或語言服務公司聯(lián)系，使他們的論文準備好發(fā)表。

雖然有大量的語法和拼寫檢查器供普通作家使用，但幾乎沒有任何針對于研究人員的產(chǎn)品。學術(shù)寫作有別于一般寫作。這種寫作主要是客觀的、精確的和結(jié)構(gòu)化的；使用正式的語氣的；包含特定領域的術(shù)語和引文的；并且是為特定的學術(shù)團體準備的。

大多數(shù)語法檢查器至少是要檢查拼寫，但最多也就是檢查超微觀的語法。然而，簡單的語法和拼寫檢查對于提交給期刊發(fā)表的稿件是不夠的。我們非常需要一個寫作助手，它不僅可以提供特定學科的語言糾正和改進，還可以幫助研究人員處理出版方面的具體要求，如遵守風格指南、一致性檢查和字數(shù)限制等。

三，英語語法檢查器

目前，市場上出現(xiàn)了一些針對一般英語文本的語法檢查器。例如，Grammarly Premium4和LanguageTool5。Grammarly是一個世界領先的語法糾正應用程序，使其自然成為這次比較的對象。LanguageTool是一個被廣泛采用的開源校對工具，提供語法和拼寫糾正。盡管這些工具在不同程度上是成功的，但它們并不是為學術(shù)內(nèi)容設計的。

為了解決這一問題，Trinka被開發(fā)出來，以改善學術(shù)英語的使用和技術(shù)詞匯，并為出版做準備。Trinka自動糾正語法、拼寫、用法和領域特定的錯誤，旨在幫助學者以清晰、簡明和吸引人的方式用英語交流他們的研究。

四，分析

為了分析Trinka的修正能力以及它與其他語法檢查器的區(qū)別，我們比較了Trinka、LanguageTool和Grammarly在五個學術(shù)領域中隨機抽取的258個句子（5778個單詞）的表現(xiàn)（表1）。

另外，我們將檢測并修改的內(nèi)容分為以下幾類。領域、語法、用法、拼寫、標點符號和風格。每個類別的描述見表2（如下）。

這258個句子是用Grammarly、Trinka和LanguageTool的在線編輯器編輯的。編輯工作由一位擁有12年經(jīng)驗的專業(yè)學術(shù)編輯進行評估。258個句子中總共有437個錯誤。表3（如下）顯示了三個工具提供的正確和不正確的修改建議與結(jié)果，以及被它們遺漏的存在的錯誤數(shù)量。

我們的分析結(jié)果顯示，總體而言，Trinka和Grammarly涵蓋了表2中所示的所有類別。Trinka在領域、用法和風格方面修正的最多，而Grammarly則在語法和標點符號方面做了最多的修正。LanguageTool則遠遠落后。每個系統(tǒng)的總體準確性得分為：Trinka 51%；Grammarly 46.4%；LanguageTool 8.4%。

五，對Trinka、grammarly和languagetool的修改結(jié)果的分析

我們的結(jié)果表明，Grammarly和Trinka不但在正確和錯誤的篩查量方面取得了相當?shù)慕Y(jié)果。在正確和錯誤的修改編輯量方面也取得了幾乎相等的結(jié)果。因此，我們需要再深入調(diào)查一下，以檢查這些修改的特性。

表4顯示，雖然Grammarly比Trinka糾正了更多的語法、拼寫和標點符號錯誤，但Trinka糾正了更多與學術(shù)領域、風格和語言使用方面相關的錯誤。LanguageTool在所有類別中都只做了很少的修正。下面是一些由Trinka修改的句子的例子。這些是沒有被Grammarly或LanguageTool正確糾正的。

學術(shù)領域及語法用法

語法

接下來，我們檢查了Trinka和Grammarly錯誤地標記或完全遺漏的錯誤（表3）。

我們在這里沒有考慮LanguageTool，因為它的最終改修完成的數(shù)量很少。

我們發(fā)現(xiàn)，正如被修改的錯誤的特質(zhì)不同一樣 這兩個系統(tǒng)中，錯誤的類型也不同。

Grammarly的錯誤編輯的前3個類別是文章（11），單詞/短語

選擇（11）和語法（8）。Trinka的前3個類別是冠詞（13）。

逗號（4）和名詞數(shù)量（3）。

關于遺漏的項目，Grammarly的前3個類別是文章（38）、單詞/短語

選擇（23）和逗號（14），而Trinka的分類是冠詞（53），逗號（28）。

和名詞數(shù)量(16)。

六，超越單純的語法改錯，Trinka的學術(shù)寫作特點

除了語法檢查，Trinka和Grammarly都提供了一些增強功能 諸如對簡潔性、一致性和正式語體的修改。這樣的 增強功能，雖然不是更正，但可以提高寫作的質(zhì)量。在這方面，我們發(fā)現(xiàn)Trinka提供了更多的增強功能，不僅針對上述三個類別，而且還針對包容性/精準正確的的語言和風格指南的遵守。我們在下面展示幾個例子

除了技術(shù)術(shù)語外，許多學術(shù)出版物還遵循特定的風格指南。這種風格指南對書面文本的各個方面都有嚴格要求。例如，數(shù)學符號前后是否應該有空格（例如，2+2=4 vs. 2+2=4），數(shù)字及其相關單位作為修飾語時是否應該用連字符（4mm條 vs. 4-mm條），等等。下面，我們展示一個基于《美國醫(yī)學會（AMA）風格手冊》第11版的修訂實例。

七，結(jié)論

我們在Trinka、Grammarly Premium和LanguageTool上測試了五個領域的258個句子。我們發(fā)現(xiàn)Trinka是最適合學術(shù)寫作的英文寫作助手。因為它是最準確的，并且涵蓋了廣泛的寫作問題。它也最適合處理期刊或書籍的出版要求，這一點在其他語法檢查工具中是看不到的。這在其他語法檢查器中是看不到的，因此它完美完成了作為轉(zhuǎn)學及學術(shù)寫作的助手的角色。

另外，句子和詞語可以被不同專業(yè)的編輯以不同方式解釋。來自不同學科領域的讀者和普通讀者對句子和單詞的解釋可能也有所不同。因此，更進一步 ，需要由更多來自不同領域、具有不同交際目標的評估者進行進一步的評估交際目標，以減少評價中的任何主觀性。

在任何機器學習系統(tǒng)中，都有一個已知的召回率和精確度之間的權(quán)衡。召回率是指在所有編輯中預測到的正確編輯的百分比。精度是指正確的編輯數(shù)量占總編輯數(shù)量的百分比。為提高召回率而進行的任何調(diào)整往往會導致對精度的負面影響。

反之亦然。一個自動寫作助手在多大程度上掌握這種微妙的平衡，決定了該助手的價值。我們的結(jié)果清楚地表明Trinka提供了最佳的平衡，無論是在其覆蓋率和準確性之間，還是在語言和領域的錯誤糾正之間?？傊?，Trinka在三個語法檢查器中表現(xiàn)最好，并且很好地適應了跨領域的學術(shù)和專業(yè)寫作。

參考資料

1 Flowerdew, J. (2019). The linguistic disadvantage of scholars who write in

English as an additional language: Myth or reality. Chest, 52, 2, 1728–1730.

doi:10.1378/chest.129.6.1728

2 Englander, K. (2014). Writing and publishing science research papers in English.

SpringerBriefs in Education. doi:10.1007/978-94-007-7714-9

3 Walker R, Barros B, Conejo R., Neumann, K., & Telefont, M. (2015) Personal

attributes of authors and reviewers, social bias and the outcomes of peer

review: a case study[version 2; peer review: 2 approved]. F1000Research, 4, 21.

doi: 10.12688/f1000research.6012.2

4 Trinka AI. (2020, May 17).

5 Grammarly Premium. (2020, May 17).

6 LanguageTool. (2020, May 17).

7 Machine Learning Crash Course. (2020, May 20).

TrinkaAI—款不容錯過的專業(yè)的學術(shù)英語語法糾錯工具

更好的幫助您更好完成SCI學術(shù)及其他常規(guī)英文寫作。

點擊下方鏈接立即注冊：

永久免費！