第 39 课：学术语言润色与翻译
🎯 核心实操目标
本课目标：把"初学者写作腔"升级为符合期刊审稿标准的学术英文 / 中文。你将掌握学术语言的三大要求（客观性 / 精确性 / 规范性），学会用 AI 做语言润色与中英互译而不被 AI 反噬——既清除空话套话、提升文稿的客观性、精确性与可读性，又守住"不改原意、不杜撰内容、据实披露"的底线。
本课位于论文写作流程的收尾段：结论与展望（第 37 课）定稿之后、图表（第 38 课）就位之时，润色与翻译是把已写好的内容"换一种更专业的语言外壳" ——它处理的是表达层，不是事实层。正因为如此，它属于 AI 协作里风险较低的"绿区"；但绿区也有红线：润色不得改变原意，翻译不得增删数据，清除套话是为了提升写作质量，而不是为了规避查重或 AIGC 检测，更不能替代如实披露 AI 使用（这条贯穿全课，详见【边界与局限】与文末红线）。
📋 课前准备（5 分钟自检）
工具/账号
- [ ] Claude 4.8 / GPT-5 / Gemini 2.5（任一主力模型即可，英文学术润色较稳）
- [ ] DeepL 或 Google Translate（机器翻译参照，用于交叉验证术语）
- [ ] Grammarly（英文语法二次校对，免费版即可）
- [ ] 写完的 Discussion / Conclusion 草稿（来自第 36 / 37 课）
数据/素材
- [ ] 目标期刊近 2 年的发表论文 2–3 篇（用于"口吻对齐"参照）
- [ ] 你的本研究核心术语清单（确保前后用词一致）
应急通道
- AI 改后觉得不像你的语气 → 把原文与改写并排对比，挑你认可的句式
- 中译英术语拿不准 → 用 DeepL + 主力大模型双引擎交叉验证，再回查目标期刊原文的固定译法
- 担心润色"改了原意" → 逐段对照原文，凡语义有出入处一律以原文为准（见拆解实战 D 的人工检查表）
场景导入：同样的发现，为什么有人读着像顶刊、有人读着像作业
两位学生写同一个结论。甲写："本研究发现 AI 焦虑这一现象很有趣，它对学习有着广泛而深远的影响，具有重要意义。" 乙写："本研究发现 AI 焦虑显著负向预测学业自我效能感（β = −.34, p < .001），并通过学习策略产生部分中介效应。"
内容指向同一个发现，但读感天差地别。甲的句子里藏着三类"非学术"信号——
- 口语化："很有趣""有着……影响"是聊天语气，不是论证语气；
- 空话套话："广泛""深远""重要意义"没有任何可检验的信息量，是典型的"正确的废话"；
- 主观断言：没有数据支撑的"重要"是作者的个人感受，审稿人无从核实。
这些信号在导师眼里是"还没进入学术表达的训练痕迹"，在审稿人眼里是"作者对本领域的写作规范不熟"。它们不影响你研究本身的质量，却会拉低读者对这份稿子的第一印象——而润色，做的正是把甲改写成乙：不动发现、不动数据，只把语言外壳换成专业的那一层。
这就引出本课要先讲清的一个判断：为什么在所有 AI 协作环节里，润色与翻译被归为风险较低的"绿区"。
原理：为什么润色 / 翻译属"绿区"，审稿人和检测在看什么
动手让 AI 改文字之前，先想清楚润色这件事在干什么、它的边界在哪。这决定了你该把哪些任务交给 AI、又必须亲自把住哪几道关。
润色 / 翻译属"绿区"，是因为"底料已是你的"。 前面 33—38 课产出的研究问题、方法、数据、结论，都是你自己做出来的——AI 在这一步只做语言层的转换：把口语改成书面语、把中文换成英文、把长句拆短、把术语对齐。它不参与"研究发现了什么"这件事。相比"让 AI 生成观点 / 杜撰文献"（高风险红区），"让 AI 把我已写好的内容换一种说法"风险低得多——因为可供它"自由发挥、进而出错"的空间，本就被你的原文框死了。绿区的前提，是 AI 改的是你已有的底料，而不是替你产出新内容。
绿区不等于无边界：润色的红线是"不改原意"。 风险低不代表没有风险。润色最容易出问题的地方，恰恰是它"顺手"做了超出语言层的事——把"部分中介"润成"完全中介"、把"显著正相关"译成"显著促进"、为了句子漂亮补一个原文没有的限定词或数据。这些都不再是"换说法"，而是改了事实。所以润色 / 翻译的边界只有一条、但必须钉死：可以动语言，不可以动意思（数值、变量名、引用、因果强度、结论方向一律照搬原文）。
审稿人在润色层看什么？看三件事。 ① 客观性——是不是用研究者的口吻陈述（第三人称、以证据说话），而不是"我觉得很有趣"的个人感受；② 精确性——该给数字的地方有没有给数字（"下降很多"还是"下降 34%, β=−.34"），有没有滥用"大概 / 可能 / 极大地"这类模糊词；③ 规范性——同一个概念是不是全文用同一个词（中文"AI 焦虑"、英文 "AI learning anxiety" 前后一致），有没有遵循本领域的习惯表达。这三点不增加新信息，却直接决定审稿人对"作者专业度"的判断。
清套话和"规避检测"是两件事——这条必须分清。 删掉"广泛关注 / 深远影响 / 具有重要意义"这类空话，目的是让论证更紧、表达更原创、可读性更高，这是写作质量本身的提升。它不是、也不能当作"把 AI 生成痕迹洗到测不出"的手段：查重看的是与已有文献的文字重合，AIGC 检测看的是文本的统计特征——靠改几个词去"骗过检测"，既不提升真正的原创性，也违背"据实披露"的底线。本课教的是"把话说好"，不是"把痕迹藏好"；真正涉及查重 / AIGC 的正解（理解后重写 + 提升论证质量 + 如实披露）在第 41 课与第 41 课加强篇展开。
📘 关键术语（首次出现，先对齐定义）
- 润色（proofreading / language polishing）：在不改变内容与原意的前提下，对已写好的文字做语言层的打磨——修语法、调语气、拆长句、统一术语、删冗词。区别于"代写 / 改写观点"：润色不产出新发现、不改数据、不改结论方向。
- 学术语体 / 学术英语（academic register / academic English）：学术写作约定俗成的语言风格——客观（少第一人称主观断言）、精确（以数据和限定语说话）、克制（不戏剧化、不夸大）。"register"指的是"语域"，即在特定场合该用的那一档语言。
- 术语一致性（terminology consistency）：同一概念在全文（及中英两版）始终用同一个词，不随意换近义词。它是"规范性"的核心抓手，靠全文检索逐个核对。
- 学术翻译（academic translation）：把学术文本在中英之间转换，要求保留原意、术语用学界通行译法、符合目标语言的学术表达习惯，而非逐字直译。它同样属"语言层转换"，红线是不增删事实。
- 查重率 / 文字重合度（text-similarity rate）：稿件与已发表文献库的文字重合比例，用于检测抄袭 / 过度引用。降低它的正解是"理解后用自己的逻辑重写 + 规范引用"，不是改几个词去规避（详见第 41 课加强篇）。
- AIGC 检测（AI-generated content detection）：依据文本统计特征，估计内容由 AI 生成的可能性。它与查重是两套不同的东西：查重比对文字重合，AIGC 检测判断"像不像机器写的"。
- AI 使用声明 / 披露（AI-use disclosure）：按期刊 / 院校要求，如实说明 AI 在写作中的使用方式与范围（如"用 AI 在已读文献范围内润色语言"）。润色用了 AI 也属正常协作，据实披露通常不失分，隐瞒被查出才后果严重（详见第 41 课）。
🗺️ 架构重组：学术语言三大要求
| 要求 | 具体表现 | ❌ 反例 → ✅ 正例 |
|---|---|---|
| 客观性 | 以证据说话，少用第一人称主观断言；适度使用被动语态 | "我发现 X 很重要" → "本研究发现 X（β=−.34, p<.01）" |
| 精确性 | 不用"大概 / 可能 / 极大地"等模糊词，该给数字就给数字 | "大约下降很多" → "下降 34%（β=−.34, p<.01）" |
| 规范性 | 术语前后一致 + 遵循学科习惯用语 | 前文"AI 焦虑"后文"人工智能担忧" → 全文统一 |
这三条正是上文【原理】里"审稿人在润色层看什么"的落地版：客观性对应"用研究者口吻而非个人感受"，精确性对应"有数字的地方给数字、少用模糊词"，规范性对应"同一概念全文同一个词"。润色时对照这三栏自问即可，缺哪栏补哪栏。
关于"被动语态"的一点提醒：现代学术英语并非一味要求被动（如 Methods 里 "We administered the questionnaire" 完全规范）。客观性的本质是以证据说话、不夹带未经支撑的主观判断，而非机械地把所有句子改成被动——见拆解实战 B 的中→英 Prompt 已要求"主动 / 被动平衡"。
必学：去 AIGC 套话清单（"21 词"速查）
写完初稿后，Ctrl+F 全文搜索并替换这些高发空话。再次强调：清这些词是为了让论证更紧、表达更原创、读起来更专业，不是为了规避查重或 AIGC 检测——后者既无效也越界（见【原理】第 4 点）。
| AIGC 套话 | 替换方向 |
|---|---|
| "广泛关注"、"日益重要" | 删除或用具体数据替换 |
| "深刻揭示"、"具有重要意义" | 改为具体发现陈述 |
| "首先...其次...最后..." | 改为散文式过渡（"由此引出..."、"进一步看..."） |
| "在这个复杂多变的时代" | 删除（空话） |
| "总而言之"、"综上所述" | 改为"上述发现表明" |
| "构筑桥梁"、"前所未有" | 删除（戏剧化） |
| "引发深远变革" | 删除 |
| "毋庸置疑" | 改为具体论证 |
| "极大地" | 改为效应量数字 |
| "进一步深化" | 删除（空话） |
🚀 拆解实战 A：润色核心 Prompt
【Role】顶级 SSCI 期刊语言编辑,擅长把"机器味"文字改写得客观、精确、可读。
【任务】请对下方段落进行"去机器味"学术润色:
1. **删除 AIGC 高频词**(出现一处删一处):
- 套话: "广泛关注"、"深远影响"、"日益重要"、"具有重要意义"
- 戏剧化: "深刻揭示"、"前所未有"、"引发深远变革"
- 模糊副词: "极大地"、"显著地"(除非后跟统计显著性)
2. **拆排比句**:
- "首先...其次...最后..." → 改为散文式过渡
- "一方面...另一方面..." → 改为因果或递进关系
3. **句式变化**:
- 过长复合从句拆为 2-3 个短句
- 过度齐整的全主动句适度调整,让行文节奏更自然可读
4. **替换抽象动词为具体动词**:
- "进行研究" → "检验"、"分析"
- "实施考察" → "测量"、"评估"
【保留】所有客观数据、具体引用、变量名
【粘贴原文】[填入待润色段落]🚀 拆解实战 B：中英文跨语言润色
中→英学术润色（投稿国际期刊）
【Role】你是一位母语英文 + 精通中文学术写作的双语论文编辑。
【任务】将下方中文学术段落翻译为符合 SSCI 顶刊水准的英文。
【风格要求】
1. 采用 academic register, 避免口语化
2. 使用 hedged language(可能/通常/在 X 条件下),
避免绝对化("This proves..." → "This finding suggests...")
3. 主动语态与被动语态平衡(约 60% 主动 + 40% 被动)
4. 长难句不超过 30 词,适度拆短
5. 术语对照(给出我提供的中文术语 → 英文标准译名)
【术语对照】
- AI 学习焦虑 → AI Learning Anxiety (用此英文,后续保持一致)
- 自我效能感 → Self-efficacy (Bandura 通用译法)
- 学习策略 → Learning Strategies
【粘贴原文】[填入中文段落]英→中（参考海外文献时）
请把以下英文学术段落翻译为流畅的中文学术语言。
要求:
1. 专业术语用学界通行译法(必要时括号附原文)
2. 不要逐字直译,适当调整为中文学术习惯
3. 长复合句拆为中文短句
[贴入英文]🧪 Worked Example：把 Case A 方法段中译英并核对术语
光看 Prompt 还不够——下面用一个完整走一遍的例子，演示"中文方法段 → 英文译稿 → 术语逐项核对"的全过程。素材取自 Case A（心理问卷：AI 焦虑 → 学习策略 → 自我效能感的中介研究，N=500，横断面在线问卷）。请重点看两件事：哪些是 AI 该做的（语言转换），哪些是你必须亲自核的（术语、数值、原意）。
第 1 步：原始中文方法段（你已写好的底料）
本研究采用横断面在线问卷，共回收有效样本 500 份。AI 学习焦虑、学习策略与
学业自我效能感均以李克特 5 点自评量表测量。采用偏差校正 Bootstrap（5000 次
抽样）检验学习策略的中介效应。结果显示，AI 学习焦虑对学业自我效能感的间接
效应显著（ab = −.14，95% CI [−.20, −.09]），间接效应约占总效应的 49%。第 2 步：把它喂给上文"中→英学术润色 Prompt"，得到英文译稿
下面是模型在该 Prompt 下的典型输出（已按【术语对照】锁定 AI Learning Anxiety / Self-efficacy / Learning Strategies）：
A cross-sectional online survey was conducted, yielding 500 valid responses.
AI learning anxiety, learning strategies, and academic self-efficacy were each
measured with self-report 5-point Likert scales. The mediating effect of
learning strategies was examined using bias-corrected bootstrapping with 5,000
resamples. The indirect effect of AI learning anxiety on academic self-efficacy
was significant (ab = −.14, 95% CI [−.20, −.09]), accounting for approximately
49% of the total effect.第 3 步：术语 + 数值核对表（这一步 AI 不能替你做）
逐项把中文原文与英文译稿并排核对——术语是否用了通行译法且前后一致、数值与统计量是否逐字搬运未被改动、有没有被"顺手"加进原文没有的限定词或夸大：
| 核对项 | 中文原文 | 英文译稿 | 判定 |
|---|---|---|---|
| 核心术语 1 | AI 学习焦虑 | AI learning anxiety | ✅ 与【术语对照】一致，全文统一 |
| 核心术语 2 | 学业自我效能感 | academic self-efficacy | ✅ Bandura 通行译法；注意首字母不随意大写 |
| 核心术语 3 | 学习策略 | learning strategies | ✅ 一致；勿与 "learning tactics" 混用 |
| 设计描述 | 横断面在线问卷 | cross-sectional online survey | ✅ "横断面"必须保留——它框定了"不可下因果"的边界 |
| 关键统计量 | ab = −.14, 95% CI [−.20, −.09] | ab = −.14, 95% CI [−.20, −.09] | ✅ 数值、符号、区间逐字一致，未被改动 |
| 效应占比 | 约占总效应的 49% | approximately 49% of the total effect | ✅ "约 / approximately"保留，未被抹成确定值 |
| 因果强度 | （原文未出现"促进 / 导致"） | （译稿亦无 "causes / leads to"） | ✅ 未被"顺手"升级为因果话术 |
⚠️ 这一步最容易被 AI"顺手改掉"的三处
- 数值漂移：把
−.14写成−.41、把49%凑成50%、把置信区间端点写错。统计量必须逐字比对，一个符号都不能差。 - 因果越级：横断面研究只能说 "was associated with / predicted"，不能译成 "caused / led to / promoted"。Case A 是横断面，这条尤其要守（呼应第 37 课的横断面局限红线）。
- 凭空加料：为了句子"圆满"，补一个原文没有的限定词（如把"显著"扩写成 "strongly and consistently significant"）或解释。凡译稿里出现原文找不到出处的内容，一律删回。
把住这三处，润色 / 翻译就稳稳待在"绿区"：语言更专业了，事实一个没动。
🔁 同一流程，迁移到 Case B / Case C
这套"原文 → 译稿 → 三项核对（术语 / 数值 / 原意）"的流程换学科只换内容、骨架不变：
- Case B（经管面板）：术语锁 "digital economy index / regional innovation"，核对时尤其守住"教学用模拟数据"这一前提——译文同样不得把模拟结果写成 "confirms that the digital economy promotes innovation"（呼应第 37 课 Case B 红线）。
- Case C（LLM 评估）：术语锁 "summary quality / paired comparison"，核对时必须保留模型版本与基准信息（基准为 Claude 4.7，对比 GPT-5、Gemini 2.5），不能在翻译中把"某版本得分较高"含糊成"X 模型更优"。
🚀 拆解实战 C：风格对齐 Prompt（向目标期刊靠拢）
【Role】熟悉 [期刊名] 写作风格的资深审稿人。
【任务】我即将投稿 [期刊名](粘贴官网 URL)。
请帮我把下方段落改写为该期刊近 2 年发表论文的典型风格。
【步骤】
1. 先简要分析该期刊的语言特征(用词偏好/句长/语气)
2. 基于该特征改写我的段落
3. 列出 3 个关键修改点对比表
【参考文献】我从该期刊近期挑了 2 篇代表性论文段落作为参照:
[粘贴 2 段真实期刊段落]
【待改原文】[粘贴你的段落]🚀 拆解实战 D：润色后必做的人工检查
AI 润色不是终点——必须人工通读避免：
| 风险 | 检查方法 |
|---|---|
| AI 改变了原意 | 逐段对比原文 vs 改写，标红改变语义的地方 |
| 引入了新的事实（AI 编造） | 检查改写后是否多出原文没有的数据 / 引用 |
| 术语前后不一致 | Ctrl+F 全文搜索核心术语，确保前后用词一致 |
| 句式单调、节奏机械 | 适度加入长短句变化，让行文更自然可读 |
润色"写好 vs 写砸"：同一段的逐项对照
同一段中文方法描述，润色可以做成"看起来改了、实则跑偏"，也可以做成"语言升级、事实不动"。下表把最常见的失分点逐项并排——左列是常见的"过度润色"写法，右列是把同一处"拧紧"后的写法。素材取自 Case A。
| 维度 | 写砸 ❌ | 写好 ✅ | 为什么 |
|---|---|---|---|
| 改原意 | 把"学习策略起部分中介"润成"起关键中介作用" | 保留"部分中介"，照原文写 | 润色不得改变结论强度——"部分"是数据结论，不能因语感升级 |
| 因果越级 | 横断面数据译成 "AI anxiety causes lower self-efficacy" | "AI anxiety was negatively associated with / predicted self-efficacy" | 横断面只能说关联 / 预测，不能说因果（呼应第 37 课横断面局限） |
| 凭空加料 | 为句子"圆满"补一句"这与大量研究一致" | 不补原文没有的论断与引用 | 润色不得新增原文没有的事实或文献（这正是 AI 幻觉高发处） |
| 数值漂移 | β=−.34 顺手写成 −.43、49% 凑成"约一半" | β=−.34、49% 逐字搬运 | 统计量必须逐字一致，一个符号都不能差 |
| 客观性 | "我们惊讶地发现这一结果非常重要" | "本研究发现该间接效应显著（ab=−.14）" | 删主观感受，以数据说话 |
| 精确性 | "样本量比较大，结果比较稳健" | "有效样本 N=500；Bootstrap 5000 次抽样" | 用具体数字替换"比较大 / 比较稳健"等模糊词 |
| 规范性（术语） | 一处 "self-efficacy"、一处 "self efficacy"、一处 "self-belief" | 全文统一 "self-efficacy" | 同一概念全文一个词，这是规范性的硬指标 |
| 套话 | "本研究具有广泛而深远的重要意义" | 删除，或换成具体贡献陈述 | 空话无信息量；删它是为提升原创性，不是为规避检测 |
| 节奏 | 全是 40 词以上的长复合句 | 长难句拆成 2–3 个短句 | 过长从句拖累可读性；适度拆短更专业 |
💡 一句话判据
检验一段润色得好不好，问五件事：原意有没有被改？数值 / 术语有没有逐字搬运？有没有凭空加料？该给数字的地方给数字了吗？同一术语全文统一了吗？ 五项都过关，这段润色才算"语言升级而事实不动"。
注意右列每一条都没有触及"如何规避检测"——因为那从来不是润色要解决的问题。润色解决的是"把话说专业"，查重 / AIGC 的正解在第 41 课与其加强篇。
常见误区与纠正
学员做润色 / 翻译时，问题高度集中在几处。下表对号入座即可：
| 常见误区 | 症状 | 纠正方法 |
|---|---|---|
| 润色顺手改了原意 | "部分中介"被润成"完全中介"、显著性强度被抬高 | 润色只动语言不动意思；改完逐段对照原文，凡语义出入以原文为准 |
| 翻译把关联写成因果 | 横断面研究译出 "causes / leads to / promotes" | 关联类研究统一用 "was associated with / predicted"；因果话术须有设计支撑 |
| AI 凭空补了数据 / 文献 | 译稿里多出原文没有的数字、年份、引用 | 凡找不到原文出处的内容一律删；引用须可查（呼应第 40 课参考文献规范） |
| 术语前后不一致 | 同一概念中英两版各换了几种说法 | 先定一份术语对照清单，Ctrl+F 全文逐个核对，锁定唯一译名 |
| 把"清套话"误当"规避检测" | 以为删几个词、换几句话就能"骗过"查重 / AIGC | 清套话是提升质量；降查重 / AIGC 的正解是理解后重写 + 据实披露（第 41 课加强篇） |
| 被动语态用力过猛 | 把每句都改成被动，读起来僵硬 | 客观性 = 以证据说话，不是机械被动；主动 / 被动按表达需要平衡 |
| 直接拿 AI 译稿当终稿 | 不通读、不核对就提交 | AI 润色不是终点，必须人工逐段核原意、术语、数值（见拆解实战 D） |
AI 润色 / 译稿不满意？如何正当处理
让 AI 起草润色或译稿很省力，但首版常有跑偏——这很正常，关键是带着明确标准去把关，而不是直接采信。按下面顺序做小步纠偏；尤其注意最后两条，它们是这一课的合规底线。
- 先判断偏哪个方向。润色 / 翻译典型有两种跑偏：① 偏"过"——为了漂亮而改原意、加料、升级因果（如把"部分中介"写成"完全中介"）；② 偏"软"——译得太直、太生硬，术语没对齐、读起来仍是"中式英文"。先认准是哪一类，再对症。
- 改原意 / 加料 → 立即打回。追加一句："你这版把 [某处] 的意思 / 数值改了（原文是……），请严格按原文，只改语言不改意思，不要新增原文没有的内容。" 这是必须守住的红线项。
- 术语不一致 → 给它锁清单。把你的【术语对照】清单贴回去，要求"全文统一用这些译名，列出你改动的每一处"。
- 句子生硬 → 给参照、要风格。用拆解实战 C 的"期刊风格对齐 Prompt"，贴 2 段目标期刊真实段落让它对齐语感，而不是泛泛要求"更地道"。
- 若初稿"AI 味"重、或担心被检出——走正解，不走歪路。
- 正解：清掉空话套话（提升表达质量）→ 把内容真正理解后用自己的逻辑重新组织（提升原创性）→ 按目标期刊 / 院校要求如实披露 AI 的使用方式与范围。
- 绝不做：把"降 AI 味"理解成"改几个词、洗到测不出"。规避查重 / AIGC 检测既不提升真正的原创性，也违背据实披露的底线——这条在第 41 课与 第 41 课加强篇 有完整的合规做法，本课只做正向衔接，不提供任何规避手段。
- 最后一道人工关：你来负责。AI 改完，仍要你逐段确认原意未变、数值术语逐字一致、没有凭空加料。这一节的最终责任在你本人——AI 是语言助手，署名和担责的是你，且用了 AI 协作需据实披露。
一句话
润色 / 翻译不满意，先分清 AI 是"偏过"（改原意 / 加料）还是"偏软"（生硬 / 术语乱）。无论哪种，把关红线不变：只改语言不改意思、数值术语逐字搬运、AI 味用"理解后重写 + 据实披露"来解，绝不用规避检测来解。
边界与局限：润色 / 翻译这一步，AI 能做什么、不能做什么
这一步是"语言层转换"，AI 的角色要划清。把下面几条记牢，比多记几个 Prompt 更重要。
| 边界 / 失效场景 | 为什么会这样 | 你应该怎么做 |
|---|---|---|
| AI 能换语言，不能保证不改原意 | 模型续写时倾向于把句子写"顺、圆满"，可能顺手升级因果、加限定词、补论断 | 改完逐段对照原文；凡语义有出入、或出现原文没有的内容，一律以原文为准、删回 |
| AI 会"自信地"用错术语 | 同一概念它可能换几种近义译法，甚至给一个貌似专业实则非通行的译名 | 先定术语对照清单喂给它；译稿用全文检索逐个核对，锁定唯一译名 |
| AI 可能凭空补数据 / 文献 | 这是幻觉（hallucination）在翻译场景的表现——格式漂亮不等于真实 | 凡译稿出现原文找不到出处的数字 / 引用，全部删除；引用须可查（第 40 课） |
| 清套话 ≠ 能规避检测 | 查重比对文字重合、AIGC 检测看统计特征，改几个词改变不了本质，且越界 | 清套话只为提质量；查重 / AIGC 走"理解后重写 + 据实披露"的正解（第 41 课加强篇） |
| 润色不能替你"洗稿" | 把他人文字改头换面充作原创，无论 AI 改得多顺，都是学术不端 | 引用的就规范引用、转述的就标明出处；原创性来自你的论证，不来自改词 |
| AI 协作要据实披露 | 用 AI 润色 / 翻译属正常协作，但隐瞒使用、或拿"是 AI 改的"为不实内容开脱，不合规 | 按所投期刊 / 院校要求如实披露 AI 使用；内容真实性由作者负责 |
⚠️ 本课红线：润色是"换语言外壳"，不是"洗痕迹"，更不是"洗稿"
- 润色 / 翻译的红线只有一条但必须钉死：可以动语言，不可以动意思。 数值、变量名、引用、因果强度、结论方向一律照搬原文；凡 AI"顺手"改了事实或补了原文没有的内容，必须改回——掩盖不了的硬伤不要靠润色去糊。
- 清空话套话是提升写作质量，绝不是规避查重 / AIGC 检测的手段。 把 AI 生成痕迹"洗到测不出"既无效也越界；真正涉及查重 / 检测时，立场只能是"理解后重写 + 提升论证质量 + 据实披露"，并明确反对规避检测（完整做法见第 41 课加强篇）。
- AI 是语言助手，不是责任主体，且用了就要据实披露。 内容是否真实、引用是否可查、有无洗稿，最终对这一切负责的始终是你本人；用 AI 润色 / 翻译需按要求如实披露，不能用"是 AI 改的"为任何不实陈述开脱。
📦 本课交付物
按本节实操任务完成并提交以下内容，提交 AI 初审，按 Module_Rubrics.md 对应维度评分：
- [ ] 润色对照表：选 3 段，提交"AI 润色前 vs 润色后 vs 人工二改后"三栏对比
- [ ] 套话删除日志：列出本文删除的所有空话套话（按"21 词"速查清单），并注明"删除目的是提升表达质量，非规避检测"
- [ ] 中译英 Worked Example：仿照本课范例，把自己一段方法 / 结果中文译为英文，附"术语 / 数值 / 原意"三项核对表
- [ ] 术语一致性检查：核心 3–5 个术语的全文出现次数 + 中英两版一致性证明
- [ ] 目标期刊风格分析：用 1 段话总结目标期刊的语言特征（用词 / 句长 / 语气）
- [ ] AI 使用披露草稿：若本节用 AI 做了润色 / 翻译，按第 41 课模板写一句如实披露（如"用 AI 在已读内容范围内润色语言、辅助中译英，未改动数据与结论"）
🏁 本章小结
把本课凝练成可据以复习的几条要点：
- 润色 / 翻译属"绿区"，因为底料已是你的：AI 在这一步只做语言层转换（口语→书面、中→英、长句拆短、术语对齐），不参与"研究发现了什么"。可供它出错的空间被你的原文框死，所以风险低。
- 绿区的唯一红线：可以动语言，不可以动意思：数值、变量名、引用、因果强度、结论方向一律照搬原文；凡 AI 顺手改了事实或补了原文没有的内容，必须改回。
- 学术语言三大要求：客观性（以证据说话、不夹带主观断言）、精确性（该给数字给数字、少用模糊词）、规范性（同一概念全文 / 中英两版统一用词）——这正是审稿人在润色层看的三件事。
- 中译英走"原文 → 译稿 → 三项核对"：术语用通行译法且前后一致、数值与统计量逐字搬运、原意（尤其因果强度）不被升级——这套流程对 Case A/B/C 同样适用，骨架不变。
- 清套话 ≠ 规避检测：删空话是为提升论证质量与原创性；查重比对文字重合、AIGC 检测看统计特征，靠改词"骗过检测"既无效也越界。真正的正解是"理解后重写 + 据实披露"（第 41 课加强篇）。
- AI 是语言助手、你担责且要披露：内容真实性、引用可查、有无洗稿，最终责任在你本人；用 AI 润色 / 翻译需按期刊 / 院校要求如实披露。
自测清单（可保留逐项打勾）
- [ ] 我能说清润色 / 翻译为什么属"绿区"，以及它唯一不可越的红线（不改原意）。
- [ ] 我能识别并删除常见空话套话，并清楚这是提升表达质量、而非规避检测。
- [ ] 我能用 AI 做中→英学术润色，并通过"术语 / 数值 / 原意"三项核对表把关。
- [ ] 我会守住横断面等设计的因果边界，不让译稿把"关联 / 预测"升级成"因果 / 促进"。
- [ ] 我清楚 AI 润色不是终点——必须人工逐段核原意、术语、数值，并对结果负责。
- [ ] 我知道初稿"AI 味"重时走正解（理解后重写 + 据实披露），绝不走规避检测的歪路。
- [ ] 我会按第 41 课要求，对本节的 AI 使用做如实披露。
✍️ 思考与练习
下列练习用于把本节概念用起来（区别于"本课交付物"里的任务），建议写在你的本地笔记中。涉及具体文献时一律用占位（如 [作者, 年]）或标注"示意"，不得编造看似真实的文献。
练习 1（识别"过度润色"改了原意，紧扣 Case A）。 AI 把 Case A 的一句结论从"学习策略起部分中介作用（间接效应约占 49%）"润色成了 "Learning strategies fully mediated the effect, which strongly proves the causal pathway."。请指出这句英文译稿的两处红线问题，并改写。
好答案要点：① 改了结论强度——把"部分中介（partial）"误升为 "fully mediated"，与数据（间接占比约 49%、直接效应仍显著）矛盾，属"改原意"；应改回 "partially mediated"。② 因果越级——Case A 是横断面，不能说 "proves the causal pathway"；应改为 "was associated with / consistent with"。改写示例："Learning strategies partially mediated the association between AI learning anxiety and academic self-efficacy (indirect effect ≈ 49% of the total effect)." 评分关键：能同时点出"强度被改"和"因果被越级"，并知道横断面只能说关联。
练习 2（术语 / 数值核对，紧扣 Case A）。 给定中文原句"AI 学习焦虑对学业自我效能感的间接效应显著（ab = −.14，95% CI [−.20, −.09]）"，以及一份 AI 译稿"AI anxiety had a significant indirect effect on self-belief (ab = −.41, CI [−.09, −.20])"。请列出译稿中至少三处必须改的地方。
好答案要点：① 术语不一致 / 不通行——"self-belief" 应统一为通行译名 "academic self-efficacy"；"AI anxiety" 宜与全文锁定的 "AI learning anxiety" 一致。② 数值漂移——
ab = −.41与原文−.14不符，必须改回。③ 置信区间端点顺序写反（应为 [−.20, −.09]）、且漏标 "95%"。评分关键：能逐字比对发现数值 / 区间被改动，并强调统计量不可有任何出入。
练习 3（清套话 vs 规避检测，守合规红线）。 有同学说："我把结论里的'广泛关注''深远影响'都删了，又把几句话换了说法，这样查重率和 AIGC 占比就能降下来，不用披露用了 AI 了吧？"请逐点指出这段话里的认识错误。
好答案要点：① 把"清套话"误当"规避检测"——删空话是提升表达质量与原创性，与降查重 / AIGC 不是一回事；查重看文字重合、AIGC 检测看统计特征，改几个词改变不了本质。② "换说法降重"是把降重误解成规避检测——正解是把内容真正理解后用自己的逻辑重写、规范引用，原创性来自论证不来自改词（呼应第 41 课加强篇）。③ "就不用披露了"错误——是否用 AI 与查重率高低无关；用了 AI 协作就应按期刊 / 院校要求据实披露，隐瞒被查出后果严重。一句话：清套话归质量、降重归正当重写、披露归合规，三件事不能混为一谈，更不能用前者掩盖后两者。
练习 4（迁移核对流程，紧扣 Case C）。 你把 Case C 的一句结果中文"在本数据上，Claude 4.7 的摘要质量评分高于另两个模型"交给 AI 译成英文。AI 给出 "Claude is the best summarization model."。请说明这句译稿为什么不合格，并给出合规译法。
好答案要点：译稿丢了版本与范围信息、并过度外推——原文限定"本数据上""Claude 4.7"，译稿却抹成泛指的 "Claude is the best"，既漏掉基准版本（Claude 4.7，对比 GPT-5 / Gemini 2.5），又把"某版本在本数据得分较高"夸成"整体最优"（呼应第 37 课 Case C 红线）。合规译法："In this dataset, Claude 4.7 received higher summary-quality ratings than the other two models (GPT-5 and Gemini 2.5)." 评分关键：保留版本、限定范围、不外推。