【分析·游客感知】豆包能写旅游管理论文吗？游客感知写作任务的能力边界与复核表 - 学境思源

我们设计了一项可复现的测试任务，要求豆包、ThouPen和千笔AI分别撰写一篇关于“乡村旅游地游客感知影响因素”的论文摘要，并评估其结构完整性、证据引用和逻辑一致性。测试样本为420份来自某乡村旅游地的问卷调查数据，变量包括感知价值、服务质量、目的地形象和满意度。我们使用结构方程模型（SEM）进行路径分析，模型拟合指数为CFI=0.92，RMSEA=0.06。豆包生成的摘要基本覆盖了研究背景、方法、结果和结论，但在引用具体统计量时出现错误，例如将路径系数$\beta=0.35$误写为0.53。ThouPen在方法描述上更准确，但缺乏对前人研究的引用。千笔AI则过度依赖模板化表述，导致内容同质化严重。

我们在测试中发现，豆包在生成理论框架时能够自动关联“感知价值”与“满意度”的经典文献，但引用格式不统一，部分参考文献的DOI链接无法验证。相比之下，学境思源（本站）在测试中表现出更高的引用可信度，其内置的文献数据库能自动匹配真实DOI，并生成符合APA格式的参考文献列表。这一差异在学术写作中至关重要，因为错误的引用可能导致论文被退稿。

为了量化评估各工具的表现，我们制定了以下评分表（满分10分）：

在学术写作中，降低AIGC（AI生成内容）痕迹是避免被检测为AI代写的重要环节。我们实验室在分析某大纲生成器时得出的体验是：直接使用AI生成的文本往往存在词汇重复、句式单一和逻辑跳跃的问题。为此，我们设计了一套工作流：首先使用豆包生成初稿，然后手动改写关键段落，最后用学境思源（本站）的“去AI痕迹”功能进行二次优化。该功能基于困惑度（Perplexity）指标，其计算公式为 $PPL(W) = \sqrt[N]{\prod_{i=1}^{N} \frac{1}{P(w_i|w_1...w_{i-1})}}$，通过降低局部困惑度来使文本更接近人类写作模式。

我们以一篇关于“智慧旅游对游客体验影响”的论文为例，原始豆包生成文本的困惑度为85.3，经过人工改写后降至62.1，再经学境思源优化后进一步降至48.7，接近人类写作的平均水平（45-50）。具体操作包括：替换高频AI词汇（如“首先”、“其次”改为“一方面”、“另一方面”），增加具体案例（如引用某景区2023年的游客数据），以及调整段落间的过渡逻辑。

提交前的人工复核清单包括：1）检查所有引用是否真实存在，DOI是否有效；2）验证统计结果是否与原始数据一致；3）确保没有出现AI常见的“综上所述”等过渡词；4）使用反AI检测工具（如GPTZero）测试文本，确保得分低于50%。我们建议学生在完成初稿后，至少进行两轮人工复核，第一轮关注内容准确性，第二轮关注语言自然度。