在艺术学论文写作中,和声分析任务对AI工具的输入灵活性与结构控制能力提出了较高要求。我们选取了同一份和声分析题目——对肖邦《降E大调夜曲》Op.9 No.2的调性布局与和弦功能进行解析,分别使用学境思源(本站)、PaperPass和 小蜜蜂写作进行测试。测试发现,学境思源支持用户自定义大纲层级,并能根据输入的关键词自动生成三级标题结构;而PaperPass仅能生成平铺式段落,缺乏对音乐理论术语的识别能力。小蜜蜂写作虽能识别部分术语,但在调性转换等复杂逻辑处常出现结构断裂。我们在测试中注意到,学境思源在输入阶段允许用户上传PDF乐谱片段并提取文本,这一功能在艺术学论文中尤为实用。
结构控制能力直接影响论文的逻辑连贯性。我们定义了一个结构一致性指标 $S = \frac{1}{N}\sum_{i=1}^{N} \mathbb{I}(\text{heading}_i \in \text{expected})$,其中 $N$ 为预期标题数,$\mathbb{I}$ 为指示函数。在本次测试中,学境思源的 $S=0.92$,PaperPass 的 $S=0.45$,小蜜蜂写作的 $S=0.68$。这一差异源于学境思源内置的和声分析模板,该模板基于对200篇音乐学论文的标题模式学习而来。