多國聯申作品集說明：文字與作品的一致性才是原創性關鍵

藝術與設計類申請者同時投遞多個國家時，作品集說明（portfolio statement）往往比個人陳述更難處理。你花幾個月完成的作品，卻在最後一步被 AI 原創性檢查標記為「模板化」，問題通常不在於文字本身，而在於文字與作品之間缺乏可追溯的關聯。

作品集說明的審查邏輯與簽證陳述不同。簽證官關心的是「你是不是真的要去讀書」，而作品集評審關心的是「這些作品是不是你獨立完成的」。AI 檢測工具在這個情境下，標記的不是「有沒有用 AI」，而是「文字描述與視覺成果之間是否存在系統性割裂」。

評審如何判斷作品集說明的原創性

評審通常會交叉比對三層資訊：作品本身、文字說明、以及面試時的現場問答。如果你的作品集說明寫得完美無瑕，但面試時無法即時解釋創作過程中的取捨，這比任何 AI 檢測工具都更能暴露問題。

具體來說，評審會注意以下幾個訊號：

媒介特性的描述是否具體。 如果你用油畫創作，說明中應該提到顏料的乾燥時間、疊加的次數、或某一層失敗後如何覆蓋。這些細節是 AI 無法憑空生成的，因為它們來自實際操作的感官記憶。

技術痕跡與概念演進是否一致。 如果你的作品是數位創作，說明中應該提到使用的軟體、檔案格式、或某一幀如何因為硬體限制而改變做法。如果文字只談「數位時代的疏離感」這種抽象概念，卻完全沒有提到任何技術環節，評審會懷疑你只是把別人的作品拿來配上文字。

概念演進的脈絡是否合理。 好的作品集說明會呈現「從 A 到 B 的轉變」——你原本想做什麼、遇到什麼限制、最後如何調整。如果說明文字只描述最終成果，沒有任何轉折或失敗的痕跡，看起來就像是在描述別人的作品。

申請英國的 RCA、荷蘭的 Design Academy、美國的 RISD，評審文化差異很大。英國重視概念敘事，荷蘭重視實驗過程，美國重視個人聲音。如果你把同一份說明文字翻譯成不同語言提交，三個國家的評審都會看到同一套論述邏輯，這本身就是一種「模板感」。

比較好的做法是：先列出每個作品的「事實層」——媒介、尺寸、創作時間、使用的工具、修改次數——這些是跨國通用的。然後針對不同國家調整「解釋層」：英國版本強調作品回應了什麼設計理論，荷蘭版本強調過程中的失敗與迭代，美國版本強調你的個人觀點如何形成。事實相同，但論述框架不同。

AI 可以幫你檢查文法、重新組織段落、或把口語化的筆記轉換成正式文字。但如果你讓 AI 直接生成整段作品說明，它會寫出「本作品探討了身份與記憶之間的辯證關係」這種句子——不是錯，而是沒有資訊量。

有效的做法是：先用語音備忘錄錄下你創作時的思考過程，包括「為什麼選這個顏色」「這個形狀原本不是這樣的」「我後來發現某個材質的效果更好」，再把這些口語筆記交給 AI 整理成正式文字。整理後的文字保留了你的決策痕跡，AI 只是幫你調整語序和文法。

另一個技巧是：在說明中加入「反事實描述」。例如「我原本嘗試用雷射切割，但因為材料太薄而失敗，最後改用手工切割」。這種帶有失敗經驗的句子，是 AI 最不容易生成的內容，因為它需要真實的操作記憶。

有些申請者聽說 AI 檢測工具會標記過度流暢的文字，於是刻意在作品集說明中加入「我記得那天下午…」這種敘事開頭，或編造一個不存在的創作瓶頸。這是非常危險的做法——如果評審在面試時追問細節，你無法回答，後果比 AI 檢測標記嚴重得多。

原創性檢查的目的是確認「這是你做的」，而不是「這是你寫的」。只要文字能準確反映你創作時的實際決策，即使句子結構略顯樸素，也比華麗但空洞的描述更有說服力。

作品集說明的原創性，最終來自於「作品本身」與「文字描述」之間的可追溯連結。AI 可以幫你讓文字更流暢，但無法幫你建立這個連結——那需要你對自己創作過程的真實記憶。