باختصار
كاشفات نصوص الذكاء الاصطناعي ليست موثوقة بما يكفي لإثبات المخالفة الأكاديمية وحدها. فقد سحبت OpenAI مصنِّفها بسبب ضعف دقته [1]، ووجدت دراسة أُجريت في 2023 أنه لا توجد أداة تتجاوز دقتها 80% وفق تقييم صارم [4]، ووسمت الكاشفات مقالات غير الناطقين بالإنجليزية بنسبة أعلى بكثير [3]. وتقول Turnitin نفسها إن نتيجتها يجب ألا تكون الأساس الوحيد لأي إجراء [5].
أهم النقاط
- لم يكتشف مصنِّف OpenAI نفسه سوى 26% من النصوص المكتوبة بالذكاء الاصطناعي، ووسم خطأً 9% من النصوص البشرية؛ وقد سُحب في 20 يوليو 2023 [1].
- في اختبار أُجري عام 2023 على 14 أداة، ظلت أعلى قيم الدقة دون 80% وفق التقييم الصارم (الثنائي) للدراسة، وتراجعت الدقة بشدة مع نصوص الذكاء الاصطناعي المعدَّلة أو المعاد صياغتها [4].
- صنّفت سبعة كاشفات في المتوسط 61.22% من مقالات غير الناطقين بالإنجليزية (TOEFL) على أنها مولَّدة بالذكاء الاصطناعي خطأً، بينما حكمت على مقالات طلاب الصف الثامن الأمريكيين بدقة شبه تامة [3].
- تحقق الكاشفات التجارية الأحدث نتائج أفضل بكثير في بعض دراسات 2025، كورقة عمل التزمت فيها إحدى الأدوات بسقف للإيجابيات الكاذبة قدره 0.5% [10]، لكن معيارًا مرجعيًا صدر عام 2024 وجد أن كثيرًا من الكاشفات تنخدع بسهولة بالهجمات وبالنماذج غير المعروفة لها [8].
- معدل الإيجابيات الكاذبة الصغير يتحول إلى عدد كبير من الطلاب عند التطبيق الواسع: فنسبة 1% من 75,000 بحث تعادل نحو 750 بحثًا [7].
- تقول Turnitin إن نسبة الذكاء الاصطناعي لديها لا ينبغي أن تكون الأساس الوحيد لأي إجراء، وإنها لا تعالج المستندات التي تقل عن 300 كلمة [5].
في هذه الصفحة ١٢ أقسام
- ما مدى دقة كاشفات الذكاء الاصطناعي؟
- كيف تعمل كاشفات الذكاء الاصطناعي؟
- ماذا تقول الأبحاث عن الإيجابيات الكاذبة والتحيز؟
- هل يمكن خداع كاشفات الذكاء الاصطناعي بالتعديل أو بأدوات الأنسنة؟
- هل يستطيع المعلمون اكتشاف كتابة الذكاء الاصطناعي أفضل من البرمجيات؟
- كيف ينبغي للمعلمين استخدام نتائج كاشفات الذكاء الاصطناعي بإنصاف؟
- ماذا يستطيع الطالب أن يفعل إذا وسم كاشف عمله خطأً؟
- هل سيصبح كشف الذكاء الاصطناعي أكثر موثوقية؟
- أخطاء شائعة
- الأسئلة الشائعة
- مسرد المصطلحات
- المصادر
ما مدى دقة كاشفات الذكاء الاصطناعي؟
الإجابة المختصرة أن كاشفات نصوص الذكاء الاصطناعي قد تصيب في كثير من الأحيان في ظروف الاختبار، لكنها ترتكب أخطاء تكون مؤثرة حين تكون درجة الطالب أو سجله على المحك. وتعتمد الدقة اعتمادًا كبيرًا على الأداة وطول النص واللغة، وعلى ما إذا كان نص الذكاء الاصطناعي قد عُدِّل، وعلى العتبة التي تستخدمها الأداة.
جاء أوضح تحذير مبكر من OpenAI، الشركة المطوّرة لـChatGPT. فمصنِّفها الصادر في يناير 2023 حدّد بشكل صحيح 26% من النصوص المكتوبة بالذكاء الاصطناعي بأنها 'مكتوبة على الأرجح بالذكاء الاصطناعي'، ووسم خطأً النصوص البشرية بأنها من كتابة الذكاء الاصطناعي في 9% من الحالات على مجموعة الاختبار الإنجليزية [1]. وأوقفت OpenAI إتاحته اعتبارًا من 20 يوليو 2023 'بسبب انخفاض معدل دقته' [1]. وفي صفحة المساعدة الحالية المخصصة للمعلمين، تجيب OpenAI عن سؤال 'هل تعمل كاشفات الذكاء الاصطناعي؟' بقولها 'باختصار، ليس وفق تجربتنا' [2].
وتوصلت أبحاث مستقلة إلى نتائج مماثلة بشأن كثير من الأدوات. فقد خلصت دراسة أُجريت عام 2023 على 12 أداة متاحة للعموم ونظامين تجاريين، هما Turnitin وPlagiarismCheck، إلى أن الأدوات 'ليست دقيقة ولا موثوقة'، وأنها تميل إلى تصنيف النصوص على أنها بشرية بدلًا من اكتشاف نصوص الذكاء الاصطناعي [4]. أما الأعمال اللاحقة فنتائجها أكثر تباينًا: إذ وجدت ورقة عمل صدرت في سبتمبر 2025 أن الكاشفات التجارية تفوقت على كاشف مفتوح المصدر، وأن منتجًا واحدًا، هو Pangram، سجّل معدلات خطأ قريبة من الصفر في اختباراتها [10]. ونتائج دراسة واحدة على مجموعة بيانات واحدة لا تنتقل تلقائيًا إلى كل فصل دراسي.
كيف تعمل كاشفات الذكاء الاصطناعي؟
معظم الكاشفات مصنِّفات: برمجيات مدرَّبة على فرز النصوص إلى 'بشرية' أو 'ذكاء اصطناعي' وإعطاء درجة. وتشرح Turnitin الفكرة من منظور احتمالية الكلمات. فالنماذج اللغوية الكبيرة (LLMs)، وهي الأنظمة التي تقوم عليها روبوتات المحادثة مثل ChatGPT، تميل إلى اختيار الكلمة التالية 'بطريقة متسقة وعالية الاحتمال'، بينما تميل الكتابة البشرية إلى أن تكون 'غير متسقة وذات طابع شخصي' [5]. ومصنِّفاتها مدرَّبة على اكتشاف هذه الفروق [5].
ومن المقاييس ذات الصلة الحيرة (perplexity)، التي تصف تقريبًا مدى ما يحمله النص من مفاجأة بالنسبة إلى نموذج لغوي. فالنص منخفض الحيرة نص متوقَّع. وقد أظهر ليانغ (Liang) وزملاؤه أن هذه الإشارة قد تكون مضللة: فمقالات الكتّاب غير الناطقين بالإنجليزية كانت حيرتها أقل بكثير، وهو ما يساعد في تفسير وسم الكاشفات لها [3]. أما Turnitin فتقول إن نموذجها غير مبرمج صراحةً لتقييم الحيرة، بل يتعلم أنماطًا إحصائية من بيانات تدريبه [5].
ماذا تعني درجة الكاشف؟
تمنح Turnitin كل جملة درجة بين 0 و1، وتصنّف الجمل التي تتجاوز عتبة معينة على أنها من الذكاء الاصطناعي، وتعرض نسبة الجمل المقيَّمة التي تتجاوز تلك العتبة بوصفها درجة المستند [5]. وهي تتخطى القوائم والعناوين والمراجع والجداول والصيغ والشيفرات، لذا فإن النسبة ليست بالضرورة حصة من العمل المقدَّم بأكمله [5]. والدرجة تقدير قائم على الاحتمالات، وليست سجلًا لطريقة كتابة النص.
هل العلامة المائية أمر مختلف؟
نعم. العلامة المائية نمط إحصائي خفي يُضاف أثناء توليد النص. ونظام SynthID-Text من Google DeepMind لا يغيّر إلا خطوة أخذ العينات، ويمكن اكتشافه دون تشغيل النموذج الأصلي؛ وقد شملت تجربة حية نحو 20 مليون إجابة من Gemini [12]. ويقول مؤلفوه إن العلامات المائية ليست حلًا كاملًا: فهي لا تعمل إلا إذا طبّقتها الشركة المولِّدة للنص، ويصعب تغطية النماذج مفتوحة المصدر، ويمكن إضعاف العلامات المائية بإعادة الصياغة أو مهاجمتها بالسرقة والتزييف والمحو [12].
ماذا تقول الأبحاث عن الإيجابيات الكاذبة والتحيز؟
الإيجابية الكاذبة كتابة بشرية توسم خطأً بأنها من الذكاء الاصطناعي. وهي في التعليم الخطأ الأخطر، لأنها قد تؤدي إلى اتهام طالب نزيه. أما السلبية الكاذبة فنص مولَّد بالذكاء الاصطناعي يمر على أنه بشري.
الكتّاب غير الناطقين بالإنجليزية
في دراسة أجراها ليانغ وزملاؤه، اختُبرت سبعة كاشفات واسعة الاستخدام على 91 مقالًا بشريًا من اختبار TOEFL مأخوذة من منتدى تعليمي صيني، و88 مقالًا لطلاب أمريكيين في الصف الثامن [3]. وكانت الكاشفات شبه مثالية في المقالات الأمريكية، لكنها أخطأت في تصنيف أكثر من نصف مقالات TOEFL، بمعدل إيجابيات كاذبة بلغ في المتوسط 61.22% [3]. ووسمت الكاشفات السبعة جميعها 18 من مقالات TOEFL الـ91 (19.78%)، ووسم كاشف واحد على الأقل 89 من الـ91 (97.80%) [3]. وحين استُخدم ChatGPT لإثراء مفردات تلك المقالات، انخفض متوسط معدل الإيجابيات الكاذبة إلى 11.77% [3]. أما الطلب من ChatGPT تبسيط المقالات الأمريكية 'كأنها مكتوبة بيد شخص غير ناطق بالإنجليزية' فرفعه من 5.19% إلى 56.65% [3].
وتعترض Turnitin، التي لم تكن ضمن تلك الدراسة، على انطباق النتيجة على منتجها. فهي تشير إلى أن مقالات TOEFL كانت كلها دون 150 كلمة، وأنها لا تقيّم المستندات بهذا القِصَر [6]. وفي اختبارها الخاص عام 2023 على مستندات لا تقل عن 300 كلمة، كان الفرق في معدل الإيجابيات الكاذبة بين كتّاب الإنجليزية لغةً ثانية وكتّابها لغةً أولى صغيرًا وغير ذي دلالة إحصائية [6]. وقد أجرت الشركة المورِّدة هذا التقييم بنفسها.
لماذا تتراكم معدلات الخطأ الصغيرة؟
أجرت جامعة فاندربيلت (Vanderbilt University) هذا الحساب حين أوقفت كاشف الذكاء الاصطناعي في Turnitin في أغسطس 2023. فقد ادّعت Turnitin عند الإطلاق معدل إيجابيات كاذبة قدره 1%؛ وكانت فاندربيلت قد قدّمت نحو 75,000 بحث في 2022، فكان من الممكن أن يوسم نحو 750 منها خطأً [7]. وينطبق المنطق نفسه على أي كاشف: فالمعدل الذي يبدو صغيرًا قد يمس كثيرًا من الناس حين تُفحص ملايين المستندات.
هل يمكن خداع كاشفات الذكاء الاصطناعي بالتعديل أو بأدوات الأنسنة؟
كثيرًا ما يحدث ذلك، وإن كانت الأدوات الأحدث تدّعي مقاومته. ففي اختبار عام 2023 على 14 أداة، بلغ متوسط الدقة (بالتقييم الثنائي) 94% في النصوص البشرية، لكنه لم يتجاوز 30% في نصوص الذكاء الاصطناعي المعدَّلة يدويًا، و15% في نصوص الذكاء الاصطناعي المعالَجة بأداة آلية لإعادة الصياغة [4]. وقد أضعف تمويه المحتوى، أي إجراء تغييرات متعمدة لإخفاء أصله الاصطناعي، أداء الأدوات بشكل ملحوظ [4].
ووجد المعيار المرجعي RAID، الذي يضم أكثر من 6 ملايين نص مولَّد من 11 نموذجًا عبر 8 مجالات و11 هجومًا عدائيًا و4 استراتيجيات توليد، أن الكاشفات الـ12 التي قيّمها 'تنخدع بسهولة' بالهجمات وبتغيير إعدادات أخذ العينات وعقوبات التكرار وبالنماذج غير المعروفة لها [8]. ويشير مؤلفوه إلى أن كثيرًا من الكاشفات تدّعي دقة تبلغ 99% أو أكثر، لكنها نادرًا ما تُختبر على بيانات مشتركة وصعبة [8]. وأظهر ساداسيفان (Sadasivan) وزملاؤه أن إعادة صياغة نصوص الذكاء الاصطناعي مرارًا بنموذج آخر قد تخفض معدلات الاكتشاف بشكل كبير مع تراجع طفيف في الجودة في حالات كثيرة [9]. ويبيّنون أيضًا أنه كلما اقترب نص الذكاء الاصطناعي من النص البشري، تراجع أداء أفضل كاشف ممكن [9].
وقد استجاب الموردون. إذ تقول Turnitin إنها قادرة على تحديد نصوص الذكاء الاصطناعي المعدَّلة بأدوات إعادة الصياغة أو أدوات 'التجاوز'، المسماة أيضًا أدوات الأنسنة، لكن في الأعمال المقدَّمة بالإنجليزية فقط [5]. وتفيد ورقة العمل الصادرة عن NBER عام 2025 بأن معدلات الخطأ المنخفضة لـPangram صمدت أمام أدوات الأنسنة والمقاطع القصيرة جدًا في اختباراتها [10]. وهذه نتائج مشجعة، لكنها تصف الأداء في لحظة زمنية واحدة أمام الأدوات المتاحة آنذاك. ويشدد المؤلفون أيضًا على أن صانعي القرار يزنون نوعي الخطأ بشكل مختلف، ويقترحون تحديد هامش تسامح صريح لهما، أو 'سقف سياسة' [10].
هل يستطيع المعلمون اكتشاف كتابة الذكاء الاصطناعي أفضل من البرمجيات؟
بعضهم يستطيع. ففي دراسة أُجريت عام 2025، قرأ مقيّمون 300 مقال إنجليزي غير قصصي وصنّفوا كلًا منها بأنه بشري أو مكتوب بالذكاء الاصطناعي [11]. وكان من يستخدمون النماذج اللغوية الكبيرة في الكتابة بكثرة بارعين جدًا في ذلك: إذ لم يُخطئ تصويت الأغلبية لخمسة من هؤلاء المقيّمين 'الخبراء' إلا في مقال واحد من 300 مقال (1 من 300)، متفوقًا على معظم الكاشفات التجارية ومفتوحة المصدر التي قيّمها المؤلفون، حتى مع استخدام إعادة الصياغة والأنسنة [11]. واعتمد الخبراء على 'مفردات الذكاء الاصطناعي'، لكن أيضًا على الرسمية والأصالة والوضوح [11].
غير أن لهذه النتيجة حدودًا. فقد استخدمت لجنة من خمسة قرّاء متمرسين وتصويت الأغلبية، لا معلمًا واحدًا يصحح على عجل، وشملت مقالات إنجليزية غير قصصية لا أعمالًا دراسية للطلاب [11]. وهي توحي بأن الحكم البشري المستنير المقرون بالأدلة يتفوق على رقم واحد، لا بأن الحدس وحده ينبغي أن يحسم القضية.
كيف ينبغي للمعلمين استخدام نتائج كاشفات الذكاء الاصطناعي بإنصاف؟
يحذّر صانعو الأدوات أنفسهم من التعامل مع الدرجة بوصفها دليلًا. فـTurnitin تنص على أنها 'لا تصدر حكمًا بوقوع مخالفة'، وأن نسبة الذكاء الاصطناعي 'لا ينبغي استخدامها أساسًا وحيدًا لأي إجراء أو مقياسًا نهائيًا للتقييم' [5]. وتقول OpenAI إن ChatGPT لا يستطيع معرفة ما إذا كان النص مولَّدًا بالذكاء الاصطناعي، وإن إجاباته عن أسئلة مثل 'هل كتبت هذا؟' عشوائية [2].
- تعامل مع الوسم بوصفه سببًا للتدقيق لا حكمًا. تصف Turnitin درجتها بأنها بيانات تساعد على اتخاذ قرار وفق سياسة المؤسسة نفسها [5].
- تحقق من الشروط. لا تعالج Turnitin المستندات التي تقل جملها المقيَّمة عن 300 كلمة، ولا تعرض الدرجات التي تقل عن 20% في تقريرها [5]. والأعمال القصيرة أو المليئة بالقوائم تعطي إشارات ضعيفة.
- تذكّر هامش الخطأ. تقول Turnitin إنها حين تعرض 50% من النص بوصفه مرجَّحًا أن يكون من الذكاء الاصطناعي، فقد يحتوي المستند على ما يصل إلى 65% من الكتابة بالذكاء الاصطناعي [5]؛ فالأداة مضبوطة لتفويت بعض نصوص الذكاء الاصطناعي بدلًا من إطلاق وسوم كاذبة، لذا فالرقم تقدير لا قياس.
- اجمع أدلة أخرى. المسودات والملاحظات وسجل الإصدارات والحوار مع الطالب حول عمله أكثر إفادة من درجة واحدة. وتقول OpenAI إن بعض المعلمين وجدوا من المفيد تشجيع الطلاب على مشاركة محادثات بعينها أجروها مع ChatGPT [2].
- راعِ الخلفية اللغوية. أفادت OpenAI بوجود مؤشرات على أن الكاشفات قد تؤثر بشكل غير متناسب في متعلمي الإنجليزية والطلاب الذين تتسم كتابتهم بالقوالب الثابتة أو الإيجاز [2]، ووجد ليانغ وزملاؤه معدلات إيجابيات كاذبة أعلى بكثير في مقالات غير الناطقين بها [3].
- ضع قواعد واضحة مسبقًا. يحتاج الطلاب إلى معرفة استخدامات الذكاء الاصطناعي المسموح بها، مثل المساعدة في القواعد النحوية، وتلك غير المسموح بها؛ ويشير مؤلفو ورقة NBER إلى صعوبة الفصل بين الاستخدامات المشجَّعة وغيرها [10].
وكلفة تجاهل هذه الخطوات حقيقية. فقد أفادت ABC News في أكتوبر 2025 بأن الجامعة الكاثوليكية الأسترالية (ACU) سجّلت قرابة 6,000 حالة مخالفة مزعومة في 2024، نحو 90% منها متعلقة بالذكاء الاصطناعي، وفقًا لوثائق داخلية؛ ووصفت الجامعة تلك الأرقام بأنها 'مبالغ فيها إلى حد كبير' [13]. وتوقفت ACU عن استخدام أداة الذكاء الاصطناعي من Turnitin في مارس 2025، وقال نائب رئيسها إن الحالات التي كانت تلك الأداة دليلها الوحيد رُفضت فورًا [13].
ماذا يستطيع الطالب أن يفعل إذا وسم كاشف عمله خطأً؟
هذه معلومات عامة وليست استشارة قانونية؛ ولكل مؤسسة تعليمية إجراءاتها الخاصة. ووسم الكاشف ليس دليلًا على الغش، بحسب صانعي الأدوات أنفسهم [2][5].
- اسأل عن الأدلة الموجودة. اعرف الأداة المستخدمة والدرجة التي أعطتها، وما إذا كان هناك ما يدعم الشبهة غيرها. ومؤشر Turnitin مرئي للمدرّسين والإداريين فقط، لذا قد يحتاج الطلاب إلى طلبه [5].
- أظهر طريقة عملك. المسودات والمخططات والملاحظات المكتوبة بخط اليد وسجل التصفح للمصادر وسجل إصدارات المستند، كلها تُظهر كيف تطوّر العمل.
- اعرض شرح عملك. قدرتك على مناقشة حجتك ومصادرك دليل قوي على أنك كاتبه.
- استخدم مسار التظلّم الرسمي واحتفظ بنسخ من كل رسالة.
- لا تطلب من روبوت محادثة أن يحكم. تقول OpenAI إن إجابات ChatGPT عمّا إذا كان قد كتب نصًا ما لا أساس لها من الواقع [2].
وبالنسبة إلى الطلاب في إيران وغيرها من الدول ممن يكتبون بالإنجليزية لغةً ثانية، فإن أبحاث التحيز وثيقة الصلة بهم مباشرة [3]. ويدعم كشف الذكاء الاصطناعي في Turnitin النصوص الطويلة بالإنجليزية والإسبانية واليابانية والعربية الحديثة والهولندية والألمانية والتركية؛ والفارسية ليست ضمن هذه القائمة، ولا تُعالج الأعمال المقدَّمة بلغات غير مدعومة [5].
هل سيصبح كشف الذكاء الاصطناعي أكثر موثوقية؟
حتى 3 نوفمبر 2026، تبدو الصورة سباقًا بين المولِّدات والكاشفات. فقد حدّثت Turnitin بنية نموذج الكشف الإنجليزي لديها في أكتوبر 2026، وتُدرج نماذج منها GPT-5.4 وClaude Opus 4.6 ضمن ما تستطيع اكتشافه [5]. وتُظهر بعض أبحاث 2025 نتائج قوية لأفضل الأدوات التجارية [10]، بينما تُظهر دراسات المعايير المرجعية أن الظروف غير المختبَرة لا تزال تخدع كثيرًا من الكاشفات [8]. وتشير الأعمال النظرية إلى أن الكشف يزداد صعوبة كلما أصبحت كتابة الذكاء الاصطناعي أشبه بالكتابة البشرية [9].
وقد تساعد العلامات المائية في نصوص المزوّدين الذين يعتمدونها، لكن مؤلفيها يصفونها بأنها مكمّلة لأساليب أخرى لا إجابة كاملة [12]. وتوجّه إرشادات كل من OpenAI وTurnitin المؤسسات التعليمية نحو سياسات واضحة لاستخدام الذكاء الاصطناعي، وسجلات لطريقة عمل الطلاب، وقرارات يتخذها المعلمون لا الدرجات [2][5].
| الدراسة (السنة) | ما الذي اختُبر | النتيجة الأبرز |
|---|---|---|
| مصنِّف OpenAI (2023) | كاشف OpenAI نفسها على مجموعة اختبار إنجليزية | اكتشاف 26% من نصوص الذكاء الاصطناعي؛ ووسم 9% من النصوص البشرية خطأً؛ وسُحب في 20 يوليو 2023 [1] |
| ليانغ وزملاؤه (2023) | 7 كاشفات على 91 مقالًا من TOEFL و88 مقالًا لطلاب الصف الثامن الأمريكيين | متوسط معدل إيجابيات كاذبة 61.22% في مقالات TOEFL؛ ونتائج شبه مثالية في المقالات الأمريكية [3] |
| فيبر-فولف (Weber-Wulff) وزملاؤها (2023) | 12 أداة عامة إضافة إلى Turnitin وPlagiarismCheck | أفضل أداة (Turnitin) 76% وفق التقييم الثنائي الصارم؛ و15% في المتوسط على نصوص الذكاء الاصطناعي المعاد صياغتها آليًا [4] |
| Turnitin (2023، دراسة الشركة المورِّدة) | كاشفها الخاص على كتابات بالإنجليزية لغةً أولى ولغةً ثانية (L1 وL2) | لا فجوة ذات دلالة إحصائية في المستندات التي تبلغ 300 كلمة أو أكثر [6] |
| المعيار المرجعي RAID (2024) | 12 كاشفًا، وأكثر من 6 ملايين نص مولَّد، و11 هجومًا | الكاشفات تنخدع بسهولة بالهجمات وبالنماذج غير المعروفة لها [8] |
| جباريان وإيماس (Jabarian and Imas) (2025، ورقة عمل) | Pangram وOriginalityAI وGPTZero وRoBERTa | الأدوات التجارية تتفوق على مفتوحة المصدر؛ وPangram وحدها التزمت بسقف إيجابيات كاذبة قدره 0.5% [10] |
| راسل (Russell) وزملاؤه (2025) | مقيّمون بشريون على 300 مقال إنجليزي | تصويت أغلبية خمسة خبراء أخطأ في تصنيف 1 من 300 [11] |
أخطاء شائعة
التعامل مع نسبة الكاشف بوصفها دليلًا على الغش.
الصواب: استخدمها فقط دافعًا لمراجعة المسودات والمصادر وشرح الطالب نفسه؛ إذ تقول Turnitin إن الدرجة لا ينبغي أن تكون الأساس الوحيد لأي إجراء [5].
تمرير الإجابات القصيرة أو القوائم النقطية على الكاشف.
الصواب: تحتاج الكاشفات إلى نثر طويل؛ وTurnitin تتخطى القوائم ولا تعالج المستندات التي تقل جملها المقيَّمة عن 300 كلمة [5].
سؤال ChatGPT عما إذا كان قد كتب مقالًا ما.
الصواب: لا تعتمد على ذلك: إذ تقول OpenAI إن هذه الإجابات عشوائية ولا أساس لها من الواقع [2].
تجاهل الخلفية اللغوية للكاتب.
الصواب: ضع في الحسبان الخطر الموثَّق المتمثل في أن بعض الأدوات تسم الكتابة النمطية أو كتابة غير الناطقين بالإنجليزية بنسبة أعلى [3].
افتراض أن معدل إيجابيات كاذبة قدره 1% يعني أن أحدًا تقريبًا لن يتأثر.
الصواب: اضرب في الحجم: عند 75,000 بحث سنويًا، تعادل نسبة 1% نحو 750 بحثًا [7].
تصديق الادعاءات الدعائية بدقة تبلغ 99%.
الصواب: ابحث عن اختبارات على معايير مرجعية مشتركة وصعبة تتضمن نصوصًا معدَّلة ومعاد صياغتها [8].
الأسئلة الشائعة
هل يمكن أن تكون كاشفات الذكاء الاصطناعي دقيقة بنسبة 100%؟
لم تُظهر أي أداة دقة كاملة في جميع الظروف. فقد قالت OpenAI إنه من المستحيل اكتشاف كل النصوص المكتوبة بالذكاء الاصطناعي بموثوقية [1]، وترى الأعمال النظرية أن الكشف يزداد صعوبة كلما اقترب نص الذكاء الاصطناعي من النص البشري [9].
هل كاشف الذكاء الاصطناعي في Turnitin دقيق؟
تقول Turnitin إنها تسعى إلى إبقاء الإيجابيات الكاذبة دون 1% في المستندات التي تتجاوز فيها كتابة الذكاء الاصطناعي 20%، وإنها تختبر كل تحديث على أكثر من 700,000 بحث سابق لظهور ChatGPT [5]. وقد وضعها اختبار مستقل عام 2023 في المرتبة الأولى بين 14 أداة، بدقة 76% وفق التقييم الصارم للدراسة [4]. وتقول Turnitin إن درجتها لا ينبغي أن تكون الأساس الوحيد لأي إجراء [5].
لماذا وُسمت كتابتي الشخصية بأنها من الذكاء الاصطناعي؟
تبحث الكاشفات عن اختيارات لفظية متوقَّعة [5]. وقد تبدو الكتابة النمطية أو الموجزة أو كتابة غير الناطقين بالإنجليزية متوقَّعة، ووجدت الدراسات معدلات إيجابيات كاذبة أعلى في مثل هذه الكتابة [2][3].
هل تعمل كاشفات الذكاء الاصطناعي على الفارسية أو لغات أخرى؟
التغطية محدودة. فـTurnitin تُدرج سبع لغات مدعومة ليس من بينها الفارسية، ولا تعالج اللغات الأخرى [5]. وكان أداء مصنِّف OpenAI أسوأ بكثير خارج الإنجليزية [1].
هل تتغلب أدوات الأنسنة على كاشفات الذكاء الاصطناعي؟
خفّض التعديل وإعادة الصياغة معدلات الاكتشاف بشدة في اختبارات 2023 [4] وفي دراسات المعايير المرجعية [8][9]. وتقول Turnitin إنها قادرة على اكتشاف النصوص الإنجليزية المؤنسنة [5]، ووجدت ورقة عمل صدرت عام 2025 أداة تجارية واحدة صامدة أمام أدوات الأنسنة في اختباراتها [10]. وحيث تحظر المؤسسة التعليمية استخدام الذكاء الاصطناعي، فإن إخفاءه بأداة أنسنة لا يجعل هذا الاستخدام مسموحًا.
ما الفرق بين الكاشف والعلامة المائية؟
الكاشف يخمّن انطلاقًا من النص نفسه. أما العلامة المائية فنمط يُدرج أثناء التوليد ويمكن التحقق منه لاحقًا، لكن فقط لدى المزوّدين الذين يطبقونها [12].
مسرد المصطلحات
- الإيجابية الكاذبة
- نص بشري يوسم خطأً بأنه مولَّد بالذكاء الاصطناعي [1].
- السلبية الكاذبة
- نص مولَّد بالذكاء الاصطناعي يوسم خطأً بأنه بشري [10].
- الحيرة (Perplexity)
- مقياس لمدى قابلية النص للتوقع بالنسبة إلى نموذج لغوي؛ والكتابة البشرية منخفضة الحيرة أكثر عرضة للتصنيف الخاطئ [3].
- أداة الأنسنة (أداة التجاوز)
- أداة تعيد كتابة نصوص الذكاء الاصطناعي للإفلات من الكشف [5].
- العلامة المائية
- إشارة إحصائية خفية تُضاف إلى مخرجات الذكاء الاصطناعي أثناء التوليد حتى يمكن التعرف عليها لاحقًا [12].
- المصنِّف
- نموذج مدرَّب على فرز المدخلات إلى فئات، مثل مكتوب بيد بشرية أو مكتوب بالذكاء الاصطناعي [1].
المصادر
- New AI classifier for indicating AI-written text OpenAI · 2023-01-31
- How can educators respond to students presenting AI-generated content as their own? OpenAI Help Center; live page, retrieved 2026-11-03
- GPT detectors are biased against non-native English writers (Liang, Yuksekgonul, Mao, Wu, Zou) arXiv; published in Patterns (Cell Press) · 2023-07-10
- Testing of Detection Tools for AI-Generated Text (Weber-Wulff et al.) arXiv; published in International Journal for Educational Integrity 19, 26 (2023) · 2023-06-21
- Turnitin's AI writing detection capabilities FAQs Turnitin Guides; live page, retrieved 2026-11-03
- New research: Turnitin's AI detector shows no statistically significant bias against English Language Learners Turnitin (David Adamson) · 2023-10-26
- Guidance on AI Detection and Why We're Disabling Turnitin's AI Detector Vanderbilt University · 2023-08-16
- RAID: A Shared Benchmark for Robust Evaluation of Machine-Generated Text Detectors (Dugan et al.) arXiv · 2024-05-13
- Can AI-Generated Text be Reliably Detected? (Sadasivan et al.) arXiv · 2023-03-17
- Artificial Writing and Automated Detection (Jabarian and Imas), Working Paper 34223 National Bureau of Economic Research
- People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text (Russell, Karpinska, Iyyer) arXiv · 2025-01-26
- Scalable watermarking for identifying large language model outputs (Dathathri et al.) Nature · 2024-10-23
- University wrongly accuses students of using artificial intelligence to cheat ABC News (Australia) · 2025-10-09
التعليقات
أبرز التعليقات