تأثير كواشف الذكاء الاصطناعي على النشر الأكاديمي: تحديات وفرص

38 sources13 sectionsHuman score 75

أدوات الكشف عن المحتوى المولّد بالذكاء الاصطناعي: نظرة عامة

شهدت السنوات الأخيرة انتشارًا كبيرًا لأدوات كشف المحتوى المولد بالذكاء الاصطناعي. أصبحت هذه الأدوات تُستخدم بجانب كواشف الانتحال التقليدية للتحقق من أصالة النصوص الأكاديمية.

في هذا السياق، يبرز نظام Turnitin كأداة معروفة. يعتمد على تقنية ذكاء اصطناعي مستخدمة على نطاق واسع لتحديد المحتوى الآلي ومنع الانتحال. هدفه دعم المستخدمين في الحفاظ على صحة وأصالة أعمالهم المكتوبة . أداة Turnitin لكشف الكتابة بالذكاء الاصطناعي تستهدف الجامعات والمناطق المدرسية فقط. وهي مدمجة مباشرة في بيئة تقرير التشابه المألوفة لدى ملايين المعلمين .

إلى جانب Turnitin، تتنوع الحلول المتاحة. تجمع بين كشف الذكاء الاصطناعي وفحص الانتحال. Copyleaks هو برنامج مدعوم بالذكاء الاصطناعي. يساعد الطلاب والمعلمين والكتاب ومقدمي المحتوى على حماية أصالة أعمالهم وسلامتها .

يقدم PlagiarismCheck.org حلاً مختلطًا. يجمع بين كشف الذكاء الاصطناعي وفاحص انتحال قوي. هذا يجعله منافسًا قويًا للمؤسسات التعليمية والأفراد الذين يحتاجون الخدمتين في منصة واحدة. يضع نفسه كأداة نزاهة أكاديمية شاملة . يوفر Originality.ai تحققًا شاملًا ضروريًا للنشر على نطاق واسع. ولكنه يُعد استثمارًا .

على النقيض، يتميز كاشف الذكاء الاصطناعي من SciSpace. هو أداة مجانية تساعد في تحديد النص المولد بالذكاء الاصطناعي. يشمل المحتوى الأكاديمي وغير الأكاديمي. يعتمد على خوارزمية تعلم آلي متعددة الوسائط. تتنبأ بما إذا كان أي محتوى مكتوبًا بواسطة نماذج لغوية كبيرة مثل GPT-3 أو ChatGPT أو GPT-4 أو أدوات مثل Jasper وغيرها .

من الناحية التقنية، تعتمد كواشف الذكاء الاصطناعي على خوارزميات ونماذج لغوية مدربة خصيصًا. تحلل النصوص وتبحث عن بصمات وأنماط معينة. تميز الكتابة الآلية عن الكتابة البشرية .

هناك عاملان رئيسيان تقيسهما هذه الأدوات. أولهما "الحيرة" (Perplexity). تقيس مدى عشوائية الكلمات وتعقيدها في النص. الآلة تميل لاختيار الكلمات الأكثر توقعًا بناءً على الاحتمالات اللغوية. البشر يميلون لاستخدام مفردات غير متوقعة .

بالإضافة إلى الكشف المباشر، تساعد هذه الأدوات في اكتشاف الانتحال. وتحديد ما إذا كان المحتوى قد خضع لأدوات "أنسنة النصوص" (AI Humanizers). هذا يضمن سلامة المحتوى في محركات البحث .

لكن، ينبغي التعامل مع نتائج هذه الأدوات بحذر. هي أدوات مساعدة ممتازة لتقديم نظرة عامة وتقييم مبدئي لمدى أصالة المحتوى. لكنها لا يمكن أن تحل محل الحكم البشري والتدقيق الشخصي أبدًا .

المصادر المسترجعة في هذا القسم محدودة. تغطيتها لأبعاد المقارنة التفصيلية بين دقة هذه الأدوات ومعدلات الإيجابيات الكاذبة ضعيفة. المصادر المتاحة لم تذكر أرقامًا أو نسبًا محددة حول أداء كل أداة.

قيود وأوجه قصور أدوات الكشف الحالية

الأدلة المتاحة تشير بوضوح إلى شيء واحد: أدوات كشف المحتوى المولَّد بالذكاء الاصطناعي، على وضعها الحالي، لا يمكنها تقديم كشف دقيق ومقنع للاعتماد عليه في الأوساط الأكاديمية. لماذا؟ لأن معظمها يعاني من عيوب متعددة في خوارزمياتها وتغطية قواعد بياناتها . هذه القيود تظهر على مستويات مختلفة، كلها مترابطة. تبدأ من اختلاف النتائج بين أداة وأخرى، مرورًا بتحيزات في الأداء، وصولًا إلى مخاطر إحصائية حقيقية عند استخدامها لاتخاذ قرارات عقابية.

على صعيد الاتساق بين الأدوات، كشفت مراجعة منهجية شملت تسعين دراسة أن نتائج الإيجابيات الكاذبة تختلف بشكل كبير بين الأدوات وإعدادات التقييم. هذا يحدّ من إمكانية إجراء مقارنات كمية مباشرة بين المنتجات المتاحة . هذا الاختلاف يتأكد بتدقيق نص بشري واحد باستخدام أدوات متعددة؛ فقد حصل النص نفسه على تصنيفات متباينة جدًا، تراوحت بين "0% بشري" و"مولَّد بشريًا". هذا يبرز غياب معيار تصنيف موحد وصعوبة التحقق المستقل . هذا التذبذب في المخرجات يمثل مشكلة جوهرية عندما تُستخدم هذه الأدوات كمرجع وحيد لتقييم النصوص الأكاديمية.

بالنظر إلى التحيز اللغوي والمنهجي، تظهر البيانات التجريبية للفترة 2023–2026 أن معدل الإيجابيات الخاطئة يصل إلى حوالي 16% عند اختبار كاشف واحد على نصوص كتبها طلاب ناطقون أصلاً بالإنجليزية. لكن هذا المعدل يرتفع إلى 61.3% للنصوص المكتوبة من قبل غير الناطقين بالإنجليزية عند اختبار سبعة كواشف. هذا يكشف عن تحيز منهجي في أداء هذه الأدوات . يُفسَّر هذا الاختلاف جزئيًا بأن الكواشف ترصد سمات إحصائية مثل انخفاض قابلية التنبؤ وكثافة الصياغة النمطية. هذه السمات مشتركة بين كتابات غير الناطقين بالإنجليزية وكتابات الذكاء الاصطناعي، مما يؤدي إلى تصنيف نصوص بشرية سليمة خطأً على أنها آلية .

وفيما يتعلق بالمخاطر الإحصائية لاتخاذ القرار، يبيّن تحليل بايزي أنه نظرًا لانخفاض معدل انتشار الانتهاكات الفعلية، فإن نسبة معتدلة من الإيجابيات الكاذبة يمكن أن تؤدي إلى معدل اكتشاف خاطئ مرتفع في قرارات العقوبة. هذا يجعل الاعتماد فقط على هذه الأدوات في البتّ في الانتهاكات الأكاديمية أمرًا محفوفًا بالمخاطر . يُعبَّر عن هذا القيد بمفهوم المقايضة بين الدقة والإنصاف: رفع الحساسية يزيد من الإيجابيات الكاذبة، وخفضها يزيد من الإيجابيات الصادقة الكاذبة .

علاوة على ذلك، الأدوات الحالية ليست دقيقة أو موثوقة بما يكفي لاستخدامها في التقييم الأكاديمي بعد. رغم أنها تمثل خطوات أولى واعدة نحو ضبط الجودة بمساعدة الذكاء الاصطناعي في النشر العلمي . كما أن الاعتماد الكامل على الكشف التكنولوجي لا يُرجَّح أن يؤدي إلى حوكمة مستدامة. السبب؟ تباين الدقة، سهولة التحايل عبر إعادة الصياغة، وارتفاع مخاطر الإيجابيات الكاذبة في سياقات الكتابة متعددة اللغات . لا تزال هناك فجوة كبيرة بين ما تعد به هذه الأدوات وما يمكنها تقديمه فعليًا في ظل البنية اللغوية والتنظيمية الحالية للنشر الأكاديمي.

الذكاء الاصطناعي في الكتابة الأكاديمية: الاستخدامات والمخاوف

شهدت الكتابة الأكاديمية في السنوات الأخيرة توسعاً ملحوظاً في توظيف أدوات الذكاء الاصطناعي. بات كثير من الباحثين يستخدمونها في مهام متعددة؛ تلخيص، ترجمة، إعادة صياغة، كتابة نصوص، اقتراح مراجع. هذه الأدوات باتت مساعدات عملية في إعداد الأوراق البحثية . هذا الانتشار أتاح فرصاً واضحة. سرّع الإنتاج، سهّل التعامل مع الكم المتزايد من الأدبيات. لكنه في المقابل يثير جملة من المخاوف الأخلاقية والمنهجية. تتطلب وقفة تحليلية دقيقة.

أبرز المخاوف تتعلق بمسألة الثقة في المحتوى المولد. النصوص الناتجة عن نماذج مثل ChatGPT قد تتضمن معلومات غير دقيقة أو ملفقة. هذا أمر بالغ الخطورة في المجالات التي تتطلب دقة ومصداقية عاليتين . كما أن الاعتماد المتزايد على هذه الأدوات في مراحل الكتابة، مراجعة الأدبيات، وحتى التقييم الأولي للمخطوطات، يعقّد تتبع أثر الذكاء الاصطناعي داخل العملية البحثية. يضعف القدرة على التحقق من مصدر الأوراق العلمية . تتفاقم هذه المشكلة مع الارتفاع المستمر في حجم المخطوطات المقدمة للمجلات العلمية. تتسع الفجوة بين سياسات الإفصاح المعلنة والواقع الفعلي للنشر .

على الصعيد الأخلاقي، تكشف الأدبيات عن طيف واسع من المخاطر المرتبطة باستخدام الذكاء الاصطناعي في البحث العلمي. تحيز تكنولوجي، سرقات أدبية، هلوسات، تزييف نتائج، انعدام أصالة فكرية، انتهاك حقوق ملكية فكرية، تقويض نزاهة أكاديمية. فضلاً عن تهديدات خصوصية وأمن بيانات . تؤكد دراسات أخرى أن الاستخدامات المتزايدة لهذه الأدوات تثير قضايا تتعلق بخصوصية البيانات، الشفافية في استخدام المعلومات، الحفاظ على النزاهة الأكاديمية، ومشاركة البيانات . يرى بعض الباحثين فجوة متنامية. بين سرعة التطور التكنولوجي وأخلاقيات البحث العلمي. ويرى بعض الباحثين أن ثمة فجوة متنامية بين سرعة التطور التكنولوجي وأخلاقيات البحث العلمي، وهو ما يضاعف من حدة المخاطر الأخلاقية الناجمة عن هذا الاستخدام .

لا تقتصر التحديات على البعد الأخلاقي فحسب. بل تمتد لصعوبات منهجية وعملية يواجهها الباحثون أنفسهم. من أبرزها: صعوبة التحقق من دقة النتائج المولدة، مخاطر التحيز الناشئة عن بيانات الإدخال، محدودية الوعي بآليات الاستخدام المثلى. إلى جانب المخاوف المستمرة المتعلقة بالخصوصية والأمن . أظهرت الدراسات أن أدوات الكشف عن المحتوى المولد بالذكاء الاصطناعي لا تعمل كلها بالكفاءة المطلوبة. قد تنتج نتائج إيجابية كاذبة. هذا يجعل الاعتماد عليها كخط دفاع رئيسي أمراً إشكالياً . في المقابل، تشير أبحاث حديثة إلى أن تقنيات مثل العلامات المائية المعتمدة على الموضوعات يمكن أن توفر حلاً أقل تدخلاً وأكثر موثوقية لإسناد النصوص المولدة في سياقات مراجعة الأقران .

يتضح مما سبق أن استخدام الذكاء الاصطناعي في الكتابة الأكاديمية يحمل إمكانات إنتاجية واضحة. لكنه في الوقت نفسه يطرح تحديات أخلاقية ومنهجية جدية. تستدعي وضع ضوابط مؤسسية واضحة. وتعزيز الشفافية في الإفصاح عن دور هذه الأدوات. وتطوير آليات كشف أكثر موثوقية. مع الحفاظ على معايير النزاهة الأكاديمية التي يقوم عليها النشر العلمي.

الذكاء الاصطناعي في مراجعة الأقران: الفرص والتحديات

شهدت مراجعة الأقران الأكاديمية تحولاً جذرياً. نماذج اللغة الكبيرة أصبحت جزءًا من العملية؛ فالمراجعون يستخدمونها لتحسين اللغة أو لصياغة ملاحظاتهم. هذا يطمس الخط الفاصل. هل الذكاء الاصطناعي أداة مساعدة، أم هو من يقود التقييم؟ . الفرص تكمن في أتمتة المهام. فحص أولي، كشف انتحال، تدقيق لغوي. هذا يقلل العبء ويضمن اتساق المعايير . لكن هناك تحديات. كيف نحافظ على نزاهة المراجعة؟ حظر استخدام هذه النماذج على المراجعين يبدو غير عملي .

الأدلة الكمية تكشف حجم الظاهرة. تقديرات تشير إلى أن ما بين 6.5% و 16.9% من نصوص المراجعات في مؤتمرات الذكاء الاصطناعي الكبرى (مثل ICLR 2024 وNeurIPS 2023 وCoRL 2023 وEMNLP 2023) تم تعديلها بشكل كبير بواسطة نماذج اللغة الكبيرة. هذا يتجاوز مجرد التصحيح الإملائي أو التحديثات اللغوية البسيطة . كما أن المراجعات التي ساعد الذكاء الاصطناعي في إنشائها تتسم بدرجات مبالغ فيها، وثقة منخفضة من المراجعين، وتشوهات في ترتيب الأوراق . هذه مؤشرات قد تنبه فرق التحرير لوجود تدخل آلي .

التحدي الأكبر؟ صعوبة الكشف عن المراجعات المولّدة بالذكاء الاصطناعي. النص الذي تنتجه هذه النماذج أصبح أقرب ما يكون للكتابة البشرية . وهناك عدم تماثل واضح. المؤلفون يستخدمون الذكاء الاصطناعي لإنشاء المحتوى. بينما يُطلب من المراجعين تقييم هذه المشاركات بحكمهم البشري، دون مساعدة آلية. هذا يحدّ مما يمكن للمجلات فعله عبر الحظر أو الكشف أو الإفصاح . والمشكلة تتفاقم. فرض سياسات الحظر يصبح صعباً مع اندماج الذكاء الاصطناعي في سير العمل البحثي والكتابي .

التوصيات متعددة. الأدبيات تدعو لاستخدام نماذج اللغة الكبيرة كأدوات مساعدة للمراجعين البشريين، وليس كبديل. الإشراف البشري ضروري لضمان دقة الملاحظات المولّدة . هذه النماذج تظل أداة قيمة لتحديد المشكلات المحتملة، لكنها لا تغني عن المراجعة البشرية الخبيرة . وعلى مستوى المؤسسات، يجب على المجلات تشجيع المراجعين على التحقق من تدخل الذكاء الاصطناعي في المخطوطات . كذلك، ينبغي دمج أدوات كشف الذكاء الاصطناعي في عملية المراجعة لفحص المحتوى الملفق، والانتحال، ودقة الاقتباس .

إذن، الذكاء الاصطناعي يقدم إمكانات لتعزيز كفاءة المراجعة واتساقها. لكنه يفرض تحديات كبيرة تتعلق بالنزاهة والكشف والحوكمة. يتفق الجميع على مبدأ أساسي: نماذج اللغة الكبيرة يجب أن تظل أداة مساعدة تحت إشراف بشري خبير. تطوير سياسات واضحة وشفافة بشأن استخدامها في مراجعة الأقران أصبح ضرورة ملحّة للحفاظ على مصداقية النشر الأكاديمي .

الشفافية والإفصاح عن استخدام الذكاء الاصطناعي

تُعدّ الشفافية ركيزةً أساسيةً لنزاهة البحث العلمي، خاصةً عند استخدام أدوات الذكاء الاصطناعي. يجب على الباحثين توضيح دور هذه الأدوات بدقة، وكيف اندمجت في منهجيتهم . الأمر يتجاوز مجرد الإشارة إليها؛ بل يتطلب شرح الغرض من استخدامها، ونوع المخرجات التي ساهمت فيها، ومدى تأثيرها النهائي . لذا، تتزايد الدعوات لمطالبة الباحثين بالإفصاح الواضح عن أي استخدام للذكاء الاصطناعي في إعداد الأوراق البحثية ومراجعتها .

مبدأ الإفصاح يحظى بدعم واسع. يتفق الباحثون على أن أدوات الذكاء الاصطناعي يمكن استخدامها في البحث والنشر، ويجب الإفصاح عن هذا الاستخدام بشكل منظم . لكن هذا لا يعني وجوب الإفصاح في كل الحالات. يتم التمييز بين مستويات الإفصاح حسب طبيعة الاستخدام. يصبح الإفصاح إلزاميًا فقط عندما يكون الاستخدام متعمدًا وجوهريًا في آنٍ واحد . الاستخدام المتعمد يعني توظيف الأداة لغاية مباشرة ومحددة. أما الاستخدام الجوهري، فيكون حين تنتج الأداة دليلًا أو تحليلًا أو مناقشة تدعم استنتاجات الدراسة، أو تؤثر مباشرة في المحتوى البحثي المنشور . لتطبيق ذلك عمليًا، هناك ثلاثة معايير للاستخدامات الجوهرية: اتخاذ قرارات تؤثر على النتائج، توليد محتوى أو بيانات أو صور، وتحليل المحتوى أو البيانات أو الصور .

تتجه السياسات المؤسسية نحو تطوير بيانات شفافية موحدة حول الذكاء الاصطناعي في المجلات والمؤتمرات. وعلى صعيد السياسات المؤسسية، تتزايد الدعوات إلى تطوير بيانات شفافية موحدة بشأن الذكاء الاصطناعي في المجلات والمؤتمرات، بما يضمن اتساق الممارسات وتيسير المقارنة بين المخرجات البحثية . تظهر فوائد هذا التوحيد في المبادرات الدولية لبناء معيار إبلاغ موحد. يمكن اعتماده عبر مختلف التخصصات، وثقافات النشر، والسياقات التنظيمية. هذا يعزز الشفافية ويقلل من قلق المؤلفين ويدعم نزاهة البحث . تؤكد هذه المبادرات أن الشفافية في الإفصاح عن الذكاء الاصطناعي هي جوهر نزاهة البحث العلمي .

لكن الأدلة الميدانية تكشف عن فجوة كبيرة في الشفافية. دراسة واسعة شملت أكثر من 5.2 مليون ورقة بحثية وجدت أن حوالي 0.1% فقط من الأوراق المنشورة بعد عام 2023 أفصحت عن استخدام الذكاء الاصطناعي. هذا يدل على أن السياسات الحالية لم تنجح كثيرًا في تعزيز الشفافية أو ضبط الاستخدام . بناءً على هذا، تطالب الأبحاث الناشرين والجمعيات العلمية بتجاوز متطلبات الإفصاح العامة والفضفاضة. يجب الانتقال إلى صيغ إبلاغ موحدة ودقيقة تحدد مساهمات الذكاء الاصطناعي. كذلك، يجب التعاون بين التخصصات لوضع توجيهات أخلاقية خاصة بكل مجال حول التعاون بين الإنسان والذكاء الاصطناعي . المصادر المتوفرة لا تزال غير كافية لتحديد مدى تبني المؤسسات الأكاديمية في المنطقة العربية لهذه التوصيات تحديدًا.

الاعتبارات الأخلاقية والنزاهة الأكاديمية

تستدعي الفائدة المتزايدة لنماذج اللغة الكبيرة في كتابة المخطوطات ومراجعتها إطارًا أخلاقيًا قويًا. هذا الإطار يوازن بين تعظيم المنافع والحد من المخاطر. أخلاقيات الذكاء الاصطناعي تُعرّف بأنها مجال متعدد التخصصات يسعى لتعظيم الأثر الإيجابي للذكاء الاصطناعي مع تقليل مخاطره وآثاره السلبية . وفي النشر الأكاديمي تحديدًا، تظهر هذه المعادلة في مسألتين مترابطتين: الأولى هي ضمان بقاء المراجعة البشرية هي الحكم في قرارات القبول والرفض. الثانية هي قدرة أدوات كشف المحتوى المولّد بالذكاء الاصطناعي على التمييز بين النص البشري والآلي دون تحيز أو أخطاء منهجية.

وضع سياسات واضحة لاستخدام الذكاء الاصطناعي في مراجعة الأقران أمر ضروري للحفاظ على نزاهة العملية. لماذا؟ لأن إعطاء النماذج اللغوية دورًا قياديًا بدلًا من دور داعم يضعف الضمانات التي يقوم عليها التحكيم العلمي . ولقد تبين أن نماذج اللغة الكبيرة يمكن أن تعطي نتائج متشابهة عند إعادة توجيهها. هذا يمكن استغلاله لتطوير نماذج كشف أكثر صرامة. وقد تبيّن أن نماذج اللغة الكبيرة قد تُقدم نتائج مشابهة عند إعادة توجيهها، وهو ما يمكن استثماره لتطوير نماذج كشف أكثر صرامة، لكنه يكشف في الوقت ذاته هشاشة الحدود الفاصلة بين النص البشري والنص المولّد . من ناحية أخرى، التحدي الأكبر ليس فقط سياسات الإفصاح، بل حدود القدرة على التحقق من الالتزام بها. الفجوة تتسع بين السياسات المعلنة والواقع الفعلي للنشر، مع صعوبة متزايدة في تتبع أثر الذكاء الاصطناعي داخل العملية البحثية .

هذا التحدي يتعمق بما يُعرف بسباق التسلح بين أدوات الكشف وتقنيات التحايل عليها. فالأساليب القادرة على الالتفاف على الكواشف تتطور بمعدل لا يقل عن معدل تطوير الكواشف نفسها . وأظهرت الدراسات أن أدوات كشف النصوص تعاني من تحيزات منهجية واضحة. ترتفع نسبة الإنذارات الكاذبة بشكل غير متناسب عند فحص نصوص كتّاب غير ناطقين بالإنجليزية، مما يهدد مبدأ الإنصاف في النشر الأكاديمي . هذه النتيجة تتفق مع دراسات أخرى توصلت إلى أن استخدام الذكاء الاصطناعي لتحديد الأخطاء في الأدبيات العلمية، مثل الأخطاء الإحصائية والتلاعب بالصور والاستشهادات غير الصحيحة، لا يزال في مراحله الأولى. لم يصل بعد إلى مستوى الدقة الكافي للاستخدام في التقييم الأكاديمي .

على صعيد المسؤولية المؤسسية، تتفق معظم سياسات الناشرين والمجلات الكبرى على مبدأ أساسي: أدوات الذكاء الاصطناعي التوليدي لا يمكن اعتبارها مؤلفًا. لماذا؟ على صعيد المسؤولية المؤسسية، تُجمع أغلب سياسات الناشرين والمجلات الكبرى على مبدأ جوهري مفاده أن أدوات الذكاء الاصطناعي التوليدي لا يجوز إدراجها بوصفها مؤلفًا، لأنها لا تستطيع تحمّل المسؤولية عن المحتوى، وهو معيار ثابت في تعريف التأليف . على النقيض، فإن إسناد مهام فحص المخطوطات بحثًا عن انتهاكات أخلاقية أو استخدام غير لائق للذكاء الاصطناعي التوليدي إلى أدوات آلية لا يزال محل نقاش. خاصة وأن جميع حالات سوء السلوك المشتبه بها التي تحددها هذه الأدوات يجب أن تخضع لمراجعة بشرية دقيقة للتحقق من الدقة وضمان المساءلة .

بالتالي، فإن الاعتبارات الأخلاقية في هذا المجال مرتبطة ارتباطًا وثيقًا بالبنية المؤسسية للنشر. الأمر يتطلب الجمع بين سياسات إفصاح موحدة، وأدوات كشف ذات موثوقية مجربة، وإجراءات تحقق بشرية تُرجّح الكفة عند الشك. مع الاعتراف بأن الأدلة المتاحة لا تزال محدودة بشأن مدى فعالية هذه الأدوات في السياقات اللغوية والثقافية المختلفة.

تطبيقات متقدمة وأساليب كشف مبتكرة

شهدت السنوات الأخيرة تطوراً ملحوظاً في أساليب الكشف عن المحتوى المولّد بالذكاء الاصطناعي داخل الأوساط الأكاديمية. لم يعد الاعتماد مقتصراً على أدوات تحليل النص السطحي؛ بل امتد إلى تقنيات تعلم عميق متعددة الوسائط. نظام AI-Catcher، على سبيل المثال، يدمج بين نموذجين للتعلم العميق: multilayer perceptron (MLP) والـ convolutional neural networks (CNN). يتولى الأول تعلم تمثيلات السمات اللغوية والإحصائية. بينما يستخرج الثاني تمثيلات عالية المستوى للأنماط المتسلسلة في النص. هذا النهج حسّن دقة الكشف بنسبة 37.4% في المتوسط مقارنة بالطرق البديلة . وفي السياق ذاته، يعتمد كاشف الذكاء الاصطناعي من SciSpace على خوارزمية تعلم آلي متعددة الوسائط. تتنبأ بما إذا كان المحتوى مكتوباً بواسطة نماذج لغوية كبيرة مثل GPT-3 أو ChatGPT أو GPT-4، أو أدوات مثل Jasper. هذا يجعله قابلاً للتطبيق على المدونات، المقالات، المشاريع الجامعية، والأوراق البحثية على اختلاف أنواعها .

وعلى صعيد الابتكار المنهجي، برزت أداة IdeaLens. تتبنى مقاربة مختلفة عبر تحليل "مخطط" العمل بدلاً من النص نفسه. تقوم أولاً بتكثيف النص إلى مخطط مجرد من الأسلوب. ثم تبحث عن أنماط مميزة للأفكار المولّدة بواسطة الذكاء الاصطناعي أو البشر في بنية الحجج وتسلسلها. نجحت في اكتشاف الأفكار المشتقة من الذكاء الاصطناعي بنسبة 91%. لكن الباحثين حذّروا. قد تصبح الأداة غير دقيقة عند استخدامها على أنواع بيانات مختلفة عن تلك التي دُربت عليها. فالـ "سمة الدالة على الذكاء الاصطناعي في مجال ما قد تكون مجرد كتابة بشرية جيدة في مجال آخر" .

اتسع نطاق توظيف هذه الأدوات ليشمل فحص المخطوطات المقدمة للمجلات. أوصي بأن تدمج المجلات أدوات كشف الذكاء الاصطناعي في سير عمل مراجعة الأقران. لفحص المشاركات من حيث المحتوى الملفق، الانتحال، ودقة الاقتباس . كما يمكن لهذه الأدوات أن تساعد في تحديد الأوراق البحثية المولّدة بواسطة "مطاحن الأوراق" أو روبوتات الدردشة. هذا دفع بعض دور النشر الكبرى مثل عائلة مجلات Science إلى الإعلان عن استخدام الذكاء الاصطناعي لفحص جميع الصور المقدمة بحثاً عن التلاعب .

غير أن فاعلية هذه التطبيقات المتقدمة تصطدم بإشكاليات جوهرية. دراسة تحليلية شملت 250 مقالة بشرية و750 نصاً مولّداً بإصدارات ChatGPT 3.5 و4 و4o، تم تصنيفها عبر كاشفات GPTZero وZeroGPT وCorrector App. أظهرت أن هذه الأدوات حققت أداءً متوسطاً إلى مرتفع في التمييز بين النصوص البشرية والمولّدة آلياً. تراوحت قيم المساحة تحت المنحنى (AUC) بين 0.75 و1.00. لكن لم يبلغ أي منها موثوقية مطلقة بنسبة 100% . مسح شمل 271 أكاديمياً واختبار كاشف رائد على ملخصات معدّلة بـ GPT من 2,716 ورقة منشورة. كشف أن برمجيات الكشف لم تميز دائماً بين الاستخدام اللغوي البسيط لإعادة صياغة القواعد والاستخدام الجوهري لإعادة كتابة النص. فالملخصات التي استُخدم فيها GPT لتصحيح القواعد أُشير إليها كثيراً بوصفها ذات احتمال مرتفع للكتابة بالذكاء الاصطناعي .

تتفاقم هذه الإشكاليات بفعل الفجوة الواضحة بين السياسات والممارسة. أكثر من نصف المجلات الأكاديمية تبنّت سياسات استخدام للذكاء الاصطناعي. لكن هذه الإرشادات لم تحدّ بصورة ذات دلالة من استخدام أدوات الكتابة بالذكاء الاصطناعي أو تحكمها بشفافية. نسبة الإفصاح عن استخدام الذكاء الاصطناعي في المنشورات منذ عام 2023 بقيت عند نحو 0.1% فقط من عينة شملت 164 ألف منشور . الأدلة المسترجعة تؤكد أن الجامعات تستخدم بشكل متزايد أدوات الكشف لتحديد الواجبات الطلابية التي يحتمل أن تكون قد أُنشئت بواسطة الذكاء الاصطناعي التوليدي . هذا يعكس الحاجة إلى أطر تقنية وحوكمية متكاملة قادرة على مواكبة التطور المتسارع لهذه الأدوات.

تأثير الذكاء الاصطناعي على دور الباحث والمراجع

أعادت أدوات الذكاء الاصطناعي التوليدي تشكيل دور الباحثين في كتابة المخطوطات الأكاديمية. لم يعد الكاتب وحده المسؤول عن النص؛ بل أصبح يعمل جنبًا إلى جنب مع نموذج لغوي يساعد في الصياغة والتنقيح. الأدبيات تؤكد على ضرورة التعامل مع هذه الأدوات كمساعِد صياغة، لا كمصدر مطلق للحقيقة. يجب التحقق من كل الادعاءات والأرقام والاقتباسات بالرجوع إلى المصادر الأصلية قبل التقديم . وهذا يعني أيضًا أن على الباحث استعادة صوته الفريد بعد كل تعديل آلي. كيف؟ بإعادة إدخال مصطلحات مجاله الدقيقة، وتفاصيل منهجيته الخاصة، والادعاءات المثبتة بالأدلة. الصياغة العامة المتكررة تزيد من احتمالية تصنيف النص كمحتوى مولّد آليًا . لذلك، يُنصح بشدة باستخدام كاشف للمحتوى المولّد بالذكاء الاصطناعي قبل الإرسال. الهدف ليس التحايل، بل مراجعة الوضوح وضمان بقاء بصمة المؤلف .

الأمر لا يتوقف عند الكتابة. الآثار تمتد إلى البنية الأكبر للعمل الأكاديمي. استخدام تقنيات الذكاء الاصطناعي يؤثر على أنشطة أعضاء هيئة التدريس في البحث والتدريس والخدمة. وبالتالي، يؤثر على عمليات إنشاء المعرفة واكتسابها ونشرها وتطبيقها . وبينما يزداد اعتماد المؤلفين على الذكاء الاصطناعي لإنتاج مخرجاتهم، لا تزال المجلات مطالبة بأن يبني المراجعون تقييمهم على حكمهم الخبير، دون مساعدة آلية. هذا يحدّ من فعالية سياسات الحظر أو الكشف أو الإفصاح. فالمساعدة الذكية قد تغلغلت بالفعل في مسارات الكتابة والبحث. فرض حظر شامل أصبح صعبًا للغاية .

في سياق المراجعة، تتزايد الدعوات لدمج أدوات كشف الانتحال، مثل Turnitin وiThenticate وGrammarly Plagiarism Checker، في عملية مراجعة الأقران. الهدف هو فحص المحتوى الذي تم بمساعدة الذكاء الاصطناعي قبل التقديم. يجب التأكد من أن إعادة الصياغة الآلية لا تنتهك معايير الأصالة . كما يُوصى بتطوير نماذج بيانات موحدة وشفافة حول استخدام الذكاء الاصطناعي في المجلات والمؤتمرات. وتشجيع المراجعين على التحقق من وجود تدخل للذكاء الاصطناعي أثناء تقييم المخطوطة . من ناحية أخرى، على المجلات والناشرين الذين يستخدمون أدوات الذكاء الاصطناعي للكشف عن سوء السلوك، استخدام أدوات موثوقة ومختبرة جيدًا. يجب أن يظلوا يقظين لأشكال سوء السلوك التي قد تفلت من هذه الأدوات، وأن يواكبوا التطورات التكنولوجية المستمرة . وينبغي أيضًا إبلاغ المؤلفين بالانحرافات التي تحددها أدوات الذكاء الاصطناعي، ومنحهم فرصة للرد قبل إحالة أي ادعاء إلى مؤسساتهم، وذلك تماشيًا مع توجيهات لجنة أخلاقيات النشر .

تكشف الدراسات الاستقصائية عن تباين في تصورات الأكاديميين حول ما يجب الإفصاح عنه فيما يتعلق باستخدامات الذكاء الاصطناعي. معظم المشاركين في إحدى الدراسات لا يرون ضرورة للإفصاح عن استخدام ChatGPT لتصحيح القواعد النحوية. لكن برامج الكشف لم تكن دائمًا قادرة على التمييز بين هذا الاستخدام والاستخدام الأكثر جوهرية. فقد صنّفت الملخصات التي استُخدم فيها GPT لتصحيح القواعد غالبًا على أنها ذات احتمالية عالية لكونها مكتوبة بالذكاء الاصطناعي . وتوجد أيضًا خلافات بين الأكاديميين حول ما إذا كان الاستخدام الأكثر جوهرية لـ ChatGPT في إعادة كتابة النص يتطلب الإفصاح. وترتبط هذه الخلافات بتصورات أخلاقية، ودور أكاديمي، وخلفية لغوية إنجليزية . وفي الوقت نفسه، لم يجد الباحثون فرقًا كبيرًا في تصورات المشاركين بشأن الإفصاح عن استخدام ChatGPT مقارنة بمساعد البحث. لكن ظهرت فروق واضحة عند المقارنة بين هذه المصادر من جهة، وخدمات التدقيق اللغوي المدفوع والأدوات المساعدة الأخرى مثل Grammarly وWord من جهة أخرى . توحي هذه النتائج بوجود تحديات حقيقية في إقناع المؤلفين بالإبلاغ عن استخدام الذكاء الاصطناعي في إعداد المخطوطات. وهذا يضع على عاتق الباحث والمراجع معًا مسؤولية ضبط ممارسات الإفصاح والتحقق لضمان نزاهة المحتوى الأكاديمي.

السياسات والمعايير التنظيمية لاستخدام الذكاء الاصطناعي

شهدت الأوساط الأكاديمية، من مجلات وناشرين، ردود فعل واسعة تجاه ظهور أدوات الذكاء الاصطناعي التوليدي. لكن هذه الاستجابات كانت مشتتة وغير متسقة، مما يقلل من فعاليتها في ضبط سلوك الباحثين الفعلي. تكشف مراجعة منهجية حديثة أن المشهد التنظيمي الحالي يتسم بتجزؤ السياسات، وتباين في كفاءة أدوات الكشف، واختلافات كبيرة بين التخصصات في مدى تبني هذه الأدوات والقلق منها . هذا الوضع يؤكد أن دمج الذكاء الاصطناعي التوليدي في مسارات العمل الأكاديمي يشكل نقطة تحول حاسمة للتعليم العالي والنشر العلمي. إنه يستدعي تجاوز الأساليب التنظيمية التفاعلية إلى حوكمة استباقية تركز على التعليم والمبادئ الأخلاقية.

فيما يخص السياسات المؤسسية، تتباين الإرشادات الصادرة عن الناشرين والمجلات بشكل كبير حول استخدام الذكاء الاصطناعي التوليدي في البحث والكتابة الأكاديمية. من بين أكبر مئة ناشر، لم تتجاوز نسبة من قدموا إرشادات واضحة 24%. بينما ارتفعت هذه النسبة إلى 87% لدى أفضل مئة مجلة تصنيفًا . ومن بين المجلات والناشرين الذين وضعوا إرشادات، يرفض حوالي 96% من الناشرين و 92% من المجلات اعتبار الذكاء الاصطناعي التوليدي مؤلفًا. ومع ذلك، لم تحظر سوى مجلة واحدة صراحةً استخدامه في إعداد المخطوطة . كما تختلف الأماكن التي يُفترض الإفصاح فيها عن استخدام هذه الأدوات، فتتوزع بين قسم المنهجية، أو قسم الشكر، أو رسالة التقديم، أو حتى قسم مستقل جديد. هذا يعكس غياب معيار موحد . وتزداد المشكلة حدة عندما تتعارض إرشادات اثنتي عشرة مجلة مع إرشادات ناشريها، مما يضاعف العبء على المؤلفين ويضعف فعالية التنظيم .

لقد أثبتت الدراسات الكمية أن هذه السياسات، رغم انتشارها، لم تنجح في الحد من الاستخدام الفعلي للذكاء الاصطناعي أو في تعزيز الشفافية. ففي تحليل لأكثر من خمسة ملايين ورقة بحثية، تبين أن 70% من المجلات اعتمدت سياسات تتعلق بالذكاء الاصطناعي. ومع ذلك، ارتفع استخدام أدوات الكتابة المدعومة بالذكاء الاصطناعي بشكل حاد عبر التخصصات، دون فارق ملحوظ بين المجلات التي لديها سياسات وتلك التي لا تملكها . والأخطر من ذلك، كشف تحليل للنصوص الكاملة لـ 164 ألف منشور علمي عن فجوة صارخة في الشفافية. فقد تم الإفصاح عن استخدام الذكاء الاصطناعي صراحةً في 76 ورقة فقط من أصل 75 ألف ورقة نُشرت منذ عام 2023، أي ما يعادل حوالي 0.1% فقط . تؤكد هذه النتائج أن السياسات الحالية القائمة على الإعلانات لم تحقق الشفافية المطلوبة ولم تحد من انتشار الذكاء الاصطناعي في الكتابة العلمية.

في ظل هذه الظروف، تتزايد الدعوات لتجاوز متطلبات الإفصاح العامة والصياغات الغامضة. يجب تطوير معايير موحدة ودقيقة للإبلاغ عن مساهمات الذكاء الاصطناعي. في ضوء هذه المعطيات، تتجه الدعوات إلى تجاوز متطلبات الإفصاح العامة والصياغات الغامضة نحو تطوير معايير موحدة ودقيقة للإبلاغ عن مساهمات الذكاء الاصطناعي، مع التعاون بين التخصصات لإنشاء إرشادات خاصة بكل مجال تحكم التعاون الأخلاقي بين الإنسان والآلة . يشمل ذلك أيضاً دمج أدوات كشف الذكاء الاصطناعي في عملية مراجعة الأقران لفحص المخطوطات بحثاً عن المحتوى الملفق، والانتحال، ودقة الاقتباس. فضلاً عن ذلك، تطوير بيانات شفافية موحدة في المجلات والمؤتمرات، وتشجيع المراجعين على التحقق من تدخل الذكاء الاصطناعي عند تقييم المخطوطات . ومع ذلك، هناك اعتراف بأن حظر الذكاء الاصطناعي في الكتابة الأكاديمية أصبح صعب التطبيق بشكل متزايد، نظراً لتغلغل المساعدة الذكية في عمليات الكتابة والبحث . وبالتالي، تبرز الحاجة إلى أطر قابلة للتحقق والمساءلة تضمن الاستخدام المسؤول للذكاء الاصطناعي في البحث العلمي، بدلاً من الاكتفاء بسياسات إعلانية لم تثبت فعاليتها.

تجدر الإشارة إلى أن المصادر التي تم استرجاعها لم تتناول بالتفصيل المعايير التنظيمية المحددة لكواشف الذكاء الاصطناعي نفسها كأدوات. فقد ركزت في معظمها على سياسات استخدام الذكاء الاصطناعي التوليدي في الكتابة الأكاديمية. وهذا يمثل فجوة بحثية تستحق المعالجة في الدراسات المستقبلية.

التحديات المتعلقة بالتحقق من الالتزام بسياسات الإفصاح

يشير الجديد في الأبحاث إلى أن أصعب ما في الإفصاح عن استخدام الذكاء الاصطناعي في الكتابة الأكاديمية ليس وضع السياسات نفسها. بل تكمن الصعوبة في التحقق الفعلي من التزام الباحثين بها. ترى ماكنتوش أن أغلب أدوات كشف المحتوى المولّد بالذكاء الاصطناعي ليست فعالة بما يكفي. هذا يجعل الاعتماد عليها كخط دفاع أساسي أمراً مقلقاً. التحدي الأكبر ليس فقط في سياسات الإفصاح، بل في مدى قدرتنا على التأكد من الالتزام بها .

تزداد هذه المشكلة تعقيداً مع توسع دور الذكاء الاصطناعي في البحث. لم يعد دوره مقتصراً على كتابة المسودات. بل يمتد ليشمل مراجعة الأدبيات والمساهمة في التقييمات الأولية. هذا يجعل تتبع أثره داخل العملية البحثية أكثر صعوبة. هذا التداخل بين الاستخدام المشروع وغير المعلن يزيد من صعوبة التحقق. خاصة مع تزايد عدد المخطوطات المقدمة للمجلات العلمية .

تتفاقم صعوبة التحقق بسبب الخلل المنهجي في أدوات الكشف نفسها. فقد أظهر تحليل تجريبي لخمس أدوات كشف تجارية أن نصاً بشرياً واحداً قُدّم في نفس اليوم حصل على تقييمات مختلفة جداً. تراوحت بين "0% بشري" و"مولّد بشرياً". هذا يكشف عن تباين كبير بين الأدوات وضعف في إمكانية التحقق المستقل من تصنيفاتها. بل إن إعادة الكتابة المكثفة بأداة "humanizer" تجارية أدت إلى تدهور ملحوظ في جودة النص. كل ذلك مع تغيير طفيف فقط في درجة الكشف المبلغ عنها .

علاوة على ذلك، قد لا ينتقل أداء نماذج الكشف في القياسات المعيارية إلى الكتابة الأكاديمية متعددة اللغات. أو الكتابة التعاونية، أو المترجمة، أو التي خضعت لمراجعات جوهرية. ويضاف إلى ذلك أن أداء نماذج الكشف في القياسات المرجعية قد لا ينتقل إلى الكتابة الأكاديمية متعددة اللغات أو التعاونية أو المترجمة أو التي خضعت لمراجعات جوهرية، ما يحدّ من قابلية تعميم هذه الأدوات في السياقات الأكاديمية المتنوعة .

على صعيد السياسات المؤسسية، كشفت دراسة تحليلية واسعة شملت 5114 مجلة وأكثر من 5.2 مليون ورقة. أن حوالي سبعين بالمئة من المجلات لديها سياسات تتعلق بالذكاء الاصطناعي. لكن هذه السياسات فشلت إلى حد كبير في الحد من الاستخدام أو تعزيز الشفافية. لم يُلاحظ فرق كبير في معدلات استخدام أدوات الكتابة المعززة بالذكاء الاصطناعي بين المجلات التي لديها سياسات وتلك التي لا تملكها.

ونسبة المنشورات التي صرحت صراحة باستخدام الذكاء الاصطناعي من بين نحو 75 ألف ورقة نُشرت منذ عام 2023 لم تتجاوز 0.1% تقريباً. هذا يدل على فجوة شفافية صارخة . تؤكد الدراسة أن السياسات الحالية أخفقت تماماً في تعزيز الشفافية أو كبح انتشار استخدام الذكاء الاصطناعي. وتدعو إلى تجاوز السياسات التقريرية إلى أطر قابلة للتحقق والمساءلة .

يعزز هذا التشخيص ما توثقه قاعدة بيانات "Academ-AI" من حالات استخدام مشبوهة غير معلن عنها في الأدبيات الأكاديمية. إذ تبين أن المشكلة منتشرة عبر مجلات ومؤتمرات وكتب مدرسية صادرة عن دور نشر مرموقة. يبدو أن الاستخدام غير المعلن أكثر تكراراً في المجلات ذات مؤشرات الاقتباس الأعلى ورسوم النشر الأعلى. وهي المجلات التي يُفترض أن تمتلك الموارد والخبرة لتجنب مثل هذه التجاوزات.

أقل من عشرين بالمئة من حالات الاستخدام غير المعلن المشتبه به تُصحَّح بعد النشر. والتصحيحات أو السحوبات الرسمية نادرة . خلصت الدراسة إلى أن الحالات الموثقة في قاعدة البيانات تمثل على الأرجح جزءاً صغيراً فقط من الاستخدام غير المعلن الكامن في الأدبيات الأكاديمية. وأن الكثير منه قد يظل غير قابل للكشف. وعلى الناشرين إنفاذ سياساتهم في الحالات القابلة للرصد. فهذا أفضل دفاع متاح حالياً .

إذن، تتطلب الفجوة بين السياسات المعلنة والواقع الفعلي للتحقق تجاوز منطق الكشف النصي إلى آليات إجرائية أكثر صرامة.

السباق بين أدوات الكشف وتقنيات التحايل

تتحدث الأدبيات باستمرار عن علاقة متطورة بين أدوات كشف المحتوى المولَّد بالذكاء الاصطناعي وتقنيات التحايل عليه. إنها أشبه بسباق تسلح دائم، حيث يتنافس الطرفان في ديناميكية متقلبة . يتجلى هذا الصراع في جهود مزدوجة: تسعى المؤسسات الأكاديمية والناشرون لتطوير كواشف تميز النصوص البشرية عن تلك التي يولدها الكمبيوتر، بينما يبتكر الآخرون طرقًا لإعادة صياغة المحتوى لتجنب اكتشافه. هذا يثير تساؤلات جدية حول فعالية الاعتماد على المنع والكشف وحدهما في تنظيم النشر الأكاديمي.

من الناحية النظرية، يعتمد الكشف بشكل أساسي على مشكلة تصنيف. من الناحية المفاهيمية، يُعد الكشف في جوهره مشكلة تصنيف يسعى إلى التمييز بين فرضيات إنتاج النص وبين خصائص التسلسل النهائي، لا إلى رصد مباشر لمصدر التأليف . لذلك، لا تكشف الأدوات عن هوية المؤلف الحقيقية، بل عن أنماط إحصائية أو خصائص تعلم آلي. فكر في انخفاض مقياس الحيرة، أو قلة التباين في قابلية التنبؤ المحلي، أو الكثافة النمطية. هذه الخصائص قد تجعل الكتابة الأكاديمية الرسمية، أو الكتابة بلغة ثانية، أكثر عرضة للتصنيف الخاطئ . وبالتالي، يتحول السباق بين الكشف والتحايل إلى منافسة بين سمتين إحصائيتين، لا بين أصل تأليفي يمكن التحقق منه. هذا يضعف أي نظام عقوبات يعتمد فقط على درجة الكاشف.

على أرض الواقع، لا تنتقل أداءات الكواشف التي تُقاس في بيئات اختبارية بسهولة إلى سياقات الكتابة الأكاديمية الفعلية. خاصة عندما يتعلق الأمر بلغات متعددة، أو الكتابة التعاونية، أو النصوص المترجمة، أو المسودات التي خضعت لتعديلات جوهرية . تؤكد الأبحاث أن الكواشف الحالية، رغم أنها تمثل خطوات واعدة نحو تنظيم جودة النشر العلمي بمساعدة الذكاء الاصطناعي، إلا أنها ليست دقيقة أو موثوقة بما يكفي للتقييم الأكاديمي حتى الآن . علاوة على ذلك، فإن الاعتماد الكامل على الكشف التكنولوجي عن المحتوى المولَّد بالذكاء الاصطناعي من غير المرجح أن يحقق حوكمة مستدامة. السبب؟ تباين الدقة، وإمكانية التحايل على الأنظمة عبر طلبات عدائية، وارتفاع مخاطر النتائج الإيجابية الكاذبة، لا سيما في سياقات الكتابة متعددة اللغات أو لغير الناطقين الأصليين .

تتجلى هذه المعركة أيضًا في عدم اتساق الأدوات المختلفة. فالنص نفسه قد يصنفه كاشف على أنه مولَّد بالكامل، بينما يعتبره آخر نصًا بشريًا. هذا يحد من التحقق المستقل للنتائج ويزيد من الشكوك حول استخدام هذه الأدوات في قرارات المساءلة الأكاديمية . في ظل هذه الظروف، تظهر دعوات متزايدة في الأدبيات المنهجية لتجاوز نهج المنع والكشف وحده. بدلاً من ذلك، هناك توجه نحو نماذج تقييم تركز على عملية التأليف نفسها. يشمل ذلك نقاط البداية المعلنة، والمسودات المنسوخة زمنيًا، والأدلة العملية، والتحقق الشفهي المستهدف. ففي نهاية المطاف، لا يمكن لتصنيف النص النهائي وحده أن يثبت التأليف أو الفهم أو سوء السلوك . ومع ذلك، تظل المصادر المتاحة محدودة في توثيق تفاصيل كمية دقيقة عن تقنيات التحايل المنتشرة حاليًا. المصادر التي تم استردادها لم تقدم نسبًا أو إحصاءات دقيقة حول مدى انتشار هذه التقنيات في النشر الأكاديمي.

مستقبل الكشف عن الذكاء الاصطناعي في النشر الأكاديمي

مستقبل اكتشاف الذكاء الاصطناعي في النشر الأكاديمي مرتبطٌ ارتباطًا وثيقًا بإعادة النظر فيما يمكن لهذه الأدوات أن تقدمه فعلاً. فالكشف، في جوهره، مشكلة تصنيفية. هدفه التمييز بين فرضيات إنتاج النص وخصائص التسلسل النهائي، وليس رصد مصدر الكتابة مباشرة . لهذا السبب، الكواشف الحالية، رغم تطورها، لا تزال غير دقيقة وغير موثوقة بما يكفي للتقييم الأكاديمي. لكنها تمثل بالفعل خطوات أولى واعدة نحو ضبط جودة بمساعدة الذكاء الاصطناعي في النشر العلمي . لرسم ملامح المستقبل، علينا تجاوز التصنيف وحده. نحتاج إلى منظومة متكاملة تجمع بين الكشف والمعالجة الأخلاقية والمعايير الموحدة.

أما عن الأدوات نفسها، فالأدلة تشير إلى أن تطوير الذكاء الاصطناعي لا يقتصر على كشف النصوص المولّدة آليًا. بل يمتد ليشمل بناء أنظمة قادرة على تحديد الأخطاء في الأبحاث المنشورة. هذا يتضمن التحقق الإحصائي، وصحة الاقتباسات، وكشف التلاعب في الصور. هذه القدرات قد تدعم نزاهة البحث الأكاديمي على نطاق واسع . لكن، هذه الأدوات لا تزال تعاني من فجوات في الأداء. كما أنها حساسة للغة النص وقابلة للهجمات العدائية. غير أن هذه الأدوات لا تزال تواجه فجوات في الأداء، وحساسية للغة النص، وقابلية للهجمات العدائية، وهو ما يحدّ من الاعتماد عليها في قرارات التقييم الحاسمة . بالإضافة إلى ذلك، لا تقدم الأدلة تفاصيل دقيقة عن معدلات الخطأ أو الإيجابيات الكاذبة في سياقات النشر الأكاديمي تحديدًا. لذا، يجب التعامل بحذر مع أي توقعات مستقبلية.

فيما يتعلق بالسياسات والممارسات، يدعو الأدب المراجَع إلى تجاوز مجرد متطلبات الإفصاح العامة عن استخدام الذكاء الاصطناعي. يجب تطوير صيغ تقارير موحدة ودقيقة توضح مساهمات الذكاء الاصطناعي في البحث. ويتطلب الأمر تعاونًا بين التخصصات لوضع مبادئ توجيهية أخلاقية خاصة بكل مجال للتعاون بين الإنسان والآلة . تؤكد الأدلة أن دمج الذكاء الاصطناعي التوليدي في سير العمل الأكاديمي هو نقطة تحول حاسمة للتعليم العالي والنشر العلمي. هذه المرحلة تتسم بتجزئة السياسات، وتفاوت كفاءة أدوات الكشف، واختلافات جوهرية بين التخصصات في مستوى التبني والقلق . هذا التباين سيستمر في المستقبل القريب على الأرجح، ما لم تُعتمد أطر حوكمة أكثر تنسيقًا.

بالنسبة لمستقبل الاعتماد على الكشف كأداة رقابية أساسية، تشير الأدلة المراجَعة إلى أن الاعتماد الحصري على الكشف التكنولوجي لن يحقق حوكمة مستدامة. وذلك بسبب تباين الدقة، وقابلية الكواشف للإفشال عبر المطالبات العدائية، وارتفاع مخاطر الإيجابيات الكاذبة في سياقات الكتابة متعددة اللغات أو لغير الناطقين الأصليين . بدلًا من ذلك، يُقترح الانتقال إلى تقييمات "مرنة تجاه الذكاء الاصطناعي" أو "مستنيرة به". هذه التقييمات تركز على العملية، والتأمل، والوعي المعرفي. أمثلة تشمل الامتحانات الشفوية، وتطوير الملفات التكرارية، والكتابة داخل الصف، والمشاريع التعاونية الأصيلة . يبقى من غير الواضح، وفقًا للمصادر المتاحة، مدى سرعة تبني هذه النماذج على نطاق واسع في مجلات النشر الأكاديمي مقارنة بسياقات التقييم في التعليم العالي.

ختامًا، يتجه مستقبل الكشف عن الذكاء الاصطناعي في النشر الأكاديمي نحو مسار مزدوج. من جهة، تطوير أدوات كشف أكثر تطورًا تتجاوز تصنيف النصوص لتشمل التحقق من المحتوى العلمي نفسه . ومن جهة أخرى، إعادة هيكلة السياسات والممارسات الأكاديمية لتتجاوز المقاربة البوليسية نحو حوكمة استباقية تركز على محو الأمية في الذكاء الاصطناعي، والعدالة المعرفية، والتعاون الأخلاقي بين الإنسان والآلة . تظل الفجوة بين الإمكانات التقنية ومتطلبات النشر الأكاديمي من حيث الدقة والموثوقية والقدرة على التحقق المستقل هي التحدي المركزي. هذا التحدي سيحدد شكل هذا المستقبل، ضمن حدود ما تتيحه الأدلة المسترجعة.

أسئلة مفتوحة

— كيف يمكن تطوير خوارزميات كواشف الذكاء الاصطناعي لتجاوز أوجه القصور الحالية وتحسين دقتها؟
— ما هي الآليات الفعالة لفرض سياسات الإفصاح عن استخدام الذكاء الاصطناعي في ظل صعوبة التحقق؟
— كيف يمكن للمجلات والناشرين التكيف مع التطور السريع لأدوات الذكاء الاصطناعي وتقنيات التحايل عليها؟
— ما هو التأثير طويل المدى لاستخدام الذكاء الاصطناعي على أصالة الفكر الإبداعي والبحث العلمي؟