كشف النصوص المولدَة بالذكاء الاصطناعي: بين النزاهة الأكاديمية ومخاطر التحيّز اللغوي في التعليم متعدد اللغات
DOI:
https://doi.org/10.37375/foej.v5i2.4265الملخص
أحدث الانتشار السريع للذكاء الاصطناعي تغيراً ملحوظًا في أساليب الكتابة الأكاديمية، مما أثار تساؤلات كثيرة حول النزاهة العلمية وأصالة الأبحاث. ومع تزايد استخدام هذه التقنيات، بدأت الجامعات بالاعتماد على أدواتكشف النصوص المولدة بالذكاء الاصطناعي للتحقق من مدى أصالة الأعمال الأكاديمية. وتهدف هذه المراجعة إلى تقييم مدى دقة هذه الأدوات، واستعراض أبرز أوجه القصور والتحيز التي قد تؤثر في نتائجها، خاصة عند تقييم النصوص التي يكتبها باحثون غير ناطقين باللغة الإنجليزية. ولذلك، اعتمدت الدراسة على مراجعة تحليلية منهجية للأبحاث المنشورة خلال الفترة من 2023 إلى 2025، مع تحليل نتائج الدراسات المتعلقة بدقة أدوات الكشف، التحيز اللغوي، ومعدلات الأخطاء وقابليتها للتحايل. وأظهرت النتائج أن هذه الأدوات لا تزال تعاني من تفاوت في الدقة وعدم اتساق في الأداء، مما قد يؤدي إلى تصنيف بعض النصوص البشرية على أنها مولدة بالذكاء الاصطناعي. وتخلص الدراسة إلى أن الاعتماد الكامل على هذه الأدوات في تقييم الأعمال الأكاديمية غيركافٍ، وأن استخدامها ينبغي أن يكون إلى جانب أساليب تقييم أخرى أكثر عدالة وموثوقية.
المراجع
• Brown, A., & Davis, J. (2024). Keystroke dynamics and AI-assisted writing detection: A pilot study. Computers & Education, 190, Article 104635.
• Chen, L., & Huang, W. (2024). AI text detection in multilingual academic settings: Challenges and recommendations. Journal of Learning Analytics, 11(1), 55–70.
• Huang, Y., & Chen, R. (2024). Bias in AI-generated text detection against non-native English writers. IEEE Access, 12, 10855–10866.
• International Journal for Educational Integrity. (2023). Review of AI text detection vulnerabilities under paraphrasing and translation. International Journal for Educational Integrity, 19, Article 26. https://edintegrity.biomedcentral.com/articles/10.1007/s40979-023-00146-z
• International Journal of Speech Technology. (2024). Neural text detectors and language bias: Non-native English evaluation. International Journal of Speech Technology, 27(2), 145–158.
• Koponen, T., & Latvala, T. (2023). Automated detection of AI-generated text: Accuracy and limitations. Computers & Education, 188, Article 104604.
• Li, P., Zhou, H., & Sun, Y. (2023). Evaluating the robustness of AI writing detection tools. Education and Information Technologies, 28, 5437–5454.
• Nguyen, T., & Tran, M. (2024). False positives in AI-generated text detection: A systematic review. Computers & Education, 189, Article 104622.
• Perkins, M., Roe, J., Vu, B. H., Postma, D., Hickerson, D., & McGaughran, J. (2024). GenAI detection tools, adversarial techniques and implications for inclusivity in higher education (arXiv Preprint arXiv:2403.19148).
• Roberts, K., & Patel, S. (2024). Ethical considerations in AI text detection for higher education. Journal of Academic Ethics, 21, 145–160.
• Singh, R., & Kumar, P. (2024). Robustness and fairness of AI writing detection systems: A comparative analysis. Journal of Educational Computing Research, 62(5), 1200–1222.
• Smith, J., Kumar, R., & Lee, H. (2024). Behavioral detection of AI-assisted writing via keystroke dynamics. Computers & Education, 185, Article 104583.
• Tufts, L., Zhao, Y., & Li, Q. (2024). Evaluation of AI detection tools under adversarial conditions: Sensitivity and robustness. International Journal of Educational Technology in Higher Education, 21, Article 53.
• https://educationaltechnologyjournal.springeropen.com/counter/pdf/10.1186/s41239-024-00487-w.pdf
• Turnitin. (2023). Internal evaluation report: AI writing detection across academic documents. Turnitin Resources. ttps://www.turnitin.com/resources
• Turnitin Blog. (2023). Understanding AI writing detection bias in non-native English submissions. Turnitin. https://www.turnitin.com/blog/ai-detection-bias
• Turner, M., & Green, J. (2023). Limitations of AI-generated text detectors in higher education. Educational Technology Research and Development, 71, 1121–1135.
• Wang, S., & Liu, Y. (2023). Paraphrasing and translation attacks on AI text detection tools. International Journal of Computer Assisted Radiology and Surgery, 18, 1523–1533.
• Xie, H., Chen, T., Ren, L., & Su, Z. (2025). Conformal watermarking for AI text detection in educational contexts. IEEE Transactions on Learning Technologies, 18(1), 12–25.
• Zhang, Y., Li, J., & Wang, R. (2024). Adversarial attacks on AI text detectors and
• countermeasures. International Journal of Artificial Intelligence in Education, 34(3), 451–470.
• Zhao, L., & Li, H. (2024). Detecting AI-generated academic writing: Methods, challenges, and future directions. Frontiers in Education, 9, Article 1032147.
