كيف يؤثر هيكل المقال على نتيجة الذكاء الاصطناعي في Turnitin

يمكن أن يؤثر هيكل المقال على نتيجتك في Turnitin لأن الأسئلة الشائعة تذكر صراحةً خصائص بنيوية تؤدي إلى إيجابيات خاطئة. ومن بينها "content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas." (محتوى بلا تنوع بنيوي يُذكر، ونص يكرر نفسه حرفيًا، أو نص أُعيدت صياغته دون تطوير أفكار جديدة). وتنصح الأسئلة الشائعة المدرسين بـ "take that into consideration when looking at the percentage indicated" (مراعاة ذلك عند النظر إلى النسبة المئوية الموضحة) في هذا النوع من النصوص. وتصف ملاحظة إصدار من مايو 2023 أيضًا نمطًا سُجلت فيه نسبة أعلى من الإيجابيات الخاطئة في الجمل الأولى والأخيرة من المستند، وغالبًا لأنها تتكون من "introduction or conclusion content written in a generic way." (محتوى تمهيدي أو ختامي مكتوب بأسلوب عام). وقد عُدّل منطق الكشف للحد من ذلك، غير أن النمط البنيوي الأساسي — المقدمات والخواتم العامة — لا يزال قائمًا. إذا كانت جمل مقالك متشابهة الإيقاع، أو كانت صياغاتك متكررة، أو كانت مقدمتك وخاتمتك قالبيتين، فإن هذه الخصائص قد ترفع النتيجة حتى لو كان المحتوى من عملك بالكامل.

تحدد الأسئلة الشائعة خصائص محددة للنصوص تميل إلى إنتاج إيجابيات خاطئة:

"Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas." (قد تشمل الإيجابيات الخاطئة (وسم نص كتبه إنسان بأنه من إنشاء الذكاء الاصطناعي على نحو غير صحيح) محتوى بلا تنوع بنيوي يُذكر، ونصًا يكرر نفسه حرفيًا، أو نصًا أُعيدت صياغته دون تطوير أفكار جديدة.)

الجملة التالية: "If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated." (إذا أظهر مؤشرنا قدرًا أكبر من الكتابة بالذكاء الاصطناعي في هذا النوع من النصوص، فننصحك بمراعاة ذلك عند النظر إلى النسبة المئوية الموضحة.)

وهذا يعني أن الأسئلة الشائعة نفسها تقرّ بأن بعض الأنماط البنيوية في الكتابة البشرية يمكن أن ترفع نتائج الذكاء الاصطناعي. فالمقال الذي تتبع فيه كل فقرة البنية نفسها، وتتشابه فيه الجمل طولًا وإيقاعًا، أو تُكرر فيه العبارات المفتاحية للتأكيد، يمكن أن يطابق هذا النمط المعرّض للإيجابيات الخاطئة. والتوجيه الرسمي هو عدم التعامل مع النسبة المئوية على أنها نهائية في هذا النوع من النصوص. لماذا يوسم كاشفو الذكاء الاصطناعي المقالات الجيدة الكتابة هو الملاحظة نفسها من زاوية الجودة.

يعالج نموذج الكشف النثر المؤهل بتقسيمه إلى مقاطع متداخلة:

"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1, denoting the probability of the text being likely human or AI-generated." (عند إرسال ورقة بحثية إلى Turnitin، تُستخرج جمل الإرسال وتُقسَّم إلى أقسام متداخلة لتحليل التنبؤ. ويُصنَّف كل قسم بواسطة نموذج كشف الذكاء الاصطناعي ويُعطى قيمة بين 0 و1، تدل على احتمال أن يكون النص من كتابة إنسان أو من إنشاء الذكاء الاصطناعي.)

النموذج غير مبرمج على تقييم burstiness أو perplexity بوصفهما مقياسين مسمّيَيْن: "Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions." (نموذجنا غير مبرمج بشكل صريح على تقييم إشارات محددة مثل 'burstiness' أو 'perplexity' أو غيرها من المقاييس الفردية التي يُشار إليها أحيانًا في المناقشات العامة.) والجملة التالية: "Instead, it learns statistical patterns from our training data." (بل يتعلم أنماطًا إحصائية من بيانات تدريبنا.) وتذكر الأسئلة الشائعة نفسها أيضًا: "Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (دُرِّبت مصنفاتنا على رصد هذه الفروق في احتمال الكلمات، وهي على دراية بتتابعات احتمال الكلمات الخاصة بالكتاب من البشر.) إذن فالنموذج يقيم أنماط احتمال الكلمات لا المقاييس السطحية، غير أن بنية الجملة المتشابهة يمكن أن تنتج أنماطًا يربطها النموذج بالنص المنشأ بالذكاء الاصطناعي. ما الذي يقيسه كاشفو الذكاء الاصطناعي إلى جانب perplexity وburstiness هو الشرح الأوسع.

تصف ملاحظة إصدار من مايو 2023 نمطًا رُصد منذ الإطلاق:

"Since launch, we have observed a higher incidence of false positive detection in the first few or last few sentences of a document. Many times these sentences consist of introduction or conclusion content written in a generic way." (منذ الإطلاق، رصدنا نسبة أعلى من الإيجابيات الخاطئة في الجمل القليلة الأولى أو الأخيرة من المستند. وكثيرًا ما تتكون هذه الجمل من محتوى تمهيدي أو ختامي مكتوب بأسلوب عام.)

الجملة التالية: "As a result, we have changed our detection logic to help reduce these false positives." (ونتيجة لذلك، غيّرنا منطق الكشف للمساعدة في الحد من هذه الإيجابيات الخاطئة.)

كان ذلك تحسينًا أُجري عام 2023، وليس خللًا حاليًا. فقد حُدِّث منطق الكشف للحد من الإيجابيات الخاطئة في هذه المواضع. غير أن النمط الأساسي لا يزال قائمًا: تميل المقدمات والخواتم إلى استخدام لغة عامة وقالبية قد تشبه مخرجات الذكاء الاصطناعي. فإذا بدأ مقالك بعبارات واسعة وانتهى بملخص يعيد ذكر نقاطك الرئيسية، فقد تظل تلك الأقسام أكثر عرضة للإيجابيات الخاطئة من فقرات المتن.

تصف الأسئلة الشائعة سلوك المستندات القصيرة في ظل نموذج الكشف:

"In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap." (في المستندات الأقصر، حيث لا يوجد سوى بضع مئات من الكلمات، سيكون التنبؤ في معظمه 'all or nothing' (الكل أو اللاشيء)، لأننا نتنبأ بناءً على مقطع واحد دون فرصة للتداخل.)

الجملة التالية: "This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (وهذا يعني أن بعض النصوص التي تخلط بين محتوى من إنشاء الذكاء الاصطناعي ومحتوى أصلي قد تُوسم بأنها من إنشاء الذكاء الاصطناعي بالكامل.)

تواجه المقالات القصيرة هذه المشكلة لأنها تحتوي على مقاطع أقل يقيمها النموذج. وبدون مقاطع متداخلة تخفف أخطاء التنبؤ الفردية، تصبح النتيجة ثنائية. فقد تحصل مقالة من 500 كلمة ذات مقدمة متشابهة البنية على نتيجة متطرفة لا تعكس الخليط الفعلي من المحتوى البشري ومحتوى الذكاء الاصطناعي الموجود فيها.

تؤكد الأسئلة الشائعة أن النتيجة لا ينبغي التعامل معها على أنها نهائية:

"Hence, we must emphasize that the percentage on the AI writing indicator should not be used as the sole basis for action or a definitive grading measure by instructors." (لذا، يجب أن نؤكد أن النسبة المئوية في مؤشر الكتابة بالذكاء الاصطناعي لا ينبغي أن تُستخدم أساسًا وحيدًا لاتخاذ إجراء، أو مقياسًا نهائيًا للدرجات من قِبل المدرسين.)

وهذا مهم لهيكل المقال لأن الكتابة المتشابهة البنية يمكن أن ترفع النتيجة. فإذا كان مقالك يطابق الخصائص المعرّضة للإيجابيات الخاطئة التي تصفها الأسئلة الشائعة، فقد تبالغ النسبة المئوية في تقدير قدر المحتوى الفعلي المنشأ بالذكاء الاصطناعي. وتوصي الوثائق نفسها بالنظر إلى النتيجة مع أدلة أخرى، لا بوصفها حكمًا قائمًا بذاته. أما ما إذا كان ينبغي لك تغيير بنية كتابتك من الأساس فهو قرار آخر: هل عليك تغيير طريقة كتابتك لتجنب الوسم.

لتلخيص ما تناولناه:

• تذكر الأسئلة الشائعة قلة التنوع البنيوي والتكرار الحرفي وإعادة الصياغة دون أفكار جديدة بوصفها خصائص معرّضة للإيجابيات الخاطئة.
• يُنصح المدرسون بـ "take into consideration" (مراعاة) النسبة المئوية في هذا النوع من النصوص.
• وصفت ملاحظة إصدار من عام 2023 إيجابيات خاطئة تركزت في الجملة الأولى والأخيرة، وكثيرًا ما كانت محتوى تمهيديًا أو ختاميًا عامًا.
• حُدِّث منطق الكشف للحد من ذلك، لكن النمط البنيوي لا يزال قائمًا.
• تحصل المقالات القصيرة على تنبؤات من نوع الكل أو اللاشيء بسبب تقييم مقطع واحد.
• تقول الأسئلة الشائعة إن النسبة المئوية لا ينبغي استخدامها أساسًا وحيدًا لاتخاذ إجراء.

إذا تلقيت تقرير ذكاء اصطناعي من Turnitin وأردت معالجة المقاطع الموسومة، فاستورد التقرير واعمل عليها. ويمكن إعادة تشغيل المقاطع المؤهلة دون أي مقابل.