الجامعات التي تتخلى عن كشف الذكاء الاصطناعي

الجامعات لا تتخلى عن كشف الذكاء الاصطناعي بمعنى التخلي عن التقنية نفسها. ما تتخلى عنه هو سياسة التعامل مع درجة الذكاء الاصطناعي بوصفها الأساس الوحيد لاتهام بسوء السلوك الأكاديمي. التحول هو من "الدرجة هي الدليل" إلى "الدرجة عنصر من عناصر الإثبات يحتاج إلى مزيد من الفحص". هذا التحول ليس رفضاً لـ Turnitin. بل هو انسجام مع ما تقوله وثائق Turnitin نفسها.

تُبيّن وثائق AI Writing Report هذا الموقف بوضوح. الدرجة "should not be used as the sole basis for adverse actions against a student." (لا ينبغي أن تُستخدم كأساس وحيد لإجراءات ضارة بحق طالب). الجامعات التي تطلب أدلة إضافية قبل اتخاذ أي إجراء تتبع إرشادات المورِّد نفسه.

أهم جملة لفهم هذا الاتجاه موجودة في وثائق AI Writing Report. تقول Turnitin:

"Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student." (قد لا يكون نموذجنا للكشف عن الكتابة بالذكاء الاصطناعي دقيقاً دائماً (فقد يخطئ في تمييز النص المكتوب بشرياً والنص المولَّد بالذكاء الاصطناعي والنص المعاد صياغته بالذكاء الاصطناعي)، لذا لا ينبغي أن يُستخدم كأساس وحيد لإجراءات ضارة بحق طالب.)

والجملة التالية قراءتها ضرورية:

"It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred." (الأمر يتطلب مزيداً من الفحص والحكم البشري، إلى جانب تطبيق المؤسسة لسياساتها الأكاديمية الخاصة، لتحديد ما إذا كان قد وقع سوء سلوك أكاديمي.)

هاتان الجملتان، إذا قُرئتا معاً، تصفان تماماً نمط السياسة الذي تعتمده الجامعات. الدرجة تبدأ مراجعة، ولا تنهيها. الطالب لا يُتَّهم بسبب رقم. الطالب يُراجَع بسبب رقم، وتطبّق المراجعة الحكم البشري وسياسة المؤسسة قبل الوصول إلى أي نتيجة.

وتؤكد صفحة الإرشاد المنفصلة الخاصة بـ Turnitin، كيف ينبغي أن أراجع تقرير AI Writing Report؟، الإطار نفسه:

"It is not meant to provide definitive answers in isolation. More important than any tool is the educator who sees the score and makes decisions balancing this information with their personal knowledge of their students, their work, and institutional policy." (ليس الغرض منه تقديم إجابات نهائية بمفرده. الأهم من أي أداة هو المربّي الذي يرى الدرجة ويتخذ قراراته موازناً هذه المعلومات مع معرفته الشخصية بطلابه وبأعمالهم وبسياسة المؤسسة.)

والجملة التالية في تلك الصفحة توضح الاستخدام المقصود:

"When educators look at the AI writing score and utilize it as a single data point rather than a definitive response, then it is being used as intended." (عندما ينظر المربّون إلى درجة الكتابة بالذكاء الاصطناعي ويستخدمونها كنقطة بيانات واحدة لا كإجابة نهائية، فالأداة تُستخدم حينها على النحو المقصود.)

"A single data point rather than a definitive response." (نقطة بيانات واحدة لا إجابة نهائية.) هذه هي العبارة. الجامعات التي تعتمد هذا الإطار لا تتحدى Turnitin. بل تفعل ما يقول المورِّد إن الأداة صُممت من أجله.

تقول Turnitin إن معدل الإيجابيات الخاطئة أقل من 1%، لكن التفاصيل مهمة. تقول الأسئلة الشائعة:

"We strive to maximize the effectiveness of our detector while keeping our false positive rate - incorrectly identifying fully human-written text as AI-generated - under 1% for documents with over 20% of AI writing." (نسعى إلى تعظيم فعالية كاشفنا مع إبقاء معدل الإيجابيات الخاطئة لدينا — أي التحديد الخاطئ لنص مكتوب بشرياً بالكامل على أنه مولَّد بالذكاء الاصطناعي — دون 1% بالنسبة إلى المستندات التي تزيد نسبة الكتابة بالذكاء الاصطناعي فيها على 20%.)

والجملة التالية تعيد ذكر الرقم:

"In other words, we might flag a human-written document as AI-written for one out of every 100 fully-human written documents." (بعبارات أخرى، قد نُعلّم مستنداً مكتوباً بشرياً على أنه مكتوب بالذكاء الاصطناعي، بمعدل واحد من كل 100 مستند مكتوب بشرياً بالكامل.)

القيد "for documents with over 20% of AI writing" (بالنسبة إلى المستندات التي تزيد نسبة الكتابة بالذكاء الاصطناعي فيها على 20%) مهم. هدف البقاء دون 1% ينطبق على المستندات التي تحتوي قدراً معتبراً من نص الذكاء الاصطناعي. الجملة التي تعيد ذكر الرقم تُسقط هذا القيد، أما الادعاء الأصلي فلا يُسقطه.

حتى بمعدل 1 من كل 100، تصبح الحسابات مزعجة على النطاق الواسع. جامعة تعالج 10,000 ورقة بحثية في الفصل الدراسي قد ترى نحو 100 مستند مكتوب بشرياً بالكامل مُعلَّمة على أنها مولَّدة بالذكاء الاصطناعي. جامعة تعالج 75,000 ورقة قد ترى 750. هذه ليست أرقاماً مجردة. كل واحد منها طالب يواجه اتهاماً بسوء السلوك الأكاديمي استناداً إلى أداة تقول Turnitin نفسها إنها لا ينبغي أن تكون الأساس الوحيد.

(قرار Vanderbilt University بتعطيل كاشف الذكاء الاصطناعي مشروح في ما الذي يعنيه معدل إيجابيات خاطئة قدره 1% عندما تقدّم جامعة 75,000 ورقة بحثية. المهم هنا هو النمط الأوسع، لا مؤسسة بعينها.)

من بين القيود المعروفة للكاشف، يفسر اثنان منها سبب إضافة الجامعات لضمانات بدلاً من إزالتها.

أولاً، المستندات القصيرة صعبة على النموذج. تقول الأسئلة الشائعة:

"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 التي لا تحتوي سوى بضع مئات من الكلمات، سيكون التوقع في معظمه 'all or nothing' (إما كله أو لا شيء)، لأننا نتوقع 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." (هذا يعني أن بعض النصوص التي تمزج محتوى مولَّداً بالذكاء الاصطناعي بمحتوى أصلي قد تُعلَّم على أنها مولَّدة بالذكاء الاصطناعي بالكامل.)

بالنسبة إلى مقرر دراسي مبني على أوراق إجابة قصيرة، هذا مصدر قلق حقيقي. تأمل من 300 كلمة كُتب جزء منه بمساعدة الذكاء الاصطناعي قد يُعلَّم على أنه مولَّد بالذكاء الاصطناعي بنسبة 100%.

ثانياً، يقر المورِّد بأنه يضحّي بشمول الكشف مقابل دقته. تقول الأسئلة الشائعة:

"In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing." (للحفاظ على هذا المعدل المنخفض البالغ 1% للإيجابيات الخاطئة، ثمة احتمال بأن يفوتنا بعض النص المكتوب بالذكاء الاصطناعي في المستند. نحن مرتاحون لذلك، لأننا لا نريد أن نُعلّم نصاً مكتوباً بشرياً على أنه مكتوب بالذكاء الاصطناعي عن طريق الخطأ. على سبيل المثال، إذا حدّدنا أن 50% من مستند ما مكتوبة على الأرجح بأداة ذكاء اصطناعي، فقد يحتوي فعلياً على ما يصل إلى 65% من الكتابة بالذكاء الاصطناعي.)

يعني هذا أن الكاشف متحفظ بحكم تصميمه. فهو يفضّل أن يفوته نص مكتوب بالذكاء الاصطناعي على أن يتهم كاتباً بشرياً خطأً. الجامعات القلقة من الاتهامات الخاطئة يمكن أن تجد بعض العزاء في هذا الخيار التصميمي. لكن التصميم يعني أيضاً أن الدرجة النظيفة ليست دليلاً على غياب الذكاء الاصطناعي. بل تعني أن الأداة لم تُعلّم شيئاً يتجاوز عتبتها.

حقيقة واحدة تُعقّد سردية "الجامعات التي تتخلى عن كشف الذكاء الاصطناعي" وهي أن المورِّد لا يتخلى عن الأداة. تقول الأسئلة الشائعة:

"In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model. This update improves and simplifies the AI writing report, maintaining a less than 1% false positive rate." (في يوليو 2026، حدّثنا بنية نموذجنا لدمج مجموعة من عدة نماذج في نموذج واحد. هذا التحديث يحسّن ويبسّط تقرير الكتابة بالذكاء الاصطناعي، مع الحفاظ على معدل إيجابيات خاطئة أقل من 1%.)

النموذج قيد تطوير مستمر. أدى الدمج الذي جرى في يوليو 2026 إلى تبسيط البنية مع الحفاظ على هدف الإيجابيات الخاطئة. الجامعات تعدّل سياساتها حول أداة لا يزال المورِّد يستثمر فيها. التقنية لا تختفي. الاستجابة المؤسسية لها تنضج.

ما نراه في المؤسسات ليس خياراً ثنائياً بين "استخدام الكشف" و"عدم استخدام الكشف". النمط أكثر تحديداً. الجامعات تمر عموماً بثلاث مراحل.

المرحلة الأولى: تُعامَل الدرجة كدليل كافٍ لإثبات سوء السلوك الأكاديمي. هذا نهج "الأساس الوحيد". وثائق Turnitin نفسها تقول إن هذه ليست الطريقة التي ينبغي أن تُستخدم بها الأداة.

المرحلة الثانية: تُطلق الدرجة عملية مراجعة تتطلب أدلة إضافية. قد تشمل المراجعة محادثة مع الطالب، أو مقارنة بأعمال سابقة، أو فحصاً لسجل المسودات. هذا نهج "الدليل المساند". وهو يتماشى مع ما ورد في الأسئلة الشائعة من أن الدرجة "should not be used as the sole basis" (لا ينبغي أن تُستخدم كأساس وحيد) وأن "it takes further scrutiny and human judgment." (الأمر يتطلب مزيداً من الفحص والحكم البشري).

المرحلة الثالثة: تُعطّل المؤسسة كاشف الذكاء الاصطناعي بالكامل. وهذا نادر. قرار Vanderbilt هو المثال الأكثر استشهاداً، لكن معظم المؤسسات التي أعادت النظر في سياساتها توقفت عند المرحلة الثانية، لا الثالثة.

الاتجاه يسير نحو المرحلة الثانية. الجامعات تحتفظ بالأداة وتضيف ضمانات إجرائية — وما إذا كان مؤشر الذكاء الاصطناعي مفعّلاً أصلاً في مؤسستك يعتمد على ما اشترته. إنها لا تتخلى عن الكشف. بل تطلب أن تُعامَل الدرجة كما تقول Turnitin إنها كذلك: نقطة بيانات واحدة، لا إجابة نهائية.

إذا كنت طالباً، فالخلاصة العملية هي التالية. الدرجة العالية للذكاء الاصطناعي في ورقتك لا تعني تلقائياً اتهاماً. في عدد متزايد من المؤسسات، الدرجة بداية محادثة لا حكم، وما يُطلب من مدرّسك أن يفعله عندما تكون نسبة الذكاء الاصطناعي لديك مرتفعة مدوّن من قِبل المورِّد. احتفظ بمسوداتك، واحتفظ بسجل إصداراتك، وكن مستعداً لشرح عملية كتابتك إذا سُئلت.

إذا كنت مدرّساً، فالخلاصة هي أن وثائق Turnitin نفسها تدعم بالفعل هذا التحول في السياسة. تقول الأسئلة الشائعة إن الدرجة "should not be used as the sole basis for adverse actions." (لا ينبغي أن تُستخدم كأساس وحيد لإجراءات ضارة). وتقول صفحة الإرشاد الخاصة بالمراجعة إنها "a single data point rather than a definitive response." (نقطة بيانات واحدة لا إجابة نهائية). لست بحاجة إلى الدفاع عن سياسة الدليل المساند كما لو كانت خروجاً على إرشادات المورِّد. إنها الإرشادات نفسها.

إذا كانت لديك ورقة تم تعليمها وتريد مراجعتها قبل التسليم، يمكنك استيراد تقرير Turnitin والعمل على المقاطع التي أبرزها فقط.