أوراق المؤتمرات واكتشاف الذكاء الاصطناعي في Turnitin: ما يجب معرفته

تقع أوراق المؤتمرات في موقف صعب بالنسبة لاكتشاف الذكاء الاصطناعي. فهي قصيرة بما يكفي لإثارة مشكلة “الكل أو لا شيء” التي يصفها Turnitin للمستندات التي تحتوي على بضع مئات الكلمات من النثر المؤهل. وهي مليئة بالمنهجية وملخصات الأعمال ذات الصلة التي تطابق نمط الإيجابي الكاذب في الأسئلة الشائعة. كما تحتوي أيضا على نقاط نقطية وتعليقات على الأشكال وإدخالات الجداول التي لا يحللها النموذج كنص مؤهل. قد تعكس النسبة المئوية التي تراها جزءا أصغر بكثير من ورقتك مما تتوقعه.

تحدد الأسئلة الشائعة أنواعا محددة من النص عرضة للإيجابيات الكاذبة:

"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." (أحيانا يمكن أن تشمل الإيجابيات الكاذبة (الإشارة الخاطئة إلى النص المكتوب بشريا على أنه منشأ بالذكاء الاصطناعي) محتوى بلا الكثير من التباين الهيكلي، أو نصا يتكرر حرفيا، أو نصا تمت إعادة صياغته دون تطوير أفكار جديدة.)

تطابق أوراق المؤتمرات عدة من هذه المعايير. حدود الصفحات تدفع المؤلفين نحو جمل فعالة وموحدة. تكثف أقسام الأعمال ذات الصلة دراسات كاملة في جملة أو جملتين لكل منها، وهي إعادة صياغة دون تطوير أفكار جديدة. غالبا ما تتشارك الملخص والمقدمة والخلاصة لغة تأطير متكررة لأن الادعاءات نفسها يجب أن تظهر في أماكن متعددة. تواصل الأسئلة الشائعة:

"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 كمية أكبر من كتابة الذكاء الاصطناعي في مثل هذا النص، فإننا ننصحك بوضع ذلك في الاعتبار عند النظر إلى النسبة المئوية المشار إليها.)

هذه نصيحة يجب أن نأخذها على محمل الجد تحديدا لأوراق المؤتمرات.

قبل مناقشة الدرجات، نحتاج إلى تغطية ما يقبله Turnitin فعلا. يحدد مقال مساعدة من Turnitin القيود:

"File must be written in a supported language: English, Spanish, Japanese" (يجب أن يكون الملف مكتوبا بلغة مدعومة: الإنجليزية، الإسبانية، اليابانية)

هذا السطر اللغوي متأخر إصدارا عن المنتج. أضاف Turnitin العربية الفصحى في 18 أغسطس 2026، مما رفع القائمة إلى أربعة، ولم تكن صفحة المتطلبات المشار إليها أعلاه قد حررت لتذكر ذلك حين كتب هذا المقال. يذكر المصدر نفسه التنسيقات المقبولة وحدود الحجم:

"Accepted file types: .docx, .pdf, .txt, .rtf" (أنواع الملفات المقبولة: .docx، .pdf، .txt، .rtf)

تشمل المتطلبات الإضافية ملفات أقل من 100MB، وعلى الأقل 300 كلمة من النثر، ولا تزيد عن 30,000 كلمة. بالنسبة لأوراق المؤتمرات، فإن حد 300 كلمة كحد أدنى مهم. قد تحتوي ورقة من 6 صفحات مع أشكال وجداول ومعادلات على أقل من 300 كلمة من النثر المؤهل بعد استبعاد المحتوى غير النثري. من غير المرجح أن يكون الحد الأقصى البالغ 30,000 كلمة مشكلة، ولكن الحد الأدنى للنثر يمكن أن يكون كذلك.

إذا كانت ورقة المؤتمر مكتوبة بـ LaTeX ومُصدَّرة إلى PDF، فإن التنسيق مقبول. إذا قدمت DOCX، يعالج النموذج النص بالطريقة نفسها. لا يغير التنسيق نفسه الدرجة، ولكن كمية النثر المؤهل في ذلك التنسيق تغيرها.

تصف الأسئلة الشائعة الخط الذي يحول ورقتك إلى درجة:

"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. Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score. These sentence scores are further aggregated and used to compute the overall document AI writing score." (عندما تُقدم ورقة إلى Turnitin، تُستخرج الجمل من التقديم وتُجزَّأ إلى أقسام متداخلة لتحليل التنبؤ. يُصنف كل قسم بواسطة نموذج اكتشاف الذكاء الاصطناعي ويُعطى قيمة بين 0 و1، تدل على احتمال أن يكون النص بشريا أو منشأ بالذكاء الاصطناعي. ترث كل جملة مؤهلة داخل هذه الأقسام درجة القسم. وبما أن الأقسام متداخلة، فقد تكون لبعض الجمل درجات متعددة، تُجمَّع بعد ذلك في درجة واحدة. تُجمَّع درجات هذه الجمل كذلك وتُستخدم لحساب درجة كتابة الذكاء الاصطناعي العامة للمستند.)

برز أمران بالنسبة لأوراق المؤتمرات. أولا، لا تُستخرج إلا الجمل المؤهلة. تعرف الأسئلة الشائعة النص المؤهل:

"This qualifying text includes only prose sentences, meaning that we only analyze blocks of text that are written in standard grammatical sentences and do not include other types of writing such as lists, bullet points (short non-sentence structures), or other non-sentence structures." (يشمل هذا النص المؤهل جمل النثر فقط، مما يعني أننا نحلل كتل النص المكتوبة بجمل قواعدية قياسية فقط ولا نشمل أنواعا أخرى من الكتابة مثل القوائم أو النقاط النقطية (هياكل قصيرة غير جملية) أو هياكل أخرى غير جملية.)

ثانيا، تعكس النسبة المئوية النثر المؤهل فقط. توضح الأسئلة الشائعة:

"This percentage is not necessarily the percentage of the entire submission." (هذه النسبة المئوية ليست بالضرورة نسبة التقديم بأكمله.)

قد تحتوي ورقة مؤتمر من 10 صفحات على عدة صفحات من الأشكال والجداول وقوائم النقاط النقطية. تغطي درجة الذكاء الاصطناعي جمل النثر فقط. درجة 40% لا تعني أن 40% من الورقة تُقرأ كأنها منشأة بالذكاء الاصطناعي. بل تعني أن 40% من النثر المؤهل كذلك.

أوراق المؤتمرات أقصر من مقالات المجلات. بعد استبعاد المحتوى غير النثري، قد يقع النثر المؤهل في ورقة مؤتمر نموذجية ضمن النطاق الذي يحذر منه 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 توجد بها سوى بضع مئات الكلمات، سيكون التنبؤ في الغالب “الكل أو لا شيء” لأننا نتنبأ على قسم واحد دون فرصة للتداخل.)

النتيجة مباشرة:

"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 النص الذي هو مزيج من محتوى منشأ بالذكاء الاصطناعي وأصلي يمكن أن يُعلَّم على أنه منشأ بالذكاء الاصطناعي بالكامل.)

حتى لو كانت ورقة مؤتمرك تحتوي على 3,000 كلمة في المجموع، فقد يكون النثر المؤهل بعد استبعاد تعليقات الأشكال وإدخالات الجداول وقوائم النقاط النقطية أقل بكثير. أقسام أقل تعني أن كل واحد يحمل وزنا أكبر. قسم واحد بدرجة عالية يمكن أن يدفع النسبة المئوية العامة إلى الأعلى بشكل حاد.

يوجد اعتقاد شائع بأن كاشف Turnitin يقيم “الاندفاعية” و“الحيرة”. تتناول الأسئلة الشائعة ذلك مباشرة:

"Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions." (لم تتم برمجة نموذجنا بشكل صريح لتقييم إشارات محددة مثل “الاندفاعية”، “الحيرة” أو مقاييس فردية أخرى يُشار إليها أحيانا في المناقشات العامة.)

الجملة التالية توضح ما يحدث بدلا من ذلك:

"Instead, it learns statistical patterns from our training data." (بدلا من ذلك، يتعلم أنماطا إحصائية من بيانات التدريب لدينا.)

تصف الأسئلة الشائعة بعد ذلك ما يركز عليه المصنفات فعلا:

"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 للكشف عن هذه الفروقات في احتمال الكلمات وتبرع في تسلسلات احتمال الكلمات المعينة للكتاب البشر.)

هذا يعني أن النموذج ينظر إلى أنماط اختيار الكلمات المتعلمة من بيانات التدريب. لا يقيس تباين طول الجمل أو ندرة المفردات بشكل منفرد. يساعد فهم ذلك في تفسير لماذا قد تثير أوراق المؤتمرات، بصياغتها المضغوطة والتقليدية، درجات تبدو خاطئة. يمكن لأنماط الكلمات في النثر الأكاديمي الفعال أن تشبه أنماطا تعلمها النموذج من أمثلة التدريب المنشأة بالذكاء الاصطناعي.

دليل التقرير واضح حول كيف يجب ولا يجب استخدام الدرجة:

"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 نموذج اكتشاف كتابة الذكاء الاصطناعي دقيقا دائما (فقد يخطئ في تحديد النص المكتوب بشريا والمنشأ بالذكاء الاصطناعي والمعاد صياغته بالذكاء الاصطناعي)، لذا لا ينبغي استخدامه كأساس وحيد لإجراءات معاكسة ضد الطالب.)

الجملة التالية تعزز النقطة:

"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." (يتطلب مزيد من التدقيق والفهم البشري مع تطبيق المنظمة لسياستها الأكاديمية المحددة لتحديد ما إذا كان قد حدث سلوك أكاديمي غير سليم.)

ينطبق الأمر نفسه عندما تخرج ورقة المؤتمر للتقييم بالأقران. لدى عضو لجنة البرنامج أو محرر المجلة الذي يحمل درجة عالية للذكاء الاصطناعي، بحسب رواية المورد نفسها، معلومات لا تزال تتطلب حكما بشريا وراءها، وليست استنتاجا.

إليك ما يجب وضعه في الاعتبار إذا تلقت ورقة مؤتمرك درجة عالية في الذكاء الاصطناعي من Turnitin:

• تطابق أوراق المؤتمرات نمط الإيجابي الكاذب: هيكل موحد وأعمال ذات صلة معاد صياغتها ولغة تأطير متكررة عبر الأقسام.
• قد لا يُحقق الحد الأدنى البالغ 300 كلمة من النثر بعد استبعاد المحتوى غير النثري من ورقة غنية بالأشكال.
• تعكس النسبة المئوية النثر المؤهل فقط، لا التقديم بأكمله.
• قد يثير النثر المؤهل القصير تنبؤات “الكل أو لا شيء” بأقسام متداخلة قليلة.
• يقيس النموذج أنماط احتمال الكلمات المتعلمة من بيانات التدريب، لا الاندفاعية أو الحيرة.
• لا ينبغي أن تكون الدرجة الأساس الوحيد لأي حكم.

إذا كنت تريد معالجة المقاطع المُعلَّمة، استورد تقرير Turnitin وعالجها. يمكن إعادة تشغيل المقاطع المؤهلة دون تكلفة.