ما الأدلة المستخدمة في قضايا سوء السلوك المرتبطة بالذكاء الاصطناعي؟ دراسة شملت 1,162 ملف قضية

في إحدى الجامعات الأسترالية، شكلت درجات أدوات الكشف جزءاً ضئيلاً وآخذاً في التراجع. فمن بين 1,162 قضية سوء سلوك مرتبطة بالذكاء الاصطناعي بين عامي 2023 و2025، شكلت مخرجات أدوات الكشف عن الذكاء الاصطناعي مثل GPTZero نسبة 5.8% من الأدلة المسجلة في عام 2023، و8.8% في عام 2024، و0.5% في عام 2025، وهو ما يعادل خمسة عناصر فقط في عام شهد 618 قضية من هذا النوع. وعلى مدار السنوات الثلاث، ظهرت نتائج أدوات الكشف في 67 قضية فقط من أصل 1,162 قضية. وكان الأكثر شيوعاً بكثير هو الاعترافات الصادرة أثناء مقابلة الطالب (في 34.3% من القضايا)، والمراجع التي تعذر العثور عليها (30.6%)، وتقدير المصحح بأن النص يبدو مكتوباً بالذكاء الاصطناعي (20.6%). ولم يفسر نوع الدليل وقوته سوى قدر ضئيل من كيفية انتهاء القضايا.

الدراسة بعنوان "How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis" (ما مدى قوة الأدلة في ادعاءات سوء السلوك الأكاديمي المرتبطة بالذكاء الاصطناعي التوليدي؟ تحليل بالأساليب المختلطة)، وهي من إعداد Albert Munoz وMercedez Hinchcliff وCameron Langfield وAnn Rogerson من University of Wollongong. نُشرت الدراسة في دورية International Journal for Educational Integrity في 2 سبتمبر 2026 وهي متاحة للوصول المفتوح. وتعود ملفات القضايا إلى جامعتهم الخاصة ويعمل المؤلفون فيها. كما أن Rogerson عضوة في هيئة تحرير الدورية، وهو ما أعلنته الورقة البحثية بوصفه تضارباً في المصالح.

سجلت الجامعة 5,127 قضية سوء سلوك أكاديمي بين يناير 2023 وديسمبر 2025. استخرج فريق البحث 1,162 قضية تضمنت اشتباهاً في استخدام الذكاء الاصطناعي التوليدي، أي ما يعادل 22.7% من الإجمالي. وكانت تلك النسبة ترتفع في كل عام:

إن الوجود ضمن هذه المجموعة لا يعني أنه ثبت ارتكاب الطالب لأي مخالفة. والورقة البحثية صريحة في هذا الشأن: "This study does not adjudicate whether individual students engaged in the misuse of generative artificial intelligence." (لا تفصل هذه الدراسة فيما إذا كان طلاب بعينهم قد تورطوا في إساءة استخدام الذكاء الاصطناعي التوليدي).

عثر الباحثون داخل الملفات على 1,855 دليلاً منفرداً وقسموها إلى 15 نوعاً. وجرى تقييم كل دليل وفق ثلاثة مقاييس مأخوذة من الدراسات القانونية: الصلة، والمصداقية، والقوة الاستدلالية، وهي مدى قوة دعم العنصر للادعاء بمفرده. وتعد هذه التقييمات تقديراً خاصاً بالباحثين، طُبق على كامل مجموعة البيانات بواسطة نموذج لغوي يعمل محلياً جرت معايرته وفقاً لترميزهم الخاص. وهي لا تختبر ما إذا كان أي دليل فردي صحيحاً أم لا.

جميع الأنواع الـ 15، مرتبة حسب عدد القضايا التي ظهرت فيها. ونظراً لأن القضية الواحدة يمكن أن تتضمن عدة أنواع من الأدلة، فإن مجموع النسب المئوية يتجاوز 100%.

وكانت المراجع التي تعذر العثور عليها هي النوع الأسرع نمواً، حيث ارتفعت من 10.4% من الأدلة المسجلة في عام 2023 إلى 30.0% في عام 2025.

هذه النسب المئوية محسوبة من إجمالي عناصر الأدلة وليس من عدد القضايا، ولم تذكر الورقة البحثية عدداً محدداً إلا لعام 2025. ولتوضيح السياق فقط وليس كقاسم مشترك: كان عدد القضايا المرتبطة بالذكاء الاصطناعي 214 و330 و618 في تلك السنوات الثلاث. وعلى مدار السنوات الثلاث، شكلت أدوات الكشف عن الذكاء الاصطناعي 69 عنصراً ظهرت في 67 قضية من أصل 1,162 قضية.

قبل أن تستنتج من ذلك أن "أدوات الكشف لا يُعتد بها"، هناك نقطتان.

التقييمات كانت محددة مسبقاً وليست مقاسة عملياً. فقد تم تصنيف كل عنصر كشف بالذكاء الاصطناعي على أنه منخفض المصداقية، وكانت تلك قاعدة طبقها الباحثون منذ البداية؛ إذ تنص الورقة البحثية على أن هذه المخرجات "were treated in the present analysis as low-credibility evidence" (عُوملت في هذا التحليل كأدلة منخفضة المصداقية)، وصُمم مقياس المصداقية فيها ليأخذ في الحسبان "documented limitations such as AI detector false positive rates" (قيوداً موثقة مثل معدلات الإيجابيات الكاذبة لأدوات الكشف عن الذكاء الاصطناعي). ولم تتحقق الدراسة مما إذا كانت أي نتيجة خاطئة بالفعل. وإذا أردت أن ترى ما الذي يمكن أن تسفر عنه نسبة خطأ صغيرة على مستوى جامعة بأكملها، فإن مقال ما يعنيه معدل نتائج إيجابية كاذبة بنسبة 1% عندما تقدم جامعة 75,000 بحث يوضح هذه الحسبة بالتفصيل.

يتوافق هذا التراجع أيضاً مع لائحة داخلية في الجامعة. فاعتباراً من عام 2025، حظرت سياسة التقييم بالجامعة على الموظفين رفع أعمال الطلاب إلى أدوات كشف خارجية. وبحسب الصياغة الحالية، فإن الموظفين "are not permitted to upload student work to third party tools, including generative artificial intelligence (GenAI) or misconduct detection software" (لا يُسمح لهم برفع أعمال الطلاب إلى أدوات تابعة لأطراف ثالثة، بما في ذلك أدوات الذكاء الاصطناعي التوليدي (GenAI) أو برامج الكشف عن سوء السلوك). والفقرة نفسها ما زالت تسمح باستخدام "approved detection software" (برامج الكشف المعتمدة) التي تدعمها الجامعة، حيث ظلت تقارير التشابه تشكل 3.1% من الأدلة في عام 2025. كما تحدد الإجراءات الحالية المتبعة لسوء السلوك في الجامعة البرامج التي يجوز للجامعة استخدامها، بما في ذلك برامج مطابقة النصوص (Turnitin) و"language analysis software (e.g. Turnitin Authorship)" (برامج التحليل اللغوي (مثل Turnitin Authorship)). ويفسر الباحثون هذا التراجع بأنه تسليم من الموظفين بأن مخرجات أدوات الكشف لا يمكن أن تستوفي معيار "رجحان الاحتمال". ولكل جامعة لوائحها الخاصة، وقد جُمعت بعض هذه اللوائح في 19 جامعة تقيد استخدام أدوات الكشف عن الذكاء الاصطناعي أو أدلتها.

أحد الأمور التي لم توضحها الورقة البحثية هو أين تم تصنيف درجة الكتابة بالذكاء الاصطناعي الخاصة بـ Turnitin. إذ عُرّف نوع تقرير التشابه بأنه دليل مطابقة نصوص، والمثال المطروح عليه هو تقرير يُظهر "a similarity score of 1%, which is unusually low" (درجة تشابه تبلغ 1%، وهي منخفضة على نحو غير معتاد) لمثل هذا النوع من التكليفات. بينما حدد نوع أدوات الكشف عن الذكاء الاصطناعي كلاً من GPTZero وZeroGPT بالاسم.

من بين الأدلة المستمدة من نص الكتابة نفسه، كان النوع الأكثر تكراراً هو انطباع المصحح بأن النص يبدو كأنه مكتوب بالذكاء الاصطناعي، وذلك في 239 قضية. والمثال الذي ذكرته الورقة البحثية لكيفية صياغة الموظفين لذلك هو: "generic transitional phrases, unnaturally uniform paragraph structure, and unsolicited definitions of basic terms not required by the task." (عبارات انتقالية نمطية، وبنية فقرات متناسقة على نحو غير طبيعي، وتعريفات تطوعية لمصطلحات أساسية لم تكن مطلوبة في التكليف).

صنف الباحثون معظم هذه العناصر على أنها ضعيفة، لأن تلك السمات "not exclusive to GenAI misuse." (ليست حكراً على إساءة استخدام الذكاء الاصطناعي التوليدي). وقد انخفضت حصتها من الأدلة من 19.5% من العناصر في عام 2023 إلى 14.5% في عام 2025.

هناك نوع آخر أقل عدداً يقارن العمل بما يقدمه الطالب عادةً (65 قضية)، وانقسمت تقييماته بالتساوي تقريباً بين متوسط وضعيف. ويوضح قسم الخلفية في الورقة المشكلة في ذلك: كتابة الطلاب تتغير بمرور الوقت، "which can make legitimate improvement difficult to distinguish from anomalies attributable to misuse." (مما قد يجعل من الصعب التمييز بين التحسن المشروع والأنماط الشاذة المنسوبة إلى إساءة الاستخدام). وإذا كان هذا هو الادعاء الذي تواجهه، فإن مقال استخدام التكليفات السابقة كمعيار لأسلوب الكتابة يوضح بالتفصيل الحالات التي تصمد فيها المقارنة بالتكليفات القديمة والحالات التي يتم دحضها فيها.

كان النوع الذي ظهر في قضايا أكثر من أي نوع آخر هو الاعتراف الصادر أثناء المقابلة (399 قضية)، وصُنّف على أنه قوي في كل الحالات تقريباً. أما النوع الثاني المرتبط بالمقابلة، وهو عجز الطالب عن شرح عمله، فقد ظهر في 63 قضية. وصُنّف على أنه متوسط في جميع الحالات، لأنه "consistent with GenAI use but equally consistent with alternative explanations such as poor comprehension or test anxiety" (يتوافق مع استخدام الذكاء الاصطناعي التوليدي، ولكنه يتوافق بالقدر نفسه مع تفسيرات بديلة مثل ضعف الاستيعاب أو قلق الاختبار).

ويخلص المؤلفون بأنفسهم إلى النتيجة التالية: "in a substantial proportion of cases, the strongest evidence available emerged only after the institution had already determined the allegation was sufficient to proceed." (في نسبة كبيرة من القضايا، لم تظهر أقوى الأدلة المتاحة إلا بعد أن كانت المؤسسة قد قررت بالفعل أن الادعاء كافٍ للمضي قدماً في الإجراءات).

كما أن وتيرة الإجراءات تسير بسرعة؛ إذ بلغ متوسط الوقت من توجيه الادعاء حتى النتيجة النهائية 12 يوماً (استغرقت نصف القضايا المتوسطة ما بين 6 إلى 20 يوماً). ووفقاً للإجراءات الحالية المتبعة لسوء السلوك في التكليفات الدراسية بالجامعة، يُعرض عليك إجراء مقابلة، وقبلها يتعين على منسق المادة التأكد من إرسال "the summary of the allegation and evidence that has been collected" (ملخص الادعاء والأدلة التي تم جمعها) إليك عبر البريد الإلكتروني، ويمكنك اصطحاب شخص داعم لك رغم أنه لا يحق له التحدث نيابة عنك. وتحذر إرشادات الطلاب بالجامعة من أنه "you may be asked to explain how you developed an assessment item" (قد يُطلب منك توضيح كيفية إعدادك لعنصر التقييم).

ليس في أي من هذا نصيحة بأن تقلل من كلامك. فإذا كنت قد استخدمت الذكاء الاصطناعي بطريقة لا تسمح بها شروط التكليف، فإن مقال الاشتباه الخاطئ في استخدام الذكاء الاصطناعي: كيف تستأنف وما الأدلة التي ستقبلها جامعتك يتضمن قسماً مخصصاً لهذا الموقف، وينصح بالصراحة التامة. أما إذا لم تكن قد استخدمته، فالمقابلة هي المكان الذي يمكنك فيه إثبات كيف أنجزت عملك بنفسك.

وفقاً لهذه البيانات، لم يكن ذلك واضحاً. فقد اختبر الباحثون ما إذا كان نوع عناصر الأدلة وعددها وتقييمها يتطابق مع مدى تصعيد القضية وكيفية انتهائها. ووجدوا بعض الارتباطات، لكن "the explanatory power of evidence characteristics across all model specifications is modest" (القوة التفسيرية لخصائص الأدلة عبر جميع مواصفات النماذج كانت متواضعة).

وتفسيرهم لذلك يكمن في الإجراءات نفسها. فتصعيد القضية يتبع استنتاج عضو هيئة التدريس وليس تقييمات الأدلة. كما أن انتهاء القضية بقرار إدانة بسوء السلوك أو اعتبارها "ممارسة أكاديمية ضعيفة" (poor academic practice) - التي يترتب عليها إجراء تعليمي توعوي بدلاً من الإجراء التأديبي - يعتمد عادةً على عوامل مثل كونها المخالفة الأولى للطالب. أما إسقاط القضية في مرحلة اللجنة فقد ينجم عن إفادة الطالب، أو وجود خلل إجرائي، أو مراعاة ظروفه الشخصية، وملفات القضايا لا تسجل ما دار من نقاشات في جلسة الاستماع. وعلى حد تعبير المؤلفين، فإنه "no minimum evidentiary threshold at any stage of the pipeline" (لا يوجد حد أدنى لمستوى الأدلة في أي مرحلة من مراحل الإجراءات).

وقد ظهرت هذه النقطة الأخيرة في الأرقام؛ إذ لم تتضمن 58 قضية (5.0%) أي وصف للأدلة بخلاف الادعاء نفسه. ومع ذلك، أصبحت هذه الادعاءات الخالية من الأدلة أكثر ندرة، حيث انخفضت من 7.6% من عناصر الأدلة في عام 2023 إلى نحو 2.5% في عام 2025.

• جامعة واحدة، وثلاث سنوات. شملت الدراسة University of Wollongong بين عامي 2023 و2025. ويشير المؤلفون إلى أن هذه الأنماط قد لا تنطبق على جامعات أخرى.
• ملفات وليست جلسات استماع. "The evidence records capture what was documented in the case file, not what was argued, tested, or weighed during the hearing." (تعكس سجلات الأدلة ما تم توثيقه في ملف القضية، وليس ما جرت مناقشته أو اختباره أو وزنه أثناء جلسة الاستماع).
• غياب التصنيف حسب فئات الطلاب. لا تتضمن البيانات ما إذا كان الطالب في المرحلة الجامعية الأولى أو الدراسات العليا، أو محلياً أو دولياً، أو تخصصه الأكاديمي، وبالتالي لا يمكنها تحديد الفئات الأكثر تعرضاً للاتهام.
• التقييمات مبنية على نموذج تحليلي مقترح. استندت التقييمات إلى مخطط وضعه المؤلفون بأنفسهم، وطُبق بواسطة نموذج لغوي جرت معايرته على 12 قضية ثم اختُبر على 54 قضية لم يرها مسبقاً، وتطابق حكمه مع اثنين من المرمزين البشريين بدرجة لا تختلف إحصائياً عن تطابق المرمزين البشريين مع بعضهما البعض.
• المؤلفون من داخل المؤسسة. يعمل المؤلفون في الجامعة التي حُللت ملفاتها، وهو ما يذكرون أنه "introduces potential bias, especially during the calibration exercise." (يُدخل تحيزاً محتملاً، لا سيما أثناء عملية المعايرة).
• تغيرت القواعد في منتصف الفترة. يقع قرار عام 2025 الذي يقيد رفع الأعمال إلى أدوات الكشف التابعة لأطراف ثالثة ضمن النطاق الزمني للدراسة.

1. استفسر عن ماهية كل دليل على حدة. سواء أكان درجة معينة، أو مقطعاً يرى أحدهم أنه يبدو كأنه مكتوب بالذكاء الاصطناعي، أو مقارنة بأعمالك السابقة، أو مشكلة في أحد المصادر: اطلب تدوينها وتحديدها واحداً تلو الآخر. ففي 5.0% من القضايا في هذه الدراسة، لم يكن هناك أي شيء سوى الادعاء المجرد. ويجب أن توضح لوائح جامعتك ما يحق لك الاطلاع عليه قبل الاجتماع. وتجد باقي تفاصيل الاستعداد في مقال اجتماع النزاهة الأكاديمية بعد الاتهام بالذكاء الاصطناعي.
2. إذا تضمن الملف درجة من أداة كشف، فاعرف ما هي تلك الأداة تحديداً وما إذا كانت جامعتك تسمح للموظفين باستخدامها.
3. إذا كان الادعاء يتعلق بأسلوب قراءة النص، فأحضر ما يثبت خطوات كتابتك له. كالمسودات، والملاحظات، وسجل إصدارات الملف. ويوضح مقال كيفية الاحتفاظ بسجل الإصدارات في Word وGoogle Docs وOverleaf أين يمكنك العثور على كل من هذه الأدلة.
4. كن مستعداً لشرح عملك. بيّن سبب بناء حجتك وتسلسلها بهذا النحو، وما تقوله مصادرك الأساسية بالفعل، وما الذي تغير بين مسودة وأخرى. ففي 63 قضية من هذه الدراسة، اعتُبر عجز الطالب عن الشرح دليلاً ضده ودُوّن في الملف.
5. قدم أدلتك في المرحلة الأولى. ففي هذه الجامعة، لا يمكن الاستئناف ضد قرار الإدانة إلا في حال وجود خلل في الإجراءات القانونية المتبعة أو "new and substantial evidence that has not previously been considered." (أدلة جديدة وجوهرية لم تؤخذ في الحسبان مسبقاً). راجع لوائح جامعتك لمعرفة النص المقابل لذلك.

لا شيء هنا يفيد في قضية فُتحت بالفعل؛ فتلك القضية تتعلق بالنسخة التي سلمتها، وإعادة صياغتها لاحقاً لن تغير ما هو موثق في ملف القضية. هذا القسم مخصص لمرحلة سابقة: حين تكون ما زلت تراجع مسودتك، ولديك تقرير من Turnitin أو iThenticate خاص بها، وتأكدت من أن توصيف المادة الدراسية يسمح باستخدام أداة ذكاء اصطناعي خارجية لإعادة صياغة النص، وليس أداة واحدة محددة بالاسم فقط، وعرفت كيفية الإفصاح عن تلك المساعدة وفق المطلوب. فعلى سبيل المثال، تطلب إرشادات الطلاب في Wollongong من الطلاب "use only the permitted gen AI technology" (استخدم فقط تقنيات الذكاء الاصطناعي التوليدي المصرح بها)، وتعتبر أي استخدام يتجاوز تعليمات التقييم سوء سلوك. وإذا كانت كل هذه الشروط متحققة، فهذه هي الحالة التي صُممت من أجلها أداة HumanPen. استورد تقرير Turnitin أو iThenticate وأعد صياغة المقاطع التي يشير إليها فقط، لتحصل على ملف قابل للتحرير بالتنسيق نفسه. وقارن النتيجة بمسودتك قبل التسليم، إذ ينبغي أن تكون قادراً على شرح كل جملة تسلمها بنفسك.

هل ما زالت الجامعات تستخدم درجات أدوات كشف الذكاء الاصطناعي كأدلة؟ في هذه الجامعة تحديداً، أصبح ذلك نادراً بحلول عام 2025: خمسة عناصر فقط شكلت 0.5% من الأدلة المسجلة في ذلك العام، وذلك بعد تطبيق سياسة حظرت على الموظفين رفع الأعمال إلى أدوات كشف تابعة لأطراف ثالثة. وتضع الجامعات الأخرى لوائحها الخاصة، لذا فإن هذا لا يحدد ما تطبقه جامعتك.

هل يكفي القول بأن "النص يبدو كأنه مكتوب بالذكاء الاصطناعي" بمفرده؟ صنف الباحثون معظم تلك العناصر على أنها ضعيفة، لأن السمات المعنية ليست حكراً على استخدام الذكاء الاصطناعي. وهذا الإطار خاص ببحثهم وليس قاعدة رسمية للجامعة. ففي هذه الجامعة، يُتخذ القرار وفق معيار رجحان الاحتمال، استناداً إلى جميع الأدلة في القضية. وتوضح الورقة البحثية معنى ذلك: يجب أن يكون وقوع سوء السلوك أكثر ترجيحاً من عدمه، "with the burden of proof resting with the institution and the academic raising the allegation rather than the student" (حيث يقع عبء الإثبات على عاتق المؤسسة وعضو هيئة التدريس الذي يثير الادعاء وليس على الطالب).

في هذه الدراسة، ما الذي اعتُبر أقوى دليل؟ الاعترافات، سواء كانت كتابية أو أثناء المقابلة، والسجلات المحفوظة بواسطة برامج مراقبة الاختبارات، والسلوكيات المحظورة التي توضحها تلك السجلات. وقد صُنّف كل من هذه الأدلة على أنه قوي في أغلب عناصره.

هل تبين الدراسة ما إذا كان الطلاب المتهمون قد استخدموا الذكاء الاصطناعي بالفعل؟ كلا؛ فهي تحصي وتقيّم ما ورد في الملفات فقط. إن إدراج الحالات ضمن القضايا الـ 1,162 يعني الاشتباه في إساءة استخدام الذكاء الاصطناعي، وليس إثبات وقوعه.

• Albert Munoz وMercedez Hinchcliff وCameron Langfield وAnn Rogerson، How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis، International Journal for Educational Integrity المجلد 22، المقال 26، نُشر في 2 سبتمبر 2026 (النسخة المعتمدة 10 سبتمبر 2026)؛ تاريخ الاطلاع 2 أكتوبر 2026 (الجدول 2، والشكلان 1 و2).
• University of Wollongong، Academic Misconduct (Coursework) Procedure، النسخة السارية اعتباراً من 3 نوفمبر 2025، الفقرات 35، 80، 119؛ تاريخ الاطلاع 2 أكتوبر 2026.
• University of Wollongong، Assessment and Feedback Policy، النسخة السارية اعتباراً من 14 مارس 2025، الفقرة 14؛ تاريخ الاطلاع 2 أكتوبر 2026.
• University of Wollongong، Using Generative Artificial Intelligence (Gen AI) in Assessments؛ تاريخ الاطلاع 2 أكتوبر 2026.