هل يجعل التدقيق اللغوي الإنجليزي الاحترافي بحثك يبدو مكتوباً بالذكاء الاصطناعي؟ دراسة من عام 2026

ليس بصورة متسقة، وفقاً لهذه الدراسة. فعبر 13 أداة مفتوحة المصدر لكشف الذكاء الاصطناعي، رفع التحرير البشري درجة الذكاء الاصطناعي في بعضها وخفضها في البعض الآخر، ولم يصل التغيير إلى دلالة عملية إلا في 7 أدوات منها فقط. لقد أحدثت أداة الكشف نفسها فرقاً أكبر بكثير من التحرير: فعلى المخطوطات نفسها قبل تحريرها، تراوحت معدلات الإيجابيات الكاذبة بين 0.0% و100%. ولم يُختبر أي كاشف تجاري، بما في ذلك Turnitin.

تحمل الدراسة عنوان "Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing" (الأسلوب كمتغير مربك: الإيجابيات الكاذبة في كشف الذكاء الاصطناعي في الكتابة الأكاديمية لغير الناطقين بالإنجليزية كلغة أم)، وهي من إعداد Hyeonchu Park وBugeun Kim من جامعة Chung-Ang وGahye Jeong من شركة Wordvice، ونُشرت على arXiv في 27 أغسطس 2026 ومُدرجة هناك على أنها قُدمت في مؤتمر EMNLP 2026. وجاءت الوثائق من Wordvice، وهي خدمة تحرير لغوي إنجليزي احترافية. ووفقاً لمدونة الشركة نفسها، فإن أحد المؤلفين، Gahye Jeong، هو كبير مسؤولي التكنولوجيا في Wordvice، والتي تصف المدونة شركته أيضاً بأنها "the developer of the Wordvice AI Detector" (مطور أداة Wordvice AI Detector).

تألفت البيانات من 135,389 زوجاً من المستندات الممتدة من عام 2018 إلى 2025، وتغطي أكثر من 40 تخصصاً أكاديمياً. وتكوّن كل زوج من وثيقة كتبها شخص لغته الأم ليست الإنجليزية، والوثيقة نفسها بعد أن راجعها وحررها مدقق لغوي من المتحدثين الأصليين بها. جاء ما يزيد قليلاً على النصف (52.9%) من التحرير الأكاديمي، و37.6% من تحرير طلبات القبول الجامعي؛ وكانت مقالات التقديم هي المجال الفردي الأكبر بعدد 22,639 وثيقة. أما الباقي فكان تحريراً للأعمال، وكتابات اختبار TOEFL، وترجمة، وأعمالاً أخرى. ونظراً لأن المؤلف والموضوع والمحتوى ظلوا دون تغيير، فإن أي تحول في درجة الكاشف كان ناتجاً عن التحرير.

تم التحرير نفسه بواسطة مدققين بشريين. وتشير إرشادات الخدمة، كما وصفتها الورقة البحثية، إلى السماح بأدوات التدقيق النحوي القائمة على الذكاء الاصطناعي للأخطاء الآلية فقط، في حين "AI-generated rewriting, paraphrasing, or stylistic generation is explicitly prohibited." (يُحظر صراحةً استخدام إعادة الصياغة أو إعادة التعبير أو التوليد الأسلوبي بالذكاء الاصطناعي.) كانت التعديلات حقيقية لكنها متواضعة: ففي عينة مكونة من 6,000 زوج، تغيّر طول المستند في القيمة الوسيطة بمقدار 6.5 كلمة فقط، وانخفض متوسط طول الجملة بشكل طفيف من 24.35 إلى 23.51 كلمة.

كانت أدوات الكشف الـ 13 جميعها أدوات بحثية متاحة للعامة، شُغّلت بإعداداتها القياسية: أساليب إحصائية مثل GLTR، وأساليب بدون تدريب مسبق (zero-shot) مثل Fast-DetectGPT وBinoculars، ومصنفات مدربة مثل RoBERTa وRADAR.

في المخطوطات المكتوبة قبل عام 2023، والتي اعتبرها الباحثون نصوصاً بشرية، اعتمدت النسبة المصنفة خطأً على أنها ذكاء اصطناعي بشكل شبه كامل على أداة الكشف:

صُنفت المستندات المكتوبة بشرياً نفسها على أنها نصوص مولدة بالكامل تقريباً بالذكاء الاصطناعي بواسطة بعض الأدوات، وعلى أنها بشرية بالكامل تقريباً بواسطة أدوات أخرى. ويخلص الباحثون إلى ما يلي: "These findings suggest that AI detectors do not represent a unified measure of AI-generated content; rather, they rely on a mix of generation-origin and linguistic-quality signals." (تشير هذه النتائج إلى أن كواشف الذكاء الاصطناعي لا تمثل مقياساً موحداً للمحتوى المولد بالذكاء الاصطناعي؛ بل تعتمد على مزيج من إشارات أصل التوليد وإشارات الجودة اللغوية.) كما ينبه الباحثون إلى أن هذه المعدلات المطلقة تعتمد على عتبات التحديد التي وضعوها.

بعد التحرير، اعتمد اتجاه التغيير على أداة الكشف. وتغطي هذه الأرقام كامل بيانات الفترة من 2018 إلى 2025، وليس فقط وثائق ما قبل عام 2023 الواردة في الجدول أعلاه:

• إيجابيات كاذبة أقل بعد التحرير: MAGE (انخفاض قدره 10.7 نقطة مئوية)، وRADAR (انخفاض 4.7)، وBiScope (انخفاض 0.5).
• إيجابيات كاذبة أكثر بعد التحرير: LastDE+ (ارتفاع قدره 5.8 نقطة مئوية)، وFast-DetectGPT (ارتفاع 4.6)، وRoBERTa (ارتفاع 1.7).
• غير واضح: DiVeye، حيث تشير أرقامه إلى اتجاهات متعارضة في جداول مختلفة من الورقة البحثية.
• تغيير ضئيل أو منعدم: أدوات الكشف المتبقية، ضمن نطاق 0.1 نقطة تقريباً.

يرى المؤلفون أن هذه التغيرات قبل التحرير وبعده أكثر موثوقية من المعدلات المطلقة: "the relative patterns across editing conditions provide more robust evidence of detector sensitivity to linguistic refinement." (توفر الأنماط النسبية عبر ظروف التحرير المختلفة دليلاً أكثر قوة على حساسية الكواشف للتحسين اللغوي.)

كلما خضعت المخطوطة لتحرير مكثف، ابتعدت درجتها أكثر في الاتجاه الذي تميل إليه أداة الكشف مسبقاً. كما كان هذا التأثير أضعف في الفترة من 2023 إلى 2025 مقارنة بالفترة من 2018 إلى 2022.

• غياب أدوات الكشف التجارية. على حد تعبير الباحثين، "the analysis does not cover future systems or proprietary commercial detectors." (التحليل لا يغطي الأنظمة المستقبلية أو كواشف الذكاء الاصطناعي التجارية المملوكة للشركات.) لم يتم اختبار Turnitin أو GPTZero أو Originality أو Pangram، ولا تذكر الورقة البحثية Turnitin على الإطلاق.
• تحرير أكاديمي في الغالب، ولكنه ليس الوحيد. يصف المؤلفون البيانات بأنها مخطوطات أكاديمية في الأساس، ومع ذلك كان أكثر من ثلثها مخصصاً لتحرير طلبات القبول، ولا تفصل الورقة البحثية النتائج بحسب النوع. ويضيف الباحثون: "Detector behavior may differ for student essays, journalistic articles, creative writing, social media content, and other genres with distinct linguistic and stylistic characteristics." (قد يختلف سلوك أدوات الكشف مع مقالات الطلاب والمقالات الصحفية والكتابة الإبداعية ومحتوى وسائل التواصل الاجتماعي وغيرها من الأنواع ذات الخصائص اللغوية والأسلوبية المميزة.)
• تحرير بشري فقط. تم التحرير في هذه البيانات بالكامل بواسطة بشر بموجب قواعد تحظر إعادة الصياغة بالذكاء الاصطناعي؛ وبالتالي لا تقدم الدراسة أي معلومات عن أدوات التحرير المعتمدة على الذكاء الاصطناعي.
• غياب مجموعات المقارنة الضابطة المكتوبة بالذكاء الاصطناعي. بعبارة الباحثين، "the study does not include AI-generated control texts subjected to comparable editing procedures." (الدراسة لا تتضمن نصوصاً ضابطة مولدة بالذكاء الاصطناعي خضعت لإجراءات تحرير مماثلة.)
• الجهة المنفذة. جاءت البيانات وأحد المؤلفين من Wordvice، وهي شركة تقدم خدمات تحرير لغوي وتطور بنفسها، حسب وصفها، أداة لكشف الذكاء الاصطناعي.

1. قيّم جدوى التحرير اللغوي بناءً على فائدته الفعلية، وليس استناداً إلى هذه الكواشف. بالنسبة لأدوات الكشف البحثية الـ 13 التي خضعت للاختبار هنا، لا تقدم الدراسة أي مبرر للتخلي عن المدقق البشري خوفاً من تنبيهات الذكاء الاصطناعي: فقد غيّر التحرير معظم الدرجات تغييراً طفيفاً فقط وفي كلا الاتجاهين، على الرغم من أن 3 أدوات أظهرت بالفعل تنبيهات أكثر بعد التحرير. وما إذا كان الأمر نفسه ينطبق على Turnitin فهذا لم يتم اختباره. تحقق مما إذا كانت مجلتك أو برنامجك الدراسي يطلب الإفصاح عن الاستعانة بخدمات التدقيق.
2. احتفظ بالنسختين. توضح مسودتك الأصلية وملف التعديلات المسجلة (Track Changes) من المدقق ما قام بتغييره شخص بشري بدقة، وهو ما تعجز أي درجة كاشف عن توضيحه.
3. اسأل عن أداة الكشف التي أصدرت النتيجة. تعاملت كواشف الذكاء الاصطناعي في هذه الدراسة مع النص البشري نفسه بطرق متباينة للغاية، مع ملاحظة الباحثين أن المعدلات الدقيقة تعتمد على العتبات المعتمدة لديهم. للاطلاع على أبحاث سابقة حول الكتاب غير الناطقين بالإنجليزية، انظر لماذا يتم الاشتباه في كتابات غير الناطقين بالإنجليزية بمعدل أكبر؛ ولاختبار أُجري عام 2026 على Turnitin نفسه مع مقالات طلاب اللغة الإنجليزية كلغة أجنبية، راجع هل يحدد Turnitin كتابات غير الناطقين بالإنجليزية كذكاء اصطناعي.

إذا كان لديك تقرير من Turnitin أو iThenticate وتحتاج المقاطع المحددة إلى إعادة صياغة، فهذا تحديداً ما يوفره خيار إضفاء الطابع البشري في أداة HumanPen. استورد تقرير Turnitin أو iThenticate وأعد صياغة المقاطع التي يشير إليها فقط، لتحصل على ملف قابل للتحرير بالتنسيق نفسه. تحقق أولاً من قواعد مجلتك العلمية أو مقررك الدراسي بشأن المساعدة بالذكاء الاصطناعي، واقرأ ما تستلمه بعناية قبل تقديمه.

هل سيحدد Turnitin بحثي كذكاء اصطناعي لأن متحدثاً أصلياً قام بتحريره؟ لا يمكن لهذه الدراسة الإجابة عن ذلك؛ فهي لم تختبر Turnitin أو أي كاشف تجاري آخر.

هل جعل التحرير الأوراق البحثية تبدو أكثر بشرية أم أقرب للذكاء الاصطناعي؟ كلاهما، بحسب أداة الكشف المستخدمة. فقد أظهرت 3 أدوات إيجابيات كاذبة أقل بعد التحرير و3 أدوات أظهرت المزيد؛ بينما تضاربت أرقام DiVeye عبر جداول الورقة البحثية، وبالكاد تغيرت بقية الأدوات.

هل ينطبق هذا على أدوات التحرير المعتمدة على الذكاء الاصطناعي؟ لا. لقد تم التحرير في بيانات هذه الدراسة بواسطة بشر، في ظل إرشادات تحظر إعادة الصياغة بالذكاء الاصطناعي. للاطلاع على دراسة من عام 2026 حول التحسين بالذكاء الاصطناعي، راجع هل يؤدي التحسين بالذكاء الاصطناعي إلى الاشتباه في كتابتك.

لماذا ميّزت بعض أدوات الكشف جميع المخطوطات تقريباً كذكاء اصطناعي؟ وجد الباحثون أن الكواشف القائمة على إحصاءات الرموز سجلت أعلى معدلات إيجابية كاذبة على هذه النصوص المكتوبة بشرياً، في حين ظلت الكواشف القائمة على نسب الاحتمالية دون تدريب مسبق قريبة من الصفر. كما يشير الباحثون إلى أن المعدلات المطلقة تعتمد على عتبات التحديد المستخدمة.

• Hyeonchu Park وGahye Jeong وBugeun Kim، Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing، arXiv:2608.26710 (27 أغسطس 2026؛ مُدرجة كبحث مقدم في EMNLP 2026)؛ تاريخ الاطلاع 27 سبتمبر 2026 (الجداول 2–4 و8 و18).
• Wordvice، How Professional Editing Changes AI Detector Scores، تدوينة بقلم Gahye Jeong، تاريخ الاطلاع 27 سبتمبر 2026.