هل سيضع كاشف الذكاء الاصطناعي علامة على مقالك إذا لم تكن الإنجليزية لغتك الأولى؟ ما تظهره نتائج اختبار GPTZero بنسبة 0 من أصل 914

بالنسبة لكاشفين اثنين، وعلى نوع واحد من المقالات، فإن أحدث الأرقام منخفضة للغاية. تفيد GPTZero بأن نموذجها الحالي، GPTZero 4o، صنف جميع المقالات البالغ عددها 914 مقالاً لمتعلمي اللغة الإنجليزية في مجموعة اختبار لم يُدرب عليها على أنها مكتوبة بأيدٍ بشرية. كما أظهرت مسودة بحثية نُشرت في اليوم نفسه لباحثين من University of Maryland وGoogle DeepMind وSimon Fraser University تشغيل Pangram 4 على 3,909 مقالات لمتعلمي الإنجليزية، حيث صنف 0.0% منها فقط كذكاء اصطناعي. كُتبت كلتا المجموعتين بأيدي طلاب مدارس ثانوية أمريكية، ولم تختبر أي من الدراستين أداة Turnitin.

اقرأ نتيجة الصفر مع تفاصيلها الدقيقة. لقد أجرت GPTZero اختبارها ونشرته بنفسها، وتسجيل 0 من أصل 914 مقالاً لا يزال متوافقاً مع معدل حقيقي قد يصل إلى نحو 1 من كل 300. كما أن هذا لا يلغي دراسة ستانفورد لعام 2023 التي أطلقت شرارة هذا القلق؛ إذ صنفت نسخة GPTZero المتاحة عبر الإنترنت في مارس 2023 ما نسبته 52% من أصل 91 مقالاً لاختبار TOEFL كذكاء اصطناعي، وكانت جميعها دون 150 كلمة. يختلف النموذج والمقالات وأطوالها في الحالتين، لذا لا تتعارض النتيجتان. كما لا تمثل أي منهما ضماناً لمقالك.

نُشرت التدوينة بعنوان "Biased Against ESL and Students with Disabilities? We Put GPTZero 4o to the Test" (هل هناك انحياز ضد متعلمي الإنجليزية كلغة ثانية والطلاب ذوي الإعاقة؟ وضعنا GPTZero 4o تحت الاختبار)، بقلم Anna Gao، على مدونة GPTZero في 5 أكتوبر 2026. وكانت GPTZero قد أعلنت عن 4o في 24 سبتمبر، وذكرت أنه أصبح النموذج الافتراضي لجميع المستخدمين في 20 سبتمبر.

تأتي المقالات من PERSUADE 2.0، وهي مجموعة بيانات بحثية تضم أكثر من 25,000 مقال إقناعي لطلاب أمريكيين في الصفوف من 6 إلى 12، أُنشئت بهدف تحسين التقييم الآلي للكتابة. يتضمن كل مقال معلومات عن كاتبه، بما في ذلك ما إذا كان الطالب مصنفاً كمتعلم للغة الإنجليزية، وما إذا كان مشمولاً بخطة IEP أو خطة Section 504 (وهي خطط دعم تقدمها المدارس الأمريكية للطلاب ذوي الإعاقة). يضيف الإصدار 2.0 درجات تقييم للمقالات التي نُشرت لأول مرة ضمن PERSUADE 1.0، والتي اقتصرت فقط على المقالات التي لا تقل عن 150 كلمة وتحتوي على 75% على الأقل من الكلمات المكتوبة إملائياً بشكل صحيح، ويبلغ متوسط طولها 402 كلمة. ونظراً لأن PERSUADE 1.0 نُشرت في مجلة علمية في أكتوبر 2022، قبل أن تطلق OpenAI برنامج ChatGPT في 30 نوفمبر 2022، فمن المستحيل أن يكون أي من هذه المقالات قد كُتب باستخدام ChatGPT.

قامت GPTZero بفحص مقالات مما تسميه "PERSUADE2.0's official held-out test split, which GPTZero 4o was not trained on." (مجموعة الاختبار الرسمية المحجوبة لـ PERSUADE 2.0، والتي لم يُدرَّب عليها GPTZero 4o). شمل ذلك 914 مقالاً لمتعلمي اللغة الإنجليزية و1,172 مقالاً لطلاب لديهم خطة IEP أو 504، مع وجود 147 مقالاً مشتركاً بين الفئتين. صنف GPTZero 4o كل واحد منها على أنه كُتب بيد بشرية. ووضعت الرسوم البيانية لـ GPTZero جميع مقالات متعلمي الإنجليزية البالغ عددها 914 في العمود الوحيد الواقع في أعلى مقياس "احتمالية الكتابة البشرية"، وبالنسبة للـ 147 طالباً المشتركين بين المجموعتين، كانت أدنى درجة مسجلة هي 0.997.

هناك أمران لم تذكرهما التدوينة: الأول أنها لم تحدد الدرجة التي يُعتبر عندها المقال "كتابة بشرية". والثاني أنها لم توضح ما إذا كان باقي محتوى PERSUADE قد استُخدم في تدريب 4o. هذا الجزء المخصص للتدريب متاح للعامة منذ مسابقة علوم البيانات Feedback Prize 2021 على Kaggle، وهو مأخوذ من المجموعة نفسها لمقالات الطلاب الإقناعية في الصفوف من 6 إلى 12 في الولايات المتحدة. وبالتالي، فإن مجموعة الاختبار المحجوبة تمثل فحصاً عادلاً لمقالات من هذا النوع، لكنها فحص أضعف بكثير لتقرير مختبر جامعي.

كما أن هذا الاختبار أجرته GPTZero لتقييم نموذجها الخاص، على مجموعة بيانات اختارتها بنفسها، ونُشر على مدونتها الخاصة دون إرفاق رابط للبرمجية أو للمقالات التي تم فحصها. هذا لا يعني أن الأرقام غير صحيحة، بل يعني أنك تقرأ رواية الشركة عن منتجها، حتى إن GPTZero نفسها تصف النتيجة بأنها "a great milestone; however, it is not a finish line." (إنجاز كبير؛ ولكنه ليس خط النهاية).

إن نتيجة صفر من أصل 914 هي مجرد عدد، ولا تحدد نسبة دقيقة. فمع وجود 914 مقالاً دون أي نتائج إيجابية كاذبة، قد يظل المعدل الحقيقي مرتفعاً ليصل إلى نحو 0.33%، أي ما يقارب 1 من كل 300. هذا هو الحد الأعلى المعتاد بمستوى ثقة 95% عندما يتكرر حدوث شيء ما صفر مرة في 914 محاولة. إنه معدل منخفض، لكنه ليس صفراً.

أما القيد الثاني فأقل وضوحاً؛ فقد ذكرت تدوينة إطلاق GPTZero 4o تسجيل "only 1 false positive out of 10,402 essays" (حالة إيجابية كاذبة واحدة فقط من بين 10,402 مقال) في مجموعة اختبار PERSUADE. تضم مجموعة الاختبار تلك 10,402 مقال في المجموع، وهي المجموعة نفسها التي استُخرجت منها الـ 914 مقالاً. ووفقاً لحساباتنا، إذا كان متعلمو الإنجليزية يُصنفون بالوتيرة نفسها مثل غيرهم، فستتوقع نحو 0.09 نتيجة إيجابية كاذبة من بين 914 مقالاً، مما يعني أنك سترى صفراً في كل مرة تقريباً. وحتى لو صُنّفوا بمعدل يفوق الآخرين بعشرة أضعاف، فستظل ترى صفراً في أربع مرات على الأقل من بين كل عشر مرات.

لذلك، لا يمكن لنتيجة 0 من أصل 914 أن تثبت أن متعلمي الإنجليزية والطلاب الآخرين يعاملون على قدم المساواة؛ فاختبار بهذا الحجم يعجز عن التمييز بين هاتين الحالتين. ما يظهره هذا الاختبار بالفعل هو أن معدل النتائج الإيجابية الكاذبة في هذه المقالات كان منخفضاً جداً للجميع، بما في ذلك متعلمو الإنجليزية.

توجد المجموعة الثانية من الأرقام في ملحق مسودة بحثية بعنوان "IdeaLens: Detecting AI Ideas in Long-form Writing" (IdeaLens: كشف أفكار الذكاء الاصطناعي في النصوص الطويلة)، للباحث Rishanth Rajendhran وسبعة مؤلفين مشاركين، نُشرت على arXiv في 5 أكتوبر 2026. تركز الورقة بشكل أساسي على كاشف بحثي من تطوير المؤلفين أنفسهم، وتُعد أداة Pangram 4، وهي كاشف تجاري، إحدى الأدوات التي قورنت بها عبر 19 مجموعة من الكتابات البشرية المعتادة. لم تُجرِ شركة Pangram هذا الاختبار، ولكن المؤلفين وجهوا إليها الشكر على منحة رصيد بحثي، مع الإشارة إلى أن الورقة لم تخضع لمراجعة الأقران بعد.

إحدى تلك المجموعات التسع عشرة هي ELLIPSE، وهي مجموعة بيانات تضم نحو 6,500 مقال لمتعلمي اللغة الإنجليزية في الصفوف من 8 إلى 12. كُتب كل مقال خلال 25 إلى 30 دقيقة على جهاز كمبيوتر أثناء الاختبارات السنوية العامة على مستوى الولايات في أمريكا. وقام مقيمون مدربون بتقييم إتقان اللغة الإنجليزية في كل مقال بدرجات من 1 إلى 5، حيث تشير الدرجة 1 إلى قدرة محدودة، والدرجة 5 إلى "native-like facility" (طلاقة تضاهي المتحدثين الأصليين). استخدمت الورقة 3,909 مقالات منها. وعندما تحققنا من الأمر، وجدنا أن هذا الرقم وتوزيعه حسب الصف والدرجة يتطابق مع ملف التدريب المتاح للعامة للمجموعة بفارق مقال أو مقالين فقط (الملف يحتوي على 3,911 مقالاً). كما أن نحو 70% من تلك الـ 3,909 مقالات يقل طولها عن 500 كلمة.

يعتبر المؤلفون النص ناتجاً عن ذكاء اصطناعي عندما تصل نسبة الذكاء الاصطناعي في Pangram مضافاً إليها نصف نسبة المساعدة بالذكاء الاصطناعي إلى النصف على الأقل. وبناءً على هذه القاعدة، صنف Pangram ما نسبته 0.0% فقط من أصل 3,909 مقالات كذكاء اصطناعي. هذا الرقم مقرب إلى منزلة عشرية واحدة، مما يسمح بوجود مقال واحد على الأكثر. وفي ملف النتائج الذي نشره المؤلفون، كانت النسبة أيضاً 0.0% في جميع فئات الإتقان، مع أن الفئات غير متساوية: فالفئة الأدنى تضم 8 مقالات والأعلى 28 مقالاً، في حين تضم كل من الفئات 2 و3 و4 أكثر من ألف مقال.

هنا يصبح التحقق من المعدل الأساسي ذا فائدة فعلية؛ لأن الورقة نفسها توضح أداء Pangram مع الكتابة البشرية العادية بشكل عام. ففي المتوسط عبر التقييمات التسعة عشر بأكملها، صنف Pangram ما نسبته 0.3% من المستندات المكتوبة بشرياً كذكاء اصطناعي. ويعود هذا المتوسط في معظمه إلى مجموعتين: معيار مختلط من النصوص البشرية، ومجموعة من مراجعات الخبراء للمقترحات البحثية. وسجلت 15 من أصل 19 مجموعة، من بينها ELLIPSE، نسبة 0.0%. وتتراوح المجموعات الأخرى بين مراجعات الأقران وصفحات الويب، لذا فإن هذه المقارنة تضع المتعلمين في مقابل سلوك Pangram العام مع الكتابة البشرية، وليس في مقابل زملائهم من المتحدثين الأصليين. وهذه النقطة هي الأقرب في أي من الاختبارين الجديدين للإجابة عما إذا كان متعلمو الإنجليزية يتعرضون لتصنيف مقالاتهم كذكاء اصطناعي أكثر من غيرهم. وبالنسبة لـ Pangram، وفي هذه المقالات تحديداً، لم يحدث ذلك.

هذا ليس تصنيفاً تفاضلياً؛ فكل صف يمثل كاشفاً مختلفاً أو إصداراً مختلفاً، ولكل منها تعريفه الخاص لمصطلح "المصنفة كذكاء اصطناعي"، وقد أُجريت على فئات مختلفة من الكتاب. وعدد الكلمات المذكور في الصف الأول هو من إحصائنا الخاص، استناداً إلى المقالات التي نشرها باحثو ستانفورد مع الكود البرمجي لدراستهم. لقد تناولنا تلك الدراسة في مقالنا لماذا تصنف كواشف الذكاء الاصطناعي كتابات غير الناطقين بالإنجليزية بمعدل أكبر، كما استعرضنا تقييم Turnitin في اختبار Turnitin لكاشفها الخاص للتحقق من الانحياز ضد متعلمي الإنجليزية. يصف صف Turnitin نموذج عام 2023، وقد قامت Turnitin بتغيير كاشفها منذ ذلك الحين.

ليس وفقاً لهذه الأدلة؛ فأرقام عام 2026 حقيقية بالفعل، لكنها تغطي نطاقاً أضيق بكثير من فئة "متعلمي الإنجليزية" بوجه عام.

• طول النصوص. كان كل مقال في مجموعة ستانفورد أقل من 150 كلمة. ووجد اختبار Turnitin لعام 2023 أن الفجوة بين المتعلمين والمتحدثين الأصليين اتسعت في النصوص التي تتراوح بين 150 و300 كلمة. بينما تتجاوز المجموعتان الجديدتان هذا الحد في الغالب وبفارق كبير؛ إذ يبلغ متوسط مقالات PERSUADE نحو 402 كلمة، وتصل 30% من مقالات ELLIPSE إلى 500 كلمة أو أكثر. فالنصوص شديدة القصر التي كانت وراء الرقم المثير للقلق في عام 2023 ليست هي ما قيسته اختبارات عام 2026.
• المستوى الأكاديمي. تنتمي كلتا المجموعتين الجديدتين إلى كتابات طلاب المدارس الثانوية. في حين جاءت نصوص المتعلمين في اختبار Turnitin لعام 2023 بالفعل من متعلمين على المستوى الجامعي (إذ يصف جدول بياناتها مجموعتي المتعلمين بـ "higher ed" (التعليم العالي))، ولكن وفقاً لوصفها الخاص، كانت تلك النصوص في معظمها مهام كتابية إقناعية أو توضيحية قصيرة، وكان جميع الكتاب من المتحدثين الأصليين في مجموعة الـ 300 كلمة تقريباً من طلاب المدارس الثانوية الأمريكية. كما ذكرت Turnitin أيضاً: "A comparable collection of publicly available full-length university level documents from L2 and L1 writers was not available for this evaluation." (لم تكن هناك مجموعة قابلة للمقارنة ومتاحة للعامة من المستندات الكاملة على المستوى الجامعي لكتاب اللغة الثانية واللغة الأولى متاحة لهذا التقييم).
• ندرة عينات الكتاب الأضعف لغوياً. استبعدت مجموعة PERSUADE المقالات التي تكثر فيها الأخطاء الإملائية، كما تضم أدنى فئات الإتقان في ELLIPSE نحو 8 مقالات فقط.
• أداة Turnitin. تشير الأسئلة الشائعة حول كشف الذكاء الاصطناعي لدى Turnitin إلى أنها دمجت في يوليو 2026 مجموعة نماذج متعددة في نموذج واحد، وجاءت إجابتها عن سؤال الانحياز مقتصرة على وصف كيفية اختيار بيانات التدريب دون ذكر أي أرقام. وفي نص الأسئلة الشائعة، تظهر كل من المصطلحات "English learner" و"ESL" و"L2" و"native" بمعدل 0 مرة، كما جاءت المرات الأربع لذكر عبارة "second language" مجردة من أي أرقام.
• الإصدارات. لم يصبح GPTZero 4o النموذج الافتراضي إلا في 20 سبتمبر. كما لم توضح الورقة البحثية التاريخ الدقيق الذي فحصت فيه Pangram المقالات. ومن المؤكد أن كلا الكاشفين سيخضعان لتحديثات مستمرة.

الخلاصة المنصفة أضيق بكثير من العناوين البراقة: في خريف 2026، كاد كاشفان اثنان ألا يصنفا أبداً المقالات المكونة من بضع مئات من الكلمات لمتعلمين في المدارس الثانوية الأمريكية على أنها ذكاء اصطناعي.

1. تحقق من الكاشف المستخدم وتوقيت الفحص. تنطبق هذه الأرقام حصراً على GPTZero 4o وPangram 4. فإذا كانت مؤسستك التعليمية تستخدم Turnitin، أو أُجري الفحص عبر GPTZero قبل 20 سبتمبر 2026، فلا يمكن تعميم هذه النتائج على حالتك.
2. اطلب التتقرير الكامل، ولا تكتفِ بمجرد تصنيف أو نسبة مئوية. أنت بحاجة إلى معرفة الفقرات المحددة التي وُضعت عليها علامات والدرجة المسجلة لها.
3. إذا كان النص المحدد قصيراً، فاذكر ذلك بوضوح. فقد رصدت الدراسات السابقة مشكلاتها في النصوص القصيرة، كما أن تقرير Turnitin نفسه لا يُظهر نسبة مئوية للذكاء الاصطناعي للنصوص النثرية التي تقل عن 300 كلمة. فتصنيف منشور مناقشة قصير يستند إلى نص أقل بكثير مقارنة بمقال كامل.
4. احتفظ بمسوداتك. الإصدارات السابقة، والملاحظات، والمصادر التي قرأتها، وسجل النسخ والتعديلات هي أدلتك الحقيقية التي تثبت أصالة مقالك؛ وليست المعدلات الإحصائية لدراسة أُجريت على مقالات الآخرين. يوضح مقالنا كيفية الاحتفاظ بسجل النسخ في Word وGoogle Docs وOverleaf الإعدادات التي تضمن حفظ هذا السجل فعلياً.
5. استشهد بالدراسات بدقة إذا قررت الاستعانة بها. إذا صُنّف مقالك بواسطة GPTZero، فمن الإنصاف الإشارة إلى أن الاختبار المنشور الخاص بـ GPTZero نفسها صنف جميع مقالات متعلمي الإنجليزية البالغ عددها 914 على أنها بشرية. اطرح ذلك كسبب يدعو لمراجعة مسوداتك، وليس كدليل قاطع؛ فاختبار أُجري على 914 مقالاً مدرسياً لا يمكنه حسم ما حدث مع مقالك الخاص.

هل يعني هذا أن Turnitin لن تصنف مقالي كذكاء اصطناعي؟ لا يمكن لهذه الدراسات أن تجيبك عن ذلك؛ فقد أظهر تقييم Turnitin الخاص لعام 2023 تصنيف 1.4% من نصوص متعلمي الإنجليزية المكونة من 300 كلمة أو أكثر، وهو ما يقترب من نسبة 1.3% للمتحدثين الأصليين، وكان ذلك استناداً إلى نموذج تم استبداله منذ ذلك الحين، كما لا تقدم صفحة الأسئلة الشائعة الحالية لديها أي أرقام تخص متعلمي الإنجليزية.

أنا طالب جامعي، فهل تنطبق هذه النتائج عليّ؟ تنطبق بشكل تقريبي ومحدود فقط؛ فكلتا المجموعتين لعام 2026 هما مقالات لطلاب مدارس أمريكية: واجبات دراسية في PERSUADE، ومقالات اختبارية كُتبت في مدة تتراوح بين 25 و30 دقيقة في ELLIPSE. في حين أن المراجعة الأدبية الجامعية تكون أطول وأكثر تخصصاً وتُكتب على مدار أسابيع. أقرب البيانات لحالتك هو تقييم Turnitin لعام 2023، الذي جاءت نصوص المتعلمين فيه من طلاب جامعيين وإن كانت في معظمها مهام قصيرة: حيث صُنّف 1.4% من النصوص المكونة من 300 كلمة أو أكثر، وذلك عبر نموذج استبدلته Turnitin منذ ذلك الوقت.

هل ينبغي لي تبسيط لغتي الإنجليزية أو جعلها أكثر تعقيداً وفخامة لتجنب تصنيف مقالي؟ لا يوجد في هذه النتائج ما يشير إلى ذلك إطلاقاً. ففي اختبار Pangram، سجلت المقالات في مستويات الإتقان 2 و3 و4 (والتي تضم أكثر من ألف مقال في كل منها) نسبة 0.0% بالكامل، وانطبق الأمر نفسه عبر فئات درجات القواعد والمفردات في ملف النتائج الخاص بالمؤلفين. هذا كاشف واحد فقط، لكنه يوضح أنه لا يوجد أي مبرر للكتابة بأسلوب أو نبرة لا تعبر عنك.

ماذا عن الطلاب ذوي الإعاقة؟ تشير تدوينة GPTZero نفسها إلى أن نموذج 4o صنف جميع المقالات البالغ عددها 1,172 لطلاب لديهم خطة IEP أو 504 على أنها مكتوبة بأيدٍ بشرية. وتنطبق المحاذير نفسها هنا أيضاً: اختبار أجرته الشركة بنفسها، على مقالات مدرسية، ونتيجة صفرية لا تزال تسمح باحتمال وجود معدل حقيقي ضئيل.

• Anna Gao، Biased Against ESL and Students with Disabilities? We Put GPTZero 4o to the Test، GPTZero، 5 أكتوبر 2026 (النص والصور الخمس على الصفحة)؛ فريق GPTZero، Introducing GPTZero 4o، 24 سبتمبر 2026؛ تم الاطلاع على كليهما في 7 أكتوبر 2026.
• Rishanth Rajendhran وMinjoon Choi وJenna Russell وRamya Namuduri وDeniz Bölöni-Turgut وMarzena Karpinska وJohn Wieting وMohit Iyyer، IdeaLens: Detecting AI Ideas in Long-form Writing، arXiv:2610.06778v1، 5 أكتوبر 2026 (الملحق E.3، القسم G.1، الجدول 17)، وملف نتائج ELLIPSE الخاص بالمؤلفين؛ تم الاطلاع في 7 أكتوبر 2026.
• Scott Crossley وزملاؤه، A large-scale corpus for assessing written argumentation: PERSUADE 2.0، Assessing Writing 61 (2024)، مسودة بحثية؛ The persuasive essays for rating, selecting, and understanding argumentative and discourse elements (PERSUADE) corpus 1.0، Assessing Writing 54 (2022)؛ تم الاطلاع في 7 أكتوبر 2026.
• Scott Crossley وزملاؤه، The English Language Learner Insight, Proficiency and Skills Evaluation (ELLIPSE) Corpus، International Journal of Learner Corpus Research 9(2)، 2023، مسودة بحثية وملفات مجموعة البيانات؛ تم الاطلاع في 7 أكتوبر 2026.
• OpenAI، ChatGPT: Optimizing Language Models for Dialogue، 30 نوفمبر 2022 (نسخة أرشيف الإنترنت المؤرخة في 2 ديسمبر 2022)؛ تم الاطلاع في 7 أكتوبر 2026.
• Weixin Liang وMert Yuksekgonul وYining Mao وEric Wu وJames Zou، GPT detectors are biased against non-native English writers، arXiv:2304.02819v3 (الشكل 1a وقسم المواد والطرق؛ نُشر في Patterns، 2023)، ومستودع البيانات الخاص بالمؤلفين؛ تم الاطلاع في 7 أكتوبر 2026.
• David Adamson، New research: Turnitin's AI detector shows no statistically significant bias against English Language Learners، Turnitin، 26 أكتوبر 2023 (النص وصورة جدول النتائج)؛ Turnitin، AI writing detection capabilities FAQs وUsing the AI Writing Report؛ تم الاطلاع في 7 أكتوبر 2026.