القناة الرسمية: كيف تُبلِغ Turnitin عن نتيجة إيجابية خاطئة

تركّز معظم النصائح المتعلقة بالنتائج الإيجابية الخاطئة في Turnitin على مسار واحد: تظلّم لدى أستاذك، ثم صعّد الأمر إلى قسمك أو إلى مكتب النزاهة الأكاديمية. هذا المسار يعالج درجتك. لكن هناك مسارًا ثانيًا لا يكاد أي مقال آخر يذكره، وهو يصل مباشرة إلى Turnitin نفسه.

تتضمن وثائق Turnitin نفسها قناةً للملاحظات. ويقولون ذلك بوضوح: "If you find AI written documents that we've missed, or notice authentic student work that we've predicted as AI-generated, please let us know! Your feedback is crucial in enabling us to improve our technology further." (إذا عثرت على مستندات كتبها الذكاء الاصطناعي وفاتتنا ملاحظتها، أو لاحظت عملًا أصليًا لطالب صنّفناه على أنه مكتوب بالذكاء الاصطناعي، فأخبرونا! ملاحظاتكم بالغة الأهمية لتمكيننا من مواصلة تحسين تقنيتنا.)

هذه دعوة مباشرة من الفريق الذي يبني أداة الكشف. إنهم يطلبون نوعين من الملاحظات: نصوص ذكاء اصطناعي فاتتهم (سلبيات خاطئة) ونصوصًا بشرية صنّفوها على أنها ذكاء اصطناعي (إيجابيات خاطئة). الاتجاهان مهمان، لأن كليهما يحسّن النموذج.

نسلّط الضوء على هذا لأن النصائح العملية تتوقف في الغالب عند مستوى المؤسسة. تتظلّم لدى أستاذك، وتجمع الأدلة، وتعرض قضيتك. لكن النظام الذي أنتج النتيجة يريد أن يسمع منك أيضًا. قناة واحدة تخص درجتك، والأخرى تخص تحسين النظام نفسه.

تنطبق قناة الملاحظات في حالتين، ويصفهما Turnitin في الجملة نفسها. الأولى أن يُصنَّف عمل أصلي لطالب على أنه مكتوب بالذكاء الاصطناعي. إذا حصل نصك الأصلي على نتيجة كتابة بالذكاء الاصطناعي تعتقد أنها خاطئة، فتلك نتيجة إيجابية خاطئة، وTurnitin يريد أن يعرف بذلك.

الحالة الثانية هي العكس: نص كتبه الذكاء الاصطناعي وفات أداة الكشف رصده. إذا كنت مدرّسًا وعثرت على نص مولّد بالذكاء الاصطناعي لم يعلّمه Turnitin، فهذه الملاحظة أيضًا مكانها هذه القناة.

كيف تعرف أن حالتك نتيجة إيجابية خاطئة محتملة؟ يقدّم Turnitin إرشادات عن أنواع النصوص التي تثير النتائج الإيجابية الخاطئة عادةً: "Sometimes false positives... can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas." (أحيانًا يمكن أن تشمل النتائج الإيجابية الخاطئة… محتوى يفتقر إلى كثير من التنوع البنيوي، أو نصًا يكرر نفسه حرفيًا، أو نصًا أُعيدت صياغته دون تطوير أفكار جديدة.) إذا كان النص المُعلَّم ينطبق على أحد هذه الأوصاف، فمن المفيد تضمين هذه المعلومة في ملاحظتك.

وينصح Turnitin أيضًا: "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 قدرًا أعلى من الكتابة بالذكاء الاصطناعي في هذا النوع من النصوص، فننصحك بمراعاة ذلك عند النظر إلى النسبة المئوية الموضحة.) بعبارة أخرى، إذا كان نصك متشابهًا بنيويًا أو يعتمد بكثافة على إعادة الصياغة، فقد تكون النتيجة أعلى من الواقع، وهذه بالضبط الحالة التي يصح فيها الإبلاغ لدى Turnitin.

عندما تُبلِغ Turnitin بنتيجة إيجابية خاطئة، تساعد التفاصيل المحددة في تقييم حالتك. نقترح أن تضمّن العناصر التالية.

أولًا، حدّد النص والنتيجة التي حصل عليها. دوّن النسبة المئوية الإجمالية التي حددها Turnitin، وإن أمكن، الأقسام التي جرى تعليمها.

ثانيًا، صف خصائص النص. إذا كانت كتابتك تنطبق على أحد أنماط النتائج الإيجابية الخاطئة التي يحددها Turnitin نفسه، فاذكر ذلك. مثلًا، إذا كان القسم المُعلَّم مراجعةً للأدبيات تعيد صياغة مصادر متعددة دون تحليل جديد، فاذكر أنها تنطبق على وصف Turnitin نفسه: "content without a lot of structural variation" (محتوى يفتقر إلى كثير من التنوع البنيوي) أو "text that has been paraphrased without developing new ideas." (نص أُعيدت صياغته دون تطوير أفكار جديدة).

ثالثًا، قدّم سياقًا عن المهمة وعن طريقة كتابتك. هل عُدّل النص كثيرًا؟ هل استخدمت أدوات تدقيق نحوي قد توحّد صياغتك؟ يساعد هذا السياق Turnitin على فهم سبب احتمال أن يكون المصنّف قد أساء قراءة نصك.

رابعًا، اذكر المستهدف لمعدل النتائج الإيجابية الخاطئة. يقول Turnitin: "We strive to maximize the effectiveness of our detector while keeping our false positive rate... under 1% for documents with over 20% of AI writing." (نسعى إلى تعظيم فاعلية أداة الكشف لدينا مع الحفاظ على معدل النتائج الإيجابية الخاطئة… دون 1% في المستندات التي تتجاوز 20% من الكتابة بالذكاء الاصطناعي.) أنت لا تشكو نظامًا يدّعي الكمال. أنت تُسهم بملاحظة في نظام يعترف صراحةً بمعدل خطأ صغير لكنه حقيقي.

هدف Turnitin للنتائج الإيجابية الخاطئة محدد. يستهدفون أقل من 1% في المستندات التي تتجاوز 20% من الكتابة بالذكاء الاصطناعي، ويترجمون ذلك بعبارات واضحة: "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 نعلّم مستندًا كتبه إنسان على أنه مكتوب بالذكاء الاصطناعي، وذلك لواحد من كل 100 مستند مكتوب بالكامل بأيدٍ بشرية.)

هذا يعني أنه في صفّ من 100 طالب يقدّمون جميعًا عملًا أصليًا، قد يتعرّض أحدهم لنتيجة إيجابية خاطئة. الهدف منخفض، لكنه ليس صفرًا. Turnitin صريح بشأن هذه المقايضة. وللحفاظ على معدل النتائج الإيجابية الخاطئة عند 1%، يقبلون أن يفوتهم بعض نص الذكاء الاصطناعي: "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." (للحفاظ على هذا المعدل المنخفض البالغ 1% للنتائج الإيجابية الخاطئة، هناك احتمال أن يفوتنا بعض النص المكتوب بالذكاء الاصطناعي في مستند ما.)

ويقدّمون مثالًا ملموسًا: "If we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing." (إذا حدّدنا أن 50% من مستند ما كُتب على الأرجح بأداة ذكاء اصطناعي، فقد يحتوي على ما يصل إلى 65% من الكتابة بالذكاء الاصطناعي.) قد تقل النتيجة المُعلَنة عن النسبة الفعلية للذكاء الاصطناعي، وهذه الفجوة مقصودة في التصميم.

لهذا السبب تكتسب قناة الملاحظات أهميتها. هدف 1% يعني أن النتائج الإيجابية الخاطئة ستحدث. النظام مضبوط بحيث يميل إلى عدم تعليم النص البشري، ما يعني أن النتائج الإيجابية الخاطئة التي تحدث متوقّعة. الإبلاغ عنها يساعد Turnitin على تقييم ما إذا كانت المعايرة تعمل، أو ما إذا كانت أنماط نصية محددة تُصنَّف خطأً بشكل منهجي.

توجد قناة الملاحظات ضمن إطار أوسع يشدد عليه Turnitin. وتقول وثائقهم: "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 دقيقًا دائمًا (قد يخطئ في تمييز النص المكتوب بأيدٍ بشرية، والنص المولّد بالذكاء الاصطناعي، والنص المعاد صياغته بالذكاء الاصطناعي)، لذا لا ينبغي استخدامه كأساس وحيد لإجراءات ضارة بحق طالب.)

ويواصلون: "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 مزيدًا من التدقيق والحكم البشري، إلى جانب تطبيق المؤسسة لسياساتها الأكاديمية المحددة، لتحديد ما إذا كان هناك سوء سلوك أكاديمي.)

هذا تصريح مباشر من الشركة التي تبني أداة الكشف. النتيجة ليست حكمًا. يطرحها Turnitin بوصفها إشارة تحتاج إلى تفسير من مربٍّ يعرف الطالب والسياق: "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 منها تقديم إجابات نهائية بمفردها. أهم من أي أداة هو المربّي الذي يرى النتيجة ويتخذ قراراته موازنًا بين هذه المعلومات ومعرفته الشخصية بطلابه وعملهم وسياسة المؤسسة.)

الاستخدام المقصود واضح: "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 نتيجة الكتابة بالذكاء الاصطناعي ويستخدمونها كنقطة بيانات واحدة لا كإجابة نهائية، فهي تُستخدم بالشكل المقصود.)

نرى قناة الملاحظات جزءًا من الفلسفة نفسها. إذا كانت النتيجة نقطة بيانات واحدة، فإن الإبلاغ عن نتيجة إيجابية خاطئة مشتبه بها يضمن وضع تلك النقطة في سياقها، وتحسينها مع مرور الوقت. عندما تتظلّم لدى أستاذك، تعالج الموقف المباشر. وعندما تُبلِغ Turnitin، تُسهم في معايرة النظام لصالح الجميع. كلتا الخطوتين مهمة، وتؤديان غرضين مختلفين. تحقّق من تقرير Turnitin الخاص بك.