لماذا تنحاز كواشف الذكاء الاصطناعي ضد الكتّاب غير الناطقين بالإنجليزية

إن كون كاشفات الذكاء الاصطناعي منحازة ضد غير الناطقين الأصليين ليس شكوى ذاتية. وقد قاست دراسة ستانفورد محكّمة نُشرت في 2023 ذلك مباشرة. أجرى الباحثون اختبار سبع كاشفات GPT شائعة الاستخدام على 91 مقالة TOEFL حقيقية كتبها متحدثون غير أصليين للإنجليزية وعلى 88 مقالة كتبها طلاب أمريكيون في الصف الثامن، ثم قارنوا كيفية تسجيل كل مجموعة.

قرأت الكاشفات مقالات الصف الثامن قراءة صحيحة في معظم الأحيان. أما في مقالات TOEFL، التي كتبها بالغون كانوا قد اجتازوا بالفعل امتحان كفاءة في الإنجليزية على مستوى الدراسات العليا، فقد أعادت الأدوات السبعة نفسها معدل إيجابيات كاذبة متوسطا قدره 61.22 percent. وقد صُنِّفت 89 من أصل 91 مقالة، أي ما يقرب من 98 percent، على أنها مولدة بالذكاء الاصطناعي بواسطة أداة واحدة على الأقل من الأدوات السبعة.

يغطي عرض TextPulse لـ الأدلة الأوسع على دقة كاشفات الذكاء الاصطناعي هذه النتيجة الرئيسة والدعاوى القضائية التي تغذت منها لاحقا. وما يُتجاوز في معظم المواضع التي يُستشهد فيها بالدراسة هو الآلية: لماذا تبدو نثرية متحدث باللغة الإنجليزية على مستوى الدراسات العليا وكأنها مصنوعة آليا في المقام الأول، وما الذي يتغير عندما تتوقف عن الظهور على هذا النحو.

كاشفات الذكاء الاصطناعي المنحازة ضد غير الناطقين الأصليين: الآلية

لا تقرأ الكاشفة المعنى أبدا. إنها تقرأ مدى قابلية التنبؤ بكل كلمة، بالنظر إلى الكلمات التي سبقتها، وتمنح المقطع درجة منخفضة عندما يستطيع النموذج أن يخمن معظمَه مسبقا. التنوع المعجمي, أي مدى اتساع المفردات التي يعتمد عليها الكاتب بدلا من تكرار مجموعة أصغر من الكلمات الآمنة, والقابلية النحوية للتنبؤ, أي مدى اقتراب بنية الجملة من النمط الأكثر شيوعا في اللغة بدلا من تنويعه, هما خاصيتان من خصائص إنتاج اللغة تخفضان تلك الدرجة.

التمييز مهم لأن الاثنين يظهران على الصفحة بصورة مختلفة. التنوع المعجمي يتعلق بالكلمات نفسها: الكاتب الذي يلجأ إلى "obtain" و"acquire" و"secure" في ثلاث جمل مختلفة يبدو أكثر تنوعا من الكاتب الذي يكتب "get" ثلاث مرات، حتى عندما تكون الجمل متطابقة في ما عدا ذلك. أما قابلية التنبؤ النحوي فتتعلق بالبنية: فاعل، فعل، مفعول به، تتكرر مرة بعد مرة، بدلا من جملة تبدأ بعبارة تابعة أو تنتهي بكلمة غير متوقعة. والكاتب الذي يكتب بلغة ثانية تحت ظروف الامتحان لديه كل سبب للجوء إلى الصيغة الأكثر أمانا في الحالتين.

الكتابة بلغة ثانية تُظهر على نحو موثوق قدرا أقل من كليهما، وليس بوصف ذلك نقصا. فالكاتب الذي يعمل بلغة إضافية يعتمد على المفردات وأنماط الجمل الأرجح أن تكون صحيحة، لأن التخمين الخاطئ يكلف أكثر عندما لا تكون اللغة قد أصبحت تلقائية بالكامل بعد. وتشير الورقة الصادرة عن Stanford التي وثقت تحيز الكاشف إلى مجموعة من أبحاث اللسانيات التطبيقية حول هذا النمط بالذات، وهو نمط ثبت قبل وقت طويل من وجود كواشف الذكاء الاصطناعي: فالفقر المعجمي المنخفض، والتنوع المعجمي المنخفض، وبنية الجمل الأبسط، كلها سمات موثقة وقابلة للقياس في الكتابة بلغة ثانية، لا علامة على أي شيء آخر.

تظهر الفجوة بين الكتابة الأصلية وغير الأصلية بوصفها فرقا في perplexity، وهو القياس نفسه الذي يجريه الكاشف ليقرر ما إذا كان المقطع مولدا آليا. وتُقرأ perplexity الأدنى على أنها أكثر شبها بالآلة بغض النظر عمن أنتجها، وتكون الكتابة بلغة غير أصلية أدنى على هذا المقياس لأسباب لا علاقة لها بChatGPT. وما إذا كانت تلك الفجوة هي فعلا ما يقود الكواشف، لا مجرد مصادفة، سؤال قابل للاختبار. وقد اختبره فريق Stanford مباشرة.

ما الذي حدث عندما أعيدت كتابة المقالات نفسها بمفردات أغنى

أخذ الباحثون نفس 91 مقالة TOEFL التي كانت قد تسببت في معدل إيجابيات كاذبة متوسط بلغ 61.22 percent، وطلبوا من ChatGPT أن يراجعها باستخدام تعليمات واحدة: "Enhance the word choices to sound more like that of a native speaker." لم يُطلب تغيير أي شيء يتعلق بالمحتوى أو الحجة أو القواعد. وبعد هذا التعديل الواحد، انخفض متوسط معدل الإيجابيات الكاذبة عبر الكواشف السبعة نفسها إلى 11.77 percent، أي بانخفاض يقارب خمسين نقطة مئوية، وتراجع عدد المقالات التي وسمها كل كاشف بالإجماع من ثمانية عشر إلى واحدة.

ثم عكس الباحثون التجربة. أخذوا 88 مقالة للصف الثامن كتبها متحدثون أصليون، وكانت الكواشف قد صنفتها في الأصل تصنيفًا صحيحًا في معظم الأحيان، وطلبوا من ChatGPT أن يبسّط اختياراتها اللفظية كما لو كانت مكتوبة بواسطة متحدث غير أصلي. قفز متوسط معدل الإيجابيات الكاذبة في تلك المقالات نفسها المكتوبة أصلاً من متحدثين أصليين من 5.19 percent إلى 56.65 percent. لم تتغير نسبة التأليف في المقالات. الذي تغير فقط هو المفردات، وتبعت الكواشف المفردات.

تحركت perplexity بالتوازي مع معدل سوء التصنيف في كلا الاتجاهين، إذ ارتفعت بحدة عندما أُغنيت مقالات TOEFL، وانخفضت بحدة عندما بُسّطت مقالات الصف الثامن. ويخلص المؤلفون من ذلك إلى استنتاج مباشر، وهو أن ما كانت الكواشف تستجيب له فعليًا لم يكن التأليف قط. بل كان اختيار الكلمات، وهي سمة يمكن أن تحملها مفردات أي كاتب بغض النظر عن المكان الذي تعلم فيه الإنجليزية.

ما مدى اتساق التحيز عبر الكواشف المختلفة

لم تتفق الكواشف السبعة على الكثير، باستثناء اتجاه الخطأ. فقد وسم كل واحد منها مقالات TOEFL بمعدل أعلى بكثير من مقالات الصف الثامن، ولكن بفوارق مختلفة جدًا.

الكاشف	معدل الإيجابيات الكاذبة، مقالات TOEFL	معدل الإيجابيات الكاذبة، المقالات الأصلية
Originality.ai	76%	1%
Quil.org	75%	9%
Sapling	68%	5%
OpenAI's detector	58%	9%
Crossplag	52%	12%
GPTZero	52%	0%
ZeroGPT	48%	0%

هذه أرقام 2023، وقد قيسَت على الأدوات كما كانت موجودة آنذاك. وقد تغيّر عدد منها منذ ذلك الحين تغيّرا كاملا: أوقفت OpenAI كاشفها الخاص في يوليو 2023، أي بعد 4 أشهر من هذا الاختبار، بعدما وجدت أنه لم يكن يوسم على نحو صحيح سوى 26 percent من النصوص الفعلية المكتوبة بواسطة AI، مع أنه كان لا يزال يوسم خطأ 9 percent من الكتابة البشرية. وما لم يتغير هو اتجاه الفجوة. ولا يزال معيار أوسع للتحيز، صُمم خصيصا لاختبار الكواشف عبر الفئات الديموغرافية واللغوية، ونُشر في ديسمبر 2025 وأُجري على 4 أدوات أحدث مفتوحة المصدر، يورد أيضا استرجاعا أدنى باستمرار للمجموعات الممثلة تمثيلا ناقصا من الكتّاب.

هل يظهر هذا التحيز أيضا في الكواشف الأحدث؟

أصبحت دراسة Stanford الآن قديمة بعدة أجيال من AI، وقد ذكر مؤلفوها أنفسهم القيد: عينة تجريبية صغيرة، وكواشف بُنيت في معظمها على GPT-2، وهو نموذج أصغر بكثير وأقدم مما يشغّل الكشف اليوم. وهذا يثير سؤالا وجيها. هل أغلقت التكنولوجيا الأفضل الفجوة؟

يقول أحدث اختبار مخصص إن الأمر ليس كذلك بعد. في دراسة أُجريت في فبراير 2026 في جامعة السلطان قابوس، اختبر الباحثون كاشفين تجاريين حاليين، Turnitin وOriginality، على 192 نصا تمزج بين كتابة طلاب EFL الأصلية السابقة على ChatGPT، والكتابة البشرية المهنية، والنصوص المولدة بالذكاء الاصطناعي، والنصوص الهجينة البشرية والذكاء الاصطناعي. أظهرت النتائج دقة إجمالية بلغت 69 percent و61 percent للأداتين، مع هبوط الدقة في فئة النصوص الهجينة، وهي نوع الكتابة الذي ينتجه فعليا تمرير التحرير، إلى ما يقرب من الصفر. وكشفت الدراسة نفسها أيضا عن تحيز ثان يسير إلى جانب تحيز اللغة, إذ كانت الدقة في الكتابة العلمية أقل بمقدار 28 إلى 38 نقطة مئوية من الدقة في الكتابة الإنسانية.

ولا يتعلق أي من هذين الاستنتاجين بمنتج واحد معيب. فبنيتان مختلفتان للكشف، اختبرتهما فرق بحثية مختلفة بفاصل ثلاث سنوات وعلى متون مختلفة، ما تزالان تصلان إلى النتيجة نفسها: الكتابة التي تشكلها أعراف النوع الأدبي أو لغة ثانية تبدو أقرب إلى ما تسميه هذه الأدوات عملا آليا من الكتابة التي لا تنتمي إلى أي منهما. تتيح TextPulse's free tools للكاتب أن يتحقق من ذلك الملف الإحصائي نفسه قبل أن يصل أي جزء منه إلى كاشف تابع لمؤسسة.

أدلة مستقلة على أن الفجوة حقيقية، وليست أثرا من آثار الاختبار

المشكلة الأولى في نتائج TOEFL هي أنه يمكن القول إنها لا تنطبق إلا على دراسة تجريبية صغيرة من عام 2023. وقد رد على ذلك فريق البحث نفسه في دراسة أخرى استخدم فيها بيانات لا علاقة لها بالكاشفات إطلاقا. فقد فحصوا 1,574 ورقة قبلت في ICLR 2023، وهو مؤتمر رئيسي في تعلم الآلة، مع قصر العينة على الملخصات المقدمة والمراجعة قبل وجود ChatGPT.

كتب مؤلفون مقيمون في بلدان لا تكون فيها الإنجليزية اللغة الأساسية ملخصات ذات تعقيد احتمالي أقل بكثير من المؤلفين المقيمين في بلدان ناطقة بالإنجليزية كلغة أصلية، وظل هذا الفرق قائماً حتى بعد ضبط مدى ارتفاع تقييم كل ورقة من قبل المراجعين. لم يكن من الممكن أن تكون هذه العينة قد تشكلت بفعل أي شخص يحاول أن يبدو أكثر أو أقل شبهاً بـ chatbot. كان ChatGPT على بعد 3 أشهر من الإطلاق عندما أُغلقت نافذة التقديم. إن الفجوة في التعقيد الاحتمالي بين الكتابة الأكاديمية للناطقين بالإنجليزية كلغة أصلية وغير الأصلية ليست شيئاً اخترعته الكواشف. إنها شيء ورثته.

يقدم تحليل إحصائي لعام 2026 لاكتشاف الذكاء الاصطناعي بوصفه مشكلة اختبار صياغةً رسميةً للنتيجة نفسها. كلما أنتجت مجموعة من الكتّاب لغة تتداخل، إجمالاً، مع المخرجات النموذجية للذكاء الاصطناعي، فإن أي كاشف يمتلك قدرة حقيقية على التقاط النص المكتوب بالذكاء الاصطناعي يجب أن يتحمل معدل إيجابيات كاذبة أعلى لتلك المجموعة تحديداً، وهي خاصية رياضية للاختبار عند فحص مجموعة سكانية متنوعة، لا عيباً في أداة بعينها. ويعد الكتّاب غير الناطقين بالإنجليزية كلغة أصلية أوضح حالة موثقة لهذا التداخل بالضبط.

ما الذي يعنيه هذا للكتّاب بلغة ثانية

لا شيء من هذا حجة للكتابة على نحو أقل شبهاً بك. إنه سبب لمعرفة ما الذي يُقاس فعلاً قبل أن تصل النتيجة. إن كاشفاً يقرأ نثرك على أنه متوقع يلتقط خاصية إحصائية حقيقية للكتابة بلغة ثانية، لا دليلاً على أنك استخدمت أداة لم تستخدمها.

يشير الباحثون في Stanford الذين أجروا الدراسة الأصلية إلى دلالة غير مريحة لنتيجتهم نفسها, فالتعديل نفسه في المفردات الذي يخفض خطر الإيجابيات الكاذبة هو أيضاً نوع المراجعة الذي قد يرغب فيه الكاتب لأسباب منفصلة تماماً، مثل صياغة أوضح، أو كلمة أدق، بغض النظر عن أي كاشف. تغطي صفحة TextPulse للكتّاب الأكاديميين ESL ما يبدو عليه هذا النوع من المراجعة في الجمل الحقيقية، بمعزل عن أي شيء يتعلق بدرجة الكشف.

بدأت الكواشف الأحدث تأخذ هذا النمط في الحسبان صراحة. يذكر Pangram، وهو أحد الوافدين التجاريين الأحدث، في وثائقه التقنية الخاصة أن مصنفه ليس منحازا ضد الكتّاب غير الناطقين بالإنجليزية، رغم أن هذا الادعاء صادر عن المورّد لا عن اختبار مستقل. ويعرض فاحص perplexity مجاني القياس الأساسي نفسه الذي تحسبه أي من هذه الأدوات من قطعة كتابة، من دون إرسال المسودة إلى أي مكان أولا.

يقع رفيقان عمليان في المجموعة نفسها: متى نستخدم a و an و the، وهو المصدر الأكثر شيوعا لهذا النمط، وكيف تبدو طبيعيا في الكتابة الأكاديمية الإنجليزية على نحو أعم.

تواصل الأبحاث التراكم في الاتجاه نفسه بعد عامين، عبر فرق مختلفة، وكواشف مختلفة، وتصاميم اختبار مختلفة. وما لم يواكب ذلك هو استجابة مؤسسية معتمدة على نطاق واسع: تدقيق الكاشف مقابل مجموعة من الكتّاب قبل الوثوق به مع أي واحد منهم، بدلا من ذلك بعد أن يكون طالب محدد قد اتُّهم بالفعل. وإلى أن يصبح ذلك ممارسة روتينية، فإن عبء إثبات خطأ الإنذار الكاذب يقع على عاتق الكتّاب أنفسهم الذين تقول هذه الأبحاث إنهم الأكثر احتمالا لتلقي واحد.