لماذا تنحاز كواشف الذكاء الاصطناعي ضد الكتّاب غير الناطقين بالإنجليزية كلغة أم

إن كون كواشف الذكاء الاصطناعي منحازة ضد المتحدثين غير الأصليين ليس شكوى ذاتية. وقد قاست دراسة ستانفورد محكّمة نُشرت في 2023 ذلك مباشرة. أجرى الباحثون اختبار سبعة كواشف GPT شائعة الاستخدام على 91 مقالة TOEFL حقيقية كتبها متحدثون غير أصليين للإنجليزية و88 مقالة كتبها تلاميذ أمريكيون في الصف الثامن، ثم قارنوا كيفية حصول كل مجموعة على الدرجات.

قرأت الكواشف مقالات الصف الثامن قراءة صحيحة في معظم الأحيان تقريبًا. أما في مقالات TOEFL، التي كتبها بالغون كانوا قد اجتازوا بالفعل اختبار كفاءة في الإنجليزية على مستوى الدراسات العليا، فقد أظهرت الأدوات السبعة نفسها متوسط معدل إيجابيات كاذبة بلغ 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.

تغطي نظرة TextPulse العامة على الأدلة الأوسع بشأن دقة كواشف الذكاء الاصطناعي هذه النتيجة الرئيسة والدعاوى القضائية التي تغذت عليها لاحقًا. وما يُتجاوز في معظم المواضع التي يُستشهد فيها بالدراسة هو الآلية: لماذا تبدو نثرية متحدث باللغة الإنجليزية على مستوى الدراسات العليا وكأنها من صنع آلة في المقام الأول، وما الذي يتغير عندما تتوقف عن الظهور بهذه الصورة.

كواشف الذكاء الاصطناعي المنحازة ضد المتحدثين غير الأصليين: الآلية

لا يقرأ الكاشف المعنى أبدًا. إنه يقرأ مدى قابلية التنبؤ بكل كلمة، بالنظر إلى الكلمات التي سبقتها، ويمنح المقطع درجة منخفضة عندما يكون النموذج قادرًا على تخمين معظم ما فيه مسبقًا. التنوع المعجمي, أي مدى اتساع المفردات التي يعتمد عليها الكاتب بدلًا من تكرار مجموعة أصغر من الكلمات الآمنة, والقابلية النحوية للتنبؤ, أي مدى اقتراب بنية الجملة من النمط الأكثر شيوعًا في اللغة بدلًا من تنويعه, هما خاصيتان من خصائص إنتاج اللغة تخفضان هذه الدرجة.

التمييز مهم لأن الاثنين يظهران بشكل مختلف على الصفحة. 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 بجملة تابعة أو تنتهي بكلمة غير متوقعة. والكاتب الذي يكتب بلغة ثانية تحت ظروف الامتحان لديه كل الأسباب لأن يعتمد الصيغة الأكثر أمانا في كلتا 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 الأكثر احتمالا لأن تكون صحيحة، لأن التخمين الخاطئ يكلف أكثر عندما لا تكون اللغة قد أصبحت تلقائية بالكامل بعد. وتشير الورقة البحثية في 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: انخفاض الثراء المعجمي، وانخفاض التنوع المعجمي، وبنية الجملة الأبسط، كلها سمات موثقة وقابلة للقياس في الكتابة بلغة ثانية، لا علامة على أي شيء آخر.

تظهر هذه الفجوة بين الكتابة الأصلية وغير الأصلية على هيئة فرق في perplexity، وهو القياس نفسه الذي يجريه الكاشف ليقرر ما إذا كانت الفقرة مولدة آليا. تُقرأ perplexity الأقل على أنها أكثر شبها بالآلة بغض النظر عمن أنتجها، والكتابة بلغة غير أصلية تقع عند مستوى أدنى على هذا المقياس لأسباب لا علاقة لها بـ ChatGPT. وما إذا كانت هذه الفجوة هي فعلا ما يدفع الكواشف، لا مجرد مصادفة، فهو 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 أطلقت معدل إيجابيات كاذبة متوسطًا قدره 61.22 percent، وطلبوا من ChatGPT تنقيحها باستخدام تعليمات واحدة: "Enhance the word choices to sound more like that of a native speaker." لم يُوجَّه أي شيء لتغييره في المحتوى أو الحجة أو القواعد. وبعد ذلك التعديل الواحد، انخفض متوسط معدل الإيجابيات الكاذبة عبر الكواشف السبعة نفسها إلى 11.77 percent، أي انخفاض يقارب خمسين نقطة مئوية، وتراجع عدد المقالات التي وسمها كل كاشف بالإجماع من ثماني عشرة إلى واحدة.

ثم أجرى الباحثون التجربة بالعكس. أخذوا 88 مقالة للصف الثامن كتبها متحدّثون أصليون، وهي المقالات التي كانت الكواشف قد قيّمتها في الأصل على نحو صحيح في معظم الأحيان، وطلبوا من ChatGPT تبسيط اختياراتها اللفظية كما لو كانت مكتوبة من قبل متحدّث غير أصلي. ارتفع متوسط معدل الإيجابيات الكاذبة في تلك المقالات نفسها المكتوبة أصلاً من متحدّثين أصليين من 5.19 percent إلى 56.65 percent. لم تتغير نسبة التأليف في المقالات. الذي تغيّر فقط هو المفردات، وتبعت الكواشف المفردات.

تحركت Perplexity بالتوازي التام 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 نتيجة صريحة: ما كانت الكواشف تستجيب له فعليًا لم يكن التأليف قط. بل كان اختيار الكلمات، وهو خاصية 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 بهوامش مختلفة جدًا.

الكاشف	معدل الإيجابيات الكاذبة، مقالات TOEFL	معدل الإيجابيات الكاذبة، المقالات المكتوبة من قبل الناطقين الأصليين
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 أدوات كما كانت موجودة آنذاك. وقد تغيّر عدد منها منذ ذلك الحين تغيّرًا كاملًا: أوقفت OpenAI كاشفها الخاص في يوليو 2023، بعد أربعة أشهر من هذا الاختبار، بعدما وجدت أنه لم يوسم على نحو صحيح سوى 26 percent من النصوص الحقيقية المكتوبة بالذكاء الاصطناعي، بينما كان لا يزال يخطئ في تصنيف 9 percent من الكتابة البشرية. وما لم يتغير هو اتجاه الفجوة. ولا يزال معيار أوسع للتحيز، صُمم خصيصًا لاختبار الكواشف عبر الفئات الديموغرافية واللغوية، ونُشر في ديسمبر 2025 وأُجري على أربعة أدوات مفتوحة المصدر أحدث، يبلّغ عن استرجاع أقل باستمرار لدى المجموعات غير الممثلة تمثيلًا كافيًا من الكتّاب.

هل يظهر هذا التحيز أيضًا في الكواشف الأحدث؟

أصبحت دراسة Stanford الآن قديمة بعدة أجيال من الذكاء الاصطناعي، وقد سمّى مؤلفوها القيد بأنفسهم: عينة تجريبية صغيرة، وكواشف بُنيت في الغالب على GPT-2، وهو نموذج أصغر بكثير وأقدم من النموذج الذي يقوم عليه الكشف اليوم. وهذا يثير سؤالًا مشروعًا. هل أغلقت التكنولوجيا الأفضل الفجوة؟

يقول أحدث اختبار مخصص حتى الآن: ليس 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 الأصيلة قبل 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 يقارب 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 منها في الكتابة الإنسانية.

ولا يتعلق أي من هذين الاستنتاجين بمنتج واحد معيب. فبنيتان مختلفتان للكشف، اختبرتا بفاصل ثلاث سنوات على متون مختلفة بواسطة فريقين بحثيين مختلفين، ما تزالان تصلان إلى النتيجة نفسها: الكتابة التي تشكلها أعراف النوع الأدبي أو لغة ثانية تقترب مما تسميه هذه الأدوات عملا آليا أكثر من الكتابة التي لا تكون كذلك. تتيح الأدوات المجانية لـ TextPulse للكاتب التحقق من ذلك الملف الإحصائي نفسه قبل أن يصل أي منه إلى كاشف تابع لمؤسسة.

الأدلة المستقلة على أن الفجوة حقيقية، لا مجرد أثر 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 استخدمت بيانات لا علاقة لها بالكاشفات إطلاقا. فقد فحصوا 1,574 ورقة قُبلت في ICLR 2023، وهو مؤتمر رئيسي في تعلم الآلة، مع قصر العينة على الملخصات التي قُدمت وخضعت للمراجعة قبل وجود ChatGPT.

كتب مؤلفون مقيمون في بلدان ليست الإنجليزية فيها اللغة الأساسية ملخصات ذات تعقيد احتمالي أقل بكثير من المؤلفين المقيمين في بلدان ناطقة بالإنجليزية بوصفها اللغة الأم، 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 بروبوت محادثة. كان ChatGPT على بُعد 3 أشهر من الإطلاق عندما أُغلقت نافذة التقديم. إن الفجوة في التعقيد الاحتمالي بين الكتابة الأكاديمية للناطقين بالإنجليزية أصلاً وغير الناطقين بها ليست شيئاً اخترعته الكواشف. إنها شيء ورثته.

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

ما الذي يعنيه هذا للكتّاب في لغة ثانية

لا شيء من هذا حجة للكتابة على نحو أقل شبهاً بك. إنه سبب لمعرفة ما الذي يُقاس فعلاً قبل أن تظهر النتيجة. إن الكاشف الذي يقرأ نثرك بوصفه متوقعاً 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 ذلك النوع من المراجعة الذي قد يرغب فيه الكاتب لأسباب أخرى تماماً، مثل صياغة أوضح، أو كلمة أدق، بغض النظر عن أي كاشف. تغطي صفحة TextPulse للكتّاب الأكاديميين الذين يكتبون الإنجليزية كلغة ثانية 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. وتذكر Pangram، وهي من أحدث الداخلين التجاريين، في وثائقها التقنية الخاصة أن مصنفها غير منحاز ضد الكتّاب غير الناطقين بالإنجليزية كلغة أم، رغم أن هذا الادعاء صادر عن المورّد لا عن اختبار مستقل. ويُظهر فاحص perplexity مجاني القياس الأساسي نفسه الذي تحسبه أي من هذه الأدوات من قطعة كتابة، من دون إرسال المسودة إلى أي مكان أولًا.

يقع رفيقان عمليان في المجموعة نفسها: متى يُستخدم a وan وthe، وهو المصدر الأكثر شيوعًا لهذا النمط، وكيف تبدو طبيعيًا في الكتابة الأكاديمية الإنجليزية بصورة 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، بدلًا من ذلك بعد أن يكون طالب محدد قد وُجّه إليه الاتهام بالفعل. وإلى أن يصبح ذلك ممارسة روتينية، فإن عبء إثبات خطأ الإشارة الكاذبة يقع على عاتق الكتّاب أنفسهم الذين تقول هذه الأبحاث إنهم الأرجح لتلقيها.