دراسة مقارنة لأدوات AI Humanizer: ماذا حدث للنصوص الأكاديمية نفسها
أجرى TextPulse Research تمرير 48 نصًا أكاديميًا عبر كل أداة humanizer، ثم قيّم كل مخرَج. ما الذي غيّرته الأدوات، وما الذي أبقته، وكيف كان أداء TextPulse.
في دراسة مقارنة أدوات AI Humanizer، نقلت كل أداة humanizer النصوص الأكاديمية الـ48 نفسها نحو أسلوب كتابة بشري، واختلفت الأدوات أكثر ما اختلفت في ما أبقته. أبقى بعضها المعنى والاستشهادات والأرقام قريبًا من المصدر. وأضافت أخرى أرقامًا وأسماءً مختلقة أو أخطاء نحوية جديدة، وكانت تلك المخرجات غالبًا هي التي صنفها كاشف على أنها بشرية.
أجرى TextPulse Research دراسة مقارنة أدوات AI Humanizer في أغسطس 2026 ونشرها بوصفها ورقة عمل في 29 أغسطس. TextPulse هي إحدى الأدوات الواردة فيها، لذلك تلقت كل أداة المدخلات نفسها وكان كل مقياس نصًا برمجيًا عامًا. وتضم ورقة العمل الكاملة كل جدول وشكل ونص برمجي، وجميع النصوص المعاد صياغتها وعددها 432 متاحة للعامة.
ما الذي اختبرته دراسة مقارنة أدوات AI Humanizer
أعطت الدراسة كل أداة humanizer النصوص الـ48 نفسها. وكان كل نص منها قسم النتائج والمناقشة لدراسة تجريبية مختلقة، كتبها نموذج ذكاء اصطناعي وكان طولها نحو 301 كلمة. وكتبت أربع عائلات من النماذج 12 نصًا لكل منها: OpenAI وGoogle وDeepSeek وAnthropic. وغطت النصوص أربعة تخصصات وثلاثة أنماط للاستشهاد، لذلك واجهت كل أداة أرقامًا وأسماء مؤلفين وعلامات مرجعية كان عليها أن تبقيها.
| جزء من التصميم | ما استخدمته الدراسة |
|---|---|
| النصوص المصدرية | 48 قسمًا من أقسام النتائج والمناقشة مكتوبة بالذكاء الاصطناعي، يتراوح طول كل منها بين 264 و344 كلمة |
| من كتبها | 12 نصًا لكل من نماذج OpenAI وGoogle وDeepSeek وAnthropic |
| التخصصات | الطب والصحة، العلوم الفيزيائية والحاسوبية، العلوم الاجتماعية، العلوم الإنسانية |
| أنماط الاستشهاد | APA بصيغة المؤلف والسنة، أقواس رقمية، بلا استشهادات |
| الحقائق التي جرى التحقق منها في النصوص | 404 مصطلحًا تقنيًا، 887 رقمًا، 124 استشهادًا |
| كيفية تشغيل كل أداة | لصق مرة واحدة في صفحتها على الويب عند الإعداد الافتراضي، مع الإبقاء على المخرجات كما عادت |
| التواريخ | 26 إلى 28 أغسطس 2026 |
| الكواشف | Turnitin، مستند واحد لكل أداة، وGPTZero، كل نص على حدة |
تتمثل مهمة أداة التحويل البشري في إعادة صياغة مخرجات الذكاء الاصطناعي، لذلك بدأت الدراسة من مخرجات الذكاء الاصطناعي مع قائمة موثقة من الحقائق. قبل أي إعادة صياغة، أدرج كل نموذج المصطلحات والأرقام والاستشهادات التي استخدمها. قورنت كل مادة مدرجة بالنص، وحذفت أي مادة كانت مفقودة منه. وترك ذلك قائمة ثابتة لكل نص، بحيث استطاعت الدراسة أن تعد بدقة ما الذي احتفظ به كل أداة تحويل بشري، أو غيره، أو اخترعه.
أُدخل كل نص إلى صفحة الويب الخاصة بكل أداة مرة واحدة، عند الإعداد الافتراضي للأداة، وحُفظ الناتج كما عاد تمامًا. لم يحرر أحد أي ناتج. عالجت بعض الأدوات أقل من 48 لأن الطبقات المجانية تحدد عدد النصوص التي ستقبلها الأداة. وكانت هناك مجموعة أساسية من 24 نصًا هي نفسها لكل أداة، وبالترتيب نفسه. عالجت TextPulse جميع النصوص 48.
كيف قاست الدراسة نصًا محولًا إلى صياغة بشرية
تخبرك درجة الكاشف كيف بدا النص لكاشف واحد في يوم واحد. وهي لا تقول شيئًا عن ما إذا كانت إعادة الصياغة ما تزال تعرض النتائج نفسها. قيّمت الدراسة كل ناتج على النص نفسه أولًا، وعلى الكواشف ثانيًا. بالنسبة إلى الطلاب أو الباحثين، من المهم أن تكون هناك ورقة بحثية ما تزال تقول ما تقوله البيانات، في نثر يبدو كما لو أن شخصًا كتبه.
| المقياس | ما الذي يتحقق منه | لماذا يهم في ورقة علمية |
|---|---|---|
| المعنى | مدى قرب إعادة الصياغة من المصدر، بوصفه درجة تشابه من 0 إلى 1 | الدرجة الأقل تعني أن الفقرة تقول الآن شيئًا آخر |
| الاستشهادات المحفوظة | نسبة الاستشهادات داخل النص التي ما تزال موجودة مع المؤلف والسنة نفسيهما | تغيير السنة يفسد التطابق مع قائمة المراجع |
| الأرقام المحفوظة | نسبة الأرقام التي جرى التحقق منها وما تزال في النص | فقدان حجم العينة أو قيمة p يغيّر النتيجة |
| العناصر المختلقة | الأرقام والأسماء في المخرجات التي لم تكن موجودة في المصدر قط | الشكل المختلق تصريح كاذب عن الدراسة |
| الأخطاء النحوية المضافة | أخطاء جديدة لكل 1,000 كلمة، محسوبة باستخدام LanguageTool | الأخطاء تكلف درجات وثقة المراجعين |
| درجة القراءة | التغير في درجة Flesch-Kincaid | النص الذي تولده الذكاء الاصطناعي له مستوى درجة أعلى من النثر البشري المنشور |
| موضع الأسلوب | موضع النص بين الكتابة البشرية النموذجية والكتابة النموذجية للذكاء الاصطناعي | الكواشف الأسلوبية تستجيب لهذه السمات |
| الطول | طول المخرجات مقارنة بالمصدر، ويُعد من 0.70 إلى 1.30 مرة محفوظًا | الأداة التي تختزل نصًا إلى النصف تكون قد أسقطت محتوى |
يأتي موضع الأسلوب من مقياس طورته TextPulse اعتمادًا على 47 سمة أسلوبية مستمدة من 121,092 نصًا أكاديميًا، كما هو موضح في ورقة التصنيف الأسلوبي الخاصة بنا. النص الأكاديمي البشري النموذجي يقع عند 0، والنص النموذجي للذكاء الاصطناعي يقع عند 100. ونطلق على النصف الأوسط من النصوص البشرية, من -36 إلى 33, اسم النطاق البشري.
جرت درجة المفردات مقارنةً بقائمة تضم 1,057 كلمة من ورقة مفردات الذكاء الاصطناعي الخاصة بنا. ومن بين هذه الكلمات، 581 كلمة تستخدمها نماذج الذكاء الاصطناعي أكثر مما يستخدمها الناس، و476 تميل في الاتجاه الآخر. وقد أحصت الدراسة عدد الكلمات المائلة إلى الذكاء الاصطناعي التي أزالها كل أداة لكل 1,000 كلمة.
ما الذي فعله كل humanizer بالنص
انتقلت مخرجات كل أداة في الدراسة نحو الطرف البشري من مقياس الأسلوب. بلغ متوسط النصوص غير المعالجة بالذكاء الاصطناعي 138، متجاوزة النص المعتاد للذكاء الاصطناعي عند 100. وبعد إعادة الصياغة، وصلت بعض الأدوات إلى النطاق البشري وتوقفت أخرى عند منتصف الطريق تقريبًا. كما أزالت كل أداة المفردات المائلة إلى الذكاء الاصطناعي وخفضت مستوى القراءة، لذلك كان اتجاه التغير واحدًا عبر المجال كله.
نوعان من السمات ينقلان النص على طول المقياس أكثر من غيرهما. الزوج الأول هو متوسط طول الكلمة ونسبة الكلمات الطويلة. إن إعادة الصياغة من "help" إلى "facilitate" ستجعل النص أكثر شبهًا بأسلوب الذكاء الاصطناعي لأنها تزيد متوسط طول الكلمة وتزيد نسبة الكلمات الطويلة. أما الثاني فهو تنوع طول الجملة، وهو يدفع نحو البشري. الفقرة التي تكون فيها جميع الجمل من 22 إلى 26 كلمة تكون مسطحة، أما الفقرة التي تمزج جملة من 9 كلمات مع أخرى من 31 كلمة فتكون متنوعة.
الفكرة هي الوصول إلى درجة قراءة أقل. النص الأكاديمي المكتوب بالذكاء الاصطناعي له درجة Flesch-Kincaid أعلى من النثر الأكاديمي البشري المنشور. لذلك، إذا انخفضت، فإن ذلك يجعل الكتابة أقرب إلى الأسلوب المباشر الذي يكتب به الباحثون. هذا هو ما تستجيب له الكواشف الأسلوبية. وهذه أيضًا هي التغيرات التي تجعل المسودة أسهل قراءة. ويتوافق الهدفان ما دام المحتوى يبقى سليمًا.
يُظهر منشورنا على كيف تغيّر humanizers الجملة هذه التعديلات جملةً جملة. وتضيف الدراسة القياس: إلى أي مدى نقل كل تغيير النص، وما كلفه ذلك من معنى وحقائق.
أين اختلفت الأدوات: المعنى والاستشهادات والأرقام
اختلفت الأدوات في معدلات الاحتفاظ لديها. فعلى سبيل المثال، عبر الدراسة، احتُفظ بما بين 29 و100% من الاستشهادات. وظهرت بين 0.06 و4.44 عناصر مختلقة لكل مخرج. وظهرت بين 0.65 و4.91 أخطاء نحوية جديدة لكل 1,000 كلمة. وكانت العناصر المختلقة أحجام عينات، ونسبًا مئوية، وحدود ثقة، وأسماء مؤلفين، ومؤسسات لم يذكرها المصدر قط.
غابت الأسماء والوحدات بطرق أكثر خفاءً. عندما أعاد أداة صياغة إحصائية، كانت كثيرًا ما تحذف الوحدة، بحيث أصبح "Cohen's d" حجمَ أثر وأصبحت "Celsius" درجات. وغابت أسماء المؤلفين مع استشهاداتهم. واستُبدلت أسماء الأنواع والعصور والأجهزة بوصفٍ لها. والقارئ الذي يريد التحقق من نتيجة يحتاج إلى هذه الأسماء، لذلك يُعدّ كل واحد من هذه الفواقد خسارة.
يدفع عمق إعادة الصياغة والأمانة في اتجاهين متعاكسين. فالأداة التي تغيّر ثلث الكلمات تحافظ على المعنى بسهولة أكبر. أما الأداة التي تغيّر معظمها فلديها فرص أكثر لفقدان شيء ما. وتراوحت حصة الكلمات التي تغيّرت بين 35 و68%. والنتيجة التي يريدها الباحث هي إعادة صياغة عميقة لا تزال تحافظ على المعنى. وكان هذا الاقتران نادرًا.
بحثت الدراسة أيضًا عن المحارف الخفية: المحارف غير المرئية، والمسافات غير القياسية، والحروف المتشابهة من الأبجديتين السيريلية أو اليونانية. يضيف بعض humanizers هذه العناصر لتغيير نتيجة الكاشف. ولم تضف أي أداة في هذه الدراسة أيًّا منها، لذلك لم يفشل أي مخرج في بوابة الجودة لهذا السبب.
حوّل مقالك إلى صيغة بشرية
حوّل النص الذي استعنت فيه بالذكاء الاصطناعي واجعله يبدو بشريًا، من دون المساس بالكلمات المهمة أو الاستشهادات.
لماذا تُعد نتيجة الكاشف وحدها معيارًا ضعيفًا لتقييم humanizer
إن نتيجة الكاشف وحدها معيارٌ غير مكتمل لتقييم humanizer. ففي دراسة المقارنة بين AI humanizer، كانت المخرجات التي صنّفها GPTZero على أنها بشرية في الغالب تأتي من أدوات اخترعت أعدادًا وأسماءً أكثر، أو حذفت استشهادات أكثر، أو أضافت أخطاءً نحوية أكثر. وأسهل طريقة لتغيير تقدير الكاشف هي تغيير ما يقوله النص. وإعادة الصياغة على هذا النحو تفشل الورقة التي كان المقصود أن تساعدها.
ولقياس الجانبين معًا، وضعت الدراسة بوابة جودة. ولتجاوزها، كان على المخرج أن يحقق درجة معنى لا تقل عن 0.95 وألا يفقد أكثر من 90% من استشهاداته. وكان عليه أيضًا ألا يتضمن أعدادًا أو أسماءً مختلقة، وألا يحتوي على محارف خفية، وأن يكون طوله ضمن حدود السماح. ثم كانت تسمية GPTZero على أنه بشري تُحتسب فقط للمخرجات التي تجاوزت البوابة. وكانت البوابة نفسها مطبقة على كل أداة.
دخلَ مخرَجُ كل أداة في مستند واحد، مع نص واحد في كل صفحة. استخدمت الدراسة نسبة Turnitin الخاصة بالذكاء الاصطناعي للمستند. يستخدم Turnitin نجمة بدلًا من رقم لما هو أقل من 20%. نتائج الكواشف هي تقديرات من إصدار واحد من الكاشف في تواريخ الدراسة. كتبنا عن قراءة درجة Turnitin الخاصة بالذكاء الاصطناعي في دليلنا على ما الذي تعنيه درجة Turnitin الخاصة بالذكاء الاصطناعي.
كيف أدّى TextPulse في مقارنة humanizer
جاء TextPulse أولًا في المؤشر المركب للدراسة، الذي يمنح وزنًا متساويًا لعمق إعادة الصياغة، والمعنى، وموقع الأسلوب، والنحو، وسلامة المحتوى. كانت درجات TextPulse 0.811 لهذه المقاييس الخمسة، و0.843 عندما أُضيف مقياس الكاشف المقيَّد. وقد أدّى جيدًا لأنه لم تكن لديه أي مقاييس ضعيفة. أعاد صياغة أكثر من نصف كل نص، وحافظ على الحقائق التي تعتمد عليها الورقة.
| المقياس | نتيجة TextPulse |
|---|---|
| الكلمات التي تغيرت | 52% |
| المعنى المحفوظ, similarity إلى المصدر | 0.971, نحو 97% |
| الاستشهادات المحفوظة | 99% |
| الأرقام المحفوظة | 87% |
| الكيانات المسماة المحفوظة | 95% |
| أخطاء النحو المضافة | 0.65 لكل 1,000 كلمة, الأقل في الدراسة |
| العناصر المختلقة | 0.48 لكل مخرج; اسم مختلق في مخرج واحد من كل خمسين |
| مستوى القراءة | 3.6 درجات أقل, أكبر انخفاض |
| الكلمات ذات الميل إلى AI التي أزيلت | 39 لكل 1,000 كلمة, الأكثر في الدراسة |
| موقع الأسلوب | 29, داخل النطاق البشري |
| المخرجات ضمن سماحية الطول | 47 من 48 |
| المخرجات التي اجتازت بوابة الجودة | 67% |
| درجة Turnitin الخاصة بالذكاء الاصطناعي, مستند واحد لجميع المخرجات | 24%, الأدنى في الدراسة (متساوٍ) |
| وسم GPTZero البشري على المخرجات التي اجتازت البوابة | 10.4% (5 من 48), الأعلى في الدراسة |
تُعد نتيجتان هما الأهم للاستخدام الأكاديمي. ومن بين الأدوات التي غيّرت ما لا يقل عن نصف الكلمات، حافظ TextPulse على المعنى بأفضل صورة. ومن بين الأدوات التي حصلت على درجة معنى تبلغ 0.97 أو أعلى، غيّر أكبر عدد من الكلمات. ولم تكن أي أداة أخرى في الدراسة ضمن المجموعتين معًا. إن أداة humanizer للكتابة الأكاديمية تحتاج إلى هذا الاقتران، لأن إعادة الصياغة الخفيفة تترك الأسلوب الآلي قائمًا، بينما إعادة الصياغة العميقة التي تحذف الحقائق تغيّر النتائج.
صنّف GPTZero 9 من أصل 48 مخرجات TextPulse على أنها بشرية، ونجح 5 من هذه أيضًا في تجاوز بوابة الجودة، وهو أعلى نتيجة مُقيدة في الدراسة. وسجّل مستند Turnitin الخاص بمخرجات TextPulse نسبة 24% AI، متعادلًا مع أدنى درجة. وسجّلت المستندات الأخرى درجات من 28 إلى 74%. إن نتائج الكواشف تقديرات، ولذلك تعرضها الدراسة إلى جانب مقاييس النص لهذا السبب.
ما الذي لا تستطيع الدراسة أن تخبرك به
تسرد دراسة المقارنة بين AI humanizer حدودها الخاصة. كُتبت النصوص بواسطة نماذج AI وفق prompt ثابت، بينما المسودات الحقيقية أطول وأقل تجانسًا. وقد شغّلت كل أداة مرة واحدة، على setting الافتراضي لها، بين 26 و28 أغسطس 2026. وتحدّث الشركات أدواتها، لذلك تصف النتائج تلك التواريخ وينبغي قراءتها بوصفها لقطة آنية.
تملك الأدوات المختلفة أعدادًا مختلفة من النصوص لأنها محدودة بعدد معين من النصوص المجانية التي ستعالجها الأداة. وينتج عن ذلك أيضًا فواصل ثقة أكبر للأدوات ذات النصوص الأقل. يُنتج Turnitin درجة واحدة لكل مستند، ولذلك لا يملك نطاقًا من الدرجات لكل نص. GPTZero هو كاشف واحد، وإصدار نموذج واحد (2026-08-09-base).
أجرى TextPulse الدراسة وهو أحد الأدوات الواردة فيها. وقد أُعطيت كل أداة المدخلات نفسها. ووفقًا للبروتوكول، فإن جميع المقاييس نصوص برمجية متاحة للجمهور، وجميع النتائج الخام مشتركة. وهذا يعني أن أي شخص يمكنه إعادة حساب الأرقام، أو وزنها على نحو مختلف. النصوص المصدرية، وجميع المخرجات 432، وردود الكاشف، والنصوص البرمجية كلها متاحة للجمهور.
كيفية استخدام النتائج في مسودتك الخاصة
تتحول النتائج إلى فحص قصير يمكنك إجراؤه بعد أي humanizer، بما في ذلك أداتنا. قارن المخرج مع مسودتك من حيث الأمور التي أحصتها الدراسة. وعلى قسم واحد، يستغرق ذلك بضع دقائق.
- تحقّق من كل رقم في مقابل مسودتك: أحجام العينات، النسب المئوية، قيم p وفواصل الثقة.
- تحقّق من كل استشهاد داخل النص من المؤلف والسنة نفسيهما، ثم طابِقه مع قائمة المراجع لديك.
- ابحث عن الأسماء التي تغيّرت: الأدوات، الأنواع، مجموعات البيانات، الوحدات وأسماء المؤلفين.
- اقرأ النص بحثًا عن الادعاءات التي أصبحت أقوى، مثل إعادة صياغة "may indicate" إلى "shows".
- قارن الطول. إن كان الناتج أقصر بكثير من المصدر فالأرجح أنه حذف محتوى.
- اقرأ النص بصوت عالٍ لاكتشاف أخطاء النحو التي أضافتها إعادة الصياغة.
الطول هو أسرع هذه الفحوص. في الدراسة، عُدَّ الناتج الواقع بين 0.70 و1.30 مرة من طول المصدر محتفظًا به. أبقى TextPulse 47 من أصل 48 ناتجًا داخل ذلك النطاق، بمتوسط 1.14 مرة من المصدر، لذا جاءت نواتجه أطول قليلًا من المسودات.
تستغرق الاستشهادات أطول وقت للتحقق يدويًا. في الدراسة، أبقى TextPulse 99 في المئة منها، وكانت تغييراتها في العرض، مثل تحويل استشهاد بين قوسين إلى استشهاد سردي. يشرح منشورنا على مُنسِّقًا بشريًا للذكاء الاصطناعي يحافظ على الاستشهادات ما الذي ينبغي البحث عنه في علامات المراجع الخاصة بك.
يقيس فاحص التفاوت المجاني مقدار تباين أطوال الجمل في مسودتك. يُعدّ تباين طول الجملة أحد السمات التي يزنها مقياس الدراسة لصالح الكتابة البشرية. للحصول على دليل مرتّب حسب الأسعار، انظر دليلنا إلى أفضل مُنسِّق بشري للذكاء الاصطناعي للكتابة الأكاديمية. وعندما تكون مستعدًا لإعادة الصياغة، فإن TextPulse AI humanizer صُمِّم ليحافظ على أرقامك وأسماءك واستشهاداتك، ويعرض Human Score تقديريًا للنتيجة.
الأسئلة الشائعة
دراسة مقارنة أدوات AI Humanizer هي ورقة عمل نشرها TextPulse Research في أغسطس 2026. وقد مرّرت النصوص الأكاديمية الـ 48 نفسها المكتوبة بالذكاء الاصطناعي عبر كل أداة humanizer عند إعداداته الافتراضية، ثم قيّمت 432 مخرَجًا من حيث المعنى، والاستشهادات، والأرقام، والحقائق المختلقة، والقواعد، والأسلوب، وكاشفين اثنين. النصوص والمخرجات والبرامج النصية متاحة للعامة.
PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.
