هل يمكن لـ Turnitin اكتشاف نص ذكاء اصطناعي مُعاد “إنسانيته” في 2026؟
هل يمكن لـ Turnitin اكتشاف نص ذكاء اصطناعي مُعاد “إنسانيته”؟ في 2026، أكثر بكثير مما كان عليه من قبل. تعرّف على ما الذي تغيّر، ولماذا قد تؤدي مطاردة “عدم الكشف” بنتائج عكسية، وما المسار الأكثر أمانًا للأمام.
لقد مرّرتَ مسودتك على أداة “humanizer”، وشاهدت انخفاض درجة الذكاء الاصطناعي، فشعرتَ بالارتياح. ثم ما لبث أن استقر في ذهنك قلقٌ أكثر هدوءًا. جامعتك تستخدم Turnitin، وليس أداة الكشف المدمجة داخل الـ humanizer، وقد سمعت أن Turnitin يواكب التطور.
فهل يمكن لـ Turnitin اكتشاف نص ذكاء اصطناعي مُعاد “إنسانيته” في 2026؟ الإجابة القصيرة والمباشرة هي أنه يكتشفه في كثير من الأحيان أكثر مما كان في السابق، وأن الأدوات التي تعد بتمرير مضمون تبيع ضد “هدف” يتغير باستمرار. إن تجاهل ذلك سيكون ظلمًا لك.
نحن نبني أداة humanizer أكاديمية بأنفسنا، لذا لدينا كل الأسباب التجارية لقول إن التغلب على Turnitin أمرٌ سهل ودائم. لكننا لن نفعل، لأن ذلك غير صحيح، ولأن الكتّاب الذين يثقون بهذا الطرح هم من يتضررون عندما يفشل. فيما يلي ما الذي تغيّر فعلًا، وما الذي يعمل بدلًا من ذلك.
هل يمكن لـ Turnitin اكتشاف نص مُعاد “إنسانيته” الآن؟
لفترة، كانت الإجابة في الغالب: لا. كانت كواشف الذكاء الاصطناعي المبكرة، ومنها كاشف Turnitin، مُعايرة للقبض على المخرجات الخام للنماذج، وغالبًا ما كان تشغيل تلك المخرجات عبر مُعاد صياغة أو humanizer كافيًا للالتفاف. لكن هذه النافذة تُغلق تدريجيًا.
في يوليو 2024، أدخل Turnitin كشفًا مخصصًا لإعادة صياغة نصوص الذكاء الاصطناعي بهدف تحديد نوع إعادة الصياغة الذي يستخدمه humanizers الأكثر شيوعًا: استبدال المرادفات وإعادة ترتيب الجمل. وفي 27 أغسطس 2025، أطلقوا كشف AI-bypasser. يتألف النظام من تجميعة (ensemble) من ثلاثة نماذج، إلى جانب نموذج مخصص مصمم تحديدًا لاكتشاف النص الذي تم تمريره عبر humanizer. الميزة حاليًا باللغة الإنجليزية فقط، لكنها في العمل الأكاديمي باللغة الإنجليزية تغيّر قواعد اللعبة.
تحديث الـ bypasser هو العنوان الرئيسي. يوجد ذلك لأن humanizers أصبحت شائعة، وهو ما يوضح أن “سباق التسلّح” بات صريحًا الآن. لم يعد Turnitin يبحث فقط عن الكتابة التي كُتبت بواسطة الذكاء الاصطناعي؛ بل يبحث عن “بصمات” يخلّفها الـ humanizer.
تشير أبحاث مستقلة إلى النتيجة نفسها. وجدت دراسة من جامعة شيكاغو بوث عام 2025 أن الكواشف الرئيسية، عند مواجهة مقالات مُعاد “إنسانيتها”، انخفضت فعاليتها من أكثر من 90% إلى أقل من 50%، مع استثناء واحد بارز ظل قريبًا من القمة. الدرس ليس أن الـ humanizers يفوزون دائمًا. الدرس هو أن النتائج تختلف بشدة حسب الكاشف، وأن أقوى الكواشف تلحق بالركب بسرعة.
لماذا “عدم الكشف” هدف خاطئ
حتى لو وضعنا التكنولوجيا جانبًا، فإن السعي إلى درجة صفر للذكاء الاصطناعي هو هدف غير صائب، ليس فقط لأنه صعب تحقيقه.
لنبدأ بكيفية قيام Turnitin بإصدار التقارير فعليًا. مؤشر الذكاء الاصطناعي لديه يفحص المستند لديك على شكل مقاطع يبلغ طولها تقريبًا 250 كلمة، ثم يعيد نسبة مئوية. النِّسب ضمن نطاق 1 إلى 19% تُثبَّط بالكامل؛ تُعرض كعلامة نجمية (*) دون إبراز أي مقاطع، لأن الإيجابيات الكاذبة شائعة جدًا في ذلك النطاق بحيث لا يمكن عرض رقم بطريقة مسؤولة.
والآن أضف حدود الاعتمادية التي ينشرها Turnitin نفسه. الشركة حريصة على تأطير معدلها المنخفض للإيجابيات الكاذبة، وتوضح أن الدرجة لا ينبغي أن تكون الشيء الوحيد الذي يُؤخذ في الاعتبار قبل اتخاذ إجراء ضد الطالب. فهي تتعامل مع إمكانية تفويت بعض نصوص الذكاء الاصطناعي للمحافظة على معدل منخفض من الإيجابيات الكاذبة. إنها ليست أداة تمنح “إدانة”، والتفكير في نتيجتها بوصفها بوابة نجاح/رسوب يُساءل فهم ما هي عليه.
المشكلة الأعمق هي أن مطاردة “عدم القابلية للكشف” تحسّن الهدف الخاطئ. فهي تدفعك إلى إضعاف كتابتك أنت لتلبية مصنّف (classifier)، بينما الكتابة نفسها هي ما تمنحه الدرجة فعليًا قيمتها.
ما الذي يعمل فعلًا: الجودة مع الإفصاح
إذا كان التحايل هدفًا متحركًا، فما الذي يبقى ثابتًا؟ كتابةٌ أنتَ صاحبها فعلًا، والانفتاح بشأن كيفية استخدام الذكاء الاصطناعي.
أعد الصياغة بدلًا من التمويه. إذا كنت قد أنشأت قسمًا بمساعدة الذكاء الاصطناعي، فأعد العمل عليه حتى يحمل تفكيرك وأسلوبك وتركيزك وصوتك. هذا ليس حيلة لخداع كاشف؛ بل هو العمل الطبيعي لتحويل مسودة أولية إلى بحثك الأكاديمي الخاص، ويظل متينًا بغض النظر عمّا يفعله المصنّف لاحقًا.
احفظ المعنى والاستشهادات. غالبًا ما تُشوّه humanizers العامة المراجع وتستبدل المصطلحات التقنية بمرادفات قريبة غير دقيقة، وهو ما يشكل مشكلة في النزاهة الأكاديمية كما يشكل مشكلة في الجودة. إن humanizer لنصوص الذكاء الاصطناعي لدينا مُعاير للسجل الأكاديمي ويحمي الاستشهادات عبر APA وMLA وChicago وIEEE وTurabian، بحيث تبدو إعادة الصياغة أقرب إلى أسلوبك أنت بدلًا من أن تبدو كقاموس مرادفات.
أفصح وفقًا للسياسة. تتوقع معظم المجلات والجامعات اليوم تصريحًا قصيرًا حول مساعدة الذكاء الاصطناعي، وتقديمه هو أكثر أشكال الحماية دواما التي يمكن أن تحصل عليها. فالمسودة المُفصح عنها والمحررة جيدًا لا يمكن “الانقضاض” عليها بتحديث كاشف بالطريقة التي يمكن بها لمسودة مخفية.
نحن صريحون بشأن حدّنا. نختبر منتجنا ضد Turnitin وGPTZero وCopyleaks وZeroGPT وOriginality.ai ونرى نتائج قوية، لكننا لا نعد بتمرير مضمون، لأن تحديث Turnitin لشهر أغسطس 2025 هو بالضبط النوع من التغييرات الذي يجعل أي وعد من هذا القبيل يصبح كذبًا مع حلول الربع التالي.
إلى أين تتجه عملية الكشف
اتجاه المسار أهم بقدر اليوميّات في درجات اللحظة. فالكشف يتحرك بعيدًا عن التخمين بعد وقوع الحدث، ويتجه نحو “الأصالة” (provenance)، أي سجل يوضح كيف كُتب المستند فعلًا.
خطوة Turnitin هنا هي Clarity، التي وصلت إلى الإتاحة العامة في يوليو 2025 وتم تسميتها ضمن أفضل اختراعات TIME لعام 2025. بدلًا من الاكتفاء بتقييم النص النهائي فقط، ينظر إلى عملية الكتابة نفسها. نحن نوضح ما يعنيه ذلك للطلاب في شرحنا ضمن Turnitin Clarity. الخلاصة هي أن نظامًا يُقيَّم على العملية يُكافئ الكتّاب الذين أنجزوا العمل فعليًا ويمكنهم إثباته، ويقدم قيمة محدودة لمن يعتمد على تجاوز (bypass) في اللحظة الأخيرة.
لهذا السبب بات سؤال ما إذا كان humanizer يمكنه التغلب على Turnitin يتحول ببطء إلى سؤال غير مناسب. إذا كنت تريد رؤية واضحة للأدلة الحالية، فإن مراجعتنا لما إذا كانت AI humanizers actually work تعرض أين تساعد وأين تفشل. وإذا كنت غير متأكد من مكان الخط الأخلاقي من الأساس، فإننا نناقشه في is using an AI humanizer cheating.
حوّل مسودتك بالطريقة الصحيحة
أعد صياغة الكتابة بمساعدة الذكاء الاصطناعي لتصبح بصوتك الأكاديمي الخاص مع الحفاظ على الاستشهادات والمصطلحات والمعنى، ثم أعلن عن استخدامك للذكاء الاصطناعي وارسِل عملك دون لعبة التخمين.
جرّب ProofreaderPro.ai مجاناًكيف يقيّم Turnitin نصك، وما مدى دقة ذلك
فكيف يعمل Turnitin من الداخل؟ لا “يقيم” ورقتك من أجل المعنى. بل يقيس الملمس الإحصائي للغة لديك، مع إشارتين أساسيتين غالبًا: التعقيد (perplexity، أي مدى قابلية التنبؤ بكل كلمة) والاندفاعية (burstiness، أي مقدار اختلاف طول الجملة والإيقاع). يميل الكتابة البشرية إلى أن تكون أقل قابلية للتنبؤ وأكثر تباينًا. تميل مسودات الذكاء الاصطناعي إلى السلاسة والتدرج المتساوي. يجري Turnitin هذا التحليل على مقاطع طولها تقريبًا 250 كلمة، ويبلغك بنسبة المستند التي يَرجح أنها كُتبت بواسطة الذكاء الاصطناعي.
قراءة التقرير مهمة أكثر مما يدركه معظم الطلاب. النتيجة بين 1 و19% تُثبَّط: سترى علامة نجمية بدلًا من رقم، دون إبراز أي مقاطع، لأن الإيجابيات الكاذبة أعلى في ذلك النطاق. ولا يظهر Turnitin رقمًا مع إبراز الجمل المخالفة إلا عند 20% وما فوق. لذا فإن سؤال “أي نتيجة لـ Turnitin تكون آمنة؟” له إجابة مزعجة. لا توجد “حدود آمنة” منشورة، ودرجة منخفضة مُثبَّطة ليست بالضرورة مساوية لحكم صحي.
والآن السؤال الأصعب: هل Turnitin دقيق؟ تُفهم دقة Turnitin بوصفها تنازلاً (tradeoff) لا رقمًا منفردًا. وللحفاظ على معدل الإيجابيات الكاذبة منخفضًا، يتعمد الأداة تفويت جزء من نص الذكاء الاصطناعي، وإرشاداته الخاصة تقول إن النتيجة لا ينبغي أن تكون الأساس الوحيد لأي قرار أكاديمي. تكشف الاختبارات المستقلة قصة أكثر تعقيدًا مما تروّجه المواد التسويقية.
| Measure | Turnitin's claim (vendor) | Independent finding |
|---|---|---|
| Overall document false positives | Less than 1%, and only on papers already scored 20% or higher | Vanderbilt: at a 1% rate across roughly 75,000 annual submissions, about 750 papers could still be wrongly flagged |
| Non-native and ESL essays | No separate figure, folded into the same less-than-1% claim | Liang et al. (2023): about 61% of non-native TOEFL essays flagged as AI, versus about 5% for native writers |
| AI text caught versus missed | Catches most, but may miss up to about 15% by design to hold false positives down | RAID benchmark (ACL 2024): detectors are "easily fooled" by paraphrasing and adversarial edits |
الصف الأوسط هو الذي ينبغي أن يقلقك أكثر. فالإيجابية الكاذبة في Turnitin ليست موزعة بالتساوي على الكتّاب. فقد قامت Liang et al. (2023)، المنشورة في Patterns، بتشغيل سبعة كواشف على مقالات TOEFL لغير الناطقين باللغة الإنجليزية، ووجدت أن نحو 61% صُنّفت كذكاء اصطناعي، مقابل نحو 5% للمتحدثين الأصليين. استخدمت المقالات المصنّفة خطأ مفردات أبسط فحسب، وهو ما يبدو كتعقيد (perplexity) منخفض، فيتعامل معه الكاشف على أنه “آلة”. وإذا كنت تكتب بلغتك الثانية أو الثالثة، فإن “نسبة الأساس” لاتهامك خطأ تكون أعلى من دون أي خطأ منك.
لهذا السبب فإن مطاردة رقم بعينه هي غريزة خاطئة. إن معرفة ما تقيسه النتيجة، وأين تتعثر، يحميك أفضل من أي حيلة للتحايل. إن humanizer أكاديمي لدينا مُصمم لإعادة التباين الطبيعي دون المساس باستشهاداتك أو بياناتك، وإذا كنت تريد فهم الآليات، فنحن نشرح على نحو منفصل ما معنى perplexity للكشف عن الذكاء الاصطناعي.
الأسئلة الشائعة
س: هل يمكن لـ Turnitin اكتشاف نص ذكاء اصطناعي مُعاد “إنسانيته”؟
متزايدًا: نعم. فقد أضاف Turnitin كشف إعادة صياغة نصوص الذكاء الاصطناعي في 2024، ونموذجًا مخصصًا لكشف الـ AI-bypasser في أغسطس 2025، وهما موجهان تحديدًا للنص الذي يمر عبر humanizers. لا يلتقط كل شيء، لكن الأيام التي كان فيها تمرير سريع عبر humanizer يتغلب على Turnitin بشكل موثوق تقترب من نهايتها، لذا ينبغي التعامل مع أي وعد بتمرير مضمون بحذر.
س: هل يمكن لـ Turnitin اكتشاف QuillBot؟
غالبًا، نعم. إن humanizer في QuillBot مبني على محرك إعادة صياغة (paraphrasing engine)، وتُظهر الاختبارات المستقلة أن استبدالات المرادفات على السطح لا تغيّر الأنماط الإحصائية الأساسية التي يقيسها Turnitin. وبشكل عام، تترك إعادة الصياغة وحدها توقيعًا كافيًا للكشف، ولذلك تهم إعادة الكتابة التي تحافظ على المعنى أكثر من مجرد استبدال الكلمات.
س: هل أضاف Turnitin كشف humanizer؟
نعم. في 27 أغسطس 2025، أطلق Turnitin كشف AI-bypasser، وهو تجميعة من ثلاثة نماذج إضافة إلى نموذج مخصص مصمم لاكتشاف النص المُعاد “إنسانيته”، ويعمل حاليًا للإنجليزية فقط. هذه هي السبب الرئيسي في أن ادعاءات “عدم القابلية للكشف الدائم” لا تصمد في 2026.
س: ما هي أكثر طريقة آمنة لاستخدام الذكاء الاصطناعي في الكتابة الأكاديمية؟
استخدم الذكاء الاصطناعي للمساعدة، ثم أعد تحرير المخرجات لتصبح بصوتك أنت، مع الحفاظ على الاستشهادات والمعنى، وأفصح عن المساعدة وفق سياسة جامعتك أو جامعتك أو مجلتك. ينجو هذا الأسلوب من تحديثات الكواشف لأنه ليس خدعة؛ بل هو بحث أكاديمي حقيقي تدعمه أداة. أما السعي إلى درجة صفر للذكاء الاصطناعي، فيحسّن الهدف الخاطئ وقد ينقلب عليك فور تغيّر الكاشف.
س: ما مدى دقة كاشف الذكاء الاصطناعي في Turnitin؟
يعلن Turnitin عن معدل إيجابيات كاذبة على مستوى المستند أقل من 1%، لكن هذا الرقم لا ينطبق إلا على الأوراق التي كانت مُسجّلة مسبقًا عند 20% أو أعلى، وللحفاظ على بقاء هذا المستوى منخفضًا قد يفوت الأداة حتى نحو 15% من نص الذكاء الاصطناعي. تُظهر الاختبارات المستقلة أن الدقة الواقعية تتفاوت كثيرًا حسب الكاتب، خصوصًا لغير الناطقين بالإنجليزية. اعتبر النتيجة إشارة ضعيفة واحدة، لا دليلًا على أي شيء.
س: لماذا يعلّم Turnitin كتابتي على أنها ليست من كتابتي أنا؟
لا يحكم Turnitin على النزاهة؛ بل يعلّم النص الذي تبدو فيه قابلية التنبؤ على مستوى الكلمات وإيقاع الجمل مطابقًا إحصائيًا للذكاء الاصطناعي. قد تنجرف إليه الإنجليزية الأبسط أو الأكثر صياغةً بنمط ثابت، وهذا هو السبب الذي جعل Liang et al. (2023) يجد أن الكواشف وسمت حوالي 61% من مقالات TOEFL لغير الناطقين بالإنجليزية على أنها ذكاء اصطناعي، مقابل نحو 5% للكتّاب الناطقين أصلاً. إذا تم تصنيفك خطأ، احتفظ بمسوداتك وسجل الإصدارات حتى تتمكن من إثبات عملية كتابتك.
راجع مسودات الكتابة بمساعدة الذكاء الاصطناعي لتصبح بصوتك الأكاديمي الخاص مع الحفاظ على الاستشهادات والمصطلحات والمعنى، وتم اختبارها عبر خمسة من أبرز الكواشف.
Moe هو مهندس NLP وحاصل على PhD في معالجة اللغة الطبيعية. يغطي بحثه اللغويات الحاسوبية، وتحليل النصوص، والتعلم الآلي، وقد تم تغذيته مباشرة في نماذج التحرير والإضفاء الطابع الإنساني على ProofreaderPro. وهو يكتب عن الجزء من العملية الذي لا يراه معظم الناس أبدًا: كيف يقرأ نموذج اللغة الجملة، ويسجلها، ويقرر ما يجب تغييره.
