انسان‌ساز هوش مصنوعی برای پژوهشگران غنایی که به انگلیسی می‌نویسند

در سال 2023، غنا حدود 6,050 مقالهِ نمایه‌شده در Scopus منتشر کرد؛ رتبه‌ای نزدیک به 63ام در جهان و جایگاهی در میان تولیدکنندگان برجسته پژوهش در آفریقای غربی. پشت این عدد، 2,232 دانشجوی دکتری در 116 برنامه دکتری قرار دارد؛ در یک نظام ارتقا که از نظر حجم انتشار، یکی از سنگین‌ترین‌ها در قاره است. هرچه بیشتر، این دست‌نوشته‌ها اکنون با کمک ChatGPT، Claude یا دستیار مشابه آغاز می‌شوند. دقیقاً همین‌جاست که یک انسان‌ساز هوش مصنوعی برای پژوهشگران غنایی جایگاه خود را پیدا می‌کند: به شما کمک می‌کند پیش‌نویسی را که با کمک هوش مصنوعی نوشته‌اید، با صدای خودتان نگه دارید تا مثل متنی که یک ماشین برایتان تولید کرده خوانده نشود.

اما مسئله سخت‌تر این است. سامانه‌های تشخیص هوش مصنوعی فقط متنی را که ماشین نوشته است پرچم نمی‌کنند. آن‌ها همچنین متنِ انگلیسیِ استاندارد و دقیقِ زبان دوم را که کاملاً توسط انسان نوشته شده نیز هدف قرار می‌دهند. برای یک پژوهشگر دانشگاه UG Legon یا KNUST که نثرِ تمیز، درست و بی‌ادعا می‌نویسد، این یک ریسک واقعی برای مقاله‌ای است که از قبل ماه‌ها زمان صرف آماده‌سازی آن شده است.

این راهنما درباره انصاف است، نه پنهان‌کاری. شما کار خودتان را انسانی‌تر می‌کنید، معنای خود و استناداتتان را حفظ می‌کنید و سپس استفاده از هوش مصنوعی را همان‌گونه که نهاد شما و مجله هدف می‌خواهند افشا می‌کنید. در ادامه می‌بینید این فرایند چگونه کار می‌کند، چرا پژوهشگران غنایی در وهله نخست پرچم می‌خورند، و بررسی‌ها دقیقاً در کجا ظاهر می‌شوند.

نوشتن در انگلیسیِ غنایی برای مجلات بین‌المللی

Akwaaba. انسان‌ساز ما کمک می‌کند پژوهشگران غنایی در انگلیسی منتشر کنند، در حالی که از زبان اولی می‌نویسند که معمولاً Akan یا Twi است و اغلب Ewe، Ga، Dagbani یا Hausa نیز دیده می‌شود. انگلیسی غنایی یک گونه کامل و کارکردی از انگلیسی است. این زبان رسانه آموزش در همه دانشگاه‌های کشور است و برای آموزش، اداره و زندگی علمی روزمره کاملاً کار می‌کند.

این اصطکاک در سطح مجله رخ می‌دهد. 80 درصد از جمعیت، Akan یا Twi را به‌عنوان زبان اول یا زبان غالب صحبت می‌کنند. حتی در میان اعضای هیئت علمی، حدود 60 درصد از آن‌ها مهارت انگلیسی خود را به‌صورت «متوسط» رتبه‌بندی می‌کنند. با وجود اینکه غنا در شاخص EF Proficiency Index انگلیسی (540) امتیاز بالایی دارد و در باندِ بالا قرار می‌گیرد، اما زیرنمره نوشتاری آن تنها 511 است. این یعنی نوشتار تولیدشده توسط غنایی‌ها هم کاملاً روشن و درست است، و هم اثرِ انگشتِ یک زبان اول Akan، Ewe یا Ga را با خود دارد. برای خواننده انسانی، این اثرها بی‌خطرند. اما برای یک سامانه تشخیص هوش مصنوعی، همان‌طور که خواهیم دید، این اثرها مانند «شبهه» خوانده می‌شوند.

همچنین Akan، Twi، Ewe و Ga را شناسایی و انسانی‌سازی می‌کند

پژوهش شما به انگلیسی نوشته شده است، اما زبان اول شما همچنان در جریان کار جای دارد. یک بخش را به زبان اولی مانند Akan، Twi، Ewe یا Ga بنویسید؛ سپس ProofreaderPro آن را تشخیص می‌دهد که انگلیسی نیست، و بعد آن را از مسیر یک مدلِ آگاه از زبان عبور می‌دهد؛ مدلی که اصطلاحات و استنادات شما را دقیقاً همان‌طور که نوشته‌اید حفظ می‌کند. می‌توانید انسانی‌سازی را پیش از ترجمه انجام دهید تا معنا به‌صورت تمیز وارد دست‌نوشته انگلیسی شما شود. همین پشتیبانی در بیش از شصت زبان نیز ارائه می‌شود؛ هر زبان با صدای مخصوص خود مدیریت می‌شود.

چرا پژوهشگران غنایی توسط سامانه‌های تشخیص هوش مصنوعی پرچم می‌خورند

در 2023، یک تیم در دانشگاه استنفورد به رهبری Liang و همکاران، مطالعه‌ای را در ژورنال Cell Press با عنوانی صریح منتشر کرد: «GPT detectors are biased against non-native English writers». آن‌ها انشاهای TOEFL نوشته‌شده توسط انسان را از مسیر هفت سامانه پرکاربردِ تشخیص عبور دادند. به طور متوسط، حدود 61% از انشاهای غیرمادری به‌عنوان هوش مصنوعی پرچم شدند؛ در برابر حدود 5% برای نویسندگانِ بومی انگلیسی. تقریباً از هر پنج انشای غیرمادری، یک مورد توسط هر یک از سامانه‌ها به‌صورت هم‌زمان پرچم شد. تمام این انشاها توسط انسان نوشته شده بود.

مکانیزم این است که «perplexity» نامیده می‌شود. بسیاری از سامانه‌ها امتیاز می‌دهند که هر انتخاب واژه تا چه حد برای یک مدل زبانی «غافلگیرکننده» است. نویسنده‌ای که سراغ کلمات رایج و عبارات استاندارد و قابل پیش‌بینی می‌رود، perplexity پایینی تولید می‌کند؛ و perplexity پایین به متنِ ماشینی شبیه است. این تله برای نویسندگانِ دقیقِ زبان دوم است: عادت‌هایی که باعث می‌شوند انگلیسی شما روشن و امن باشد، واژگان ساده و قابل‌فهم، و شکل‌های استاندارد جمله، همان عادت‌هایی هستند که این ابزارها برای بی‌اعتماد شدن به آن‌ها آموزش دیده‌اند.

برای تفکیک دقیق‌تر، توضیح ما را ببینید درباره why AI detectors flag non-native writers. نسخه کوتاه این است: پرچم‌زدنِ یک سامانه یک ادعا برای «قابل‌بحث‌بودن» است، نه حکم درباره صداقت شما.

الگوهای زبان اول در انگلیسی غنایی که پشت پرچم‌های کاذب قرار دارند

ویژگی‌های زیر خطاهای تنبلی نیستند. آن‌ها ساختارهای منظم و استانداردی‌اند که توسط یک زبان اول Akan، Twi، Ewe، Ga یا Dagbani تولید می‌شوند. هرکدام دقیق و قابل پیش‌بینی‌اند، و همین قابلیت پیش‌بینی دقیقاً چیزی است که perplexity را پایین می‌آورد و چشمِ یک سامانه تشخیص را جلب می‌کند.

حذف حرف تعریف و افعال کمکی. Akan برای ارجاعِ معین و نامعین بیشتر از «a» و «the» از زمینه و ترتیب کلمات استفاده می‌کند، و زمان را هم به‌جای فعل‌های کمکیِ جداگانه، از طریق پیشوندهای فعلی منتقل می‌کند. بنابراین ممکن است یک جمله روش‌ها این‌گونه دیده شود: «Result was significant at .05 level» یا «Data collected from three sites». این‌ها الگوهای سازگار و مبتنی بر قواعد هستند و سازگاری همان چیزی است که یک مدل perplexity را به امتیازی پایین و شبیه ماشین پاداش می‌دهد.

بی‌طرفی جنسیتی در ضمایر. Akan و Twi از یک ضمیر سوم‌شخص استفاده می‌کنند که he، she و it را پوشش می‌دهد. در انگلیسی، آن‌گاه «he» و «she» حتی وقتی زمینه از پیش مرجع را مشخص کرده باشد به‌صورت جایگزین به کار می‌روند. این انتقالِ تمیز از یک نظام دستوری واقعی است، نه یک لغزش؛ و منظم‌بودنِ آن بافت آماریِ تخت‌شده‌ای ایجاد می‌کند که سامانه‌ها به دنبال آن هستند.

زمان از سیستم پیشوندیِ Akan. Akan زمان، وجه و حالت را با پیشوندهایی مشخص می‌کند که بر گذشته، زمان حالِ کامل و گذشته کاملِ انگلیسی منطبق نمی‌شوند. ممکن است یک بخش «نتایج» حالِ کامل را نگه دارد وقتی که «گذشته ساده» درست‌تر است؛ و این انتخاب‌های زمانی حتی در سراسر پاراگراف‌ها یکسان اعمال می‌شوند. انتخاب‌های زمانی که حتی قابل پیش‌بینی‌اند، perplexity پایین تولید می‌کنند.

ساختارهای Akan با آوانویسی (Transliterated). بخش‌های بحث اغلب از منطق بلاغی Akan پیروی می‌کنند و برخی از عبارات به‌طور مستقیم ترجمه می‌شوند. استدلال همچنان منسجم و مرتب می‌ماند. همین نظم است که سامانه را به اشتباه می‌اندازد و متن را «مصنوعی» می‌خواند.

حروف اضافه از استعاره‌های مکانیِ Akan. «Interested in» ممکن است به «interested with» تبدیل شود و «consist of» به «consist in». این جایگزینی‌ها سیستماتیک‌اند، نه تصادفی. و همین سیستماتیک بودن، کل مسئله است.

یک text humanizer این ساختارها را حذف نمی‌کند تا مشخص کند چه کسی مقاله را نوشته است پنهان شود. ریتم و انتخاب واژه را پیرامون معنای ثابت شما تغییر می‌دهد تا نثرِ دقیقِ زبان دوم کمتر به‌عنوان خروجیِ ماشینی اشتباه خوانده شود.

زمینه تشخیص AI در غنا و Turnitin

پایان‌نامه‌ها و ارسال‌های ژورنالی از دانشگاه‌های غنایی به‌طور معمول برای سنجش شباهت با Turnitin یا iThenticate غربال می‌شوند و به‌طور فزاینده برای نشانگرهای AI نیز. این روند طبیعی است و زمانی که بدانید اعداد چگونه رفتار می‌کنند، جای نگرانی نیست.

کمک می‌کند بدانید برخی نهادها از تشخیص AI عقب‌نشینی کرده‌اند. در 2023، Vanderbilt به دلیل موارد مثبتِ کاذب و تبعیض علیه نویسندگان غیرمادری، «AI detector» شرکت Turnitin را غیرفعال کرد. سایر مدارس نیز همین مسیر را دنبال کردند؛ از جمله Michigan State، UT Austin، Northwestern، Pittsburgh، SMU و Waterloo. خودِ Turnitin نیز امتیازها را در بازه 1 تا 19 درصد سرکوب می‌کند و به‌جای یک عدد، یک ستاره نشان می‌دهد و هشدار می‌دهد که امتیاز آن به‌تنهایی نباید تصمیمی درباره یکپارچگی (integrity) را هدایت کند.

روند گسترده‌تر به سمت افشاگری است. حامیان مالی و مجلات به‌طور فزاینده از نویسندگان می‌خواهند توضیح دهند چگونه از AI استفاده کرده‌اند؛ نه اینکه ثابت کنند اصلاً از آن استفاده نکرده‌اند. این تغییر به نفع پژوهشگر کوشا است: شما اجازه دارید از این ابزارها استفاده کنید، به شرط اینکه بگویید چگونه.

دانشگاه‌های برتر غنا و اینکه بررسی‌های AI کجا ظاهر می‌شوند

پژوهش غنا در میان دانشگاه‌های دولتیِ پرچمدار، مؤسسات تخصصی و یک بخش خصوصی رو به رشد پخش شده است. نهادهای زیر پایان‌نامه‌ها و دست‌نوشته‌ها را برای شباهت و نشانگرهای AI غربال می‌کنند و همه آن‌ها برای ارتقا، انتشار انگلیسی‌زبان را الزامی می‌دانند.

• University of Ghana (UG)، لگون، آکرا. دانشگاه پرچمدار و بزرگ‌ترین تولیدکننده پژوهش، با حدود 1,014 دانشجوی دکتری در پزشکی، علوم و علوم انسانی.
• Kwame Nkrumah University of Science and Technology (KNUST)، کوماسی. دانشگاه فنی برتر؛ قوی در مهندسی، داروسازی و علوم کاربردی.
• University of Cape Coast (UCC)، کیپ کست. آموزش، علوم و علوم انسانی، با برنامه‌های دکتریِ در حال گسترش.
• University of Education, Winneba (UEW)، وینِبا. تخصص در پژوهش‌های آموزشی و پداگوژی.
• University for Development Studies (UDS)، تامالِه. دانشگاه اصلی پژوهشیِ شمال غنا؛ قوی در کشاورزی، سلامت و مطالعات توسعه.
• University of Health and Allied Sciences (UHAS)، هو. علوم سلامت در منطقه ولتا: پزشکی، پرستاری، داروسازی و سلامت عمومی.
• University of Energy and Natural Resources (UENR)، سانیانی. انرژی، منابع طبیعی و علم محیط‌زیست.
• University of Mines and Technology (UMaT)، تارکوا. مهندسی معدن، علوم زمین‌شناسی و فرآوری مواد معدنی.
• Ashesi University، بریکوسو. دانشگاه خصوصی شناخته‌شده برای علوم کامپیوتر، کسب‌وکار و مهندسی.
• University of Professional Studies, Accra (UPSA)، آکرا. پژوهش‌های کسب‌وکار، مدیریت و اقتصاد.
• Ghana Institute of Management and Public Administration (GIMPA)، آکرا. پژوهش در سیاست‌گذاری عمومی، مدیریت و حکمرانی.
• All Nations University، کُفوریدوا. دانشگاه خصوصی با خروجیِ رو به رشد در مهندسی و علوم کاربردی.

هرجا در این فهرست باشید، بررسی‌ها یکسان است و دفاع هم یکی است: امتیاز را درک کنید، شواهدتان را نگه دارید و طوری بنویسید که یک پرچم کاذب دعوت نشود.

نحوه کار انسان‌ساز AI برای پژوهشگران غنایی

فرایند کار ساده است. مقاله‌تان را پیش‌نویس کنید؛ به انگلیسی بنویسید یا ابتدا به Akan یا Ewe و سپس آن را ترجمه کنید و استدلال را درست جا بیندازید. دستور زبان را ویراستاری کنید تا الگوهای تداخل Akan و Twi که در بالا گفتیم پاک‌سازی شود. سپس متنِ تولیدشده با کمک AI را از مسیر انسان‌ساز عبور دهید تا نوشتارِ دقیق و با perplexity پایین کمتر به‌عنوان خروجیِ ماشینی خوانده شود؛ در حالی که معنا، اصطلاحات فنی و استنادات شما حفظ می‌شوند.

انسان‌ساز در برابر مهم‌ترین سامانه‌های تشخیص آزمایش شد و متنِ AI را به شکلی انسانی‌تر و طبیعی‌تر بازنویسی کرد؛ به طوری که روی Turnitin، Originality.ai و GPTZero به شکل متن انسانی خوانده می‌شود. دقت دستور زبان در متن‌های دانشگاهی بیش از 96% است. آزمون همان چیزی است که گفته شده، نه تضمین. سامانه‌های تشخیص هر چند ماه یک بار دوباره آموزش می‌بینند، و هیچ ابزار معتبری وعده نمی‌دهد که شما برای آن‌ها «نامرئی» شوید. هدف، شانس‌های منصفانه‌تر برای کار واقعی است، نه یک حقه.

بعد افشا کنید. بیان کنید چگونه از AI استفاده کرده‌اید؛ دقیقاً در قالبی که دپارتمان شما و مجله هدف می‌خواهند. انسانی‌سازی پیش‌نویس و افشای استفاده از آن در تضاد نیستند: هر دو شما را داخل چارچوب‌های قوانین یکپارچگی نگه می‌دارند و در عین حال نوشتار شما را در برابر یک مثبتِ کاذب محافظت می‌کنند. این پست یکی از بازوهای پایگاه انسان‌ساز AI چندزبانه ما است و اگر طرفِ دستور زبان‌محور همان فرایند را می‌خواهید، با راهنمای ویرایش آکادمیک برای پژوهشگران غنایی نیز هم‌مسیر می‌شود. می‌توانید قبل از اینکه یک فصل را به آن بسپارید، text humanizer را روی یک پاراگراف امتحان کنید.

نهادهای تأمین مالی محلی، مجلات، و انتظارات افشای AI

تصویر تأمین مالی پژوهش در غنا غیرمعمول است. صندوق ملی پژوهش غنا (GNRF) که در سال 2020 با 50 میلیون دلار تعهد ایجاد شد، تا زمان 2026 همچنان غیرعملیاتی است؛ بنابراین بسیاری از پژوهشگران به تخصیص‌های دانشگاهی و کمک‌هزینه‌های بین‌المللی از نهادهایی مانند Wellcome Trust، NIH، DANIDA و بنیاد Gates تکیه می‌کنند. همه این مسیرها انتظار انتشار انگلیسی‌زبان دارند و هرچه بیشتر، از نویسندگان یک بیان روشن از هرگونه استفاده از AI می‌خواهند.

اکوسیستم مجلات داخلی کوچک است و تنها چند عنوان مستقر در غنا در Scopus نمایه شده‌اند. رسانه‌های شاخص شامل Ghana Medical Journal، Ghana Journal of Science، Journal of Science and Technology (JUST) منتشرشده توسط KNUST، Ghana Journal of Development Studies و African Journal of Educational Studies in Mathematics and Sciences هستند. از آنجا که تعداد کمی از مجلات محلی دارای نمایه‌سازی Scopus یا Web of Science هستند، بیشتر کارهای مرتبط با ارتقا به سمت مجلات بین‌المللی می‌رود؛ جایی که دست‌نوشته شما مستقیم با ارسال‌های زبان‌مادری انگلیسی رقابت می‌کند.

در هر چیزی که ارسال کنید، این قانون برقرار است: پیش‌نویس خود را انسانی کنید، استنادات را دست‌نخورده نگه دارید و افشا کنید. اگر روی کار واقعی هم پرچم افتاد، راهنماهای ما درباره appealing a false AI-detection flag و writing an AI-disclosure statement مراحل بعدی را توضیح می‌دهند.

پرسش‌های متداول

Q: Will an AI humanizer help my paper get past Turnitin at a Ghanaian university?

احتمال شما را بهتر می‌کند، اما هیچ ابزار جدی‌ای تضمین نمی‌دهد که «قبول شوید» یا وعده نمی‌دهد تشخیص را دور بزنید. در برابر مهم‌ترین سامانه‌های تشخیص آزمایش شده، انسان‌ساز ما متنِ مبتنی بر AI را به شکلی انسانی‌تر بازنویسی می‌کند که روی Turnitin به شکل متن انسانی خوانده می‌شود؛ هرچند سامانه‌های تشخیص دوباره آموزش می‌بینند و نتایج متفاوت است. هدف این است که انگلیسیِ دقیقِ نوشته‌شده توسط انسان از یک پرچم کاذب محافظت شود، سپس استفاده از AI را همان‌طور که نهاد شما می‌خواهد افشا کنید.

Q: I am a first-language Akan speaker. Why is my correct English still flagged as AI?

چون بسیاری از سامانه‌ها perplexity را امتیازدهی می‌کنند: یعنی اینکه چقدر نوشته شما قابل پیش‌بینی است. نویسندگانِ دقیقِ زبان دوم از کلمات رایج و قالب‌های استاندارد جمله استفاده می‌کنند؛ نتیجه‌اش perplexity پایین است که به متنِ ماشینی شبیه می‌شود. یک مطالعه در سال 2023 نشان داد سامانه‌ها حدود 61% از انشاهای غیرمادری نوشته‌شده توسط انسان را پرچم زده‌اند، در برابر حدود 5% برای نویسندگانِ بومی؛ بنابراین الگو را «در ذهن خودتان» تصور نمی‌کنید.

Q: Is using a humanizer considered cheating?

خیر، به شرطی که پیش‌نویسِ خودِ تولیدشده با کمک AI را انسانی‌سازی کنید، معنای خود و استنادات را نگه دارید و استفاده از AI را افشا کنید. خطِ تمایز، پنهان‌کاری نیست: شما کارِ ساختگی را مخفی نمی‌کنید و نوشته‌ی شخص دیگری را هم جا نمی‌زنید. شما نثرِ دقیقِ خودتان را کمتر در معرض این قرار می‌دهید که اشتباه به‌عنوان ماشینی خوانده شود، سپس به مجله یا دپارتمان خود توضیح می‌دهید چگونه کار کرده‌اید.

Q: Does the humanizer work if I draft in Twi or Ewe first?

بله. بسیاری از پژوهشگران غنایی طرح یا پیش‌نویس را با یک زبان اول انجام می‌دهند و سپس وارد انگلیسی می‌شوند. این ابزار از بیش از 60 زبان پشتیبانی می‌کند و متنِ غیرانگلیسی را از مسیر یک مدلِ آگاه از زبان عبور می‌دهد که ساختار و معنا را حفظ می‌کند؛ بنابراین می‌توانید در Twi یا Ewe پیش‌نویس بنویسید، ترجمه کنید، ویراستاری کنید و سپس در یک جریان کاری، انسانی‌سازی را انجام دهید.

Q: Will humanizing change my citations or technical terms?

خیر. انسان‌ساز استنادات شما و اصطلاحات تخصصیِ مرتبط با رشته‌تان را حفظ می‌کند. ریتم و انتخاب واژه را پیرامون معنای ثابت شما تغییر می‌دهد و ریتم‌های تکراری را حذف می‌کند؛ در نتیجه استنادات، آمار و واژگان فنی شما دقیقاً همان‌طور که نوشته‌اید باقی می‌مانند.

متن پژوهشی خود را انسانی تر کنید

در حالی که معنا, استنادات و اصطلاحات فنی را حفظ می کنید, انگلیسیِ گِهانا را به شکل دقیق و طبیعی برای داوران و سامانه های تشخیص نیز روان کنید, سپس استفاده خود از هوش مصنوعی را افشا کنید.