چطور بفهمیم یک مقاله دانشجویی را هوش مصنوعی نوشته است؟
و البته نتیجه عکس: چطور خیلی ساده به دام استاد نیفتید!!
در یک بازه زمانی مادرم انشاهایم رو مینوشت. راستش گرچه به خاطر تنبلی و نیز ترس از اینکه مبادا نوشتههای خودم نمره ۲۰ نگیرند، هیچ وقت نگفتم. مادر عزیزم! بسه! از این به بعد خودم انشاهایم را خواهم نوشت، اما همیشه حس میکردم حتی در موضوعهای انشای ساده، زاویه دید من با مادرم فرق دارد. همین علاقه به مقدمه نویسی، پیدا کردن زاویه غیرتکراری یا منطقی فکر کردن به قضایا یا نوشتن انشا در بخشهای قابل شمارهگذاری، آن وقت هم با من بودند.
بزرگتر که شدم در بازه زمانی محدود طلوع روزنامههای ایرانی، بار دیگر این تصور که نه! این صدای من نیست و اگر من بودم این مقاله محو و مطول را بهتر و انسانیتر مینوشتم با من بود.
الان اما در زمانه هوش مصنوعی قضایا بسیار پیچیدهتر شده. از یک طرف کسی که با فناوری روز پیش نرود محکوم به شکست است. چه میخواهد مهندس یک شرکت خصوصی باشد و چه دانشجو و چه نویسنده و چه فیلمنامهنویس و تدوینگر و ادیتور حرفهای عکس.
این باعث میشود آثار روح خودشان را از دست بدهند و به هم شبیه بشوند. اما از سوی دیگر مخاطب هم یک مقدار حالت بیتوجهی و غیرانسانی به خود گرفته و نویسنده با خودش میگوید، آخرش که این مقالهام را اسکن میکنند و تیتر و چند زیرعنوان را میخوانند، پس من چرا روحم را قطره قطره در سطورش بریزم؟!
اما این مطلب در مقالههای دانشجویی و تز است و در اینجا استادی تصور میکند با یکی سری نشانههای ساده میتواند مچگیری کند که البته من فکر میکنم با ده دقیقه وقت هر دانشجویی همه این نشانههای ساده را میتواند از مقاله خودکارش بزداید!
اما به هر حال این مقاله را با هم مرور میکنیم!
در اواخر ترم پاییز، مارک ماسارو پشت میز چوبی کهنهای در کالج ایالتی فلوریدای جنوبغربی نشسته بود و با خستگی به صفحهٔ مانیتور خیره میشد. از میان انبوه مقالههای تحویلی، چند تایشان بیش از حد بینقص بودند: جملاتی بدون اشتباه، لحن آکادمیک، و محتواهایی بهطرز عجیبی بیروح. این مقالات نه بوی شبزندهداری میدادند، نه ردّی از ذهنِ درگیر یک دانشجوی واقعی در خود داشتند. او میدانست که احتمالاً اینها را ChatGPT یا یکی از همتاهایشان نوشته، نه خود دانشجو.
اما چگونه باید این را اثبات میکرد؟ در جهانی که استفاده از ابزارهای شناسایی AI هم با محدودیتهای قانونی و دقت پایین همراه است، تنها چیزی که برایش باقی مانده، قوهٔ تشخیص انسانی خودش است. حالا او یک چکلیست غیررسمی دارد: مجموعهای از نشانههایی که نشان میدهند نویسنده، انسان نیست.
اولین نشانهها: وقتی مقاله بوی «ماشین» میدهد
مارک ماسارو، استاد نگارش دانشگاهی با چندین سال سابقه، از سال ۲۰۲۳ به بعد با موجی مواجه شد که کارش را برای همیشه تغییر داد. با در دسترس قرار گرفتن ابزارهایی مثل ChatGPT، نظام آموزش عالی در آمریکا با پدیدهای نوظهور به نام «تقلب خودکار» (Automated Cheating) روبهرو شد. دانشجویان بهجای نگارش شخصی مقالات، از مدلهای زبانی قدرتمند استفاده میکردند و اغلب هم بدون ردپا، نتیجهای حرفهای تحویل میدادند.
ماسارو میگوید از میان ۲۵ دانشجو در هر کلاس، معمولاً دستکم پنج نفر مقالههایی تحویل میدهند که نشانههایی از تولید ماشینی دارند. در آغاز، برای تشخیص این مقالات از اسکنرهای هوش مصنوعی کمک میگرفت. او نوشتهها را در ابزارهایی مانند GPTZero یا AI Detector وارد میکرد و اگر چندین ابزار مقاله را تولیدشده میدانستند، او نیز نتیجه را میپذیرفت.
اما به مرور زمان، موانع تازهای پدید آمد. اول، قوانین حریم خصوصی دانشگاهها استفاده از این اسکنرها را محدود کردند، چون بارگذاری مقالهها در سرورهای خارجی میتوانست نقض مقررات تلقی شود. دوم، خود دقت این ابزارها هم زیر سؤال رفت؛ بسیاری از آنها گاهی متنهای انسانی را «هوش مصنوعی» تشخیص میدادند و بالعکس.
ماسارو ناچار شد به تجربهٔ شخصی خود اتکا کند. حالا هر بار که مقالهای به دستش میرسد، آن را بر اساس یک فهرست هشدار بررسی میکند؛ فهرستی که بهزعم او، میتواند بین مقالهٔ اصیل و مقالهٔ ماشینی تمایز قائل شود. و در کمال تعجب، بعضی از نشانهها بهطرز دردناکی سادهاند.
نشانههایی ساده اما افشاگر: از خط فاصله تا لحن بیش از حد رسمی
ممکن است تصور شود که تولید متنی بینقص و روان با هوش مصنوعی برای یک استاد، غیرقابلشناسایی باشد. اما مارک ماسارو نشان داده که نشانههایی ظریف میتوانند پرده از حقیقت بردارند، بهویژه زمانی که ترکیب این نشانهها به الگویی آشنا برای او تبدیل شدهاند.
استفاده بیش از حد از خط تیره بلند (em-dash)
یکی از نخستین چیزهایی که ماسارو در این مقالات غیرطبیعی متوجه شد، تعداد غیرعادی خط فاصلههای بلند یا همان em-dash بود. برای دلیلی نامعلوم، مدلهایی مثل ChatGPT بهطور خاص علاقه دارند که از این علامتگذاری استفاده کنند. ماسارو حالا یک آزمایش ساده انجام میدهد: اگر به یکی از دانشجویان مشکوک باشد، او را به میز خود فرامیخواند و میگوید: «میتونی همین الان یه em-dash تایپ کنی؟»
اغلب دانشجویان حتی نمیدانند چگونه این علامت را روی کیبورد وارد کنند. او با خنده میگوید: «وقتی مقالهات پر از این علامته، ولی نمیتونی نشون بدی چطور تایپش کردی، مشخصه که اون رو خودت ننوشتی.»
نبود تورفتگی (indentation) در پاراگرافها
یکی دیگر از سرنخها، غیبت کامل تورفتگی در ابتدای پاراگرافهاست. مقالات دانشگاهی معمولاً با قالببندی مشخصی نوشته میشوند و استفاده از indentation یکی از آن اصول استاندارد است. اما متنی که از یک چتبات کپی شده باشد، اغلب بهصورت بلوکهای متنی متراکم بدون هیچ تورفتگی تحویل داده میشود.
ماسارو میگوید وقتی مقالهای را میبیند که ساختار بصری آن با استانداردهای آموزشی همخوان نیست، و بهجای آن فرمتی مشابه وبچت دارد، این خودش نشانهای جدی است. البته در چند ثانیه میشود این نشانه را زدود. اگر کمی ورد بلد باشی!
گرامر بینقص، اما محتوای سطحی
شاید یکی از متناقضترین نشانهها این باشد: مقالهای که کاملاً بیاشکال نوشته شده، اما در عمق هیچ چیزی برای گفتن ندارد. ماسارو میگوید این نوع مقالات معمولاً شامل جملههای یکدست، پاراگرافهایی با طول یکنواخت و لحنی ماشینیاند. به تعبیر او، متن «ریتمی یکنواخت و مکانیکی» دارد؛ گویی توسط کسی نوشته شده که تنها قصد عبور از یک چکلیست نگارشی را داشته است.
همچنین، لحن بیشازحد رسمی یکی دیگر از نشانههاست. متنهایی که با واژگان آکادمیک غیرعادی، ساختارهای نحوی پیچیده، و صدایی بهظاهر حرفهای نوشته شدهاند، اما فاقد حس شخصی، تعهد نویسنده و اصالت فکریاند، احتمالاً حاصل تولید الگوریتمی هستند. ماسارو اشاره میکند که چنین سبک نگارشی در دانشجویان، بهویژه در مقاطع ابتدایی دانشگاه، بسیار نادر است. خب پس یادتان باشد که احساس و اشتباه عمدی گرامری را در حدی که قابل بخشیدن باشد وارد مقالهتان کنید!
ردپاهایی که از هوش مصنوعی جا میمانند: از غیبت پیشنویس تا لغزش در واژگان
حتی زمانی که یک مقاله بهظاهر بینقص باشد، گاه شواهدی وجود دارد که نشان میدهد نویسندهٔ اصلی آن احتمالاً یک انسان نبوده. مارک ماسارو میگوید برخی از این نشانهها در رفتار و سابقهٔ نگارش دانشجو ظاهر میشوند، نه در خود متن نهایی.
غیبت کامل پیشنویس و فرایند بازنویسی
در کلاسهای آیین نگارش، یکی از پایههای آموزش، مراحل تدریجی نوشتن است: طرح اولیه، بازخورد، بازنویسی، بازنویسی مجدد. ماسارو از دانشجویانش میخواهد در جلسات بازنگری شرکت کنند و نسخههای مختلف مقالهٔ خود را ارائه دهند.
اما وقتی یک دانشجو هیچ پیشنویسی تحویل نمیدهد، در جلسات بازخورد حضور ندارد، و ناگهان یک مقاله تمامعیار تحویل میدهد، زنگ خطر به صدا درمیآید. در بیشتر مواقع، مقالههایی که یکباره و بدون روند طبیعی تحویل داده میشوند، تولیدشده با هوش مصنوعی هستند.
جهش ناگهانی در واژگان و سطح نوشتار
استادانی مثل ماسارو بهخوبی با سطح زبانی دانشجویان خود آشنا هستند. آنها در طول ترم از طریق گفتگو، تکلیفهای کوچک و نوشتههای روزمره، لحن و دایره واژگان هر دانشجو را میشناسند.
به همین دلیل، وقتی دانشجویی که قبلاً با جملات ساده مینوشت، ناگهان مقالهای تحویل میدهد که پر از کلمات پیچیده، ترکیبهای ادبی و جملهبندیهای استادانه است، این جهش ناگهانی مشکوک بهنظر میرسد. ماسارو آن را «پرش غیرمنطقی در بلوغ نگارشی» مینامد؛ چیزی که نه محصول رشد واقعی، بلکه نشانهٔ مداخلهٔ ماشین است.
نوشتار غیرشخصی در مقالات شخصی بازتابدهنده تجارب فردی
در تکالیف بازتابی (Reflective Assignments)، دانشجویان باید دربارهٔ تجربههای شخصی خود بنویسند؛ مثل کار کردن در فروشگاه محلی یا احساسشان هنگام اولین سخنرانی.
مقالات واقعی در این دسته معمولاً شامل جزئیات عجیب، لحن صمیمی، و اشتباهات انسانیاند. اما متنهایی که با هوش مصنوعی تولید میشوند، معمولاً به مفاهیمی کلی مثل «اهمیت دوستی» یا «ارزش سختکوشی» میپردازند، بدون اینکه حتی یک تصویر ملموس از زندگی واقعی در آنها باشد.
ماسارو میگوید: «وقتی همهچیز بیش از حد عمومی و بیبدنه است، احتمالاً هیچ خاطرهای پشت آن نیست؛ چون نویسندهاش اصلاً زندگی نکرده، فقط برنامهنویسی شده.»
خب در این یکی هوش مصنوعی دیگر لنگ میزند. اما به گمان من اگر یک عالم متن رمان و داستان کوتاه به عنوان نمونه به هوشهای مصنوعی داده شود، احساس باورپذیر بهتری میتوانند تولید کنند. الان هوش مصنوعی از مقالات بیشتر علمی و کاربردی مملو هستند و احساس نتیجه و افشره مستقیم آنها نیست.
باقیماندن ورودی پرامپت در فایل
در مواردی نادر اما خندهدار، برخی دانشجویان آنقدر بیاحتیاطاند که پرامپت ورودی به چتبات را هم در فایل نهایی باقی میگذارند.
ماسارو میگوید مقالاتی دیده که در ابتدایشان جملاتی مانند «write a five-paragraph essay about the impact of technology on education» باقی مانده بود! این نشانه دیگر جای انکار باقی نمیگذارد و باعث تعجب نیست که دانشجو پاسخی برای توجیه ندارد.
تقلب با هوش مصنوعی و بحران هویت علمی
از نشانههای ظاهری و لغزشهای ساختاری که بگذریم، یکی از مهمترین خطرات استفاده گسترده از هوش مصنوعی در مقالهنویسی، آسیبهایی است که به بنیان آموزش، اخلاق علمی و رشد فردی دانشجویان وارد میشود.
منابع جعلی و ارجاعهای ساختگی
یکی از وقتگیرترین وظایف ماسارو پس از تحویل گرفتن مقالات مشکوک، بررسی اعتبار منابع آنهاست. اغلب دانشجویانی که از چتباتها کمک میگیرند، فهرستی از منابع پایان مقاله میآورند که یا وجود خارجی ندارند، یا ربطی به محتوای ارائهشده ندارند.
هوش مصنوعی، بهویژه در نسخههای قدیمیتر، مستعد «توهم» (AI hallucination) است؛ یعنی ارائه اطلاعات نادرست، ساختگی یا ناقص با لحنی مطمئن.
در نتیجه، استاد باید ساعتها وقت بگذارد تا در مجلات دانشگاهی، پایگاههای داده و کتابخانهها دنبال صحت یک جمله در مقاله بگردد. به گفته ماسارو، این کار طاقتفرساست، چون باید اثبات کند چیزی که بهظاهر آکادمیک است، در واقع اصلاً وجود ندارد.
تقابل دشوار و اغلب بینتیجه با دانشجوی متقلب
اگرچه گاهی نشانهها بسیار واضحاند، مواجهه مستقیم با دانشجو همیشه آسان نیست. ماسارو میگوید برخی دانشجویان در مواجهه با اتهام تقلب، بلافاصله اعتراف میکنند که از هوش مصنوعی کمک گرفتهاند. برخی دیگر پاسخ نمیدهند؛ بهویژه در کلاسهای مجازی که ارتباط چهرهبهچهرهای وجود ندارد.
اما کسانی که بیگناهاند، معمولاً با جدیت از خود دفاع میکنند. ماسارو میگوید: «وقتی یک دانشجو میگه خودش نوشته و با اشتیاق درباره جزئیات توضیح میده، من هم تمایل دارم حرفش رو باور کنم.» در واقع، گناه یا بیگناهی در لحن و واکنش دانشجو نیز منعکس میشود، نه فقط در متن مقاله.
بزرگترین آسیب: نابودی صدای فردی و رشد فکری دانشجو
اما از همه دردناکتر، چیزی است که ماسارو آن را «سرقت از خودِ دانشجو» مینامد. او باور دارد که دوران کالج، فرصتی طلایی برای یافتن صدای درونی، خلاقیت فردی و شکلگیری هویت فکری است.
وقتی یک دانشجو به جای تفکر، نوشتن، بازنگری و نقد شدن، ترجیح میدهد مقالهای آماده از یک ماشین تحویل دهد، در واقع بخش مهمی از فرآیند انسانشدن را کنار گذاشته.
به تعبیر او: «در این سالها باید خودت را کشف کنی، نه اینکه بذاری یه مدل زبانی بهجای تو فکر کنه و حرف بزنه.»
خلاصه
در یک نگاه کلی میتوان گفت شناسایی مقالات نوشتهشده با هوش مصنوعی، کاری است ظریف، ولی ممکن. استادانی مانند ماسارو با اتکا به تجربه، منطق و شناخت دقیق از سبک نگارش دانشجویان، میتوانند نشانههایی مانند نبود پیشنویس، واژگان غیرعادی، ارجاعات ساختگی و لحن بیاحساس را تشخیص دهند. استفادهٔ بیرویه از هوش مصنوعی نهتنها آموزش را تضعیف میکند، بلکه هویت فکری و خلاقیت دانشجویان را نیز تهدید میکند. مهمتر از هر چیز، آنچه در خطر است، رشد انسانی در فرآیند یادگیری است.
آیا ما در حال تربیت نسلی هستیم که صدای خود را هرگز پیدا نمیکند؟
وقتی ابزارهای هوشمند، فرصت نوشتن، فکر کردن و ابراز وجود را از جوانان میگیرند، شاید باید از خود بپرسیم: آیا تکنولوژی در حال خاموشکردن صدای درونی یک نسل است؟ دانشگاه دیگر فقط محل نمره نیست؛ میدان شکلگیری شخصیت است. البته شاید بگویید قبل از این هم تزنویسهای میدان انقلاب این صدا را گرفته بودند!
❓ سؤالات رایج (FAQ)
۱. چطور میتوان تشخیص داد یک مقاله را هوش مصنوعی نوشته است؟
با بررسی نشانههایی مثل استفاده زیاد از em-dash، نبود پیشنویس، لحن بیشازحد رسمی و منابع جعلی میتوان به تولید ماشینی مشکوک شد.
۲. آیا ابزارهای تشخیص هوش مصنوعی دقیق هستند؟
خیر، اغلب این ابزارها دقت پایین دارند و استفاده از آنها ممکن است با قوانین حریم خصوصی دانشگاه مغایرت داشته باشد.
۳. آیا استفاده از ChatGPT برای نگارش مقاله همیشه تقلب محسوب میشود؟
بسته به سیاست آموزشی مؤسسه، استفاده بدون ذکر منبع یا بهعنوان متن نهایی میتواند مصداق تقلب باشد.
۴. آیا استادان قادرند بهطور دستی مقالات تولیدشده با هوش مصنوعی را شناسایی کنند؟
بله، بسیاری از استادان باتجربه با بررسی سبک نگارش، میزان مشارکت در کلاس و تناسب لحن با تواناییهای دانشجو میتوانند آن را تشخیص دهند.
۵. چرا استفاده گسترده از AI در مقالهنویسی نگرانکننده است؟
زیرا این کار مانع رشد فکری، از بین رفتن صدای فردی دانشجو، و بیاعتبار شدن فرآیند یادگیری و آموزش میشود.
۶. آیا دانشجویان همیشه تقلب با هوش مصنوعی را میپذیرند؟
خیر، برخی انکار میکنند، برخی سکوت میکنند و برخی با نشانههای رفتاری یا گفتاری، بهطور غیرمستقیم تقلب را تأیید میکنند.
مطالب مرتبط
