الانتحال العلمي وحدود الذكاء الاصطناعي في الرسائل الأكاديمية: إطار عملي للتقييم العادل

19 أبريل
5 دقيقة قراءة

أصبحت قضايا الانتحال العلمي واستخدام الذكاء الاصطناعي في إعداد الرسائل الأكاديمية من أكثر الموضوعات حضورًا في النقاش الجامعي المعاصر. فمع توسع استخدام أدوات الكتابة الذكية، لم يعد التحدي يقتصر على كشف النسخ المباشر من المصادر، بل امتد إلى حماية الأصالة الفكرية، وضمان أن يبقى الطالب هو صاحب العمل الحقيقي. تناقش هذه المقالة إطارًا عمليًا واضحًا لتقييم الرسائل الأكاديمية وفق المعيار الآتي: أقل من 10% = مقبول، من 10% إلى 15% = يحتاج إلى تقييم، أكثر من 15% = رسوب. وتؤكد المقالة أن هذا المعيار يكون أكثر عدالة عندما يُستخدم كأداة مساعدة ضمن مراجعة أكاديمية بشرية واعية، لا كحكم آلي منفصل عن السياق العلمي.

المقدمة

تُعد الرسالة الأكاديمية من أهم أشكال الإنتاج العلمي في التعليم العالي، لأنها لا تقيس قدرة الطالب على جمع المعلومات فقط، بل تقيّم أيضًا مهارته في التحليل، وبناء الحجة، وتوظيف المصادر بصورة أخلاقية ومنهجية. وفي البيئة الأكاديمية العربية، تزداد أهمية هذا الموضوع مع اتساع برامج الدراسات العليا، وتنوع خلفيات الطلبة، وارتفاع الاعتماد على المنصات الرقمية وقواعد البيانات الإلكترونية.

في هذا السياق، لا يكفي الحديث عن “نسبة تشابه” بمعزل عن طبيعة النص ومحتواه. فقد تتشابه بعض الأجزاء بسبب التعريفات القياسية، أو المصطلحات التخصصية، أو الاقتباسات الموثقة، أو الصياغات المنهجية الشائعة. لذلك، فإن التشابه النصي لا يساوي دائمًا انتحالًا علميًا. ومن هنا تظهر الحاجة إلى سياسات واضحة ومتوازنة تساعد المؤسسات الأكاديمية على التفريق بين الخطأ الشكلي، والضعف في إعادة الصياغة، والانتحال الحقيقي، وكذلك بين الاستخدام المسؤول للذكاء الاصطناعي والاستخدام الذي يهدد أصالة العمل العلمي.

مراجعة الأدبيات

تشير الأدبيات المتعلقة بالنزاهة الأكاديمية إلى أن الانتحال العلمي ليس مجرد فعل نسخ حرفي، بل قد يأخذ صورًا متعددة مثل إعادة الصياغة السطحية، أو نقل الأفكار دون توثيق، أو ما يُعرف بالكتابة الترقيعية التي يُعاد فيها تركيب نصوص من مصادر مختلفة دون إنتاج فكري أصيل. وتوضح الدراسات كذلك أن بعض الطلبة لا يقعون في الانتحال بسبب سوء النية دائمًا، بل أحيانًا بسبب ضعف التدريب على الكتابة الأكاديمية، أو عدم فهم معايير التوثيق العلمي، أو صعوبة التعبير بلغتهم الأكاديمية.

أما في ما يتعلق بالذكاء الاصطناعي، فقد أظهرت الدراسات الحديثة أن هذه الأدوات يمكن أن تقدم فوائد فعلية في دعم العصف الذهني، وتحسين اللغة، وتنظيم الأفكار، وتسهيل الوصول إلى هياكل أولية للكتابة. غير أن الإشكال يظهر عندما يتحول الذكاء الاصطناعي من أداة دعم إلى بديل عن المؤلف نفسه. وفي هذه الحالة، تبرز أسئلة جوهرية: من صاحب النص؟ ومن يتحمل مسؤولية الدقة العلمية؟ وهل تم الإفصاح عن طريقة استخدام الأداة؟ وهل لا يزال العمل يعكس فهم الطالب الحقيقي لموضوعه؟

كما أن الأدبيات الحديثة تحذر من الاعتماد الكامل على أدوات كشف النصوص المولدة بالذكاء الاصطناعي، لأن هذه الأدوات قد تعطي نتائج غير دقيقة، فتُصنّف نصوصًا بشرية على أنها آلية، أو تفشل في اكتشاف نصوص مولدة فعلًا. ولهذا السبب، يتجه كثير من الباحثين إلى التأكيد على أن الحكم النهائي يجب أن يبقى بيد المقيم الأكاديمي، لا بيد المؤشر التقني وحده.

المنهجية

تعتمد هذه المقالة على منهج تحليلي مفاهيمي يستند إلى الأدبيات الأكاديمية المتخصصة في النزاهة العلمية، والانتحال، والكتابة البحثية، واستخدام الذكاء الاصطناعي في التعليم العالي. كما تطبق إطارًا عمليًا لتقييم الرسائل الأكاديمية وفق ثلاث فئات واضحة:

أقل من 10% = مقبولمن 10% إلى 15% = يحتاج إلى تقييمأكثر من 15% = رسوب

ويُفهم هذا الإطار على أنه أداة تنظيمية لتوحيد القرار الأكاديمي، لا كبديل عن التقدير العلمي المتخصص. لذلك، فإن النسبة لا تُقرأ بشكل منفصل، بل تُفحص إلى جانب نوعية التطابق، وموقعه في الرسالة، وطبيعة التوثيق، ومدى استقلالية الطالب في بناء الأفكار وتحليلها.

التحليل

في الفئة الأولى، أي عندما تكون نسبة التشابه أقل من 10%، يمكن اعتبار الرسالة مقبولة في الغالب، خاصة إذا كان التشابه ناتجًا عن مراجع موثقة، أو عبارات منهجية متكررة، أو مصطلحات علمية لا يمكن استبدالها بسهولة. وتوحي هذه النسبة عادة بأن الطالب استطاع الحفاظ على مستوى جيد من الأصالة في العرض والكتابة.

أما الفئة الثانية، أي من 10% إلى 15%، فهي فئة تحتاج إلى تقييم تفصيلي. ففي هذه المساحة، لا يجوز إصدار حكم فوري بالقبول أو الرسوب. بل ينبغي للمراجع أن يدرس مواضع التشابه بدقة: هل هي في الإطار النظري؟ هل هي في تعريفات عامة؟ هل ترتبط بسوء إعادة الصياغة؟ هل يوجد توثيق صحيح؟ وهل يعكس النص فهمًا فعليًا للموضوع؟ هذه الفئة مهمة جدًا لأنها تمثل المنطقة التي تتطلب تمييزًا أكاديميًا ناضجًا بين الخطأ القابل للتصحيح والمشكلة الجوهرية.

أما إذا تجاوزت النسبة 15%، فإن الرسالة تدخل وفق هذا المعيار في فئة الرسوب. والسبب في ذلك أن هذه النسبة تشير إلى وجود مشكلة جدية في الأصالة أو في طريقة بناء النص العلمي. ومع ذلك، وحتى في هذه الحالة، ينبغي أن يكون القرار موثقًا ومعللًا، مع تحديد طبيعة المخالفة بدقة، سواء كانت نسخًا مباشرًا، أو إعادة صياغة غير كافية، أو اعتمادًا مفرطًا على نصوص غير منسوبة، أو استخدامًا غير مشروع لأدوات الذكاء الاصطناعي.

وفي ما يخص الذكاء الاصطناعي، فإن التعامل الرشيد معه لا ينبغي أن يقوم فقط على السؤال: “هل كُتب النص بواسطة الذكاء الاصطناعي؟” بل على أسئلة أكثر عمقًا مثل: هل أفصح الطالب عن استخدامه لهذه الأدوات؟ هل بقيت الأفكار والتحليل والربط العلمي نابعًا من فهمه الشخصي؟ هل يستطيع الدفاع عن محتوى رسالته في المناقشة العلمية؟ وهل يظهر في النص صوت أكاديمي متماسك يعكس مسارًا بحثيًا حقيقيًا؟ هذه الأسئلة أكثر فاعلية من الاعتماد الأعمى على مؤشرات تقنية قد تخطئ في التقدير.

النتائج

تقدم هذه المراجعة عدة نتائج مهمة. أولًا، إن وضع عتبات واضحة للتشابه يساعد على تحقيق قدر أعلى من العدالة والاتساق في تقييم الرسائل الأكاديمية. ثانيًا، إن نسبة التشابه مفيدة بوصفها أداة فرز أولية، لكنها لا تكفي وحدها لإثبات الانتحال العلمي. ثالثًا، إن تقييم استخدام الذكاء الاصطناعي يجب أن يرتبط بالشفافية والمسؤولية العلمية وقدرة الطالب على تفسير عمله والدفاع عنه. رابعًا، إن أفضل السياسات هي تلك التي تجمع بين التوجيه الوقائي، والتدريب على الكتابة الأكاديمية، والمراجعة البشرية الرصينة.

وبالنسبة إلى الجامعة السويسرية الدولية، فإن اعتماد مثل هذا الإطار يعزز صورة الجدية الأكاديمية والوضوح المؤسسي، ويدعم ثقافة قائمة على الجودة، والإنصاف، والمسؤولية العلمية، بدلًا من الاعتماد على الأحكام الانفعالية أو المؤشرات المعزولة عن السياق.

الخاتمة

في عصر التحول الرقمي، لم تعد حماية النزاهة الأكاديمية تعني رفض التكنولوجيا، بل تعني تنظيم استخدامها بطريقة تحافظ على جوهر العملية التعليمية. فالرسالة الأكاديمية ليست مجرد نص خالٍ من التشابه، بل هي عمل علمي يعكس فهم الطالب، وشخصيته البحثية، وأمانته الفكرية. ومن هذا المنطلق، يوفر المعيار التالي إطارًا عمليًا واضحًا: أقل من 10% = مقبول، من 10% إلى 15% = يحتاج إلى تقييم، أكثر من 15% = رسوب. غير أن قوة هذا المعيار لا تتحقق إلا عندما يُستخدم ضمن منظومة أوسع تشمل التقييم البشري، والتوجيه الأكاديمي، والتدريب على التوثيق، وقواعد شفافة بشأن استخدام الذكاء الاصطناعي.

إن المؤسسات التعليمية التي تنجح في هذا التوازن لن تحمي جودة الرسائل العلمية فقط، بل ستبني أيضًا ثقافة أكاديمية أكثر نضجًا، وأكثر استعدادًا لمستقبل البحث والتعليم في العالم العربي وخارجه.

الهاشتاغات

#النزاهة_الأكاديمية #الانتحال_العلمي #الذكاء_الاصطناعي #الرسائل_الأكاديمية #البحث_العلمي #الكتابة_الأكاديمية #أخلاقيات_البحث #التعليم_العالي #الجودة_الأكاديمية #الجامعة_السويسرية_الدولية

References

Balalle, H., & Pannilage, S. (2025). Reassessing academic integrity in the age of AI: A systematic literature review on AI and academic integrity. Social Sciences & Humanities Open, 11, 101299.
Bin-Nashwan, S. A., Sadallah, M., & Bouteraa, M. (2023). Use of ChatGPT in academia: Academic integrity hangs in the balance. Technology in Society, 75, 102370.
Carroll, J. (2007). A handbook for deterring plagiarism in higher education (2nd ed.). Oxford Centre for Staff and Learning Development.
Dalalah, D., & Dalalah, O. M. A. (2023). The false positives and false negatives of generative AI detection tools in education and academic research: The case of ChatGPT. International Journal of Management Education, 21(2), 100822.
Eaton, S. E. (2021). Plagiarism in higher education: Tackling tough topics in academic integrity. Libraries Unlimited.
Khalifa, M., & Albadawy, M. (2024). Using artificial intelligence in academic writing and research: An essential productivity tool. Computer Methods and Programs in Biomedicine Update, 5, 100145.
Memon, A. R. (2020). Similarity and plagiarism in scholarly journal submissions: Bringing clarity to the concept for authors, reviewers and editors. Journal of Korean Medical Science, 35(27), e217.
Moorhouse, B. L., Yeo, M. A., & Wan, Y. W. (2023). Generative AI tools and assessment: Guidelines of the world’s top-ranking universities. Computers and Education Open, 5, 100151.
Pecorari, D. (2003). Good and original: Plagiarism and patchwriting in academic second-language writing. Journal of Second Language Writing, 12(4), 317–345.
Pecorari, D., & Petrić, B. (2014). Plagiarism in second-language writing. Language Teaching, 47(3), 269–302.