💥 هوش مصنوعی زیر ذرهبین دانشگاهها؛ آیا نرمافزارهای تشخیص تقلب واقعاً قابل اعتمادند؟گزارش تازهای…
انتشار: 2026/07/08 10:48 UTC
💥 هوش مصنوعی زیر ذرهبین دانشگاهها؛ آیا نرمافزارهای تشخیص تقلب واقعاً قابل اعتمادند؟گزارش تازهای در مجله Nature نشان میدهد که همزمان با گسترش استفاده دانشجویان و پژوهشگران از هوش مصنوعی مولد، دانشگاهها نیز بهطور فزایندهای به نرمافزارهای تشخیص متن تولیدشده توسط هوش مصنوعی روی آوردهاند؛ اما دقت و قابلیت اعتماد این ابزارها همچنان محل بحث جدی است. بر اساس این گزارش، بسیاری از دانشگاهها از سامانههای تشخیص هوش مصنوعی برای ارزیابی تکالیف، مقالات و حتی بیانیههای شخصی متقاضیان پذیرش استفاده میکنند، در حالی که عملکرد این ابزارها در شرایط واقعی بسیار متفاوت است. بررسیها نشان میدهد شرکتهای توسعهدهنده این نرمافزارها از روشهای متفاوتی برای شناسایی متنهای تولیدشده توسط هوش مصنوعی استفاده میکنند و همین تفاوتها موجب نوسان قابل توجه در نتایج و میزان دقت آنها شده است. کارشناسان هشدار میدهند که هیچیک از سامانههای موجود از دقت صددرصدی برخوردار نیستند و احتمال بروز «مثبت کاذب» و متهم شدن اشتباه دانشجویان به استفاده از هوش مصنوعی همچنان وجود دارد. گزارش همچنین به مطالعاتی اشاره میکند که نشان دادهاند این ابزارها ممکن است در تشخیص نوشتههای افراد غیرانگلیسیزبان یا متون ویرایششده عملکرد ضعیفتری داشته باشند و در برخی موارد سوگیریهایی نیز از خود نشان دهند.از سوی دیگر، با پیشرفت سریع مدلهای زبانی بزرگ، تولید متنهایی که از دید این آشکارسازها پنهان بمانند روزبهروز آسانتر شده و رقابت میان ابزارهای تولید و تشخیص متن مبتنی بر هوش مصنوعی شدت گرفته است. این گزارش تأکید میکند که بسیاری از متخصصان صداقت علمی، استفاده از نرمافزارهای تشخیص را تنها یکی از ابزارهای ارزیابی میدانند و معتقدند تصمیمهای آموزشی نباید صرفاً بر اساس خروجی این سامانهها اتخاذ شود. در این میان، برخی دانشگاهها به جای اتکای کامل به ابزارهای تشخیص، رویکردهایی مانند بازطراحی شیوههای ارزشیابی، برگزاری مصاحبههای علمی، بررسی فرایند نگارش و آموزش استفاده مسئولانه از هوش مصنوعی را در پیش گرفتهاند.از منظر آموزش عالی، این تحول نشان میدهد که سیاستهای مربوط به استفاده از هوش مصنوعی باید شفاف، منصفانه و مبتنی بر شواهد باشند تا ضمن حفظ صداقت علمی، حقوق دانشجویان نیز رعایت شود. گزارش Nature همچنین بر ضرورت افزایش شفافیت شرکتهای سازنده درباره نحوه عملکرد الگوریتمها و میزان دقت واقعی این سامانهها تأکید میکند؛ موضوعی که برای جلب اعتماد دانشگاهها اهمیت اساسی دارد. کارشناسان معتقدند آینده ارزیابی علمی بیش از آنکه به توسعه ابزارهای تشخیص وابسته باشد، به ایجاد فرهنگ استفاده مسئولانه از هوش مصنوعی، آموزش سواد هوش مصنوعی و اصلاح روشهای سنجش یادگیری وابسته خواهد بود. در مجموع، این گزارش نتیجه میگیرد که نرمافزارهای تشخیص محتوای تولیدشده توسط هوش مصنوعی، با وجود ارزش کمکی خود، هنوز جایگزین قضاوت تخصصی انسان نیستند و استفاده از آنها باید با احتیاط، شفافیت و در چارچوب سیاستهای اخلاقی و آموزشی انجام شود. McKie, A. (2026, July 6). Universities are relying on AI-detection software to catch cheating. How well do the programs work? Nature, 655, 535–537. doi.org/10.1038/d41586-026-01358-2https:/…
