أستاذ في Brown اشتبه في أن معظم طلابه الـ86 استخدموا الذكاء الاصطناعي. القضية تُظهر أن الجامعات تحتاج إجراءً مكتوبًا أكثر من كاشف أفضل.
لم يعد غش الذكاء الاصطناعي في الجامعة قصة عن عدد قليل من المخالفين. في Brown، اشتبه أستاذ اقتصاد في أن معظم طلابه الـ86: الفجوة بين الامتحان المنزلي والامتحان الحضوري كانت أوسع مما رآه في عشرين سنة من تدريس المقرر. وقبل يوم من نشر قصته في الصحافة الأمريكية، نشرت الجامعة أول تقرير للجنة الذكاء الاصطناعي التوليدي. تغطي هذه المقالة القضية والإجراء الذي تحتاجه الجامعة لحالات كهذه.
هل تريد معرفة نتيجة نصك؟ تحقّق منه هنا مباشرة.
Roberto Serrano يدرّس Welfare Economics and Social Choice Theory منذ نحو عشرين سنة. كان المقرر يجذب حتى ثلاثين طالبًا. هذا الفصل سجّل 86، وكان الامتحان النصفي منزليًا. اختير هذا الشكل احترامًا للطلاب: كان هناك إطلاق نار في الحرم في ديسمبر، وكثيرون وجدوا صعوبة في الجلوس في الفصل.
عادت نتائج الامتحان المنزلي مرتفعة بشكل غير عادي، رغم أن Serrano جعل الامتحان أصعب عمدًا. أخبر الطلاب أنه يشتبه في استخدام واسع للذكاء الاصطناعي، وبموافقة العميد، حوّل الامتحان النهائي إلى حضوري. بعد ذلك، انسحب 18 طالبًا من المقرر وتغيّب 9 عن النهائي. كانت الفجوة بين متوسطي الامتحانين الأكبر في تاريخ المقرر.
الامتحان المنزلي مقابل النهائي المراقَب في المقرر نفسه
ألغى Serrano النصفي وزاد وزن النهائي. خفّض أيضًا درجة النجاح. ومع ذلك، رسب 19 طالبًا.
فعل Serrano شيئًا بسيطًا. مرّر أسئلة الامتحان عبر ChatGPT وقارن إجابات الآلة بعمل الطلاب. تطابقت في الأسلوب وفي المنهج. سؤال واحد كان أسهل إثباتًا بحجة مباشرة، لكن ChatGPT اختار إثباتًا بالتناقض، طويلًا ومتعثرًا. ظهرت الحركة نفسها في أوراق كثير من الطلاب.
نجحت الطريقة، لكنها تستغرق وقتًا طويلًا لتكون عملية. المقارنة اليدوية بإجابة الآلة تستغرق ساعات، وتعتمد على خبرة الأستاذ، وتتوقف عن العمل في مهام لا يملك فيها الذكاء الاصطناعي أسلوبًا يمكن تمييزه. عمليًا، بنى Serrano يدويًا ما يفعله كاشف الذكاء الاصطناعي إحصائيًا: تقديرًا لمدى «آلية» قراءة النص. الفرق أن تقدير الكاشف قابل للتكرار ويستغرق دقائق، لا عطلة نهاية أسبوع.
الأمانة مهمة هنا. Serrano نفسه متشكك من كواشف الذكاء الاصطناعي ويشير إلى النتائج الإيجابية الخاطئة. في النقطة الرئيسية هو محق: لا أداة تقدّم حكمًا. درجة الاحتمال سبب للتحدث مع الطالب وإعادة التفكير في شكل الامتحان، وهذا ما حدث في Brown. من يعد بحكم مئة بالمئة هو المشكلة الحقيقية.
صدر تقرير لجنة Brown في 7 يوليو، وهو حالة نادرة لجامعة تناقش المشكلة بكلمات صريحة. جمعت اللجنة آراء 105 عضو هيئة تدريس و169 موظفًا. سمّى أعضاء هيئة التدريس قلقين فوق كل شيء: ضرر التعلّم طويل الأمد للطلاب، وتراجع قدراتهم المعرفية. الغش جاء ثالثًا.
ما أخبر به أعضاء هيئة التدريس في Brown لجنة الذكاء الاصطناعي
أرقام Brown تطابق الصورة الوطنية. ظهر نفس القلق من الغش على المستوى نفسه في الاستطلاع الوطني لعام 2025 من American Association of Colleges and Universities، الذي يستشهد به التقرير.
توصيات اللجنة تستحق وقت أي جامعة. أولًا: إدراج الذكاء الاصطناعي التوليدي في الأنظمة الأكاديمية ورسم «خطوط واضحة حول إساءة الاستخدام». ثانيًا، وبشكل أقل متوقعًا: «تقليل التركيز على العقوبة». يقول التقرير صراحة: «There is no way to check with 100% accuracy whether GenAI has been employed»، لذا المراهنة كليًا على العقوبة لا تعمل، ويجب أن يحدث حوار مفتوح حول القواعد.
نتفق مع تلك الجملة، ونحن نبيع كاشفًا. فحص بدقة مئة بالمئة غير موجود. البائع الذي يعد بذلك يكذب. ما يقدّمه الكاشف درجة قابلة للتكرار مع معدل خطأ معروف. في It's AI، بيانات الدقة لدينا علنية. الباقي يعتمد على الإجراء، لا على الأداة.
في Brown، أربعة أجزاء من هذا الإجراء كانت مفقودة.
معظم أعضاء هيئة التدريس في Brown يصفون قواعد الذكاء الاصطناعي في المقرر ويكررونها في الأسبوع الأول. هذا هو الأساس. ينبغي أن يعرف الطالب مسبقًا ما مسموح وما غير مسموح. وينبغي أن يقول المقرر كيف سيُفحَص العمل.
بدأ Serrano الفحص بعد ظهور الشك. هذا الترتيب يخلق صراعًا. فحص ذكاء اصطناعي منتظم لكل تسليم يعمل بشكل مختلف: يُطبَّق على جميع الطلاب بالتساوي، فلا يُتهم أحد شخصيًا. فحص الانتحال يعمل هكذا منذ سنوات.
طلبت لجنة Brown من Serrano تقديم شكوى منفصلة ضد كل طالب. رفض ووصف الطلب بالسخافة. Tricia Bertram Gallant، التي تقود مكتب النزاهة الأكاديمية في UC San Diego، تقترح حلين: قبول شكوى واحدة لمجموعة طلاب، والسماح للطالب بالاعتراف بالمخالفة عبر البريد دون جلسة شخصية. إجراء صُمِّم لطالب واحد لا يعمل لستين.
أظهر النهائي الحضوري ما يعرفه كل طالب فعلًا. لا تحليل نصي يستطيع ذلك. فحص النص والامتحان يختبران أشياء مختلفة، لذا يحتاج المقرر إلى الاثنين.
إذا كنت تدرّس مقررًا فيه عمل مكتوب، ثلاث خطوات تستحق العمل قبل الفصل القادم. اكتب قواعد الذكاء الاصطناعي في المقرر بكلمات بسيطة. اتفق مع قسمك على إجراء للحالات الجماعية قبل ظهور أول حالة. أضف فحصًا نصيًا إلى روتين المقرر، حتى تأتي الإشارة قبل الامتحان لا بعد فضيحة.
أربعة أجزاء من إجراء النزاهة الأكاديمية، وكيف يفشل كل منها
قال Serrano جملة واحدة: «We cannot choose to become idiots». خسارة درجة النصفي صغيرة. الأكبر هو جيل طلاب يتعلّم أن النص الآلي تحت اسمهم أمر طبيعي، في جامعات تفضّل ألا تلاحظ.
لا أحد يملك رقمًا موثوقًا للانتشار، والاستطلاعات الموجودة تقيس الإدراك لا الحالات المثبتة. استطلاعات أعضاء هيئة التدريس تُبلّغ عن شعور عام بأن استخدام الذكاء الاصطناعي نما، لكنها تسأل المدرّسين عما يعتقدون، لا ما أُثبت في جلسة. مكاتب النزاهة تعدّ فقط الحالات التي تصل إليها، وهذا يقلّل العدد by design: معظم الاستخدام المشتبه به يُسوّى بهدوء بين المدرّس والطالب، أو لا يُرفع أصلًا. تعامل مع أي نسبة مئوية واحدة كحد أدنى لا كقياس. الرقم الذي يهم القسم هو رقمه، المجموع من تسليماته عبر فصل.
معظم المدرّسين يعملون من عدم تطابق لا من علامة واحدة. عمل لا يطابق ما أنتجه الطالب سابقًا في الفصل هو المحفّز الشائع. استشهادات لا تؤدي إلى شيء هي الأخرى. بعض المدرّسين يشغّلون كاشف ذكاء اصطناعي على كل تسليم ويقرأون الدرجة كمدخل واحد؛ آخرون يعتمدون على عنصر حضوري لا يستبدله تحليل النص. الطريقة التي تفشل هي التي تُطبَّق فقط بعد أن يسقط الشك على طالب بعينه، لأنها تحوّل سؤالًا عن العمل إلى اتهام بالشخص.
لا. أنظمة النزاهة الأكاديمية مبنية على نتائج فردية، وعقوبة تُطبَّق على صف كمجموعة لن تصمد أمام الطعن في معظم المؤسسات. ما يمكن مشاركته هو الإجراء لا الحكم: تقديم واحد يغطي طلابًا كثيرين، بمجموعة أدلة واحدة خلفه. التمييز مهم لأن الأوراق، لا المبدأ، هي ما ينكسر على نطاق واسع. مدرّس يواجه ستين تسليمًا مشبوهًا تحت إجراء طالب-طالب سينسحب غالبًا، وهذا نتيجة لا يريدها أحد. ينبغي للأقسام الاتفاق على مسار مجمّع قبل وصول أول حالة كبيرة.
سياسة الذكاء الاصطناعي في المقرر تحتاج أن تجيب عن سؤالين قبل أول واجب: ما المسموح، وما يجب الإفصاح عنه. بند ثالث، كيف سيُفحَص العمل، هو الذي تغفله معظم السياسات، وغيابه هو ما يجعل تشغيل كاشف لاحقًا يبدو كمباغتة. الإذن يعمل أفضل لكل مهمة لا للمقرر ككل: قد يسمح المدرّس بالذكاء الاصطناعي للعصف الذهني ويمنعه في مقال مُقيَّم، وينبغي أن يقول المقرر ذلك مهمة بمهمة. الإفصاح يحتاج صيغة لا مبدأًا، مثل سطر ختامي يسمّي الأداة وما فعلته.
لا. كاشف الذكاء الاصطناعي يُرجع احتمالًا أن النص مكتوب آلياً، والاحتمال دليل لا حكم. ما يحوّله إلى قضية هو الإجراء حوله: سياسة مقرر كان الطالب يعرفها مسبقًا، وحوار يمكن فيه أن يفسّر الطالب عمله. الكواشف تحمل أيضًا معدل نتائج إيجابية خاطئة قابل للقياس، لذا النثر الرسمي لطلاب يكتبون بلغة ثانية هو سوء التصنيف الكلاسيكي. مؤسسة تعامل الدرجة كحكم ستعاقب في النهاية شخصًا لم يفعل شيئًا خطأ. مؤسسة تعاملها كدعوة للحوار نادرًا ما تفعل.
