"درع التزييف المدعوم بالذكاء الاصطناعي" هو الاسم الذي نطلقه على عملية التحقق البشري التي تتحقق من كل اقتباس وإحصائية وحقيقة في مخطوطتك مقابل مصدرها الأصلي قبل تسليم العمل. تشرح هذه الصفحة المشكلة التي يعالجها هذا النظام، وما نتحقق منه تحديدًا وكيف، بالإضافة إلى وصف دقيق لما يمكنه اكتشافه وما لا يمكنه اكتشافه، وما ستحصل عليه.
المشكلة، في الأدلة الأولية
كثيراً ما تُنتج نماذج اللغة الكبيرة مراجع تبدو موثوقة، لكنها في الواقع مُختلقة أو منسوبة بشكل خاطئ أو مستقاة من أعمال تم سحبها. هذا موثق في الأدبيات العلمية المحكمة، وليس مجرد تكهنات.
في دراسة مضبوطة نُشرت في مجلة أبحاث الإنترنت الطبية ، اختبر تشيلي وزملاؤه برنامجي ChatGPT وBard مقابل المراجعات المنهجية المعيارية، وقاسوا مدى تكرار إنتاج كل نموذج لمراجع غير دقيقة. وأظهرت الدراسة معدلات عالية من عدم الدقة، وخلصت إلى أنه لا يمكن الاعتماد على هذه الأدوات حاليًا لتوليد مراجع دقيقة للكتابة العلمية (تشيلي وآخرون، 2024، JMIR، doi:10.2196/53164 ).
دفعت دراسة تجريبية أجراها ليناردون وزملاؤه عام 2025، ونُشرت أيضًا في مجلة JMIR للصحة النفسية ، برنامج GPT-4o إلى إنشاء مراجعات للأدبيات وفحص الاستشهادات الناتجة. وخلصت الدراسة إلى أن نسبة كبيرة من المراجع كانت مُختلقة - أي لا يمكن تتبعها إلى أي منشور حقيقي - وأن معدلات الاختلاق ترتفع في المواضيع الأقل رسوخًا. والأهم من ذلك، لاحظ الباحثون أن الاستشهادات المُختلقة غالبًا ما تحمل تفاصيل تبدو حقيقية، مما يجعل اكتشافها صعبًا دون تدقيق مُتعمّد في المصادر (ليناردون وآخرون، 2025، مجلة JMIR للصحة النفسية، doi:10.2196/80371 ).
الدرس العملي المستفاد من هذه الدراسات واضحٌ لا لبس فيه: غالبًا ما يصعب التمييز بين المرجع المُختلق والمرجع الحقيقي الموجود في الصفحة. والحل الأمثل هو التحقق من كل اقتباس بالرجوع إلى المصدر الأصلي - المقالة الأصلية المنشورة في المجلة أو موقع الناشر - بدلًا من الاعتماد على المرجع المُنشأ دون تمحيص. وهذا ما يوفره نظام الحماية.
ما الذي يمكن أن يحدث خطأً عند استخدام اقتباس غير مدقق؟
أنماط الأعطال التي نفحصها محددة:
- المرجع غير موجود. مؤلف وعنوان ومجلة وسنة معقولة لا تتوافق مع أي ورقة بحثية حقيقية.
- يشير معرّف الكائن الرقمي (DOI) إلى مكان آخر. معرف كائن رقمي حقيقي وقابل للحل يرتبط بورقة بحثية مختلفة تمامًا عن تلك المذكورة.
- هذا الادعاء غير موجود في المصدر. ورقة بحثية حقيقية استشهدت بنتائج لم تذكرها قط.
- تم سحب المصدر. ورقة بحثية حقيقية، تم الاستشهاد بها بشكل صحيح، ولكن تم سحبها لاحقاً، ولا ينبغي الاعتماد عليها.
أي من هذه الأمور يمكن أن يؤدي إلى رفض مبدئي، أو عدم ثقة المراجعين، أو تصحيح بعد النشر، أو - في أسوأ الأحوال - تسجيل سحب ضد اسمك.
مراحل التحقق الأربع
قبل التسليم، يقوم محرر بشري بمراجعة كل مرجع وادعاء من خلال أربع عمليات تدقيق:
المرحلة الأولى - التحقق من الوجود: يتم ربط كل مُعرّف كائن رقمي (DOI) ومعرّف ببمد (PMID) بمصدره الأصلي. نتحقق من المرجع بالرجوع إلى صفحة المجلة أو الناشر الأصلية - أي المقالة الأصلية نفسها - ونتحقق منه عبر خدمات الفهرسة مثل Crossref و PubMed وقاعدة بيانات الناشر. يجب أن تتطابق بيانات المؤلف والعنوان والمجلة والمجلد والسنة مع السجل. يُعتبر أي مُعرّف كائن رقمي (DOI) يُشير إلى ورقة بحثية مختلفة بمثابة فشل، وليس نجاحًا.
المرحلة الثانية - التحقق من صحة الادعاء. تتم قراءة العبارة المنسوبة إلى كل مصدر ومقارنتها بملخص البحث، أو بنصه الكامل على موقع المجلة الأصلية إن أمكن. إذا لم يدعم المصدر الادعاء، يُعاد صياغة الادعاء ليتوافق مع الأدلة، أو يُستبدل المرجع بآخر يدعمه.
المرحلة 3 - التحقق من سحب الأبحاث. يتم فحص كل ورقة بحثية مستشهد بها مقابل قاعدة بيانات Retraction Watch وإشعارات سحب الأبحاث من PubMed، حتى لا تدخل الأعمال المسحوبة إلى قائمة المراجع الخاصة بك دون علمك.
المرحلة الرابعة - قراءة الخبراء. يقوم أحد أعضاء الفريق الحاصل على درجة الدكتوراه أو الخبرة السريرية ذات الصلة بمراجعة الأدلة المذكورة في سياقها، مؤكداً أن المراجع تدعم بالفعل الحجة المطروحة - وليس مجرد وجودها.
مثال عملي
لنفترض أن مسودة تحتوي على هذه الجملة: "أدى التدخل X إلى تقليل التكرار بنسبة 38٪ في تجربة عشوائية (المؤلف أ وآخرون، 2021)."
- المرحلة رقم 1 يُشير مُعرّف الكائن الرقمي (DOI) إلى مقالة مراجعة، وليس إلى تجربة عشوائية، كما أن قائمة المؤلفين لا تتطابق. تمّت الإشارة إلى ذلك.
- المرحلة رقم 2 يؤكد هذا البحث عدم وجود أي إشارة إلى نسبة تكرار المرض البالغة 38% في أي مكان. هذا الادعاء غير مدعوم بأدلة.
- مستوى الدقة: يقوم المحرر إما بتحديد الدراسة الأصلية التي تُشير إلى التأثير وتصحيح المرجع والشكل ليطابقها، أو، في حال عدم وجود مصدر من هذا القبيل، يحذف الادعاء غير المدعوم. والجملة التي تصل إلى المجلة هي تلك التي يكون رقمها ومرجعها صحيحين ومتوافقين.
هذا هو نوع الخطأ الذي يبدو مثالياً على الصفحة ويجتاز المراجعة العادية - وهذا هو بالضبط سبب كون الفحص البشري المتعمد والمرحلي هو الشيء الوحيد الذي يمكن أن يكتشفه بشكل موثوق.
ما لا يدّعيه فريق ذا شيلد
نحرص على الدقة في تحديد النطاق، لأن المبالغة فيه ستؤدي إلى تفاقم المشكلة التي نسعى لحلها. يتحقق نظام "الدرع" من وجود المراجع، وتطابق الادعاءات مع مصادرها، وعدم سحب الأعمال المذكورة وقت التسليم. لا يضمن النظام، ولا يمكنه ضمان، موافقة المراجع على تفسيرك للمصدر، أو عدم سحب البحث مستقبلاً، أو أن كل رأي في مجال بحثي معقد هو الرأي الوحيد المقبول. ما يضمنه النظام هو عدم وجود أي اقتباس في مخطوطتك مُلفق، أو منسوب بشكل خاطئ، أو مسحوب عمداً عند إعادتها إليك.
كيف يتناسب هذا مع نهجنا الأوسع؟
يعكس شعارنا مبدأً واحداً يسري في جميع أعمالنا: حيثما يُستخدم أي نوع من المساعدة المدعومة بالذكاء الاصطناعي، فإنه يخضع دائماً لإشراف بشري ويستند إلى مصادر أولية، ولا يُترك أبداً دون رقابة. ويمكنكم الاطلاع على موقفنا الكامل في سياسة استخدام الذكاء الاصطناعي الخاصة بنا.
ما تتلقى
- مخطوطة تم فيها التحقق من كل اقتباس مقابل مصدره الأصلي - المقالة المسجلة في المجلة أو دار النشر - وليس مجرد مدخل في الفهرس.
- تم فحص المراجع للتأكد من عدم سحبها قبل التسليم.
- الادعاءات التي تتطابق مع المصادر التي يستشهدون بها.
- قائمة مراجع يمكنك الاعتماد عليها أثناء المراجعة وبعد النشر.
يُرفق شعارنا مع كل مخطوطة نكتبها أو نعيد كتابتها. لمناقشة مشروعك، تواصل مع فريقنا.
مراجع حسابات
شيلي إم، ديشامب جيه، لافويه في، وآخرون. معدلات الهلوسة ودقة مرجعية برنامجي ChatGPT وBard للمراجعات المنهجية: تحليل مقارن. مجلة أبحاث الإنترنت الطبية . 2024؛26:e53164. doi:10.2196/53164
ليناردون ج، جارمان هـ ك، ماكلور ز، وآخرون. تأثير الإلمام بالموضوع وخصوصية التوجيه على اختلاق الاستشهادات في أبحاث الصحة النفسية باستخدام نماذج لغوية كبيرة: دراسة تجريبية. مجلة أبحاث المعلومات الطبية في الصحة النفسية . 2025؛12:e80371. doi:10.2196/80371