DOI: https://doi.org/10.1057/s41599-025-06249-x
تاريخ النشر: 2025-11-21
المؤلف: Wei Zhao
الموضوع الرئيسي: تحليل الخطاب في دراسات اللغة
نظرة عامة
تبحث ورقة البحث في تأثير الذكاء الاصطناعي التوليدي (Generative AI) على موقف المؤلف في الكتابة الأكاديمية باللغة الإنجليزية، وخاصة في رسائل الدكتوراه في اللسانيات التطبيقية. باستخدام تصميم الفرق في الفرق (DiD)، يقارن البحث البيانات من فترتين: مرحلة المقدمة (2019-2021) ومرحلة الانتشار (2022-2024). تكشف النتائج أن الذكاء الاصطناعي التوليدي يغير بشكل كبير بناء الموقف من خلال تعزيز أسلوب كتابة أكثر حتمية وموضوعية، مما قد يقلل من التعبير الصريح عن هوية المؤلف.
تشير الاستنتاجات الرئيسية إلى أن الذكاء الاصطناعي التوليدي ليس أداة محايدة؛ بل إنه يحول الممارسات البلاغية الأكاديمية من خلال تقليل استخدام اللغة المؤهلة وزيادة استخدام المعززات، مما يؤدي إلى أسلوب كتابة أكثر تأكيدًا. بالإضافة إلى ذلك، يبرز البحث تحولًا من “صوت المؤلف” إلى “صوت النص” في بناء هوية المؤلف، مع ملاحظات على اختلافات عبر مجالات فرعية أكاديمية مختلفة. بينما يوفر التركيز على اللسانيات التطبيقية رؤى قيمة، فإنه يحد أيضًا من إمكانية تعميم النتائج على مجالات أخرى. يُقترح إجراء أبحاث مستقبلية لاستكشاف التخصصات ذات مستويات مختلفة من التعرض للذكاء الاصطناعي للتحقق من صحة هذه النتائج بشكل أكبر.
الطرق
يحدد قسم منهجية البحث النهج المنهجي المستخدم للتحقيق في فرضيات الدراسة. يوضح معايير اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة. استخدمت الدراسة تصميمًا كميًا، حيث تم استخدام الاستطلاعات والتجارب لجمع البيانات الرقمية، والتي تم تحليلها بعد ذلك باستخدام برامج إحصائية لضمان نتائج قوية.
بالإضافة إلى ذلك، تؤكد المنهجية على أهمية الاعتبارات الأخلاقية، بما في ذلك الموافقة المستنيرة وسرية معلومات المشاركين. تم هيكلة تصميم البحث لتقليل التحيز وتعزيز موثوقية النتائج، باستخدام تقنيات العينة العشوائية حيثما كان ذلك ممكنًا. بشكل عام، توفر المنهجية إطارًا شاملاً يدعم صحة نتائج البحث.
المناقشة
تسلط قسم المناقشة في الدراسة الضوء على التأثيرات التحولية للذكاء الاصطناعي التوليدي (GenAI) على علامات الموقف في رسائل الدكتوراه ضمن اللسانيات التطبيقية. باستخدام تصميم الفرق في الفرق (DiD)، يكشف البحث أن GenAI يقلل بشكل كبير من استخدام الحواجز—المؤهلات الغامضة التي تعبر عن عدم اليقين—بنسبة 14.8%، بينما يزيد في الوقت نفسه من استخدام المعززات، التي تعبر عن التأكيد والنهائية. يشير هذا التحول إلى حركة نحو أسلوب كتابة أكاديمية أكثر مباشرة وتأكيدا، مما يعكس اتجاهًا أوسع حيث يعزز GenAI الأداء التواصلي ولكنه قد يهدد التفكير النقدي الدقيق الذي كان يُقدّر تقليديًا في الخطاب الأكاديمي.
علاوة على ذلك، تؤكد الدراسة على تأثير السياقات التخصصية على كيفية إعادة تشكيل GenAI للبلاغة الأكاديمية. تجد أن دمج أدوات الذكاء الاصطناعي يؤدي إلى تحول في بناء هوية المؤلف، مفضلًا “صوت النص” على “صوت المؤلف”. يكون هذا التغيير ملحوظًا بشكل خاص في المجالات الفرعية ذات التعرض العالي للذكاء الاصطناعي، حيث يدفع التركيز على الكفاءة التقنية المؤلفين إلى اعتماد أسلوب جدلي أكثر موضوعية ونهائية. تشير النتائج إلى أنه مع اعتماد العلماء بشكل متزايد على المحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي، هناك حاجة ملحة لتعزيز الثقافة الرقمية لتقييم هذه الأدوات بشكل نقدي واستخدامها بفعالية مع الحفاظ على العناصر الأساسية للجدل الأكاديمي. يُشجع على إجراء أبحاث مستقبلية لاستكشاف هذه الديناميات عبر تخصصات مختلفة لفهم الآثار الأوسع للذكاء الاصطناعي في الكتابة الأكاديمية بشكل أفضل.
DOI: https://doi.org/10.1057/s41599-025-06249-x
Publication Date: 2025-11-21
Author(s): Wei Zhao
Primary Topic: Discourse Analysis in Language Studies
Overview
The research paper investigates the impact of Generative Artificial Intelligence (Generative AI) on authorial stance in academic English writing, particularly within doctoral dissertations in applied linguistics. Utilizing a Difference-in-Differences (DiD) design, the study compares data from two periods: the introduction phase (2019-2021) and the diffusion phase (2022-2024). The findings reveal that Generative AI significantly alters stance construction by promoting a more deterministic and objective writing style, which may diminish the explicit expression of authorial identity.
Key conclusions indicate that Generative AI is not a neutral tool; it transforms academic rhetorical practices by reducing the use of qualifying language and increasing the use of intensifiers, leading to a more assertive writing style. Additionally, the study highlights a shift from the ‘author’s voice’ to the ‘text’s voice’ in authorial identity construction, with variations observed across different disciplinary subfields. While the focus on applied linguistics provides valuable insights, it also limits the generalizability of the findings to other fields. Future research is suggested to explore disciplines with varying levels of AI exposure to further validate these results.
Methods
The research methodology section outlines the systematic approach employed to investigate the study’s hypotheses. It details the selection criteria for participants, the data collection techniques, and the analytical methods utilized. The study employed a quantitative design, utilizing surveys and experiments to gather numerical data, which were subsequently analyzed using statistical software to ensure robust findings.
Additionally, the methodology emphasizes the importance of ethical considerations, including informed consent and confidentiality of participant information. The research design was structured to minimize bias and enhance the reliability of the results, employing random sampling techniques where applicable. Overall, the methodology provides a comprehensive framework that supports the validity of the research outcomes.
Discussion
The discussion section of the study highlights the transformative effects of Generative AI (GenAI) on stance markers in doctoral dissertations within applied linguistics. Utilizing a difference-in-differences (DiD) design, the research reveals that GenAI significantly reduces the use of hedges—ambiguous qualifiers that express uncertainty—by 14.8%, while simultaneously increasing the use of boosters, which convey assertiveness and conclusiveness. This shift indicates a movement towards a more direct and assertive academic writing style, reflecting a broader trend in which GenAI enhances communicative performance but may compromise the nuanced critical thinking traditionally valued in scholarly discourse.
Moreover, the study underscores the impact of disciplinary contexts on how GenAI reshapes academic rhetoric. It finds that the integration of AI tools leads to a shift in authorial identity construction, favoring a ‘text’s voice’ over the ‘author’s voice.’ This change is particularly pronounced in high AI-exposure subfields, where the emphasis on technical efficacy drives authors to adopt a more objective and conclusive argumentative style. The findings suggest that as scholars increasingly rely on AI-generated content, there is a pressing need for enhanced digital literacy to critically evaluate and effectively utilize these tools while maintaining the essential elements of scholarly argumentation. Future research is encouraged to explore these dynamics across various disciplines to better understand the broader implications of AI in academic writing.