DOI: https://doi.org/10.1007/s10639-024-13151-7
تاريخ النشر: 2024-11-11
المؤلف: Cecilia Ka Yuk Chan
الموضوع الرئيسي: النزاهة الأكاديمية والانتحال
نظرة عامة
تستكشف هذه الدراسة مفهوم “الذكاء الاصطناعي-السرقة الأدبية”، وهو شكل جديد من أشكال الغش الأكاديمي الذي يدمج استخدام الذكاء الاصطناعي (AI) مع السرقة الأدبية التقليدية، ضمن مشهد التعليم العالي. من خلال استقصاء 393 طالبًا جامعيًا وطلاب دراسات عليا عبر مختلف التخصصات، تفحص البحث تصوراتهم حول الذكاء الاصطناعي التوليدي في السياقات الأكاديمية وفهمهم لكل من السرقة الأدبية التقليدية وسوء السلوك المتعلق بالذكاء الاصطناعي. تكشف النتائج عن فهم دقيق بين الطلاب، الذين يعبرون عن رفض واضح لتوليد المحتوى المباشر بواسطة الذكاء الاصطناعي بينما يظهرون ترددًا تجاه التطبيقات الأكثر دقة للذكاء الاصطناعي. تقدم الدراسة أداة جديدة مصممة لتصور “الذكاء الاصطناعي-السرقة الأدبية”، والتي تعتبر موردًا قيمًا للمعلمين وصانعي السياسات في معالجة سوء السلوك الأكاديمي في عصر الذكاء الاصطناعي.
في الختام، تبرز هذه الأبحاث الرائدة تعقيد مواقف الطلاب تجاه “الذكاء الاصطناعي-السرقة الأدبية” والسرقة الأدبية التقليدية. بينما يدرك الطلاب الآثار غير الأخلاقية للاستخدام الواضح للذكاء الاصطناعي في الكتابة الأكاديمية، تشير مشاعرهم المختلطة حول التطبيقات الأكثر دقة إلى حاجة ملحة لمزيد من التحقيق، والتعليم، وتطوير إرشادات سياسة شاملة. تثير الدراسة أسئلة حاسمة بشأن مستقبل التعاون بين البشر والذكاء الاصطناعي في الأكاديمية، والمعايير اللازمة لمنع “الذكاء الاصطناعي-السرقة الأدبية”، والاعتبارات الأخلاقية المحيطة بالشفافية والمساءلة في استخدام الذكاء الاصطناعي. لا تعالج هذه الاستفسارات الأبعاد الأخلاقية للذكاء الاصطناعي في التعليم فحسب، بل تشير أيضًا إلى الحاجة إلى حوار مستمر وبحث مع استمرار تطور تقنيات الذكاء الاصطناعي واندماجها في الممارسات الأكاديمية.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير المزدوج للذكاء الاصطناعي (AI) على التعليم العالي، مع تسليط الضوء على كل من فوائده المحتملة والتحديات الكبيرة. من ناحية، يمكن أن يعزز الذكاء الاصطناعي تجارب التعلم الشخصية ويعزز الدراسة المستقلة بين الطلاب (Keleş et al., 2009; Tsai et al., 2020). بالنسبة للمعلمين، يمكن أن تساعد أدوات الذكاء الاصطناعي مثل تقييم المقالات الآلي والأنظمة التشخيصية الذكية في تبسيط عمليات التقييم، مما يقلل من الوقت والتكاليف (Chan & Lee, 2023; Zawacki-Richter et al., 2019). من ناحية أخرى، يثير ظهور تقنيات الذكاء الاصطناعي التوليدي، وخاصة المنصات مثل ChatGPT (OpenAI, 2022)، مخاوف بشأن النزاهة الأكاديمية، خاصة من خلال ظاهرة “الذكاء الاصطناعي-السرقة الأدبية”. يشير هذا المصطلح إلى إساءة استخدام أدوات الذكاء الاصطناعي من قبل الطلاب والباحثين لإنتاج أعمال تُعرض على أنها أعمالهم، مما يقوض العملية التعليمية وقد يؤدي إلى نشر معلومات غير صحيحة (Chan & Tsi, 2023; Cotton et al., 2023; Alshurafat et al., 2023).
تؤكد الورقة على التحدي المتمثل في التمييز بين المحتوى الذي ينتجه البشر والمحتوى الذي ينتجه الذكاء الاصطناعي، مشيرة إلى أنه بينما قد تكون أدوات الكشف عن السرقة الأدبية التقليدية فعالة، فإنها غالبًا ما تفشل في تحديد “الذكاء الاصطناعي-السرقة الأدبية” (Ahmad et al., 2023). يمكن أن تؤدي هذه المحدودية إلى تفاقم قضايا الغش الأكاديمي وتهديد النزاهة الأكاديمية بشكل أكبر (Löfström et al., 2015). مع تزايد دمج المجتمع للذكاء الاصطناعي في التفاعلات اليومية، تهدف الدراسة إلى استكشاف فهم الطلاب للسرقة الأدبية التقليدية جنبًا إلى جنب مع تصوراتهم حول السرقة الأدبية المتعلقة بالذكاء الاصطناعي، مما يمهد الطريق لتحقيق أعمق في تداعيات الذكاء الاصطناعي في الكتابة الأكاديمية.
الطرق
توضح قسم المنهجية النهج المنهجي المستخدم في البحث لتحقيق أهداف الدراسة. تتفصل في التصميم التجريبي، بما في ذلك اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة. استخدمت الدراسة نهجًا كميًا، مستفيدة من الأدوات الإحصائية لتحليل البيانات التي تم جمعها من الاستطلاعات والتجارب.
تشير النتائج الرئيسية من المنهجية إلى أن الطرق المختارة كانت فعالة في التقاط المتغيرات ذات الصلة وضمان موثوقية النتائج. ساهم استخدام مجموعات التحكم والعينة العشوائية في تقليل التحيز وتعزيز صحة الاستنتاجات المستخلصة من الدراسة. بشكل عام، أسست الإطار المنهجي قاعدة قوية للتحليل والتفسير اللاحق لنتائج البحث.
النتائج
استقصت الدراسة 393 طالبًا جامعيًا في هونغ كونغ، مع توزيع جنسي متساوٍ تقريبًا حيث كان هناك 198 ذكرًا و195 أنثى. كان متوسط أعمار المشاركين حوالي 22 عامًا (SD = 2.59)، تتراوح أعمارهم من 17 إلى 28 عامًا. كان أكثر المجالات تمثيلًا هو الهندسة (n = 112)، تليها الفنون (n = 61)، العلوم (n = 58)، الأعمال (n = 54)، وغيرها، بما في ذلك مجموعات أصغر في القانون (n = 5) والطب وطب الأسنان (n = 12). كان معظم المشاركين من الطلاب الجامعيين (n = 244)، مع توزيع متساوٍ تقريبًا عبر السنوات الأكاديمية: 81 طالبًا في السنة الأولى، 51 في السنة الثانية، 48 في السنة الثالثة، و58 في السنة الرابعة، بالإضافة إلى عدد قليل في السنة الخامسة أو السادسة. بالإضافة إلى ذلك، كان هناك 111 طالب دراسات عليا مدرّسين و44 طالب دراسات عليا بحثية.
فيما يتعلق باستخدام تقنيات الذكاء الاصطناعي التوليدية، كان متوسط الاستجابة للعبارة “لقد استخدمت تقنيات الذكاء الاصطناعي التوليدية (GenAI) مثل ChatGPT” هو 2.27 (SD = 1.65)، مما يشير إلى أن معظم الطلاب أبلغوا عن تجربة محدودة مع مثل هذه التقنيات في وقت الدراسة. يتم تلخيص النتائج الوصفية في الجدول 1.
المناقشة
تتناول قسم المناقشة في الورقة البحثية التعقيدات المحيطة بالسرقة الأدبية، خاصة في سياق تقنيات الذكاء الاصطناعي الناشئة. تُعرف السرقة الأدبية بأنها الاستخدام غير المصرح به لعمل شخص آخر، مع تفسيرات متباينة عبر الأدبيات. يبرز المساهمون الرئيسيون مثل بارك (2003) وواجر (2014) الحدود الغامضة بين الاقتراض المشروع والاستيلاء غير الأخلاقي، مما يبرز الحاجة إلى تعريفات وإرشادات أوضح، خاصة مع انتشار أدوات الذكاء الاصطناعي في البيئات الأكاديمية. يتم تقديم مفهوم “الذكاء الاصطناعي-السرقة الأدبية”، الذي يشير إلى الاستخدام غير الأخلاقي للمحتوى الذي ينتجه الذكاء الاصطناعي دون الإسناد المناسب، مما يثير أسئلة حول النزاهة الأكاديمية والتعريفات المتطورة للسرقة الأدبية في العصر الرقمي.
تهدف الدراسة إلى استكشاف تصورات الطلاب حول كل من السرقة الأدبية التقليدية و”الذكاء الاصطناعي-السرقة الأدبية”، معترفة بأن فهم هذه المفاهيم أمر حاسم لتطوير سياسات وممارسات تعليمية فعالة. تشير النتائج الأولية إلى أنه بينما يدرك الطلاب عمومًا أشكال السرقة الأدبية التقليدية، فإن فهمهم لـ “الذكاء الاصطناعي-السرقة الأدبية” أقل وضوحًا، مما يشير إلى فجوة في المعرفة قد تؤثر على نزاهتهم الأكاديمية. تستخدم الأبحاث نهجًا كميًا من خلال استبيان عبر الإنترنت، تجمع رؤى من مجموعة متنوعة من الطلاب في هونغ كونغ. ستساهم النتائج في المبادرات التعليمية التي تهدف إلى تعزيز الاستخدام المسؤول لتقنيات الذكاء الاصطناعي وتعزيز فهم الطلاب للنزاهة الأكاديمية في مشهد أكاديمي سريع التغير.
القيود
تقدم الدراسة عدة قيود تستدعي النظر فيها للبحوث المستقبلية. أولاً، أدى استخدام العينة المريحة إلى نقص في التمثيل، مما قد يؤثر على قابلية تعميم النتائج. يمكن أن يعزز نهج مختلط الفهم من خلال دمج البيانات النوعية، كاشفًا عن الأسباب وراء مواقف الطلاب الغامضة تجاه الذكاء الاصطناعي في الكتابة الأكاديمية وتباين استجاباتهم. يمكن أن يوفر التحقيق في العوامل الفردية مثل الخلفية التخصصية والتجارب الشخصية مع أدوات الذكاء الاصطناعي رؤى قيمة لتطوير تدخلات تعليمية فعالة وإرشادات سياسة بشأن السرقة الأدبية المتعلقة بالذكاء الاصطناعي.
علاوة على ذلك، يبرز التجريب الأولي لأداة الاستطلاع، بدلاً من عملية التحقق الرسمية، الحاجة إلى بحوث مستقبلية لتأسيس موثوقيتها وصحتها. نظرًا للطبيعة المتطورة بسرعة لتقنية الذكاء الاصطناعي، قد تصبح النتائج قديمة بسرعة. بالإضافة إلى ذلك، يترك تركيز الدراسة على تصورات الطلاب وجهات نظر أصحاب المصلحة الرئيسيين الآخرين، مثل المعلمين والإداريين. يجب أن تهدف الأبحاث المستقبلية إلى استكشاف هذه المنظورات، خاصة عند مقارنة فهم الطلاب للسرقة الأدبية المتعلقة بالذكاء الاصطناعي مع فهم الأكاديميين وتوافقهم مع السياسات المؤسسية بشأن السرقة الأدبية.
DOI: https://doi.org/10.1007/s10639-024-13151-7
Publication Date: 2024-11-11
Author(s): Cecilia Ka Yuk Chan
Primary Topic: Academic integrity and plagiarism
Overview
This study investigates the concept of AI-giarism, a new form of academic dishonesty that merges artificial intelligence (AI) usage with traditional plagiarism, within the higher education landscape. By surveying 393 undergraduate and postgraduate students across various disciplines, the research examines their perceptions of generative AI in academic contexts and their understanding of both conventional plagiarism and AI-related misconduct. The findings reveal a nuanced understanding among students, who express clear disapproval of direct AI content generation while exhibiting ambivalence towards subtler applications of AI. The study introduces a novel instrument designed to conceptualize AI-giarism, which serves as a valuable resource for educators and policymakers in addressing academic misconduct in the age of AI.
In conclusion, this pioneering research highlights the complexity of student attitudes toward AI-giarism and traditional plagiarism. While students recognize the unethical implications of overt AI use in academic writing, their mixed feelings about more subtle applications indicate a pressing need for further investigation, education, and the development of comprehensive policy guidelines. The study raises critical questions regarding the future of human-AI collaboration in academia, the standards for preventing AI-giarism, and the ethical considerations surrounding transparency and accountability in AI usage. These inquiries not only address the ethical dimensions of AI in education but also suggest a need for ongoing dialogue and research as AI technologies continue to evolve and integrate into academic practices.
Introduction
The introduction of this research paper discusses the dual impact of artificial intelligence (AI) on higher education, highlighting both its potential benefits and significant challenges. On one hand, AI can enhance personalized learning experiences and foster independent study among students (Keleş et al., 2009; Tsai et al., 2020). For educators, AI tools such as automated essay scoring and intelligent diagnostic systems can streamline assessment processes, thereby reducing time and costs (Chan & Lee, 2023; Zawacki-Richter et al., 2019). Conversely, the rise of generative AI technologies, particularly platforms like ChatGPT (OpenAI, 2022), raises concerns regarding academic integrity, specifically through the phenomenon of AI-giarism. This term refers to the misuse of AI tools by students and researchers to produce work that is presented as their own, undermining the educational process and potentially leading to the dissemination of incorrect information (Chan & Tsi, 2023; Cotton et al., 2023; Alshurafat et al., 2023).
The paper emphasizes the challenge of distinguishing between human-generated and AI-generated content, noting that while traditional plagiarism detection tools may be effective, they often fail to identify AI-giarism (Ahmad et al., 2023). This limitation could exacerbate issues of academic dishonesty and further threaten academic integrity (Löfström et al., 2015). As society increasingly integrates AI into daily interactions, the study aims to explore students’ understanding of traditional plagiarism alongside their perceptions of AI-related plagiarism, setting the stage for a deeper investigation into the implications of AI in academic writing.
Methods
The methodology section outlines the systematic approach employed in the research to address the study’s objectives. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods utilized. The study employed a quantitative approach, utilizing statistical tools to analyze the data collected from surveys and experiments.
Key findings from the methodology indicate that the chosen methods were effective in capturing the relevant variables and ensuring the reliability of the results. The use of control groups and random sampling contributed to minimizing bias and enhancing the validity of the conclusions drawn from the study. Overall, the methodological framework established a robust foundation for the subsequent analysis and interpretation of the research findings.
Results
The study surveyed 393 university students in Hong Kong, with a nearly equal gender distribution of 198 males and 195 females. The participants had an average age of approximately 22 years (SD = 2.59), ranging from 17 to 28 years. The most represented field of study was Engineering (n = 112), followed by Arts (n = 61), Science (n = 58), Business (n = 54), and others, including smaller groups in Law (n = 5) and Medicine and Dentistry (n = 12). The majority of participants were undergraduates (n = 244), with a fairly even distribution across academic years: 81 freshmen, 51 sophomores, 48 juniors, and 58 seniors, alongside a few in their fifth or sixth year. Additionally, there were 111 taught postgraduates and 44 research postgraduates.
Regarding the use of generative AI technologies, the average response to the statement “I have used generative AI technologies (GenAI) like ChatGPT” was 2.27 (SD = 1.65), indicating that most students reported limited experience with such technologies at the time of the study. Descriptive findings are summarized in Table 1.
Discussion
The discussion section of the research paper delves into the complexities surrounding plagiarism, particularly in the context of emerging AI technologies. Plagiarism is defined as the unauthorized use of another’s work, with varying interpretations across literature. Key contributors like Park (2003) and Wager (2014) highlight the ambiguous boundaries between legitimate borrowing and unethical appropriation, emphasizing the need for clearer definitions and guidelines, especially as AI tools become prevalent in academic settings. The concept of “AI-giarism” is introduced, referring to the unethical use of AI-generated content without proper attribution, raising questions about academic integrity and the evolving definitions of plagiarism in the digital age.
The study aims to explore students’ perceptions of both traditional plagiarism and AI-giarism, recognizing that understanding these concepts is crucial for developing effective educational policies and practices. Preliminary findings indicate that while students generally recognize traditional forms of plagiarism, their understanding of AI-giarism is less clear, suggesting a gap in knowledge that could impact their academic integrity. The research employs a quantitative approach through an online questionnaire, gathering insights from a diverse student population in Hong Kong. The results will inform educational initiatives aimed at fostering responsible use of AI technologies and enhancing students’ comprehension of academic integrity in a rapidly changing academic landscape.
Limitations
The study presents several limitations that warrant consideration for future research. Primarily, the use of convenience sampling has resulted in a lack of representativeness, which may affect the generalizability of the findings. A mixed-methods approach could enhance understanding by integrating qualitative data, revealing the reasons behind students’ ambiguous attitudes towards AI in academic writing and the variability in their responses. Investigating individual factors such as disciplinary background and personal experiences with AI tools could provide valuable insights for developing effective educational interventions and policy guidelines regarding AI-related plagiarism.
Moreover, the preliminary piloting of the survey instrument, rather than a formal validation process, highlights the need for future research to establish its reliability and validity. Given the rapidly evolving nature of AI technology, the findings may quickly become outdated. Additionally, the study’s focus on student perceptions leaves out the viewpoints of other key stakeholders, such as educators and administrators. Future research should aim to explore these perspectives, particularly in comparing students’ understandings of AI-related plagiarism with those of academics and their alignment with institutional policies on plagiarism.