پرش به محتوای اصلی

روش‌ها و ابزارهای کاهش درصد همانندجویی و هوش مصنوعی در مقاله

حامد تکمیل نویسنده
20 دقیقه
45 بازدید
بدون نظر
روش‌ها و ابزارهای کاهش درصد همانندجویی و هوش مصنوعی در مقاله

کاهش اصولی درصد همانندجویی (مشابهت‌یابی) و مدیریت امتیاز تشخیص هوش مصنوعی در مقالات علمی مستلزم به‌کارگیری دو راهبرد کاملاً مجزا است؛ زیرا سامانه‌های مشابهت‌یاب بر تطبیق رشته‌های متنی با پایگاه‌های داده استوارند، در حالی که آشکارسازهای هوش مصنوعی ویژگی‌های آماری و پیش‌بینی‌پذیری نگارش را می‌سنجند. اگر در حال آماده‌سازی پایان‌نامه یا مقاله پژوهشی برای ژورنال‌های داخلی و بین‌المللی هستید، شناخت دقیق این دو سازوکار از رد شدن مقاله یا ایجاد خطاهای فنی جلوگیری می‌کند.

برای کاهش ایمن درصد همانندجویی در مقالات انگلیسی، باید از بازنویسی مفهومی برای شکستن زنجیره‌های کلمه‌ای متوالی (آستانه پیش‌فرض ۸ کلمه به بالا در Turnitin و گزارش جدید iThenticate، و حداقل ۹ کلمه در نسخه کلاسیک iThenticate) استفاده کرد، نقل‌قول‌ها و سرفصل‌ها را برای فعال‌سازی فیلترهای استثناسازی به شکل استاندارد قالب‌بندی نمود و پیش‌نویس‌ها را در بسترهایی بدون ذخیره‌سازی در مخزن بررسی کرد. در سوی دیگر، کاهش امتیاز هوش مصنوعی از مسیر بازآرایی دستی ساختار پاراگراف‌ها، افزایش تنوع طبیعی در طول جملات، افزودن جزئیات پژوهشی اختصاصی و استفاده از ویراستارهای علمی حافظ حریم خصوصی (نظیر Writefull، Paperpal و طرح داده محرمانه Trinka AI) به جای ابزارهای عمومی بازنویسی به دست می‌آید.

نکته کلیدی برای پژوهشگران: دستیابی به «صفر درصد هوش مصنوعی» نه از نظر فنی قابل اتکا است و نه از سوی ناشران معتبر بین‌المللی مطالبه می‌شود. نهادهای اخلاق نشر مانند COPE و ICMJE و ناشران بزرگی همچون Elsevier، Springer Nature، IEEE و Wiley ویرایش ساده زبانی را مجاز می‌دانند و راهکار اصلی را به جای پنهان‌کاری با ابزارهای دورزننده، در افشای شفاف مداخلات جدی هوش مصنوعی قرار داده‌اند.

تفاوت سازوکار الگوریتم‌های همانندجویی و تشخیص هوش مصنوعی

شناخت تفاوت معماری میان نرم‌افزارهای کشف سرقت علمی و آشکارسازهای هوش مصنوعی از خطاهای رایجی جلوگیری می‌کند که گاه با هدف کاهش یک شاخص، شاخص دیگر را تشدید می‌کنند. سامانه‌های همانندجویی متن مقاله را با مخازن عظیم متون موجود مطابقت می‌دهند؛ برای نمونه، بر اساس مقایسه فنی iThenticate و Turnitin، سامانه iThenticate متون ارسالی را با ۵۴ میلیارد صفحه وب فعلی و بایگانی‌شده، ۲۴۴ میلیون منبع اشتراکی و بیش از ۲۰۰ میلیون مدرک دسترسی آزاد مقایسه می‌کند.

در اکوسیستم علمی ایران نیز پنج سامانه مشابهت‌یاب بومی مطرح است که هر یک تمرکز تخصصی خاص خود را دارند:

  • سامانه «همانندجو» ایرانداک: متن را با صدها هزار پایان‌نامه، رساله و مدارک علمی وب تطبیق می‌دهد و نسخه جدید سامانه همانندجو به قابلیت هوشمند تحلیل محتوا مجهز شده است.
  • سمیم نور: توسعه‌یافته در مرکز تحقیقات کامپیوتری علوم اسلامی نور با تمرکز تخصصی بر منابع علوم انسانی و اسلامی.
  • همتاجو: متعلق به جهاد دانشگاهی و مبتنی بر هوش مصنوعی برای کشف سرقت علمی بازنویسی‌شده در متون فارسی (با برنامه توسعه برای پوشش انگلیسی).
  • همیاب: مبتنی بر یادگیری عمیق و متصل به سامانه مدیریت نشریات و همایش‌های سیناوب برای بررسی پیش از داوری.
  • همسانا: معرفی‌شده برای ارزیابی مقالات انگلیسی (هرچند گزارش‌های تحلیلی سامانه‌های ایرانی درباره میزان پشتیبانی آن از فارسی هم‌نظر نیستند).

در مقابل، آشکارسازهای هوش مصنوعی به دنبال تطبیق خطی با منابع پیشین نیستند، بلکه دو ویژگی آماری متن را تحلیل می‌کنند: میزان پیش‌بینی‌پذیری واژگان یا سرگشتگی (Perplexity) و میزان نوسان در طول و ساختار جملات (Burstiness). مدل‌های زبانی بزرگ به طور پیش‌فرض محتمل‌ترین واژه‌ها را در ساختارهایی یکنواخت کنار هم می‌چینند که به پایین‌بودن هر دو شاخص می‌انجامد؛ از این رو یک متن می‌تواند صفر درصد تشابه متنی داشته باشد و صددرصد هوش مصنوعی تشخیص داده شود.

طبق مستندات گزارش تشخیص هوش مصنوعی Turnitin، این ابزار فایل‌هایی با حجم کمتر از ۱۰۰ مگابایت (با فرمت‌های .docx، .pdf، .txt یا .rtf) و بین ۳۰۰ تا ۳۰ هزار کلمه نثر پیوسته را بررسی کرده و هفت زبان انگلیسی، اسپانیایی، ژاپنی، عربی، آلمانی، هلندی و ترکی را پوشش می‌دهد (در حالی که در مستندات محصول Turnitin Clarity چهار زبان انگلیسی، عربی، اسپانیایی و ژاپنی ذکر شده است). نکته کلیدی آن است که قابلیت تشخیص پارافرایزرها و دورزننده‌های هوش مصنوعی در Turnitin فعلاً منحصراً روی متون انگلیسی فعال است و زبان فارسی در فهرست زبان‌های پشتیبانی‌شده تشخیص هوش مصنوعی این سامانه قرار ندارد.

خطای مثبت کاذب علیه نویسندگان غیربومی انگلیسی

یکی از آسیب‌پذیری‌های بنیادین این الگوریتم‌ها، خطای مثبت کاذب علیه پژوهشگران غیربومی انگلیسی و نثر رسمی علمی است. در پژوهش دانشگاه استنفورد توسط لیانگ و همکاران (منتشرشده در نشریه Patterns، ۲۰۲۳)، هفت آشکارساز تجاری و پژوهشی روی ۹۱ انشای آزمون تافل و ۸۸ انشای دانش‌آموزان بومی آمریکایی آزمایش شدند؛ میانگین نرخ خطای مثبت کاذب در انشاهای غیربومی ۶۱.۲۲ درصد بود و ۱۸ انشا از ۹۱ مورد توسط هر هفت ابزار به غلط هوش مصنوعی تشخیص داده شدند. وقتی پژوهشگران با استفاده از ChatGPT واژگان همان متون غیربومی را به سطح نویسندگان بومی ارتقا دادند، نرخ تشخیص هوش مصنوعی به ۱۱.۶ درصد سقوط کرد؛ یافته‌ای که نشان داد ابزارها به جای کشف تقلب، محدودیت دایره واژگان و شباهت نثر خشک علمی به خروجی ماشینی را جریمه می‌کنند.

روش‌ها و ابزارهای کاهش درصد همانندجویی مقالات علمی

کاهش واقعی و ماندگار درصد تشابه متنی نیازمند تفکیک دقیق سازوکارهای فنی در نشریات انگلیسی‌زبان (تحت سلطه iThenticate و Turnitin) از قواعد نگارشی و اجرایی در مجلات و دانشگاه‌های ایرانی است.

۱. بازنویسی مفهومی و فیلترهای استثناسازی در مقالات انگلیسی

مؤثرترین روش برای کاهش درصد مشابهت در متون انگلیسی، بازنویسی مفهومی (Conceptual Paraphrasing) به جای جایگزینی مکانیکی مترادف‌ها است. در سامانه Turnitin و گزارش مشابهت جدید iThenticate، آستانه پیش‌فرض و حداقل مجاز برای فیلتر «تطابق‌های کوچک» ۸ کلمه است و در نسخه کلاسیک گزارش iThenticate این حداقل برابر با ۹ کلمه تعریف شده است. تعویض چند کلمه هم‌معنی بدون تغییر ساختار دستوری جمله، رشته‌های پیوسته ۸ یا ۹ کلمه‌ای را از بین نمی‌برد و در دسته‌بندی‌های جدید Turnitin می‌تواند به عنوان دستکاری خودکار متن (Text Spinning) تلقی شود. تغییر زاویه دید جمله (معلوم به مجهول و بالعکس)، تلفیق یافته‌های چند پژوهش در یک جمله تحلیلی جدید و استنتاج مستقیم از داده‌ها، این زنجیره‌های خطی را به شکل اصیل می‌شکند.

هم‌زمان، نویسنده می‌تواند با رعایت استانداردهای دقیق نشانه‌گذاری و عنوان‌بندی، امکان بهره‌برداری از فیلترهای استثناسازی (Exclusion Filters) را برای داور یا سردبیر در iThenticate و Turnitin فراهم کند:

  • نقل‌قول‌های مستقیم: محصور کردن نقل‌قول‌های ضروری با گیومه‌های استاندارد انگلیسی (“…” یا ‘…’) و فرانسوی («…») باعث می‌شود فیلتر Exclude Quoted Text متن داخل گیومه را از امتیاز مشابهت کنار بگذارد؛ در حالی که نبود گیومه حتی با ذکر منبع، به عنوان تطابق ثبت می‌شود.
  • ارجاعات درون‌متنی: فعال‌شدن فیلتر Exclude Cited Text خطوط دارای ارجاع درون‌متنی متعارف را حذف می‌کند.
  • فهرست منابع و بخش‌های استاندارد: استفاده از سرفصل‌های انگلیسی مانند Bibliography یا Cited Works (و Appendix به عنوان نشانگر بازگشت متن) به حذف خودکار منابع کمک می‌کند. همچنین در سرویس Crossref Similarity Check و گزارش پیشرفته iThenticate 2.0 امکان حذف بخش‌هایی مانند Abstract و Methods و همچنین پیش‌انتشارها (Preprints) وجود دارد.

با این همه، به یاد داشته باشید که اعمال فیلتر در حساب‌های دانشجویی Turnitin موقتی است و نمره رسمی داور را تغییر نمی‌دهد؛ همچنین مطابق راهنمای مدیریت استثناهای iThenticate، اگر یک عبارت با چند منبع هم‌پوشانی داشته باشد، حذف یا اصلاح آن تنها در برابر یک منبع درصد کلی گزارش را کاهش نمی‌دهد.

۲. ریسک مخازن مشابهت‌یاب و امنیت داده‌های منتشرنشده

یکی از پرهزینه‌ترین خطاها پیش از ارسال مقاله به ژورنال، بارگذاری پیش‌نویس در حساب‌های Turnitin است که تنظیمات مدیر سیستم آن‌ها روی «ذخیره‌سازی در مخزن» (Repository Indexing) قرار دارد؛ در این صورت نسخه نهایی مقاله هنگام داوری با نسخه قبلی خود نویسنده تطبیق داده شده و مشابهت بسیار بالا ثبت می‌شود. در مقابل، مطابق راهنمای فناوری اطلاعات دانشگاه تنسی، اسناد ارسالی در سامانه iThenticate در هیچ مخزن قابل جست‌وجویی نمایه نمی‌شوند تا بررسی مکرر پیش‌نویس‌ها موجب مثبت کاذب نشود.

در استفاده از نرم‌افزارهای جانبی بررسی سرقت علمی و آشکارسازهای شخص ثالث نیز رعایت محرمانگی داده‌های چاپ‌نشده حیاتی است؛ برای مثال، سیاست حریم خصوصی Copyleaks تصریح می‌کند که از اطلاعات ارائه‌شده برای خدمات سازمانی و آموزش مدل‌های خود استفاده می‌کند و بررسی سیاست‌های حریم خصوصی ابزارهای تشخیص نشان می‌دهد پلتفرم‌هایی نظیر Originality.AI و Writer تعهد صریحی مبنی بر «عدم ذخیره‌سازی متن» ارائه نکرده‌اند.

۳. کاهش درصد همانندجویی در سامانه همانندجو ایرانداک

در نشریات علمی و دانشگاه‌های ایران، آستانه قابل قبول درصد مشابهت به سیاست هر مؤسسه بستگی دارد؛ برای نمونه در دستورالعمل مشابهت‌یابی دانشگاه آزاد اسلامی سقف زیر ۱۵ درصد قابل قبول اعلام شده، در حالی که طبق راهنمای درصد مجاز همانندجویی معمولاً بازه ۱۵ تا ۲۵ درصد برای مقالات علمی و سقف ۲۰ تا ۲۵ درصد برای پایان‌نامه‌ها رایج است.

برای کاهش مؤثر درصد مشابهت در سامانه همانندجو ایرانداک، نخستین گام اولویت‌دهی به منابع دارای بیشترین سهم هم‌پوشانی در رتبه‌بندی گزارش است؛ بازنویسی مفهومی بندهای منتسب به دو یا سه منبع اول بیشترین کاهش را در عدد نهایی ایجاد می‌کند. در مقابل، حذف شتاب‌زده بخش‌های اصیل برای کم‌کردن حجم مقاله، مخرج کسر کل کلمات را کوچک کرده و درصد همانندجویی را افزایش می‌دهد. برای یکدست‌سازی املا و نیم‌فاصله در متون فارسی نیز می‌توان از ویراستار فارسی پاک‌نویس (از مجموعه ابزارهای مرکز تحقیقات کامپیوتری علوم اسلامی نور) بهره برد.

پژوهشگران باید به طور کامل از ترفندهای دستکاری مکانیکی متن پرهیز کنند. بر اساس قواعد فنی سامانه همانندجو، درج حروف مشابه (مانند تبدیل «ص» به «ض»)، افزودن کاراکترهای بی‌معنا، چسباندن یا جداسازی غیرطبیعی واژگان، استفاده مفرط از نیم‌فاصله، جابه‌جایی غیرمتعارف اجزای جمله (مثلاً تغییر «بیش از حد» به «حد از بیش») یا شکسته‌شدن سطرها بر اثر کپی مستقیم از PDF موجب رد خودکار درخواست با خطای عدم انطباق ویژگی‌های استاندارد (یا کد خطای ۱۹۹ در راهنمای ایرانداک دانشگاه تهران) می‌شود. افزون بر این، گزارش نهایی همانندجو به صورت هم‌زمان برای دانشجو، استاد راهنما و دانشگاه ارسال می‌گردد و از نظر حقوقی نیز آیین‌نامه اجرایی قانون پیشگیری و مقابله با تقلب در آثار علمی پیگرد و ابطال گواهی‌نامه‌ها را برای متخلفان پیش‌بینی کرده است.

سامانه مشابهت‌یابپوشش زبانی و تخصصیسیاست مخزن و دسترسیقابلیت‌های فنی و فیلترهای کلیدی
iThenticate (نسخه ۱ و ۲)بین‌المللی / انگلیسی و چندزبانه (۵۴ میلیارد صفحه وب، ۲۴۴ میلیون منبع اشتراکی و بالای ۲۰۰ میلیون منبع دسترسی آزاد)عدم نمایه‌سازی در مخزن (No-Repository) برای جلوگیری از تداخل پیش‌نویس‌هافیلتر منابع، نقل‌قول و ارجاع؛ حذف بخش‌های چکیده و روش‌ها؛ حداقل ۸ کلمه در نسخه جدید و ۹ کلمه در کلاسیک؛ حذف پیش‌انتشارها در نسخه ۲.۰
Turnitin (نسخه سازمانی)بین‌المللی / دانشگاهی و دانشجوییبسته به تنظیمات مدیر سازمان (ممکن است در مخزن آثار دانشجویی ذخیره شود)فیلترهای استثناسازی مشابه iThenticate (حداقل ۸ کلمه)؛ تغییرات فیلتر در حساب دانشجویی موقتی است
همانندجو (ایرانداک)فارسی / کلیه رشته‌ها، پایان‌نامه‌ها و مقالاتارسال هم‌زمان گزارش برای دانشجو، استاد و دانشگاه (الزام ثبت پیش از دفاع در ایرانداک)نسخه جدید مجهز به تحلیل هوشمند محتوا؛ رد خودکار دستکاری‌های نویسه‌ای و فاصله‌گذاری
سمیم نورفارسی / تخصصی علوم انسانی و اسلامیاشتراک سازمانی و فردی (فروشگاه رسمی نورشاپ)نمایش درصد کل و به تفکیک منابع با قابلیت تحلیل بازنویسی
همتاجوفارسی (توسعه‌یافته در جهاد دانشگاهی با برنامه پوشش انگلیسی)تجاری / اشتراکیمبتنی بر هوش مصنوعی با تمرکز ویژه بر کشف سرقت علمی بازنویسی‌شده
همیابفارسی / نشریات و همایش‌ها (یکپارچه با سیناوب)تجاری / اشتراکی در بستر نشریاتمبتنی بر یادگیری عمیق و هوش مصنوعی برای ارزیابی مقالات توسط سردبیران و داوران
همساناانگلیسی (اختلاف گزارش درباره پشتیبانی از فارسی)پولی / تجاریپشتیبانی از فایل‌های Word، txt و PDF همراه با خروجی آماری

روش‌ها و ابزارهای کاهش درصد هوش مصنوعی و ارزیابی کارایی آن‌ها

مدیریت امتیاز هوش مصنوعی در مقالات علمی مستلزم تفکیک دقیق میان ویرایش اصیل و ساختارمند توسط نویسنده، ابزارهای تجاری دورزننده و ویراستارهای علمی استاندارد است.

گام‌های ویرایشی و ساختاری برای کاهش سیگنال‌های هوش مصنوعی

چنانچه پژوهشگر از ابزارهای هوش مصنوعی برای تهیه پیش‌نویس اولیه یا ترجمه خام بخش‌هایی از مقاله انگلیسی استفاده کرده باشد، تغییر سطحی چند واژه نمی‌تواند الگوهای مکانیکی متن را پنهان کند. در عوض، به‌کارگیری گام‌های ویرایشی زیر—که بر پایه سازوکار آماری Perplexity و Burstiness و تجربیات فنی به‌روزشده پس از تغییرات Turnitin استوار است—ساختار متن را به صورت واقعی به نگارش طبیعی پژوهشگران نزدیک می‌کند:

  1. درهم‌شکستن قالب یکنواخت پاراگراف‌ها: مدل‌های زبانی اغلب پاراگراف‌هایی هم‌اندازه (معمولاً ۴ تا ۶ جمله‌ای) با ترتیب ثابت جمله موضوعی، پشتیبان و نتیجه‌گیری می‌سازند؛ کوتاه‌کردن برخی پاراگراف‌ها به ۲ یا ۳ جمله، بسط یک پاراگراف با مثال تجربی به ۸ تا ۱۰ جمله و تغییر جایگاه جمله موضوعی از الگوهای تکراری می‌کاهد.
  2. افزایش طبیعی نوسان طول و ساختار جملات (Burstiness): شکستن جملات طولانی و متقارن به جملات کوتاه‌تر و در مقابل، ادغام دو جمله کوتاه به یک جمله مرکب با بند پیرو، ریتم یکنواخت نگارش ماشینی را به هم می‌زند.
  3. حذف عبارات کلیشه‌ای و رابط‌های ماشینی: جایگزینی عبارات تکراری مانند moreover، it is important to note that و in conclusion با پیوندهای معنایی مستقیم به استدلال بند پیشین، پیش‌بینی‌پذیری واژگانی را کاهش می‌دهد.
  4. جایگزینی کلی‌گویی با جزئیات عینی پژوهش: تبدیل گزاره‌های مبهمی همچون many studies show به نام پژوهشگران، داده‌های دقیق آزمایشگاهی یا جزئیات روش‌شناختی، چگالی اطلاعاتی اختصاصی متن را بالا می‌برد.
  5. خواندن متن با صدای بلند و حفظ سابقه نگارش: قرائت متن انگلیسی برای شناسایی جملات تصنعی و بازنویسی دستی آن‌ها، همراه با نگهداری تاریخچه ویرایش نسخه‌ها (Version History در Word یا Google Docs) و ثبت دستورهای ورودی (Prompts) به مدل، بهترین پشتوانه مستند در برابر خطاهای مثبت کاذب است.

ارزیابی علمی ابزارهای انسانی‌ساز و پارافرایزر (۲۰۲۳ تا ۲۰۲۶)

کارایی نرم‌افزارهای پارافرایزر و «انسانی‌ساز» (AI Humanizers) طی سال‌های ۲۰۲۳ تا ۲۰۲۶ دستخوش تغییر بنیادین شده و مقایسه نتایج تبلیغاتی فروشندگان با مطالعات دانشگاهی تصویر کاملاً متفاوتی ترسیم می‌کند. در موج نخست پژوهش‌ها، ابزارهای بازنویسی ساده به راحتی بسیاری از آشکارسازهای اولیه را دور می‌زدند؛ به طوری که در آزمون‌های تطبیقی دقت آشکارسازها در سال‌های ۲۰۲۳ و ۲۰۲۴، بازنویسی با QuillBot دقت بسیاری از ابزارها را به حدود ۲۶ درصد کاهش داد.

با این حال، در موج جدید پژوهش‌ها و به‌روزرسانی‌های ۲۰۲۵ و ۲۰۲۶ ورق تا حد زیادی برگشته است. از یک سو، شرکت Turnitin در معرفی قابلیت تشخیص ابزارهای دورزننده (AI Bypassers) و مستندات مدل تشخیص نوشتار AI تأیید کرده که مدل انگلیسی آن اکنون به طور هم‌زمان متن تولیدشده با مدل‌های زبانی، متن بازنویسی‌شده با پارافرایزرها و خروجی دورزننده‌ها را زیر یک هایلایت واحد شناسایی می‌کند. از سوی دیگر، پژوهش دانشگاهی درباره کارایی انسانی‌سازها نشان داد که عبور پیاپی متن از پارافرایزرها نتایجی ناپایدار دارد و گاه در تکرار سوم میزان تشخیص دوباره افزایش می‌یابد.

مهم‌تر آنکه مدل‌های دانشگاهی آموزش‌دیده علیه بازنویسی‌های متخاصم شکست‌های جدی به انسانی‌سازها تحمیل کرده‌اند: مدل RADAR در مجموعه مقالات NAACL SRW 2025 با آموزش روی طرح‌های بازنویسی بیش از ۳۱.۶۴ درصد دقت بیشتر نسبت به روش‌های قبلی کسب کرد و در پژوهش نوامبر ۲۰۲۶ در پایگاه arXiv درباره مدل Jev، این مدل روی ۳۶۳ متن انسانی‌سازی‌شده با ابزارهای تجاری میانگین احتمال هوش مصنوعی ۰.۸۸ را ثبت کرد.

در خصوص ابزارهای تجاری رایج نیز تحلیل عملکرد واقعی AI Humanizerها، رده‌بندی مقایسه Undetectable.ai و StealthWriter در HumanizerBench و آزمون نرخ دورزدن WriteHuman نشان می‌دهند که خروجی این ابزارها در هر اجرا تغییر می‌کند و استفاده از آن‌ها در مقالات علمی با خطر تغییر اصطلاحات تخصصی، تزریق خطاهای عمدی نگارشی و نقض آیین‌نامه‌های اخلاق نشر همراه است.

ویراستارهای آکادمیک امن در مقایسه با ابزارهای عمومی

بسیاری از پژوهشگران پس از استفاده از دستیارهای عمومی مانند Grammarly با برچسب غیرمنتظره هوش مصنوعی روبه‌رو می‌شوند. نشریه Fast Company پیش‌تر پرونده دانشجویی را گزارش کرد که به دنبال استفاده از Grammarly به تقلب هوش مصنوعی متهم شده بود و بررسی دقت آشکارساز و بازنویس Grammarly به همراه تحلیل مستندات فنی Grammarly تأیید می‌کند که بازنویسی‌های خودکار این ابزار توسط آشکارسازها به عنوان متن هوش مصنوعی علامت می‌خورند.

برای پیشگیری از تولید ساختارهای کلیشه‌ای قابل ردیابی و صیانت از داده‌های پژوهشی چاپ‌نشده، استفاده از ویراستارهای تخصصی دانشگاهی با سیاست محرمانگی شفاف بر ابزارهای عمومی بازنویسی ارجحیت دارد. پلتفرم Writefull با آموزش روی میلیون‌ها مقاله علمی افزونه‌های اختصاصی برای Word و Overleaf ارائه می‌دهد و داده‌ها را ذخیره نمی‌کند؛ ابزار Paperpal نیز تعهد صریحی به عدم استفاده از متون کاربران برای آموزش مدل‌های خود دارد و سرویس Trinka AI از طریق طرح داده محرمانه (Confidential Data Plan) امکان ویرایش ایمن دست‌نوشته‌های منتشرنشده را فراهم می‌سازد (همچنین Wordvice AI به عنوان دستیار ویرایش آکادمیک در راهنماهای دانشگاهی معرفی شده است).

دسته و نام ابزارکاربرد اصلی در مقالهشواهد کارایی و دقت (۲۰۲۵–۲۰۲۶)وضعیت حریم خصوصی و ریسک علمی
مترادف‌سازها و بازنویس‌های عمومی (QuillBot و نسخه‌های قدیمی StealthGPT)تغییر واژگان جمله برای کاهش تشابه یا امتیاز هوش مصنوعیاکنون Turnitin مستقیماً آن‌ها را در بخش پارافرایز انگلیسی ردیابی می‌کندریسک بالای تخریب دقت اصطلاحات تخصصی و شناسایی به عنوان دستکاری خودکار متن
انسانی‌سازهای ساختارمحور (Undetectable.ai، StealthWriter، WriteHuman، Phrasly)تغییر ریتم و ساختار نحوی برای کاهش امتیاز آشکارسازهانتایج متناقض؛ مدل‌های پژوهشی Jev (۰.۸۸) و RADAR اغلب آن‌ها را کشف می‌کنندناپایداری خروجی در تکرارها، خطر تحریف معنای علمی در شدت بالا و تخلف از مقررات افشا
ویراستارهای عمومی دارای بازنویسی AI (قابلیت بازنویسی Grammarly)اصلاح گرامر و بازنویسی جملات به زبان روان‌تربنا به اذعان متن فنی خود Grammarly، بازنویسی‌های آن به عنوان متن AI علامت می‌خورندریسک خطای مثبت کاذب در نثر رسمی و غیربومی؛ لزوم پرهیز از بازنویسی کامل جملات
ویراستارهای آکادمیک حافظ حریم خصوصی (Writefull، Paperpal، طرح محرمانه Trinka AI)ویراستاری تخصصی مقالات علمی انگلیسی (Word و Overleaf)تنظیم‌شده برای ساختار مقالات پژوهشی بدون جایگزینی جمله با الگوهای چت‌بات‌هاتعهد صریح سازندگان به عدم استفاده برای آموزش مدل‌ها و امنیت فایل‌های چاپ‌نشده
ویرایشگر بومی فارسی (پاک‌نویس)اصلاح املا، نیم‌فاصله و علائم نگارشی متون فارسیابزار استاندارد آماده‌سازی فایل فارسی بدون ایجاد دستکاری نویسه‌ایایمن؛ منطبق بر استانداردهای نگارشی مورد انتظار سامانه همانندجو

سیاست‌های ناشران معتبر و پروتکل ۵ مرحله‌ای پیش از ارسال مقاله

تلاش وسواس‌گونه برای رساندن امتیاز هوش مصنوعی به صفر درصد اغلب ناشی از ناآگاهی از آستانه‌های خطا و سیاست‌های جدید مجلات بین‌المللی است. بر اساس آمارهای منتشرشده Turnitin و به‌روزرسانی سامانه تشخیص AI برای ناشران، از آنجا که آزمون‌های داخلی نرخ بالاتری از خطای مثبت کاذب را در بازه ۰ تا ۱۹ درصد نشان دادند، Turnitin در گزارش‌های جدید خود از درج عدد زیر ۲۰ درصد خودداری کرده و تنها علامت ستاره (*%) نمایش می‌دهد تا سردبیران را به احتیاط فرا بخواند.

در سطح نهادهای سیاست‌گذار نشر علمی و ناشران تراز اول، اجماع روشنی شکل گرفته است: هیچ ابزار هوش مصنوعی نمی‌تواند به عنوان نویسنده معرفی شود، نویسندگان مسئولیت کامل صحت علمی و منابع را بر عهده دارند و استفاده از هوش مصنوعی برای پنهان‌کردن سرقت علمی (مانند خط‌مشی صریح SSRN در گروه Elsevier) ممنوع است. با این حال، مطابق راهنمای جامع سیاست‌های افشای AI ناشران و دستورالعمل‌های انطباق پژوهشگران، اکثر ناشران مرز مشخصی میان اصلاحات پایه زبانی (معاف از افشا) و بازنویسی ساختاری یا تولید متن (نیازمند بیانیه شفاف) قائل شده‌اند.

ناشر یا نهاد علمیوضعیت ویرایش ساده زبانی و خواناییوضعیت بازنویسی ساختاری، ترجمه یا تولید متنمحل و الزام افشای رسمی
Elsevier (کتاب‌ها)معاف از افشا برای بررسی پایه املا، گرامر و نشانه‌گذارینیازمند افشا، بازبینی انسانی و ذکر در Methods در صورت استفاده در روش تحقیق؛ منع تغییر تصاویر دادهبخش مجزای بیانیه AI (عموماً پیش از منابع) همراه با ذکر نام ابزار و هدف
Springer Natureویراستاری زبانی تعریف‌شده (Copy editing) برای متن انسانی معاف از افشا استمداخلات گسترده‌تر نیازمند شفاف‌سازی و حفظ سهم فکری نویسنده استدر بخش Methods یا بخش مناسب دیگر بر اساس نوع استفاده
ICMJE (نشریات پزشکی)معمولاً معاف از افشا برای اصلاحات صرفاً املایی و گرامریتولید یا تغییر جدی متن، جداول و تصاویر باید گزارش شودهم در نامه همراه (Cover Letter) و هم درون مقاله (Methods یا سپاسگزاری)
IEEEخارج از شمول اجباری محتوای تولیدی، اما افشای آن نیز توصیه می‌شودتمام محتوای تولیدشده (متن، شکل، تصویر و کد) مشمول افشای اجباری استبخش سپاسگزاری (Acknowledgments) با نام سامانه و بخش‌های متأثر
Wiley (نمونه بیانیه‌ها)معاف از افشا صرفاً برای غلط‌گیری ساده گرامر و نشانه‌گذاریپیش‌نویس، بازنویسی جدی زبانی یا ترجمه نیازمند افشا استبخش سپاسگزاری برای نگارش/ترجمه و Methods برای تحلیل یا طراحی پژوهش
Sage و Scienceویرایش زبانی و بهبود وضوح متن انسانی معاف از افشا استدر Science پیش‌نویس‌سازی باید گزارش شود و تصاویر AI نیازمند اجازه سردبیر استدر Science هم در Cover Letter و هم در متن مقاله
Taylor & Francisحتی برای بهبود زبان و خوانایی نیز بیانیه می‌خواهد (مگر قوانین خاص مجله متفاوت باشد)مشمول قوانین سخت‌گیرانه افشا و ممنوعیت بارگذاری دست‌نوشته در ابزارهای عمومیمطابق دستورالعمل دقیق نشریه هدف

پروتکل اجرایی ۵ مرحله‌ای پیش از سابمیت مقاله

  1. بازنویسی مفهومی و استانداردسازی نقل‌قول‌ها: پیش از بررسی نرم‌افزاری، بخش‌های برگرفته از مقالات دیگر را با تغییر کامل ساختار نحوی و ترکیب منابع بازنویسی کنید تا زنجیره‌های ۸ تا ۹ کلمه‌ای متوالی شکسته شوند؛ نقل‌قول‌های مستقیم ضروری را نیز در گیومه استاندارد قرار دهید تا فیلترهای استثناسازی آن‌ها را حذف کنند.
  2. تنظیم دستی ریتم نگارش به جای ابزارهای دورزننده: در متون انگلیسی، به جای عبور متن از انسانی‌سازهای خودکار که خطر تحریف معنا و پرچم‌گذاری مدل‌های جدید را دارند، طول پاراگراف‌ها و جملات را به صورت دستی متنوع کنید، عبارات ربط‌دهنده کلیشه‌ای را بردارید و ارجاعات دقیق پژوهشی بیفزایید.
  3. ویراستاری نهایی در بسترهای علمی حافظ حریم خصوصی: برای صیقل‌دادن زبان انگلیسی به جای قابلیت‌های بازنویسی عمومی یا ابزارهای دارای دسترسی آموزشی به متن کاربر، از ویراستارهای تخصصی Writefull، Paperpal یا طرح داده محرمانه Trinka AI در سطح اصلاح گرامری استفاده کنید و برای متون فارسی پاک‌نویس را به کار ببرید.
  4. پایش تشابه در مسیرهای بدون ذخیره‌سازی (No-Repository): مقاله انگلیسی را صرفاً در iThenticate یا اکانت Turnitin دارای تنظیم «عدم ذخیره در مخزن» ارزیابی کنید تا پیش‌نویس با نسخه نهایی هم‌پوشانی کاذب نسازد. برای متون فارسی، بدون دستکاری نویسه‌ای، منابع پرتکرار گزارش همانندجو را به صورت ریشه‌ای بازنویسی کنید.
  5. درج بیانیه شفاف افشا و بایگانی مستندات نگارش: فایل پیش‌نویس‌ها، تاریخچه تغییرات و دستورهای ارائه‌شده به مدل‌های زبانی را نگه دارید و در صورت استفاده از هوش مصنوعی فراتر از غلط‌گیری پایه املایی، بیانیه دقیق شامل نام ابزار، نسخه، هدف استفاده و تأیید بازبینی انسانی را مطابق جدول ناشران در بخش مقرر درج نمایید.
🚀

نیاز به ویراستاری تخصصی و کاهش اصولی درصد همانندجویی دارید؟

اگر برای کاهش درصد مشابهت مقاله در سامانه همانندجو ایرانداک، بازنویسی مفهومی متون علمی انگلیسی بدون آسیب به اصطلاحات تخصصی، یا ویراستاری آکادمیک پیش از سابمیت زمان کافی ندارید، می‌توانید پروژه خود را در پلتفرم پارس‌کدرز ثبت کنید. با ثبت رایگان پروژه در دسته‌بندی ویراستاری، ترجمه و بازنویسی متون علمی، از ده‌ها فریلنسر و پژوهشگر متخصص پیشنهاد قیمت و زمان دریافت کرده و کار را با سیستم پرداخت امن تحویل بگیرید.

✍️

نظر خود را بنویسید

آدرس ایمیل شما منتشر نخواهد شد. فیلدهای الزامی با * مشخص شده‌اند.

نظرات پس از بررسی منتشر خواهند شد.