> ## Content Index > Fetch the complete content index at: https://arabroot.io/llms.txt > Use this file to discover other available public pages before exploring further. # الذكاء الاصطناعي AI في الكتابة الأكاديمية: المسموح والممنوع - URL: https://arabroot.io/articles/الذكاء-الاصطناعي-في-الكتابة-الاكاديمية-المسموح-والممنوع/ - Published: 2026-10-21T08:00:00.000Z - Updated: 2026-10-23T11:50:04.000Z - Description: ما تسمح به COPE وICMJE وأكبر أربعة ناشرين وكيف تكتب الإفصاح، مع تجربة تتحقق آلياً من مراجع كتبها نموذج لغوي. - Author: فريق عرب رووت - Tags: الأدلة التقنية, التعليم والبحث العلمي في أغسطس 2025 سحبت Springer Nature كتاباً منشوراً عن تعلم الآلة، لأن الناشر لم يستطع أن يتحقق من مصدر 25 مرجعاً من مراجعه الـ 46، بحسب [تغطية Retraction Watch لإشعار السحب](https://retractionwatch.com/2025/08/04/springer-nature-retracts-book-fake-citations-help-us-find-more/?ref=arabroot.io)، أي أن أكثر من نصف المراجع لم يستطع أحد أن يجدها، وهذه علامة معروفة لنص كتبه نموذج لغوي كبير Large Language Model واختصاراً LLM ولم يراجعه أحد. والكتاب مر على المؤلف والمحرر وفريق الإنتاج قبل أن يكتشف قارئ المشكلة. وهذا المقال موجه لطالب الدراسات العليا الذي يستخدم ChatGPT أو غيره في رسالته ولا يعرف أين الحد، وللباحث وعضو هيئة التدريس الذي يرسل بحثه لمجلة تسأله «هل استخدمت الذكاء الاصطناعي؟»، وللمحكم ومحرر المجلة الذي يريد أن يعرف ما يجوز له هو أيضاً. في هذا المقال سوف نتناول: - ماذا تقول المرجعيات العامة COPE وICMJE، وماذا تقول سياسات أكبر أربعة ناشرين Elsevier وSpringer Nature وWiley وTaylor & Francis كما قرأناها يوم 23 أكتوبر 2026. - ما المسموح والممنوع، وأين تكتب الإفصاح Disclosure وكيف تصيغه. - ما يجوز للمحكم والمحرر، ولماذا لا ترفع البحث الذي تحكمه إلى أداة عامة. - مختبر عملي: نطلب من نموذج مفتوح يعمل على جهازنا قائمة مراجع في موضوع تربوي معروف، ثم نتحقق من كل مرجع آلياً عبر Crossref وOpenAlex، ونقارن النتيجة بدراستين منشورتين على ChatGPT. وإذا كنت تبحث عن الذكاء الاصطناعي في التدريس والتقييم فقد تناولناه في مقال [أدوات التعليم في زمن الذكاء الاصطناعي](https://arabroot.io/articles/%D8%A7%D8%AF%D9%88%D8%A7%D8%AA-%D8%A7%D9%84%D8%AA%D8%B9%D9%84%D9%8A%D9%85-%D9%81%D9%8A-%D8%B2%D9%85%D9%86-%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A/)، أما هذا المقال فعن الكتابة العلمية والنشر فقط. ## القاعدة التي يتفق عليها الجميع قبل الدخول في سياسة كل ناشر، هناك ثلاث قواعد تتكرر في كل المرجعيات التي قرأناها بلا استثناء، والسبب في اتفاقهم أنها تأتي من تعريف المؤلف نفسه: المؤلف هو من يتحمل مسؤولية البحث أمام القراء ويستطيع أن يدافع عنه ويصححه، والأداة لا تستطيع ذلك. 1. **الأداة ليست مؤلفاً:** بيان لجنة أخلاقيات النشر Committee on Publication Ethics واختصاراً COPE عن [التأليف وأدوات الذكاء الاصطناعي](https://publicationethics.org/guidance/cope-position/authorship-and-ai-tools?ref=arabroot.io)، الصادر في فبراير 2023، يقول إن هذه الأدوات لا تستوفي شروط التأليف لأنها لا تتحمل المسؤولية عن العمل، ولا تستطيع أن تعلن تضارب المصالح ولا أن توقع اتفاقيات حقوق النشر. وتوصيات اللجنة الدولية لمحرري المجلات الطبية International Committee of Medical Journal Editors واختصاراً ICMJE في قسم [استخدام المؤلفين للذكاء الاصطناعي](https://www.icmje.org/recommendations/browse/artificial-intelligence/ai-use-by-authors.html?ref=arabroot.io) تقول الشيء نفسه. 2. **الإفصاح عن الاستخدام:** COPE تطلب أن يذكر المؤلف الأداة وطريقة استخدامها في قسم المنهجية Methods أو قسم مشابه، وICMJE تطلب من المجلة أن تسأل المؤلف عند الإرسال، وأن يشرح المؤلف الاستخدام في خطاب التقديم Cover Letter وفي الموضع المناسب من البحث، وتقول إن عدم الإفصاح قد يحتاج إلى إجراء تصحيحي وقد يعد سوء سلوك Misconduct في بعض الحالات. 3. **المسؤولية كاملة على البشر:** بحسب ICMJE فالبشر مسؤولون عن كل ما أرسلوه، وعليهم أن يراجعوا مخرجات الأداة لأنها قد تكون خاطئة أو ناقصة أو منحازة، وأن يتأكدوا من خلوها من الانتحال Plagiarism، وتقول ICMJE أيضاً إن الاستشهاد بنص أنتجه الذكاء الاصطناعي كمصدر أساسي Primary Source غير مقبول. والصورة التالية تجمع ما يسمح به الناشرون في ثلاثة مستويات، وهي مبنية على تقسيم Springer Nature بالألوان الأخضر والأصفر والأحمر، ومتسقة مع سياسات الناشرين الآخرين: ![ثلاثة أعمدة: مسموح باللون الأخضر ويشمل تدقيق الإملاء والنحو وتحسين الصياغة وترجمة نصك وتلخيص نص كتبته أنت، وبحذر وبإفصاح باللون الأصفر ويشمل المخطط الأولي ومسودة قسم من مدخلاتك والبحث في الأدبيات والرسوم التوضيحية من بيانات حقيقية مع خطر المراجع المختلقة، وممنوع باللون الأحمر ويشمل الأداة كمؤلف وكتابة النتائج والمناقشة وحدها والبيانات أو الصور كأنها تجريبية ورفع البحث الذي تحكمه إلى أداة عامة](https://arabroot.io/content/images/2026/10/ai-academic-writing-01-allowed.webp) كلما اقتربت الأداة من المحتوى العلمي نفسه زاد ما يطلب منك من حذر وإفصاح، والمسؤولية في كل المستويات عليك ## سياسات الناشرين الأربعة قرأنا الصفحات الرسمية التالية يوم 23 أكتوبر 2026، وهي تتغير، لذلك افتح صفحة الناشر نفسه قبل الإرسال، واقرأ أيضاً تعليمات المؤلفين Guide for Authors في المجلة التي تختارها، لأن بعض المجلات تضيف شروطاً فوق سياسة الناشر. ### Elsevier [سياسة Elsevier للذكاء الاصطناعي التوليدي في المجلات](https://www.elsevier.com/about/policies-and-standards/generative-ai-policies-for-journals?ref=arabroot.io)، المحدثة في يونيو 2026، هي الأكثر تفصيلاً بين الأربعة: - **المسموح:** تلخيص الأدبيات وتنظيم المحتوى وتحسين اللغة وفحص اكتمال البحث مقابل الإرشادات، بشرط إشراف بشري دائم، والسياسة تنبه صراحة إلى أن المراجع التي تنتجها الأداة قد تكون خاطئة أو مختلقة. - **الإفصاح:** قسم مستقل قبل قائمة المراجع مباشرة بعنوان قريب من «Declaration of generative AI and AI-assisted technologies in the manuscript preparation process»، بالصيغة: «During the preparation of this work, the author(s) used \[NAME OF TOOL / SERVICE\] in order to \[REASON\]»، وينشر هذا القسم مع البحث. ولا يلزم الإفصاح عن التدقيق الإملائي والنحوي البسيط ولا عن وظائف مدير المراجع الأساسية، أما إعادة صياغة الجمل أو البنية فيجب الإفصاح عنها. واستخدام الذكاء الاصطناعي في تصميم البحث أو منهجه يوصف في قسم المنهجية. - **الصور:** الرسوم التوضيحية مسموحة مع ذكر الأداة في التعليق، ورسوم البيانات مسموحة إذا كانت من بيانات حقيقية بطريقة قابلة للتكرار، أما صور البيانات الأولية مثل صور المجهر والأشعة فلا يجوز إنشاؤها أو تعديلها بالذكاء الاصطناعي، ولا يجوز إنشاء الملخص المرئي Graphical Abstract بأدوات الصور التوليدية العامة. ### Springer Nature [صفحة إعداد البحث بالذكاء الاصطناعي](https://www.springernature.com/gp/policies/editorial-policies/ai-manuscript-preparation?ref=arabroot.io) تقسم الاستخدام إلى ثلاثة مستويات: - **الأخضر (منخفض الخطورة):** تحرير اللغة والنحو، وتحسين الوضوح، والتنسيق، والترجمة، وتلخيص نص كتبه المؤلف، مع وصف الاستخدام وتأكيد مسؤولية المؤلف. - **الأصفر (بحذر):** المخططات الأولية، ومسودات أقسام من مدخلات المؤلف، واقتراح صياغات بديلة، والمساعدة في إدارة المراجع، والرسوم من بيانات قابلة للتحقق، والصفحة تذكر صراحة خطر المراجع المختلقة أو الخاطئة، وتطلب أن يوسم كل محتوى مولد أو مساعد بوضوح. - **الأحمر (ممنوع):** كتابة النتائج أو المناقشة باستقلالية، وتوليد ادعاءات أو تفسيرات علمية، وإنتاج بيانات أو أشكال كأنها تجريبية، وإدراج الأداة كمؤلف، وإنشاء محتوى مرئي بلا مصدر قابل للتحقق. والإفصاح في قسم باسم AI Declaration داخل البحث، ويذكر النظام المستخدم والغرض ومقدار المساهمة، وفي تعليق الشكل نفسه إذا كان الشكل مولداً أو معدلاً. ### Wiley بحسب [إرشادات الأخلاقيات للمؤلفين في Wiley](https://authors.wiley.com/ethics-guidelines/index.html?ref=arabroot.io) وصفحة [إرشادات الذكاء الاصطناعي](https://www.wiley.com/en-gb/publish/article/ai-guidelines/?ref=arabroot.io)، يجوز استخدام الأدوات كأداة إضافية في الكتابة، والمؤلف مسؤول عن صحة كل ادعاء وكل مرجع. والإفصاح مطلوب عند الإرسال، وإذا استخدمت الأداة في تحرير جوهري أو تطوير أو ترجمة للمحتوى فيجب وصف ذلك داخل البحث، ويستثنى ما كان للإملاء والنحو والتحرير العام فقط. وتنبه Wiley إلى أمر يغفل عنه كثيرون: اقرأ شروط الأداة لتعرف هل تدعي حقوقاً على المحتوى الذي ترفعه أو تستخدمه في التدريب. ### Taylor & Francis [سياسة Taylor & Francis للذكاء الاصطناعي](https://taylorandfrancis.com/our-policies/ai-policy/?ref=arabroot.io) تسمح بالتدقيق اللغوي والترجمة والعصف الذهني وترتيب الأدبيات والمساعدة في البرمجة، وتمنع إدراج الأداة كمؤلف. وتطلب في الإفصاح أن تذكر الاسم الكامل للأداة مع رقم الإصدار، وطريقة الاستخدام وسببه، وفي الكتب يكون الإفصاح في المقدمة بعد موافقة المحرر. وتسمح بالرسوم التوضيحية ورسوم البيانات، وتمنع إنشاء أو تعديل مخرجات البحث والفحوص السريرية مثل الصور التشخيصية. ### المقارنة في جدول | | Elsevier | Springer Nature | Wiley | Taylor & Francis | | -------------------------- | --------------------- | --------------------------------------- | ----------------------- | ------------------------------ | | الأداة كمؤلف | ممنوع | ممنوع | ممنوع | ممنوع | | مكان الإفصاح | قسم مستقل قبل المراجع | AI Declaration في البحث وفي تعليق الشكل | عند الإرسال وداخل البحث | بيان إفصاح في البحث | | تدقيق الإملاء والنحو | لا يحتاج إفصاحاً | أخضر، مع وصف الاستخدام | لا يحتاج إفصاحاً | مسموح | | تفاصيل الإفصاح | اسم الأداة والسبب | النظام والغرض ومقدار المساهمة | وصف شفاف للاستخدام | الاسم والإصدار والطريقة والسبب | | صور البيانات الأولية | ممنوع | ممنوع بلا مصدر قابل للتحقق | قيود على تحسين الصور | ممنوع | | رفع البحث إلى أداة للتحكيم | ممنوع | ممنوع في الأدوات العامة | ممنوع | ممنوع | ### كيف تكتب الإفصاح؟ اكتب ما حدث فعلاً بلا تهويل وبلا تقليل: الأداة وإصدارها، وماذا فعلت بها، وما الذي راجعته بنفسك. والصيغة التالية مبنية على صيغة Elsevier مع الإصدار الذي تطلبه Taylor & Francis، ضع ما بين الأقواس المربعة وعدلها بحسب المجلة: > Declaration of generative AI and AI-assisted technologies in the manuscript preparation process: During the preparation of this work the authors used \[TOOL NAME, VERSION, PROVIDER, DATE OF USE\] in order to improve the English language of the Introduction and Discussion. After using this tool, the authors reviewed and edited the content as needed and take full responsibility for the content of the publication. لاحظ أن الصيغة تذكر الأقسام التي استخدمت فيها الأداة، وتؤكد المراجعة والمسؤولية، ولا تذكر «كتب الذكاء الاصطناعي النتائج»، لأن هذا في المنطقة الحمراء عند كل الناشرين ولن ينقذه أي إفصاح. ## وماذا عن المحكم والمحرر؟ البحث الذي يصلك للتحكيم سري، وهو ملك مؤلفيه ولم ينشر بعد، لذلك اتفقت المرجعيات على الآتي: - [ICMJE](https://www.icmje.org/recommendations/browse/artificial-intelligence/ai-use-by-reviewers.html?ref=arabroot.io) تطلب من المحكم الحفاظ على سرية البحث، ولا تسمح برفعه إلى أداة ذكاء اصطناعي إلا إذا سمحت المجلة بذلك صراحة، وتطلب الإفصاح للمجلة عن أي استخدام. - Elsevier تمنع المحكم من رفع البحث أو أي جزء منه إلى أداة ذكاء اصطناعي، وتسمح باستخدام داعم فقط مثل تحسين لغة تقرير التحكيم بأدوات خاصة، وتطلب الإفصاح في التقرير. وتمنع المحرر من رفع البحث إلى أداة خارج أنظمتها التحريرية. - Springer Nature في [صفحة الذكاء الاصطناعي في التحكيم](https://www.springernature.com/gp/policies/editorial-policies/using-ai-in-peer-review?ref=arabroot.io) تضع رفع البحث إلى أدوات عامة أو غير آمنة في المنطقة الحمراء، ومعه توليد تقرير التحكيم كاملاً أو توصية القبول والرفض. - Wiley وTaylor & Francis تمنعان رفع أي جزء من البحث غير المنشور، بما فيه الأشكال والجداول، وتمنعان توليد تقرير التحكيم بالأداة. والسبب العملي وراء هذا المنع أن ما ترفعه إلى خدمة عامة قد يحفظ أو يستخدم في التدريب بحسب شروطها، فتكون قد سربت فكرة باحث آخر قبل نشرها. وإذا كنت تريد مساعدة في لغة تقريرك فاكتب ملاحظاتك بنفسك أولاً، ثم حسن صياغتها دون أن تضع نص البحث في الأداة، وأفصح عن ذلك. ## وفي الجامعات السعودية؟ بحثنا في المواقع الرسمية للجامعات والجهات السعودية يوم 23 أكتوبر 2026 عن دليل منشور لاستخدام الذكاء الاصطناعي التوليدي في الرسائل الجامعية والنشر العلمي، ولم نجد دليلاً رسمياً منشوراً لعمادة دراسات عليا أو عمادة بحث علمي نستطيع أن ننقل عنه، لذلك لن ننقل قواعد لم نقرأها. والعملي هنا أن تسأل مشرفك وعمادة الدراسات العليا في جامعتك عن سياستها قبل أن تستخدم أي أداة في الرسالة، وأن تحتفظ بالإجابة مكتوبة، وأن تطبق في البحث المرسل للمجلة سياسة الناشر كما سبق. وإذا كان بحثك يتعامل مع بيانات أشخاص فلا ترفعها إلى أي أداة عامة، لأن ذلك يدخل في نظام حماية البيانات الشخصية الذي شرحناه في مقال [أخلاقيات البحث على البشر](https://arabroot.io/articles/%D8%A7%D8%AE%D9%84%D8%A7%D9%82%D9%8A%D8%A7%D8%AA-%D8%A7%D9%84%D8%A8%D8%AD%D8%AB-%D8%B9%D9%84%D9%89-%D8%A7%D9%84%D8%A8%D8%B4%D8%B1-%D9%85%D9%86-%D9%84%D8%AC%D9%86%D8%A9-irb-%D8%A7%D9%84%D9%89-%D8%AD%D9%85%D8%A7%D9%8A%D8%A9-%D8%A7%D9%84%D8%A8%D9%8A%D8%A7%D9%86%D8%A7%D8%AA/). ## المراجع المختلقة: ماذا تقول الدراسات المنشورة؟ الهلوسة Hallucination في المراجع أن يكتب النموذج مرجعاً بعنوان مقنع ومؤلفين حقيقيين في المجال ومجلة معروفة وسنة معقولة، ولا يوجد بحث بهذا العنوان أصلاً. والسبب أن النموذج لا يبحث في قاعدة بيانات، وإنما يولد النص الأكثر احتمالاً بعد سؤالك، والعنوان المقنع محتمل جداً حتى لو لم يكتبه أحد. وهذه أرقام دراستين منشورتين ومحكمتين، ولم نشغل أياً منهما بأنفسنا: - **دراسة** [**Walters وWilder في Scientific Reports سنة 2023**](https://doi.org/10.1038/s41598-023-41032-5?ref=arabroot.io)**:** طلبا من ChatGPT مراجعات أدبيات قصيرة في 42 موضوعاً، وفحصا 636 مرجعاً، فوجدا أن 55% من مراجع GPT-3.5 و18% من مراجع GPT-4 مختلقة، وأن 43% من المراجع الحقيقية عند GPT-3.5 و24% عند GPT-4 فيها أخطاء جوهرية في بيانات المرجع. - **دراسة** [**Chelli وزملائه في Journal of Medical Internet Research سنة 2024**](https://doi.org/10.2196/53164?ref=arabroot.io)**:** طلبوا من ChatGPT وBard مراجع لإحدى عشرة مراجعة منهجية، وفحصوا 471 مرجعاً، واعتبروا المرجع مختلقاً إذا أخطأ في اثنين من ثلاثة هي العنوان والمؤلف الأول والسنة، فكانت نسبة الاختلاق 39.6% لـ GPT-3.5 و28.6% لـ GPT-4 و91.4% لـ Bard. والنماذج تحسنت منذ ذلك الوقت، وبعض المنتجات اليوم تبحث في الإنترنت قبل أن تجيب، ولكن الدرس لم يتغير: لا يدخل قائمة مراجعك بحث لم تفتحه بنفسك. وبدلاً من أن نصدق أو نكذب أي رقم، سوف نقيس بأنفسنا في المختبر التالي. ## مختبر: نطلب مراجع من نموذج ونتحقق منها آلياً لم نستخدم في هذا المختبر أي خدمة سحابية أو مفتاح API، وإنما شغلنا نموذجاً مفتوحاً على جهازنا عبر Ollama، وهو Qwen2.5 بحجم 7B، وطلبنا منه عشرة مراجع عن أثر الصف المقلوب Flipped Classroom في تحصيل طلاب الجامعة، ثم تحققنا من كل مرجع آلياً عبر واجهتي [Crossref](https://www.crossref.org/documentation/retrieve-metadata/rest-api/?ref=arabroot.io) و[OpenAlex](https://docs.openalex.org/?ref=arabroot.io) المجانيتين. ولاحظ أن هذا نموذج صغير يعمل بلا اتصال بالإنترنت، وليس ChatGPT ولا أي منتج تجاري، لذلك لا تعمم أرقامه على النماذج الكبيرة، وإنما خذ منه الطريقة التي تتحقق بها من أي قائمة مراجع، والأنماط التي تكشف المرجع المختلق. والصورة التالية تبين خطوات التحقق: ![مخطط من ثلاث خطوات: النموذج يكتب عشرة مراجع بصيغة JSON فيها العنوان والمؤلفون والسنة وDOI، ثم فحص DOI في Crossref هل هو موجود وهل يشير إلى البحث نفسه، ثم البحث بالعنوان في Crossref وOpenAlex بتشابه 90% أو أكثر، والنتيجة حقيقي أو حقيقي بتفاصيل خاطئة أو غير موجود، مع ملاحظة أن غير الموجود قد يكون رسالة جامعية أو بحثاً عربياً بلا DOI](https://arabroot.io/content/images/2026/10/ai-academic-writing-02-verify.webp) كل مرجع يمر بفحصين: هل الـ DOI حقيقي ويشير إليه، وهل يوجد بحث بهذا العنوان أصلاً ### طلب المراجع من النموذج شغلنا Ollama في Container على شبكة Docker داخلية بدون نشر أي منفذ، وحملنا النموذج: ```bash docker network create refs-net docker run -d --name ollama --network refs-net -v ollama:/root/.ollama ollama/ollama:0.40.3 docker exec ollama ollama pull qwen2.5:7b ``` ثم السكربت التالي يرسل الطلب ويحفظ الإجابة، ولاحظ أننا ثبتنا درجة العشوائية `temperature` على صفر والبذرة `seed` لتكون النتيجة قابلة للتكرار، وطلبنا الإجابة بصيغة JSON ليسهل فحصها: ```python """Ask a local model (Ollama) for references on a topic and save them as JSON (stdlib only). Usage: python ask.py http://ollama:11434 MODEL TOPIC_ID out/""" import json, sys, time, urllib.request, os OLLAMA, MODEL, TOPIC, OUT = sys.argv[1].rstrip('/'), sys.argv[2], sys.argv[3], sys.argv[4] os.makedirs(OUT, exist_ok=True) PROMPTS = { 'flipped-en': 'List 10 peer-reviewed journal articles about the effect of the flipped classroom on student ' 'achievement in higher education. Return only a JSON array; each element has the keys ' 'title, authors (list of family names), year, journal, doi.', 'elearning-ar': 'اذكر 10 أبحاث عربية منشورة في مجلات محكمة عن التعلم الإلكتروني في الجامعات السعودية. ' 'أعد مصفوفة JSON فقط، وكل عنصر فيه المفاتيح title وauthors (قائمة بأسماء العائلة) وyear ' 'وjournal وdoi.', } body = {'model': MODEL, 'prompt': PROMPTS[TOPIC], 'stream': False, 'format': 'json', 'options': {'temperature': 0, 'seed': 42, 'num_predict': 2000}} t = time.time() req = urllib.request.Request(OLLAMA + '/api/generate', data=json.dumps(body).encode(), headers={'Content-Type': 'application/json'}) r = json.load(urllib.request.urlopen(req, timeout=3600)) secs = time.time() - t text = r['response'] try: data = json.loads(text) except json.JSONDecodeError: data = None if isinstance(data, dict): # some models wrap the array: {"articles": [...]} data = next((v for v in data.values() if isinstance(v, list)), [data]) name = f"{OUT}/{MODEL.replace(':', '_').replace('/', '_')}__{TOPIC}.json" json.dump({'model': MODEL, 'topic': TOPIC, 'prompt': PROMPTS[TOPIC], 'seconds': round(secs, 1), 'eval_count': r.get('eval_count'), 'raw': text, 'refs': data}, open(name, 'w', encoding='utf-8'), ensure_ascii=False, indent=1) print(f"{MODEL} {TOPIC}: {len(data or [])} references in {secs:.0f}s ({r.get('eval_count')} tokens) -> {name}") ``` ```bash docker run --rm --network refs-net -v "$PWD:/lab" -w /lab python:3.13.17-slim python -X utf8 ask.py http://ollama:11434 qwen2.5:7b flipped-en out ``` والنموذج على معالج مشترك بلا كرت شاشة GPU كتب 994 Token في نحو 40 دقيقة (2373 ثانية)، أي نحو نصف Token في الثانية، وهذه بداية ما كتبه: ```json [ { "title": "The Flipped Classroom: An Overview Based on Empirical Research", "authors": ["Kovanovic", "Gašević", "Cerovska", "Hmelo-Silver"], "year": 2015, "journal": "International Review of Research in Open and Distributed Learning", "doi": "10.19173/irrodl.v16i4.19649" }, { "title": "The Flipped Classroom: A Systematic Literature Review", "authors": ["Hmelo-Silver", "Kovanovic", "Gašević"], "year": 2016, "journal": "Review of Educational Research", "doi": "10.3102/0034654316650203" }, ... ``` والقائمة تبدو مقنعة لأول وهلة: مجلات معروفة في تقنيات التعليم، وأسماء تشبه أسماء باحثين معروفين في المجال، وأرقام DOI بالبادئة الصحيحة لكل ناشر، فالبادئة `10.3102` مثلاً هي فعلاً بادئة الجمعية الأمريكية للبحث التربوي AERA التي تصدر مجلة Review of Educational Research، والبادئة `10.1186` بادئة Springer التي تنشر عبر BMC المجلة الدولية لتقنيات التعليم في التعليم العالي، بحسب سجل البادئات في Crossref. ولكن لاحظ أن العناصر من الخامس إلى العاشر لها العنوان نفسه حرفياً «The Flipped Classroom: A Systematic Review of the Literature» والمؤلفين أنفسهم، بسنة تزيد واحداً في كل مرة من 2019 إلى 2024، وهذا نمط يتكرر في المراجع المختلقة. ### سكربت التحقق السكربت التالي يفحص كل مرجع بخطوتين: يسأل Crossref عن الـ DOI مباشرة ويقارن عنوان البحث الذي يشير إليه بالعنوان المكتوب، ثم يبحث عن العنوان نفسه في Crossref وOpenAlex، ويعتبر المرجع موجوداً إذا وجد عنواناً يشبهه بنسبة 90% أو أكثر، ثم يقارن السنة والمؤلف الأول: ```python """Check every reference an LLM produced against Crossref and OpenAlex (stdlib only). Usage: python verify.py out/*.json""" import json, sys, re, time, difflib, unicodedata, urllib.request, urllib.parse, urllib.error MAILTO = 'lab@example.com' # Crossref asks for a contact address in the "polite" pool def get(url): for attempt in range(3): try: req = urllib.request.Request(url, headers={'User-Agent': f'arabroot-lab/1.0 (mailto:{MAILTO})'}) with urllib.request.urlopen(req, timeout=30) as r: return r.status, json.load(r) except urllib.error.HTTPError as e: if e.code in (404, 400): return e.code, None time.sleep(2 * (attempt + 1)) except Exception: time.sleep(2 * (attempt + 1)) return 0, None def norm(s): s = unicodedata.normalize('NFKC', str(s or '')).lower() s = re.sub('[إأآا]', 'ا', s).replace('ة', 'ه').replace('ى', 'ي') return re.sub(r'[^\w\s]', ' ', s).split() def sim(a, b): return difflib.SequenceMatcher(None, ' '.join(norm(a)), ' '.join(norm(b))).ratio() def candidates(ref): """Records from Crossref and OpenAlex that look like this reference.""" out = [] q = urllib.parse.urlencode({'query.bibliographic': f"{ref.get('title', '')} {' '.join(str(a) for a in (ref.get('authors') or [])[:1])}", 'rows': 5, 'mailto': MAILTO}) st, d = get(f'https://api.crossref.org/works?{q}') for it in (d or {}).get('message', {}).get('items', []): out.append({'src': 'crossref', 'doi': it.get('DOI', '').lower(), 'title': (it.get('title') or [''])[0], 'year': (it.get('issued', {}).get('date-parts') or [[None]])[0][0], 'families': [a.get('family', '') for a in it.get('author', [])]}) q = urllib.parse.urlencode({'search': ref.get('title', ''), 'per-page': 5, 'mailto': MAILTO}) st, d = get(f'https://api.openalex.org/works?{q}') for it in (d or {}).get('results', []): out.append({'src': 'openalex', 'doi': (it.get('doi') or '').replace('https://doi.org/', '').lower(), 'title': it.get('title') or '', 'year': it.get('publication_year'), 'families': [((a['author'].get('display_name') or '').split() or [''])[-1] for a in it.get('authorships', [])]}) return out def check(ref): title, year = ref.get('title', ''), ref.get('year') first = str((ref.get('authors') or [''])[0]) doi = str(ref.get('doi') or '').lower().replace('https://doi.org/', '').strip() res = {'title': title, 'year': year, 'doi': doi or '-'} # 1) the DOI the model gave: does it exist, and is it this paper? if doi.startswith('10.'): st, d = get(f'https://api.crossref.org/works/{urllib.parse.quote(doi)}') if st == 200: real = (d['message'].get('title') or [''])[0] res['doi_status'] = 'matches' if sim(real, title) >= 0.9 else 'other paper' res['doi_points_to'] = real[:90] else: res['doi_status'] = 'does not exist' else: res['doi_status'] = 'none given' # 2) does a work with this title exist at all? cands = candidates(ref) good = [c for c in cands if sim(c['title'], title) >= 0.9] # a title can exist as a preprint and as the journal version: prefer the record whose year and author agree good.sort(key=lambda c: (str(c['year']) == str(year), any(sim(first, f) >= 0.8 for f in c['families'] if f)), reverse=True) best = good[0] if good else max(cands, key=lambda c: sim(c['title'], title), default=None) score = sim(best['title'], title) if best else 0 res['best_score'] = round(score, 2) if best and score >= 0.9: year_ok = str(best['year']) == str(year) author_ok = any(sim(first, f) >= 0.8 for f in best['families'] if f) doi_ok = res['doi_status'] in ('matches', 'none given') res['found'] = f"{best['src']} {best['doi'] or '-'} ({best['year']})" res['verdict'] = 'real' if (year_ok and author_ok and doi_ok) else 'real, wrong details' res['detail'] = ('' if year_ok else f"year {year}->{best['year']} ") + ('' if author_ok else 'first author differs ') + ('' if doi_ok else 'wrong DOI') else: res['verdict'] = 'not found' res['closest'] = f"{(best or {}).get('title', '')[:80]!r} ({score:.2f})" return res for path in sys.argv[1:]: run = json.load(open(path, encoding='utf-8')) refs = run['refs'] or [] print(f"\n=== {run['model']} / {run['topic']}: {len(refs)} references") tally = {} for i, ref in enumerate(refs, 1): r = check(ref) tally[r['verdict']] = tally.get(r['verdict'], 0) + 1 tally['doi ' + r['doi_status']] = tally.get('doi ' + r['doi_status'], 0) + 1 print(f"{i:2}. [{r['verdict']}] {str(r['title'])[:80]} ({r['year']})") print(f" doi {r['doi']}: {r['doi_status']}" + (f" -> {r.get('doi_points_to')}" if r['doi_status'] == 'other paper' else '')) print(f" " + (f"found {r['found']} {r.get('detail', '')}" if 'found' in r else f"closest {r['closest']}")) r['ref'] = ref run.setdefault('checks', []).append(r) print(' summary:', ', '.join(f'{k}: {v}' for k, v in sorted(tally.items()))) json.dump(run, open(path.replace('.json', '.checked.json'), 'w', encoding='utf-8'), ensure_ascii=False, indent=1) ``` وقبل أن نثق بالسكربت جربناه على أربعة مراجع نعرف إجابتها: بحث Walters وWilder بـ DOI صحيح، وبحث PRISMA 2020 بسنة خاطئة وDOI لبحث آخر، وبحث عربي حقيقي بلا DOI، ومرجع اخترعناه بأنفسنا. فصنف الأول «real»، والثاني «real, wrong details» لأن الـ DOI يشير إلى بحث آخر، والثالث «real» بعد أن وجده في Crossref، والرابع «not found» لأن الـ DOI غير موجود وأقرب عنوان تشابهه 0.59 فقط. والسكربت لا يحتاج إلى مفتاح، ويضع عنوان بريد في الطلب كما تطلب Crossref من المستخدمين المهذبين Polite Pool. ### النتيجة: عشرة من عشرة غير موجودة ```bash python -X utf8 verify.py out/qwen2.5_7b__flipped-en.json ``` والمخرج سوف يكون كما يلي: ```text === qwen2.5:7b / flipped-en: 10 references 1. [not found] The Flipped Classroom: An Overview Based on Empirical Research (2015) doi 10.19173/irrodl.v16i4.19649: does not exist closest 'The Flipped ESL Classroom for Outcome-Based Education: A Critical Synthesis of E' (0.63) 2. [not found] The Flipped Classroom: A Systematic Literature Review (2016) doi 10.3102/0034654316650203: does not exist closest 'Flipped Classroom in Programming Course: A Systematic Literature Review' (0.79) 3. [not found] The Flipped Classroom: A Systematic Review and Meta-Analysis (2017) doi 10.3102/0034654317696923: does not exist closest 'The Flipped Classroom in Medical Education: Systematic Review and Meta-Analysis' (0.86) 4. [not found] The Flipped Classroom: A Systematic Review of Empirical Research (2018) doi 10.1186/s41239-018-0102-2: does not exist closest 'Putting Flipped Classroom into Practice: A Comprehensive Review of Empirical Res' (0.73) 5. [not found] The Flipped Classroom: A Systematic Review of the Literature (2019) doi 10.1186/s41239-019-0182-2: does not exist closest 'Self-Regulated Learning in Flipped Classrooms: A Systematic Literature Review' (0.64) 6. [not found] The Flipped Classroom: A Systematic Review of the Literature (2020) doi 10.1186/s41239-020-00221-2: other paper -> Identifying and characterizing students suspected of academic dishonesty in SPOCs for cred closest 'Self-Regulated Learning in Flipped Classrooms: A Systematic Literature Review' (0.64) ... 10. [not found] The Flipped Classroom: A Systematic Review of the Literature (2024) doi 10.1186/s41239-024-00461-2: does not exist closest 'Self-Regulated Learning in Flipped Classrooms: A Systematic Literature Review' (0.64) summary: doi does not exist: 9, doi other paper: 1, not found: 10 ``` في المخرج أعلاه لاحظ التالي: - **لا يوجد أي مرجع من العشرة** في Crossref أو OpenAlex، وأقرب عنوان حقيقي وصل تشابهه إلى 0.86 فقط، وهو بحث عن الصف المقلوب في التعليم الطبي. - **تسعة أرقام DOI غير موجودة أصلاً**، والعاشر موجود ولكنه يشير إلى بحث حقيقي آخر عن الغش الأكاديمي في المقررات الإلكترونية. وهذا أخطر من الـ DOI غير الموجود، لأن من يضغط الرابط سريعاً يرى صفحة بحث حقيقي في مجلة حقيقية فيظن أن المرجع صحيح. - **العناوين عامة جداً** مثل «A Systematic Review of the Literature»، وهي تشبه آلاف العناوين الحقيقية، لذلك لا يكفي أن تبحث في Google عن العنوان وترى نتائج مشابهة، وإنما يجب أن تجد البحث نفسه بعنوانه ومؤلفيه وسنته. ⚠️ «غير موجود» في Crossref وOpenAlex معاً دليل قوي، ولكنه ليس حكماً نهائياً، فبعض الرسائل الجامعية والأبحاث العربية القديمة ليس لها DOI ولا تفهرسها القاعدتان. لذلك راجع كل مرجع «غير موجود» يدوياً في Google Scholar وقواعد الرسائل العربية في المكتبة الرقمية السعودية قبل أن تحكم عليه، والقاعدة الأبسط من ذلك كله: لا تستشهد ببحث لم تفتحه. ## وهل تكشف أدوات كشف الذكاء الاصطناعي ما كتبته؟ قد يتساءل البعض: هل تستخدم المجلات أدوات كشف النص المولد AI Detectors، وهل أخاف منها؟ والإجابة أن هذه الأدوات تخطئ في الاتجاهين، فتتهم نصوصاً كتبها بشر، خصوصاً من يكتبون بلغة غير لغتهم الأم، وتفوت نصوصاً مولدة بعد إعادة صياغتها، وقد ناقشنا حدودها في مقال [الواجبات والاختبارات الجامعية في زمن الذكاء الاصطناعي](https://arabroot.io/articles/%D8%A7%D9%84%D9%88%D8%A7%D8%AC%D8%A8%D8%A7%D8%AA-%D9%88%D8%A7%D9%84%D8%A7%D8%AE%D8%AA%D8%A8%D8%A7%D8%B1%D8%A7%D8%AA-%D8%A7%D9%84%D8%AC%D8%A7%D9%85%D8%B9%D9%8A%D8%A9-%D9%81%D9%8A-%D8%B2%D9%85%D9%86-%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A/). لذلك لا تبن قرارك على الخوف من الكشف، وإنما على السياسة: أفصح عن كل ما يحتاج إلى إفصاح، فالإفصاح لا يضرك عند أي ناشر من الأربعة، و[Springer Nature](https://www.springernature.com/gp/policies/editorial-policies/using-ai-in-peer-review?ref=arabroot.io) تقول صراحة للمحكمين إن الإفصاح لا يؤثر سلباً على دورهم. أما المراجع المختلقة فلا تحتاج إلى أي أداة كشف، فهي تنكشف عند أول محكم يبحث عن مرجع واحد. ## طريقة عمل آمنة 1. **ابدأ بنفسك:** اكتب الفكرة والمخطط والنتائج بنفسك، فهذه هي المساهمة العلمية التي تحمل اسمك. 2. **استخدم الأداة للغة وليس للمحتوى:** حسن صياغة فقرة كتبتها، أو ترجم ملخصك، ثم راجع أن المعنى لم يتغير، فالأداة قد تقوي ادعاءً أو تحذف قيداً مهماً. 3. **لا تأخذ مرجعاً من الأداة:** ابحث عن المراجع في القواعد كما شرحنا في مقال [كيف تجد الفجوة البحثية](https://arabroot.io/articles/%D9%83%D9%8A%D9%81-%D8%AA%D8%AC%D8%AF-%D8%A7%D9%84%D9%81%D8%AC%D9%88%D8%A9-%D8%A7%D9%84%D8%A8%D8%AD%D8%AB%D9%8A%D8%A9-%D9%81%D9%8A-%D8%A7%D9%84%D8%A7%D8%AF%D8%A8%D9%8A%D8%A7%D8%AA-%D8%A7%D9%84%D8%B9%D9%84%D9%85%D9%8A%D8%A9/)، وأدخلها من DOI إلى مدير المراجع، واقرأ ما تستشهد به. 4. **لا ترفع ما ليس لك:** بيانات المشاركين، والبحث الذي تحكمه، ومقترحات المنح السرية. 5. **سجل ما فعلت:** الأداة وإصدارها والتاريخ والأقسام، لتكتب الإفصاح بدقة عند الإرسال. ## أخطاء شائعة - **نسخ قائمة مراجع من الأداة:** رأينا في المختبر وفي الدراستين أن جزءاً كبيراً منها غير موجود أو بتفاصيل خاطئة. - **الوثوق بالـ DOI لأنه يبدو صحيحاً:** الـ DOI المختلق قد يشير إلى بحث حقيقي آخر تماماً، فافتحه دائماً. - **الإفصاح العام الغامض:** «استخدمنا أدوات الذكاء الاصطناعي» لا يكفي عند أي ناشر، فاذكر الأداة والإصدار والغرض والأقسام. - **رفع البحث الذي تحكمه إلى ChatGPT لتلخيصه:** ممنوع عند الناشرين الأربعة وعند ICMJE إلا بإذن صريح من المجلة. - **الاعتماد على سياسة قديمة:** Elsevier حدثت سياستها في يونيو 2026، فاقرأ الصفحة يوم الإرسال وليس يوم بدأت البحث. ## الخلاصة - الأداة ليست مؤلفاً عند COPE وICMJE والناشرين الأربعة، والمسؤولية عن كل كلمة وكل مرجع على المؤلف البشري. - تحسين اللغة والترجمة مسموح في الغالب، وكتابة المسودات بحذر وإفصاح، وتوليد النتائج والبيانات والصور كأنها تجريبية ممنوع. - الإفصاح مطلوب، ومكانه وتفاصيله تختلف: قسم مستقل قبل المراجع عند Elsevier، وAI Declaration عند Springer Nature، والاسم والإصدار عند Taylor & Francis. - المحكم والمحرر لا يرفعان البحث إلى أداة عامة عند أي ناشر من الأربعة. - في مختبرنا كتب نموذج محلي صغير عشرة مراجع مقنعة لم يوجد منها شيء، ومنها DOI يشير إلى بحث حقيقي آخر، وفي الدراسات المنشورة كانت نسبة المختلق عند ChatGPT من 18% إلى 55% بحسب الإصدار والدراسة. - لم نجد دليلاً رسمياً منشوراً لجامعة سعودية في هذا الموضوع، فاسأل عمادة الدراسات العليا في جامعتك واحتفظ بالإجابة مكتوبة. وبهذا نكون قد أنهينا أدوات الكتابة في هذه المرحلة، وفي المقالات القادمة بإذن الله سوف نتناول أدوات التحليل الإحصائي، ثم إدارة بيانات البحث ومشاركتها. ## تدريب عملي - اطلب من أداة الذكاء الاصطناعي التي تستخدمها عشرة مراجع في موضوع رسالتك، ثم شغل عليها سكربت التحقق في هذا المقال، وسجل كم مرجعاً وجدته حقيقياً بتفاصيل صحيحة. - افتح تعليمات المؤلفين في المجلة التي تستهدفها، واكتب منها إفصاحاً لاستخدامك الفعلي للأدوات في بحثك الحالي. ## سجل التحديثات أكتوبر 2026: كتابة المقال بعد قراءة سياسات COPE وICMJE وElsevier وSpringer Nature وWiley وTaylor & Francis يوم 23 أكتوبر 2026، وتشغيل المختبر على Ollama 0.40.3 مع النموذج qwen2.5:7b.