تشخیص خودکار محتوای تولید شده توسط هوش مصنوعی

پیشرفت مدلهای زبانی هوش مصنوعی، شناسایی متون تولید شده توسط این مدلها را در مح یطهای آموزشی به چالشی کلیدی برای حفظ یکپارچگی علمی تبدیل کرده است. این پژوهش روشی خودکار برای تشخیص متون مصنوعی در تکالیف آموزشی ارائه میدهد. چارچوب پ یشنهادی شامل استخراج ویژگیهای زبانی-آماری، کاهش ابعاد با تحلیل مولفه های اصلی، و مدلسازی با الگوریتمهای یادگیری ماشین (جنگل تصادفی، ماشین بردار پشتیبان، و ارائه کدگذاری شده دو مسیره از انتقالدهنده ها (BERT) است. مجموعه دادهای با ۶۰۰۰ نمونه متنی ( ۳۰۰۰ انسانی و ۳۰۰۰ مصنوعی) برای آموزش و ارزیابی استفاده شد. نتایج نشان داد که مدلها با دقت ۹۲% قادر به تفکیک متون هستند، و مطالعه موردی روی ۲۰۰ تکلیف دانشجویی دقت ۹۲% را برای BERT تایید کرد. تحلیل خطا حاکی از چالش متون خنثی با شاخصههای زبانی محدود بود. این روش میتواند در طراحی سامانه های تشخیص تقلب علمی موثر باشد و به حفظ استانداردهای آموزشی کمک کند.

کلیدواژه ها:

تشخیص متن ، هوش مصنوعی ، تقلب علمی ، یادگیری ماشین ، پردازش زبان طبیعی