الاحتيال في الالتحاق بالذكاء الاصطناعي يكشف نقطة ضعف في تمويل الكليات المجتمعية

طلاب وهميون، وأموال حقيقية: كيف يوسّع الذكاء الاصطناعي نوعًا جديدًا من احتيال الجامعات

أصبح نمط احتيال متنامٍ في الكليات المجتمعية الأمريكية يحوّل مشكلة مألوفة في التعليم العالي إلى شيء أكثر أتمتة وأصعب في الاكتشاف. ووفقًا لتقرير لخصته The Decoder عن The New Yorker، يقوم محتالون بتسجيل طلاب وهميين في المقررات الجامعية، وجمع المساعدات المالية، واستخدام أدوات الذكاء الاصطناعي لإنجاز ما يكفي من العمل الدراسي لإبقاء المخطط مستمرًا.

الآلية بسيطة بما يكفي لتكون مقلقة. يبدو أن المحتالين ينشئون أو يسيطرون على هويات طلابية، ويسجلون في صفوف يمكن أخذها عن بُعد، ويؤمّنون المساعدات المرتبطة بهذه التسجيلات، ثم يعتمدون على الذكاء الاصطناعي التوليدي لإنتاج منشورات النقاش أو الواجبات أو غيرها من التسليمات المطلوبة. والنتيجة شكل من الاحتيال لا يعتمد على التفوق الأكاديمي أو المعرفة العميقة بالمجال، بل يعتمد على الظهور بمظهر معقول إلى أن تنتقل الأموال.

وتكتسب هذه النقطة أهمية لأنها تغيّر ملف المخاطر بالنسبة للمؤسسات. فقد تعاملت الجامعات منذ زمن طويل مع الانتحال ومشكلات الهوية وإساءة استخدام المساعدات. لكن المختلف هنا هو القدرة على تحويل المشاركة منخفضة الجهد إلى عملية صناعية. فالذكاء الاصطناعي يخفض كلفة الحفاظ على مظهر النشاط الطلابي، خصوصًا في المقررات الإلكترونية غير المتزامنة حيث تكون المراجعة المباشرة محدودة أو معدومة.

لماذا تكون المقررات غير المتزامنة أكثر عرضة

تشير الرواية التي نقلتها The Decoder إلى أن الصفوف الإلكترونية غير المتزامنة هي الجزء الأكثر انكشافًا في النظام. ففي هذه البيئات قد لا يحتاج الطلاب أبدًا إلى الظهور أمام الكاميرا، أو التحدث مباشرة مع المدرس، أو إثبات التأليف المستقل في الوقت الحقيقي. وهذا يمنح التسجيلات الاحتيالية مساحة للعمل خلف ملفات عامة، وكتابة نمطية، وردود آلية.

وقال الأستاذ David Song في East Los Angeles College للمصدر إنه بدأ يلاحظ المشكلة قبل بضع سنوات، عندما بدأ طلاب بأسماء أنجلوساكسونية عامة بالظهور في صف التاريخ الذي يدرّسه رغم أن غالبية الطلاب من اللاتينيين والآسيويين. كما أثارت قصصهم الخلفية أسئلة. فقد ادعى بعضهم خبرة أكاديمية في موضوعات تتعلق بالأمريكيين الآسيويين لكنها لم تتوافق مع ما كان يراه. وكانت تلك التناقضات دليلًا، لكن فقط لأن المدرس لاحظ أنماطًا قد تغفلها الأنظمة البرمجية.

والتفصيل هنا كاشف. فالاحتيال في التعليم يظهر غالبًا أولًا من خلال الحدس المحلي لا من خلال الكشف المركزي. فالاسم الذي لا ينسجم مع النمط العام في الصف ليس دليلًا بحد ذاته، لكن مجموعة من الهويات غير المرجحة، والسجلات الأكاديمية المشكوك فيها، والعمل المكتوب آليًا يمكن أن تصبح صعبة التجاهل. وتكمن المشكلة للكليات في أن هذه الأحكام لا تتوسع بسهولة، بينما يتوسع الاحتيال نفسه أكثر فأكثر.

الذكاء الاصطناعي ليس هو الاحتيال، لكنه المضاعف

يقدّم تقرير The Decoder تمييزًا مهمًا من خلال سياسة Song في الصف. فهو يسمح باستخدام الذكاء الاصطناعي، لكن فقط مع الوسم والالتزام بمتطلبات النزاهة الأكاديمية. وشكواه ليست من وجود الذكاء الاصطناعي، بل من تجاهل القواعد حتى عندما يكون المحتوى مولدًا آليًا بوضوح. وهذا يشير إلى أن المشكلة الأساسية ليست اعتماد الأداة في حد ذاته، بل الطريقة التي يمكن بها استخدام الذكاء الاصطناعي لمحاكاة المشاركة بكلفة منخفضة جدًا.

في صف شرعي، قد يستخدم الطالب الذكاء الاصطناعي للعصف الذهني أو التلخيص أو المراجعة، مع الاستمرار في القيام بعمل التعلم الأساسي. أما في سيناريو الاحتيال الموصوف هنا، فيصبح الذكاء الاصطناعي محركًا للمشاركة. ويمكنه إنتاج ما يكفي من النص لتجاوز نقاط التحقق الدنيا من دون أي علاقة تعليمية حقيقية خلف الحساب. وهذا ما يجعله مفيدًا خصوصًا في المخططات التي لا يكون هدفها اجتياز المقرر بامتياز، بل الحفاظ على وهم أن التسجيل ما يزال قائمًا.

ولهذا تقع المشكلة عند تقاطع النزاهة الأكاديمية والضوابط المالية. فقد صُممت أنظمة الانتحال التقليدية لمقارنة عمل الطالب بمصادر موجودة أو ببعضها البعض. وهي أقل ملاءمة لكشف ما إذا كان الطالب المزعوم حقيقيًا ومشاركًا ومؤهلًا للمساعدة المرتبطة بالتسجيل. ويعقّد الذكاء الاصطناعي هذه الفجوة بجعل المشاركة الاصطناعية تبدو أكثر استمرارية وأكثر استجابة.

ما يراه المدرسون على الأرض

يتضمن التقرير رواية أستاذ ثانٍ توسّع الصورة خارج صف واحد. فقد قدّر أستاذ التاريخ David Roach أن أكثر من نصف طلابه يستخدمون الذكاء الاصطناعي في الأوراق، وطرح سؤالًا مباشرًا: هل كان الحال دائمًا أن نصف الطلاب سيغشون إذا كان الأمر سهلًا بما يكفي؟ والتعليق أقل كونه قياسًا وأكثر كونه تحذيرًا. فعندما تنخفض عوائق الغش، تصبح نقاط الضعف الكامنة في النظام أكثر وضوحًا.

وتكتسب هذه الملاحظة أهمية لأنها تشير إلى مشكلتين متداخلتين. الأولى هي الاستخدام الواسع غير المصرح به للذكاء الاصطناعي من قبل طلاب حقيقيين. والثانية هي الاحتيال الصريح في التسجيل من قبل أشخاص أو شبكات تسعى وراء أموال المساعدات. وهما ليسا الشيء نفسه، لكنهما قد يمتزجان من منظور المدرس. فكلاهما يمكن أن ينتج أعمالًا دراسية منخفضة الأصالة. وكلاهما يمكن أن يقوّض الثقة في بيئات التعلم عن بُعد. وكلاهما يزيد العبء على أعضاء هيئة التدريس الذين يُطلب منهم الحكم على الأصالة مهمةً بعد مهمة.

بالنسبة للكليات، يكمن الخطر في أن التركيز فقط على جانب المخالفة الأكاديمية يتجاهل البعد المالي والإداري. فإذا تمكن طالب وهمي من البقاء مسجلاً بما يكفي لتفعيل صرف المساعدة أو الاحتفاظ بها، فإن فشل النزاهة يكون مؤسسيًا، لا تربويًا فحسب.

النموذج التجاري للمخطط

ما يجعل هذا النمط لافتًا هو أنه يبدو أنه يستغل عدة حوافز قائمة في وقت واحد. فالكليات المجتمعية غالبًا ما توفر وصولًا واسعًا، وجدولة مرنة، وخيارات عبر الإنترنت مصممة لتوسيع الفرص. أما أنظمة المساعدات المالية فمصممة لدعم هذا الوصول. وفي الوقت نفسه، أدوات الذكاء الاصطناعي رخيصة ومتاحة على نطاق واسع. وعند جمعها معًا، تنشأ ثغرة يمكن أن تُستخدم فيها البنية التحتية الخاصة بالوصول ضد نفسها.

من وجهة نظر المحتال، يكون النموذج فعالًا. يمكن أن يتم التسجيل على نطاق واسع. ويمكن تفويض العمل الدراسي إلى الأوامر النصية والمسودات الآلية. ويُحتفظ بالجهد البشري للتعامل مع إجراءات التسجيل والمساعدات بدلًا من الدراسة. وإذا ظل الكشف يعتمد أساسًا على العمل اليدوي، فإن الاقتصاد يصب في صالح المحاولات المتكررة.

ولهذا السبب لا ينبغي اختزال القضية في قصة انضباط صفي. فهي أقرب إلى مشكلة إساءة استخدام منصة. فالكليات هي المنصة، والمساعدة هي آلية الدفع، والذكاء الاصطناعي طبقة إنتاجية تساعد الجهات السيئة على البقاء داخل النظام مدة أطول مما كانت ستستطيع.

ما الذي قد تحتاج الكليات إلى إعادة التفكير فيه

لا يقدم النص المصدر خارطة طريق سياسية، لكنه يشير بوضوح إلى أين يتزايد الضغط. ومن المرجح أن تواجه المقررات غير المتزامنة تدقيقًا أكبر. وقد تصبح التحقق من الهوية أكثر أهمية في عدة نقاط داخل المقرر، لا عند التسجيل فقط. وقد يُدفَع المدرسون أيضًا نحو تقييمات أكثر مباشرة أو مرحلية تتطلب من الطلاب إثبات التأليف في الوقت الحقيقي. وقد تحتاج مراقبة المساعدات المالية كذلك إلى تنسيق أوثق مع تحليلات الالتحاق وإشارات المشاركة في المقرر.

ولا يخلو أي من هذه التحولات من التكلفة. فالكليات المجتمعية تعمل تحت قيود موارد وتخدم طلابًا يستفيد الكثير منهم أكثر من الوصول الإلكتروني المرن. ويمكن للضوابط الأقوى على الهوية، أو زيادة المتطلبات المتزامنة، أو المراجعة اليدوية الأثقل أن تخلق أعباء جديدة على المتعلمين الشرعيين. وهذه هي المعضلة السياسية الأساسية. فكلما كان النظام أكثر انفتاحًا، كان أسهل إساءة استخدامه. وكلما أصبح أكثر تقييدًا، زاد خطر استبعاد الطلاب الذين صُمم لخدمتهم.

تحذير لقطاعات أخرى تستخدم الثقة المعتمدة على الذكاء الاصطناعي

الدرس الأعمق لا يقتصر على الكليات. فأي مؤسسة تربط الهوية والأهلية والمشاركة الرقمية عن بُعد بالمال أو الوصول يجب أن تتوقع نمو الانتحال المدعوم بالذكاء الاصطناعي وتمثيل الامتثال. والتعليم مجرد أحد أوضح الأمثلة الحالية لأن المخرجات المطلوبة للبقاء نشطًا في النظام تكون في الغالب نصية، والنص هو ما ينتجه الذكاء الاصطناعي التوليدي بأقل تكلفة.

وهذا يجعل قصة احتيال الكليات المجتمعية جديرة بالمتابعة خارج التعليم العالي. فهي تُظهر كيف يمكن للذكاء الاصطناعي أن يعزز عمليات النصب القديمة عبر أتمتة الجزء الممل في الوسط: منشورات النقاش، والواجبات القصيرة، والإشارات منخفضة المخاطر التي تخبر المؤسسة بأن المستخدم حاضر ويتقدم. وعندما لا تعود هذه الإشارات تثبت الكثير، يتعين على المؤسسات أن تقرر ما الدليل الجديد على الأصالة الذي تحتاجه.

بالنسبة للكليات المجتمعية، التحدي الفوري هو منع الطلاب الوهميين من تحويل برامج الوصول إلى أدوات استخراج. أما بالنسبة للجميع، فهذه القضية لمحة عما يحدث عندما يلتقي توليد المحتوى الآلي بأنظمة مبنية على الثقة.

هذه المقالة مبنية على تقرير The Decoder. اقرأ المقال الأصلي.