The Vanishing of Human Touch Through Mechanical Tone in AI Polished Academic Writing

حمزة التلب

doi:10.26629/uzfaj.2026.45

المؤلفون

حمزة التلب قسم الترجمة، كلية الآداب واللغات، جامعة طرابلس، طرابلس، ليبيا https://orcid.org/0000-0002-6075-255X

DOI:

https://doi.org/10.26629/uzfaj.2026.45

الكلمات المفتاحية:

الكتابة بمساعدة الذكاء الاصطناعي؛ الصوت الأكاديمي؛ الأسلوبية؛ صوت الآلة؛ النماذج اللغوية الكبيرة؛ الهوية الكتابية؛ التحليل النصي.

الملخص

يُوثَّق الانتشار السريع للنماذج اللغوية الكبيرة في الكتابة الأكاديمية غالبًا من خلال مؤشرات معجمية، كالارتفاع المفاجئ في تواتر كلمات مثل "delve" و"intricate" ضمن الملخصات المنشورة. غير أن الأقل وضوحًا هو ما يتلاشى مع هذا التحول المعجمي: إيقاع الجملة غير المنتظم، والتحوّط بضمير المتكلم، وتلك السمات الفردية الدقيقة التي كانت تنمّ سابقًا عن الصوت الكتابي الخاص بكل مؤلف. وتسعى هذه الدراسة إلى الكشف عما إذا كان التحسين بمساعدة الذكاء الاصطناعي يُفضي إلى تسطيح ملموس لـ"اللمسة الإنسانية" في النثر الأكاديمي، وهو ما تم تعريفه إجرائيًا عبر أربعة مؤشرات: تباين طول الجملة، وكثافة التحوّط، وحضور ضمير المتكلم، والتفرّد المعجمي. واعتمادًا على منهج تحليل نصي كيفي في إطار أسلوبي، قارنت الدراسة أحد عشر زوجًا من الفقرات الأكاديمية عبر عشرة تخصصات مختلفة، كُتبت كل فقرة في البداية بأسلوب إنساني غير مُعان، ثم أُعيدت صياغتها بأسلوب عام محسَّن بالذكاء الاصطناعي، قبل أن تخضع المجموعتان لقياس أسلوبي حاسوبي دقيق. وأظهرت النتائج انخفاضًا لافتًا في تباين طول الجملة، وغيابًا يكاد يكون تامًا لعلامات ضمير المتكلم، وتركّزًا واضحًا للعناصر المعجمية المرتبطة بالذكاء الاصطناعي في النصوص المحسَّنة. وعلى الرغم من أن هذه النتائج مستقاة من مدونة توضيحية محدودة الحجم، فإنها تتقاطع مع أدلة أوسع نطاقًا على التجانس الأسلوبي الذي تُحدثه مساعدة النماذج اللغوية الكبيرة، لتطرح بذلك تساؤلات تربوية ومعرفية حول مدى صحة مساواة "التحسين" بـ"التطور".

المراجع

Agarwal, D., Naaman, M., & Vashistha, A. (2024). AI suggestions homogenize writing toward Western styles and diminish cultural nuances (arXiv:2409.11360). arXiv. https://arxiv.org/abs/2409.11360

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).

Amirjalili, F., Neysani, M., & Nikbakht, A. (2024). Exploring the boundaries of authorship: A comparative analysis of AI-generated text and human academic writing in English literature. Frontiers in Education, 9, Article 1347421. https://doi.org/10.3389/feduc.2024.1347421

Biber, D., & Conrad, S. (2009). Register, genre, and style. Cambridge University Press.

Ethelb, H. (2019). Changing the structure of paragraphs and texts in Arabic: A case from news reporting. International Journal of Comparative Literature & Translation Studies, 7(3), 8–25. https://doi.org/10.7575/aiac.ijclts.v.7n.3.p.8

Faigley, L., & Witte, S. (1981). Analyzing revision. College Composition and Communication, 32(4), 400–414. https://doi.org/10.2307/356602

Fatma, H., Al-Shredi, N., Balhouq, H., & Ethelb, H. (2022). The role of critical thinking in enhancing EFL MA students’ academic writing outcomes: A survey study. Faculty of Languages Journal, 25, 104–125

Helms-Park, R., & Stapleton, P. (2003). Questioning the importance of individualized voice in undergraduate L2 argumentative writing: An empirical study with pedagogical implications. Journal of Second Language Writing, 12(3), 245–265. https://doi.org/10.1016/j.jslw.2003.08.001

Hyland, K. (2002). Options of identity in academic writing. ELT Journal, 56(4), 351–358. https://doi.org/10.1093/elt/56.4.351

Hyland, K. (2009). Academic discourse: English in a global context. Continuum.

Iqraf, A., & Iqraf, H. (2026). An investigation into learners' use of ChatGPT in improving academic writing at Abu-Issa College. University of Zawia-Faculty of Arts Journal (UZFAJ), 26(1), 152–170. https://doi.org/10.26629/uzfaj.2026.09

Kobak, D., González-Márquez, R., Horvát, E.-Á., & Lause, J. (2025). Delving into LLM-assisted writing in biomedical publications through excess vocabulary. Science Advances. https://doi.org/10.1126/sciadv.adt3813

Mak, M. H. C., & Walasek, L. (2025). Style, sentiment, and quality of undergraduate writing in the AI era: A cross-sectional and longitudinal analysis of 4,820 authentic empirical reports. Computers and Education: Artificial Intelligence, 9, Article 100507. https://doi.org/10.1016/j.caeai.2025.100507

Mikros, G. (2025). Beyond the surface: Stylometric analysis of GPT-4o's capacity for literary style imitation. Digital Scholarship in the Humanities, 40(2), 587–600.

Moon, K., Green, A. E., & Kushlev, K. (2025). Homogenizing effect of large language models (LLMs) on creative diversity: An empirical comparison of human and ChatGPT writing. Computers in Human Behavior: Artificial Humans.

Reviriego, P., Conde, J., Merino-Gómez, E., Martínez, G., & Hernández, J. A. (2024). Playing with words: Comparing the vocabulary and lexical diversity of ChatGPT and humans. Machine Learning with Applications, 18, Article 100602. https://doi.org/10.1016/j.mlwa.2024.100602

Sourati, Z., Ziabari, A. S., & Dehghani, M. (2025). The homogenizing effect of large language models on human expression and thought (arXiv:2508.01491). arXiv. https://arxiv.org/abs/2508.01491