Парадокс ложноположительных результатов: Системы обнаружения ИИ и эрозия человеческого академического авторства

Широкое внедрение детекторов ИИ-текста в академической среде с конца 2022 г. породило проблему, которая до сих пор не получила должного осмысления: строгое академическое письмо всё чаще классифицируется как «сгенерированное ИИ». Университеты и научные журналы стали массово применять коммерческие инструменты обнаружения, такие как Turnitin, GPTZero и Originality. ai, несмотря на ограниченность свидетельств их надёжности применительно к научным текстам. Настоящее исследование рассматривает эмпирическую надёжность детекторов ИИ-текста на академических текстах и анализирует эпистемологические и этические последствия передачи задачи верификации авторства алгоритмам. Был проведён систематический обзор рецензируемых исследований, опубликованных в период с 2022 по 2025 г. и отвечающих критериям включения, а именно наличие количественных метрик точности на академических корпусах, рецензируемая публикация и воспроизводимая методология. Данные были синтезированы из 21 источника, включая контролируемые эксперименты, метаанализы и исследования пределов обнаружения, тогда как философский анализ опирался на теорию креативности, философию науки и аргумент «Китайской комнаты». В академических текстах ложноположительные срабатывания существенно варьируются в зависимости от инструмента (диапазон: 2−41%, среднее: 14−22%), что представляет собой трёх-шестикратное увеличение по сравнению с новостными корпусами, тогда как ложноотрицательные срабатывания достигают 44−47% при минимальном редактировании человеком и превышают 60% при комбинированной обфускации. Согласованность между детекторами остаётся слабой (κ Коэна = 0,35−0,44), что делает решения, основанные на одном инструменте, ненадёжными, а систематические кросс-лингвистические исследования, отвечающие критериям включения, отсутствуют, что представляет собой критический пробел в исследовательской базе. В теоретическом плане большие языковые модели способны порождать комбинаторную и ограниченную исследовательскую новизну, но не способны генерировать трансформационную новизну, то есть способность к парадигмальному разрыву, которая определяет человеческое авторство. Современные системы обнаружения ИИ-текста эпистемологически несостоятельны и технически ненадёжны для принятия решений с высокими ставками в академической среде. Предлагается трёхуровневая человеко-центрированная модель (скрининг — экспертная оценка — апелляция), возвращающая человеку агентность, поскольку академическая добросовестность требует доверия, прозрачных процедур и человеческого суждения, а не алгоритмической подозрительности.