نوشتن انشا بخش مهمی از فرآیند یادگیری است که مهارت‌هایی مانند تفکر انتقادی، تحلیل شخصی و برقراری ارتباط را درگیر می‌کند. با ظهور ابزارهایی مانند چت‌جی‌پی‌تی، این نگرانی شکل گرفته که آیا دانش‌آموزان و دانشجویان ممکن است برای نوشتن وظایف درسی خود به این فناوری‌ها متوسل شوند؟ اگر چنین باشد، آیا متون تولیدشده از سوی هوش مصنوعی تفاوتی با نوشته‌های واقعی دارند یا خیر؟ پاسخ به این سؤال، نه‌تنها به درک بهتر توانایی‌های فناوری کمک می‌کند، بلکه به معلمان نیز امکان می‌دهد راه‌هایی برای تشخیص تقلب پیدا کنند.
با توجه به این دغدغه‌ها، گروهی از پژوهشگران در دانشگاه East Anglia بریتانیا، مطالعه‌ای انجام داده‌اند تا کیفیت و ویژگی‌های انشاهای نوشته‌شده توسط دانشجویان واقعی را با انشاهای تولیدشده توسط هوش مصنوعی مقایسه کنند. این تحقیق که در دانشکده آموزش و یادگیری مادام‌العمر این دانشگاه انجام شد، با راهبری پروفسور کن هایلند، به بررسی ویژگی‌های خاصی از نوشتار با تمرکز بر ارتباط نویسنده با خواننده پرداخته است.
در این مطالعه، ۱۴۵ انشای واقعی دانشجویی با ۱۴۵ انشای تولیدشده توسط چت‌جی‌پی‌تی مقایسه شد. تمرکز پژوهشگران بر آنچه «نشانگرهای تعامل» نامیده می‌شود بود؛ عناصری مانند سؤال‌های خاص، دیدگاه‌های شخصی و جملاتی که مستقیماً خواننده را مورد خطاب قرار می‌دهند.
نتایج نشان دادند انشاهای نوشته‌شده توسط انسان، از لحاظ تعامل با خواننده بسیار غنی‌تر بودند. این متون معمولاً شامل پرسش‌های مستقیم، نظرات فردی و بیانی صمیمی بودند که باعث می‌شد متن واضح‌تر، قابل‌درک‌تر و اقناع‌کننده‌تر باشد. در مقابل، انشاهای هوش مصنوعی با اینکه از نظر نگارشی بدون خطا و روان بودند، بیشتر حالت رسمی، خنثی و بدون دیدگاه مشخص داشتند.
به‌عبارت دیگر، متون چت‌جی‌پی‌تی گرچه ساختار آکادمیک را به‌درستی رعایت کرده بودند، اما در برقراری ارتباط انسانی و نمایش دیدگاه شخصی ناتوان بودند. این محدودیت به‌دلیل ماهیت داده‌های آموزشی چت‌جی‌پی‌تی و رویکرد آماری آن است که انسجام زبانی را بر جنبه‌های گفت‌وگویی و انسانی ترجیح می‌دهد.
با این حال، پژوهشگران این مطالعه تأکید کردند که هدف کلی از چنین تلاش هایی، حذف ابزارهای هوش مصنوعی از محیط آموزشی نیست. بلکه باید آن‌ها را به‌عنوان ابزارهای کمک‌آموزشی در نظر گرفت، نه جایگزین برای تفکر و یادگیری.
به گفته پروفسور هایلند، آموزش نوشتن، فقط یاد دادن کلمات نیست، بلکه یاد دادن اندیشیدن است، و این کاری است که هیچ الگوریتمی قادر به انجام کامل آن نیست.
یافته‌های این پژوهش که در نشریه Written Communication منتشر شده اند، می‌توانند با استفاده از ابزارهای مکمل به معلمان و اساتید دانشگاه‌ها در سراسر جهان کمک کنند تا متون نوشته‌شده توسط ماشین را بهتر شناسایی کرده و از تقلب‌های احتمالی جلوگیری نمایند.