In de academische wereld worden steeds vaker geautomatiseerde systemen ingezet om de identiteit van auteurs vast te stellen. Deze software is bedoeld om teksten van ghostwriters of AI-gegenereerde content op te sporen. Echter, een recent onderzoek van Cameron Manzo legt een fundamentele zwakte in deze systemen bloot: ze verwarren stilistische gelijkenis vaak met de werkelijke identiteit van een schrijver.
Volgens de arxiv.org ontstaat er een vorm van 'academische genealogie', waarbij studenten tijdens hun opleiding onbewust de specifieke schrijfgewoonten en stilistische kenmerken van hun begeleiders overnemen. Deze linguïstische overdracht zorgt ervoor dat de teksten van een professor en diens studenten sterk op elkaar gaan lijken.
Om dit fenomeen te onderzoeken, analyseerde Manzo een dataset van 5.803 auteurs die elk minstens twee solo-artikelen op arXiv hadden gepubliceerd. Door gebruik te maken van gegevens uit het Mathematics Genealogy Project werden 2.501 paren van adviseurs en studenten vergeleken. De resultaten laten zien dat de schrijfstijl van adviseurs aanzienlijk dichter bij die van hun studenten ligt dan bij willekeurige auteurs binnen hetzelfde vakgebied. Met een specifiek gefinetuned model was de afstand in 'cosine distance' maar liefst 39,9% kleiner. Zelfs bij het gebruik van andere open modellen bleef een significante gelijkenis zichtbaar, variërend tussen de 12,6% en 14,5%.
De invloed van de mentor reikt verder dan de directe relatie tussen professor en student. Het onderzoek keek ook naar 8.360 paren van zogenaamde 'academische broeders' — studenten die bij dezelfde adviseur studeerden, maar niet noodzakelijkerwijs bij dezelfde instelling. Zelfs wanneer deze studenten aan verschillende universiteiten studeerden, was hun stilistische gelijkenis 30,4% hoger dan het gemiddelde. Om uit te sluiten dat dit simpelweg een effect was van de institutionele cultuur, werden ook paren vergeleken die enkel dezelfde universiteit en hetzelfde vakgebied deelden. In die gevallen was de gelijkenis echter verwaarloosbaar, wat bewijst dat de persoonlijke begeleiding de doorslaggevende factor is.
Deze bevindingen hebben grote gevolgen voor de betrouwbaarheid van auteurschap-attributie. Wanneer software probeert te bepalen wie een tekst heeft geschreven, treden er systematische fouten op. In een gesloten set van auteurs wees het systeem in de arxiv.org maar liefst 11 keer vaker dan statistisch verwacht naar de adviseur, de student, een labgenoot of een academische broeder van de werkelijke auteur.
Dit betekent dat een legitieme auteur onterecht beschuldigd kan worden van fraude of plagiaat als een algoritme de tekst toeschrijft aan een nauw verwante academicus. Terwijl andere academische bronnen, zoals de kuleuven.be, zich focussen op bredere cultuurhistorische en transnationale thema's, waarschuwt dit onderzoek voor de blinde vlekken van AI-gestuurde tekstanalyse. De menselijke factor in de mentor-studentrelatie creëert patronen die door algoritmen onjuist worden geïnterpreteerd als een bewijs van identiteit.
Hoewel digitale archieven en universitaire portals, zoals die van de uantwerpen.be, essentieel zijn voor de verspreiding van kennis, benadrukt dit onderzoek dat technologische detectie van auteurschap met grote voorzichtigheid moet worden gehanteerd om onterechte beschuldigingen te voorkomen.