Интегративная лингводискурсивная методика исследования продуктов искусственного текстопорождения

Авторы

  • Марина Степановна Гутовская Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь
  • Дарья Вадимовна Шайбакова Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

Ключевые слова:

большая языковая модель, искусственное текстопорождение, методика оценки сгенерированного текста
Поддерживающие организации
Работа выполнена в рамках государственной программы научных исследований «Социально-экономическая, политическая и национально-культурная безопасность белорусской государственности» на 2026‒2030 годы (подпрограмма 12.6 «Языкознание», задание 12.6.06 «Современные информационные технологии в лингвистических исследованиях», научно-исследовательская работа 12.6.06.5 «Возможности больших языковых моделей в современной лингвистике: теоретико-методологические и прикладные решения» (№ гос. регистрации 20262323)).

Аннотация

Предложена комплексная методика лингвистического исследования особенностей искусственно созданных текстов конкретного жанра в сопоставлении с естественно созданными текстами. Методика включает три этапа: 1) формирование корпуса антропогенных и сгенерированных текстов; 2) тестирование инструментов выявления естественного или искусственного происхождения текста; 3) экспертную и автоматизированную оценку антропогенных и машинных текстов. Каждый этап детализируется и сопровождается развернутыми методологическими комментариями, в ряде случаев принципы применения предлагаемых процедур рассмотрены на примере текстов научного стиля. Впервые при изучении продуктов искусственного текстопорождения корпусный, экспертный и автоматизированный подходы объединены в целостную методику, ориентированную на содержательную лингвистическую характеристику жанрово-дискурсивной специфики сгенерированных текстов. Разработана двусоставная система оценки продуктов искусственного текстопорождения, охватывающая как типологически общие признаки сгенерированных текстов, так и их дискурсивно обусловленные свойства. Показаны возможности применения математических методов, которые позволяют верифицировать получаемые количественные данные, при сопоставлении результатов человеческого и машинного анализа сгенерированных текстов. Отмечено, что интегративная лингводискурсивная методика исследования продуктов искусственного текстопорождения обладает высоким потенциалом воспроизводимости и может применяться к любому языковому и жанровому материалу. Разработанный подход будет востребован в дальнейших исследованиях в области обработки естественного языка, при совершенствовании систем обнаружения искусственно созданного контента, формулировании рекомендаций по повышению качества работы больших языковых моделей и выработке принципов их безопасного использования в текстопорождении.

Биографии авторов

  • Марина Степановна Гутовская, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

    доктор филологических наук, профессор; заведующий кафедрой германского языкознания филологического факультета

  • Дарья Вадимовна Шайбакова, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

    преподаватель кафедры германского языкознания филологического факультета

Библиографические ссылки

  1. Авраменко АП. Большие языковые модели в лингвистике и лингводидактике. Москва: Книжный дом «Университет»; 2023. 129 с. Совместно с издательством «Добросвет». DOI: 10.31453/kdu.ru.978-5-7913-1343-0-2023-129.
  2. Vaswani A, Shazeer N, Parmar N, Uszkoreit J, Jones L, Gomez AN, et al. Attention is all you need. arXiv:1706.03762 [Preprint]. 2017 [cited 2026 February 24]: [15 p.]. Available from: https://arxiv.org/abs/1706.03762. DOI: 10.48550/arXiv.1706.03762.
  3. Floridi L. AI as agency without intelligence: on ChatGPT, large language models, and other generative models. Philosophy & Technology. 2023;36(1):15. DOI: 10.2139/ssrn.4358789.
  4. Bender EM, Gebru T, McMillan-Major A, Shmitchell S. On the dangers of stochastic parrots: can language models be too big? In: Association for Computing Machinery. FAccT’21. Proceedings of the 2021 ACM conference on fairness, accountability, and transparency; 2021 March 3–10; Canada. New York: Association for Computing Machinery; 2021. p. 610–623. DOI: 10.1145/3442188.3445922.
  5. Yi Q, He Y, Wang J, Song X, Yuan X, Li K, et al. Score: story coherence and retrieval enhancement for AI narratives. arXiv:2503.23512 [Preprint]. 2025 [cited 2026 March 4]: [20 p.]. Available from: https://arxiv.org/abs/2503.23512. DOI: 10.2139/ssrn.5243040.
  6. Гончаров ДС, Григорьев СВ. Большие языковые модели на примере чат-ботов GPT-3: сегодняшние реалии, проблемы истины, преимущества и опасности. В: Бабаева ЗШ, редактор. Вызовы современности и стратегии развития общества в условиях новой реальности. Материалы XV Международной научно-практической конференции; 15 марта 2023 г.; Москва, Россия. Москва: Алеф; 2023. с. 283–290. EDN: PLQEBO.
  7. Панда П, Сычева А. ChatGPT. Мастер подсказок, или как создавать сильные промты для нейросети. Санкт-Петербург: Питер; 2024. 221 с. (IT для бизнеса).
  8. Волкова ЕБ. Структурно-семантические качества двухкомпонентных сложноподчиненных предложений изъяснительно-объектного типа в научном стиле русского языка (на материале произведений математического цикла). Вестник Костромского государственного университета им. Н. А. Некрасова. 2011;17(1):86–90. EDN: OJPGMD.
  9. Хохлова МВ, Корышев МВ. Сравнительный анализ сгенерированных и оригинальных аннотаций научных статей по филологической тематике. Научно-технический вестник информационных технологий, механики и оптики. 2024;24(6):999–1006. DOI: 10.17586/2226-1494-2024-24-6-999-1006.
  10. Оломская НН, Юрова ЕА. Лингвопрагматические особенности сгенерированного текста в медиадискурсе социальных сетей (на примере текстов о выборах губернатора в Нижегородской области – 2023 в России). Российский социально-гуманитарный журнал. 2025;2:302–324. DOI: 10.18384/2224-0209-2025-2-1649.
  11. Айдагулова АР. Особенности текстов, сгенерированных искусственным интеллектом. Вестник Башкирского государственного педагогического университета им. М. Акмуллы. 2023;4:154–156. EDN: ROEFNK.
  12. Мельничук АО. Способы и методы обнаружения искусственно созданного текста. В: Ломовая АВ, редактор. Соловьевские чтения – 2024. Минск: Минский государственный лингвистический университет; 2024. с. 191–195.
  13. Безуглый ТА, Ершова МЕ. Использование текстовых нейросетей и искусственного интеллекта в учебных работах студентов. Проблемы современного образования. 2023;5:206–216. DOI: 10.31862/2218-8711-2023-5-206-216.
  14. Тельпов РЕ, Ларцина СВ. Типовые различия естественных и сгенерированных нейронной сетью текстов в квантитативном аспекте. Научный диалог. 2023;12(7):47–65. DOI: 10.24224/2227-1295-2023-12-7-47-65.
  15. Осетрова ЕВ, Седова АВ. Характеристики сгенерированного текста: языковой и социально-коммуникативный анализ. Сибирский филологический форум. 2025;31(2):45–55. DOI: 10.24412/2587-7844-2025-2-45-55.
  16. Вагнер МНЛ, Овезова УА. Компоненты, критерии оценки и показатели уровня сформированности умений академической письменной речи студентов-магистрантов. Мир науки, культуры, образования. 2019;5:292–294. DOI: 10.24411/1991-5497-2019-00120.
  17. Ванюшкина ЛМ, Тихомиров СА, Куракина ИИ. Как написать хорошую научную статью для серьезного научного журнала? Традиционное прикладное искусство и образование. 2019;1:40–54. EDN: AXJKHK.
  18. Ву ТТХ. Ограничения систем автоматического мышления, влияющие на способность имитации письменной речи. В: Бряник НВ, Томильцева ДА, Андрюхина ЛМ, Карташева АА, редакторы. Инженерное мышление: социальные перспективы. Материалы Международной междисциплинарной конференции; 12–13 февраля 2020 г.; Екатеринбург, Россия. Екатеринбург: Деловая книга; 2020. с. 181–186. EDN: REGKVA.

Загрузки

Опубликован

2026-09-17

Выпуск

№ 2 (2026): Журнал Белорусского государственного университета. Филология

Раздел

Языкознание

Лицензия

Copyright (c) 2026 Журнал Белорусского государственного университета. Филология

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).

Как цитировать

[1]
Гутовская, М.С. и Шайбакова, Д.В. 2026. Интегративная лингводискурсивная методика исследования продуктов искусственного текстопорождения. Журнал Белорусского государственного университета. Филология. 2 (сен. 2026), 95–108. DOI:https://doi.org/10.33581/2521-6775-2026-2-%p.