АНАЛИЗ СГЕНЕРИРОВАННЫХ ТЕКСТОВ КАК АКТИВАЦИЯ КРЕАТИВНОГО И КРИТИЧЕСКОГО МЫШЛЕНИЯ У МАГИСТРАНТОВ-ФИЛОЛОГОВ
Аннотация
В статье обсуждаются особенности языкового обучения и необходимость регламентирования использования искусственного интеллекта в условиях внедрения возможностей нейросетевых моделей
в образование. Рассматриваются работы по анализу текстов, сгенерированных нейросетями, а также работы, исследующие разницу в понимании текста человеком и искусственным интеллектом. В работе предпринимается попытка проанализировать языковые возможности нейросетей в рамках дисциплины «Иностранный язык в профессиональной сфере» в магистратуре по направлению «Филология». Показывается, как анализ текста ответов нейросетевых моделей обеспечивает эффективное применение искусственного интеллекта в образовании. Определяются особенности сгенерированных текстов на основе пользовательского языкового анализа текста. В работе показывается важность формулировки запроса, который обеспечивает активацию креативного и критического мышления у обучающихся. Приводятся примеры запросов магистрантов с их обсуждением. Сравниваются ответы пяти нейросетевых моделей: ChatGPT, GigaChat, DeepSeek, GeekBot, DeepAI. Определяются «нестыковки» текстов сгенерированных ответов. Выделены особенности, которые указывают на искусственную природу текстов, а именно, структурированность, графическое оформление, неоспоримая логика. Определены свойственные для человека языковые приемы, среди которых сарказм, приём отстранения, «подкол», эпитеты, приёмы сравнения, смайлики. Приводится обратная связь от респондента — нейросетевой модели DeepSeek. Делается акцент на неотвратимости использования искусственного интеллекта в языковом образовании и роли преподавателя в новой системе. Автор приходит к выводу, что для активации креативного мышления и мотивации обучаемых нужно использовать нейросетевые модели в открытую, при этом необходимо указывать, какие задания выполнены с использованием искусственного интеллекта и без него.
Скачивания
Литература
2. Бурнашев Р. Ф. Роль нейронных сетей в лингвистических исследованиях // Science and Education. 2023. № 3. С. 258–269.
3. Гаркуша Н. С., Городова Ю. С. Педагогические возможности ChatGPT для развития когнитивной активности студентов // Профессиональное образование и рынок труда. 2023. Т. 11, № 1. С. 6–23. https://doi.org/10.52944/ PORT.2023.52.1.001
4. Двинина С. Ю. Нейросетевые модели как элемент содержания обучения английскому языку: адаптация заданий // Актуальные проблемы языкознания и методики преподавания иностранных языков : материалы VII Международной научно-практической конференции / сост. С. С. Наседкина; общ. ред. А. В. Таскаевой. Челябинск : ГБОУ ВО «ЮУрГИИ им. П.И. Чайковского», 2025. С. 153–156.
5. Жуков А. Д. Генеративный искусственный интеллект в образовательном процессе: вызовы и перспективы // Вестник Московского государственного университета культуры и искусств. 2023. № 5 (115). С. 66–75. http://doi.org/10.24412/1997-0803-2023-5115-66-75
6. Кодекс этики в сфере ИИ // Альянс в сфере ИИ. URL: https://ethics.a-ai.ru (дата обращения: 16.06.2025).
7. Краснояров А. Ю., Аргузова М. А., Хужамурадов Ж. А., Рахимов С. Р. «Речевое творчество» искусственного интеллекта: какие тексты пишет машина и чем они отличаются от людских // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6: Языкознание. Реферативный журнал. 2022. № 2. С. 41–49. DOI: 10.31249/ling/2022.02.02.
8. Куницына О. М. Сравнительный анализ понимания текста человеком и искусственным интеллектом // Вестник Московского государственного лингвистического университета. Гуманитарные науки. 2025. Вып. 2 (896). С. 81–88.
9. Постникова М. Г., Бойчук Е. И. Имитация человеческих когнитивных процессов современными алгоритмами обработки естественного языка // Вестник науки. 2025. Т. 2. № 3 (84). С. 273–279. URL: https://www.вестник-науки.рф/article/21791 (дата обращения: 27.07.2025).
10. Прохоров А. И., Асадчая К. В. Инструментальные средства определения текста, сгенерированного при помощи нейросети // Научный вектор: сб. науч. трудов / под науч. ред. Е. Н. Макаренко. Т. 9. Ростов-на-Дону : Ростовский государственный экономический университет «РИНХ», 2023. С. 250–253.
11. Славянов А. С., Фешина С. С. Технологии искусственного интеллекта в образовании как фактор повышения качества человеческого капитала // Экономика и бизнес: теория и практика. 2019. № 7. С. 156–159.
12. Тельпов Р. Е., Ларцина С. В. Типовые различия естественных и сгенерированных нейронной сетью текстов в квантитативном аспекте // Научный диалог. 2023. Т. 12. № 7. С. 47–65. DOI: 10.24224/2227-1295-2023-12-7-47-65.
13. Туркулец И. А. Композиционные особенности текстов, сгенерированных ChatGPT, как маркер несамостоятельности выполнения работ студентами // Правовая реальность в условиях цифровизации общества: материалы Всероссийской научно-практической конференции. Хабаровск : Дальневосточный государственный университет путей сообщения, 2023. С. 59–68.
14. ХАБР. «Ограниченный и субъективный, безразличный и прожорливый: четыре главных проблемы искусственного интеллекта». URL: https://habr.com/ru/post/586942 (дата обращения: 10.08.2025).
15. Ху Юэ. Интеграция образования и искусственного интеллекта в эпоху Covid-19: новые возможности и проблемы // Теория и практика общественного развития. 2022. № 2. С. 50–55. https://doi.org/10.24158/tipor.2022.2.6
Ключевые слова

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Наиболее читаемые статьи этого автора (авторов)
- Светлана Юрьевна Двинина, Татьяна Сергеевна Цвентух, ВОЗМОЖНОСТИ GIGACHAT ПРИ ОБУЧЕНИИ РУССКОМУ ЯЗЫКУ КАК ИНОСТРАННОМУ: , ВЕСТНИК ЧЕЛЯБИНСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА: № 6 (500) (2025): Вестник Челябинского государственного университета