The Use of Generative Artificial Intelligence Models in Teaching Scientific Discourse to International Students (B1 Level of Russian as a Foreign Language)

Введение / Introduction

Генеративные модели искусственного интеллекта (далее – ГМИИ) стали одной из наиболее обсуждаемых тем в современной лингводидактике, открывая новые возможности для автоматизации учебных процессов, персонализации заданий и мгновенной генерации дидактических материалов. Изменения в системе обучения русскому языку как иностранному (РКИ), вызванные цифровой трансформацией и стремительным развитием ГМИИ, повлекли за собой новые требования к методическому инструментарию преподавателя, особенно в области обучения письменному научному дискурсу.

В данном исследовании под генеративными моделями искусственного интеллекта (ГМИИ) понимается класс нейросетевых моделей (больших языковых моделей), способных создавать новый контент (тексты, учебные задания, образцы письменной научной речи) в ответ на запросы пользователя. Далее в тексте термины «генеративный ИИ» и «ГМИИ» используются как взаимосвязанные: первый – при характеристике сущности явления, второй – при описании конкретных способов его применения в обучении иностранных студентов письменному научному дискурсу.

Отметим, что к числу новых требований, предъявляемых к преподавателю РКИ, относится способность эффективно интегрировать ГМИИ в ежедневную педагогическую практику. По мнению Л. Я. Мачковской и ее соавторов, ГМИИ способны моделировать живые диалоги и мгновенно корректировать ошибки пользователей, однако они склонны к фактическим и языковым искажениям, не чувствуют культурных нюансов и провоцируют у студентов соблазн мыслить чужим умом [1]. Как отмечает Г. М. Саримсакова, ГМИИ не должен ни безоговорочно приниматься, ни тотально отвергаться. Задача преподавателя РКИ – найти разумный баланс между технологическими инновациями и традиционными методиками, используя ИИ как помощника, а не как замену себе [2].

С точки зрения М. А. Полтавец, принципиально важным следствием внедрения ГМИИ становится трансформация профессиональной роли преподавателя РКИ, особенно при обучении иностранных студентов письменному научному дискурсу на пороговом уровне РКИ (В1) [3]. В новых условиях педагог утрачивает монополию на трансляцию эталонных образцов научной речи, но приобретает функции проводника, интерпретатора и культурного «фильтра». Именно преподаватель задает параметры взаимодействия студентов с ГМИИ при работе над научными текстами: определяет границы использования ИИ для генерации аннотаций, рефератов и учебных статей, корректирует стилистические и логические погрешности автоматически сгенерированных материалов. При этом отмеченная исследователем склонность ГМИИ к ошибкам и непониманию культурного контекста приобретает особое значение в области обучения письменному научному дискурсу. Эта слабость ГМИИ может быть обращена в дидактическое преимущество: задания на поиск, идентификацию и исправление стилистических, логических и жанровых ошибок, допущенных ИИ при генерации научных текстов, развивают у инофонов языковую зоркость, критическое мышление и углубляют понимание тонкостей именно письменной научной речи, причем от структуры абзаца до оформления ссылок и цитирования.

Схожую точку зрения выражает Е. В. Дзюба, подчеркивая, что генеративный ИИ – это не просто модная технология, а эффективный инструмент персонализации обучения, организации речевой практики и автоматизации рутинных задач [4]. ГМИИ не понимают культурных, стилистических и эмоциональных нюансов, не распознают подтекст, а ведь именно это и есть та сфера, где незаменим живой преподаватель. По мнению Ю. А. Антоновой, ИИ не подменяет учебную деятельность, а выступает инструментом когнитивной поддержки студента [5]. Исследователь акцентирует внимание на том, что недостаточным представляется просто разрешить или запретить использование ГМИИ студентами, нужно научить их правильно с ним работать. Они должны уметь составлять грамотные запросы к ГМИИ и обязательно проверять ее ответы. В своей модели автор предлагает использовать ИИ в разных ролях: как «аналитика» (разбирать текст на части), как «переводчика культуры» (объяснять непонятные отсылки и реалии), как «оппонента» (сравнивать свой прогноз с прогнозом ГМИИ) или как «редактора» (сжимать текст или придумывать другие заголовки). Чтобы инофоны понимали, когда можно пользоваться ГМИИ, а когда нет, вводится цветовая маркировка заданий: красный – нельзя, желтый – решать самому, зеленый – обязательно с ГМИИ.

Е. А. Ильнер предлагает не просто «использовать ГМИИ», а четкий алгоритм: сначала прописать в запросе уровень владения русским языком, нужные темы и слова, потом 2–3 раза уточнять результат, а в конце – обязательно проверить текст через специальный сервис вроде Textometr, который определяет реальный уровень сложности текста. Для обычных текстов хватает 2–3 правок, а для сложных научных – 4–5. Экономия времени составляет 2–4 часа на один текст [6]. Автор честно перечисляет типичные ошибки ГМИИ: слишком много разговорных слов в тексте для уровня В1, странные метафоры, непонятные иностранцам, длинные и запутанные предложения.

ГМИИ обладают потенциалом для генерации образцов письменного научного дискурса (аннотаций, рефератов, тезисов), адаптированных под уровень B1, однако прямое использование готовых текстов создает риск подмены обучения самостоятельному порождению жанрово-стилистически оформленной научной мысли простым копированием.

В связи с этим актуальной задачей лингводидактики является разработка методически обоснованных подходов к использованию ГМИИ в обучении иностранных студентов письменному научному дискурсу, в частности на пороговом уровне владения РКИ. На наш взгляд, целесообразно выявление, систематизация и анализ особенностей использования ГМИИ для формирования у инофонов навыков работы с письменными научными текстами, а также определение методических условий их эффективной интеграции в учебный процесс.

Цель исследования – выявить сферы применения ИИ в обучении инофонов русскому научному письму и определить условия, при которых ИИ становится средством развития навыков, а не заменой им. Объект исследования – процесс обучения иностранных студентов уровня владения РКИ B1 письменному научному дискурсу с использованием ГМИИ.

Предмет исследования – методические особенности и условия эффективного использования ГМИИ для формирования у иностранных студентов уровня владения РКИ B1 умений продуцирования вторичных письменных научных текстов (аннотаций, рефератов, тезисов).

Гипотеза исследования: интеграция ГМИИ в процесс обучения иностранных студентов уровня владения РКИ B1 письменному научному дискурсу будет эффективной, если: выявить и систематизировать реальные практики, трудности и дефициты студентов при работе с ГМИИ; определить наиболее востребованные сценарии использования ГМИИ (в частности, перевод и анализ иноязычных научных статей); зафиксировать и учесть расхождение между самооценкой студентами своих навыков и их реальным поведением (неперепроверка информации, некритичное заимствование); обосновать необходимость смены роли ГМИИ: от генератора готового текста к средству редактирования и улучшения собственного текста студента; сформулировать методические рекомендации по безопасному и продуктивному использованию ГМИИ, включая алгоритмы составления эффективных промптов и критерии верификации генерируемых материалов.

Теоретическая значимость исследования заключается в рассмотрении и классификации основных подходов к пониманию границ применимости ГМИИ в обучении русскому письменному научному дискурсу, а также в обобщении современных представлений исследователей о роли генеративного искусственного интеллекта в формировании жанрово-стилистической грамотности иностранных студентов, включая уточнение понятия «методическая целесообразность» применительно к автоматизированной генерации учебных материалов и концептуальное различение между использованием ГМИИ как источника готовых текстов и как инструмента стилистической помощи.

Практическая значимость исследования заключается в том, что полученные данные анкетирования дают преподавателю четкое представление о реальных проблемах, дефицитах и противоречиях в использовании ГМИИ иностранными студентами уровня владения РКИ B1, позволяют опираться на эти сведения при построении занятий по письменному научному дискурсу и обосновывают необходимость целенаправленного обучения студентов критическому промптингу, верификации информации и правилам академической этики.

Обзор литературы / Literature review

Интеграция генеративных моделей искусственного интеллекта (ГМИИ) в языковое образование стала одной из наиболее активно развивающихся областей лингводидактических исследований. В статье И. В. Савочкиной предлагается новый взгляд на обучение РКИ в эпоху искусственного интеллекта (ИИ). Классический подход, где главным было живое общение между преподавателем и студентом, сегодня нуждается в обновлении: в учебном процессе появился новый участник – ИИ. У него нет собственного сознания (в психологическом и философском смысле этого слова), отсутствует внутренняя мотивация к изучению языка или помощи человеку, а также подлинное понимание смысла порождаемых им высказываний. Тем не менее он способен генерировать связные, стилистически разнообразные и контекстуально уместные реплики, убедительно имитируя естественный диалог [7]. Автор выделяет пять принципов обновленного подхода. Первый: студент учится превращать свою коммуникативную задачу в точный запрос на русском языке. Второй: взаимодействие с ИИ становится тренажером чистой и ясной речи, но требует от студента умения управлять диалогом, задавать уточняющие вопросы и корректировать ответы. Третий: знания конструируются совместно тремя участниками: ИИ как источником учебного материала и катализатором мышления, инофоном как активным конструктором и преподавателем как организатором процесса и модератором. Четвертый: преподаватель перестает быть просто транслятором знаний и становится архитектором учебных сценариев, проектируя взаимодействие инофонов с ИИ. Пятый: инофон рефлексирует не только над языковым содержанием, но и над тем, насколько эффективно он сумел выстроить взаимодействие с ИИ. Следует отметить работу Х. Пэй, в которой автор отмечает тот факт, что не настроенный на мышление, язык и культуру студента ИИ всего лишь механический генератор речевых штампов, чуждый живому диалогу и глубокой аналитике ошибок [8].

По мнению Х. С. Байчоровой, лингводидактический потенциал ИИ оценивается по шести аспектам: персонализация, качество обратной связи, интерактивность, мониторинг прогресса, результативность и социальная гармония в образовательном процессе [9]. Автор подчеркивает, что ИИ пока не способен качественно генерировать учебные задания на формообразование, словообразовательные модели и трансформацию синтаксических конструкций, что особенно важно для обучения научному стилю речи на уровне владения РКИ B1.

И. В. Савочкина и А. И. Чихарь, во-первых, обращают внимание на «культурные искажения»: при обучении научному дискурсу это может проявляться в генерации ИИ стилистически неадекватных образцов научной речи, не соответствующих российским академическим традициям (например, излишняя разговорность или, напротив, неестественная формальность). Во-вторых, они делают вывод об «эрозии авторского голоса»: чрезмерная опора на ИИ может привести к тому, что студент перестанет вырабатывать собственный академический стиль, заменяя его механической компиляцией шаблонных фраз [10].

В работе О. В. Гончаровой представлено обоснование перехода от стихийного использования генеративных нейросетей студентами уровня B1 к системной дидактической модели, где ИИ выступает в роли «академического тьютора». Автор выявляет специфику трудностей порождения научного дискурса на B1 (клишированность, логика, жанры) и предлагает сценарии промптов и алгоритмы взаимодействия студента с ИИ, которые превращают нейросеть из источника «готовых текстов» в инструмент пошагового формирования навыков научной речи, что соответствует современным трендам персонализации и интерактивности в лингводидактике [11].

Опыт организации научно-исследовательской работы иностранных студентов, описанный Е. Н. Александровой и К. В. Чусовой, представляет интерес для настоящего исследования по нескольким причинам. Во-первых, авторы предлагают четкий пошаговый план подготовки научной работы: выбор темы, сбор языкового материала, описание общих и специфических черт, формулировку выводов. Данная последовательность может быть адаптирована для использования с ГМИИ, когда студент на каждом этапе взаимодействует с ИИ как с инструментом когнитивной поддержки. Во-вторых, в статье подробно описываются языковые особенности научного стиля, которые необходимо осваивать иностранному студенту: отсутствие местоимения «я», активное использование пассивных и безличных конструкций, причастий, вводных слов. Эти параметры могут быть заложены в промпты при генерации образцов научных текстов через ИИ, что позволит студенту наглядно видеть, как выглядят правильные с точки зрения стиля высказывания [12]. Авторы подчеркивают, что для иностранного студента научная деятельность сопряжена с преодолением культурной, коммуникативной и языковой интерференции. В этом контексте ГМИИ могут выступать в роли инструмента когнитивной поддержки, т. е. помогать с компрессией текста при написании аннотации, предлагать варианты грамматических конструкций, давать образцы оформления ссылок и цитирования. Вместе с тем, как справедливо отмечают Е. Н. Александрова и К. В. Чусова, окончательная вычитка, правка и адаптация текста остаются за преподавателем-наставником. Этот вывод полностью созвучен позиции о том, что ГМИИ не заменяет, а лишь дополняет деятельность преподавателя. Наиболее значимым для настоящего исследования является вывод авторов о том, что способности к анализу, синтезу, категоризации, концептуализации наиболее успешно формируются именно в ходе самостоятельной работы над письменным научным текстом. Данное положение служит прямым аргументом в пользу того, что ГМИИ не должна подменять самостоятельную учебную деятельность студента. Ее функция заключается в создании опор и образцов, а также в постепенной передаче ответственности за конечный продукт самому студенту.

Е. А. Орлов с соавторами также подчеркивают, что параметры научного дискурса (жанр, конструкции, кросс-культура) закладываются в промпты. ИИ дает образец для анализа, но финальная правка – за преподавателем [13].

Ю. А. Гузь и ее соавторы приводят в статье маркеры, отличающие текст студента от машинного. Машинный текст отличается «отполированностью», логичностью и хорошей структурой, но при этом он поверхностен, абстрактен, монотонен, лишен эмоциональности и субъективной оценки. В нем не чувствуется авторский стиль, личная позиция, логика мышления конкретного студента. При обучении научному дискурсу важно делать акцент не только на формальной правильности, но и на выработке индивидуального академического голоса [14].

Ван Тинг с соавторами указывают на существенный риск, сопряженный с применением ИИ в академической среде: инструменты проверки письменной речи способны подтолкнуть студентов к созданию «фабрик текстов», что неизбежно подрывает академическую честность. Данное положение перекликается с выдвинутым нами тезисом о необходимости воспитания у студентов ответственного отношения к использованию ГМИИ [15].

Во-первых, исследователь М. Бородина и ее соавторы делают акцент на мысли о том, что научный стиль требует точной, почти дословной передачи содержания, в нем мало образных средств и стилистических приемов, много клишированных выражений и однозначной терминологии. Это означает, что для уровня владения РКИ В1, когда студент только осваивает основы научного стиля, ИИ может служить достаточно надежным генератором образцов – при условии, что текст не содержит авторских стилистических вольностей [16]. Авторы выявляют типичные ошибки ChatGPT при переводе научных текстов. К ним относятся: буквализм (перевод «слово в слово» там, где нужна смысловая трансформация), неспособность к модуляции (замена понятия при сохранении смысла), трудности с передачей метонимии и идиоматических выражений, проблемы с выбором грамматического рода при переводе с одного языка на другой (где род отсутствует), а также неумение упрощать громоздкие конструкции для лучшего восприятия. Сгенерированные ИИ образцы научных текстов нельзя использовать без редактирования: они могут быть грамматически правильными, но стилистически не адаптированными для уровня владения РКИ B1. Авторы приходят к выводу о том, что наиболее сложные трансформации (модуляция, объединение и разделение предложений, описательный перевод) требуют значительной перестройки предложения, что на данный момент под силу только человеку. Это прямой аргумент в пользу того, что ГМИИ не могут полностью заменить преподавателя при обучении научному дискурсу: финальная стилистическая правка, адаптация сложных конструкций под уровень студента и передача тонких смысловых нюансов остаются за человеком.

Как отмечает В. И. Чечетка, генеративные модели искусственного интеллекта открывают дополнительные возможности для индивидуализации обучения, что приобретает особую значимость в ситуациях, когда преподаватель не в состоянии уделить равное внимание каждому студенту (например, при работе с большими группами). Это позволяет рассматривать ГМИИ в качестве инструмента когнитивной поддержки иностранных студентов уровня владения РКИ B1, компенсирующего недостаток индивидуальной обратной связи в процессе овладения письменным научным дискурсом [17]. Показательным является представленный в отчете опыт китайских преподавателей, более 750 тысяч которых используют нейросеть ZipGrande для автоматической проверки письменных работ: достаточно навести камеру мобильного устройства на текст, и система самостоятельно выявляет ошибки и выставляет оценку. Данный пример свидетельствует о том, что автоматизированная проверка письменных текстов уже стала распространенной практикой. Применительно к задачам обучения научному дискурсу это означает, что ГМИИ могут быть задействованы на этапе первичной проверки аннотаций, рефератов и тезисов, тогда как финальная стилистическая правка и оценка содержания, как подчеркивалось в других исследованиях, остаются прерогативой преподавателя. Кроме того, на конференции обсуждалась перспектива создания специализированных ботов, ориентированных на индивидуальную поддержку студентов. Подчеркивалось, что подобные разработки выходят за рамки традиционных чат-ботов, поскольку нацелены на установление квази-«дружеских» отношений, а не просто на предоставление информации в режиме репетитора. Для уровня B1 это открывает возможность использования ИИ не только как генератора текстов, но и как «собеседника», способного помочь студенту сформулировать и аргументировать собственную позицию в письменной научной работе [17].

Как отмечают В. И. Шульженко и соавторы, «на сегодняшний день ИИ эффективен прежде всего в работе, связанной с повторяющимися действиями или созданием текстов по шаблону» [18]. ГМИИ не могут подменять самостоятельную научно-исследовательскую работу студента. У них вспомогательная функция: обработка больших объемов информации, предварительная систематизация материала, создание черновиков для последующего редактирования. ГМИИ могут быть эффективно интегрированы в этот процесс как генераторы образцов и тренажеры для отработки формальных аспектов, тогда как развитие содержательной стороны, критического мышления и индивидуального академического стиля остаются за преподавателем.

А. Л. Дронова и ее соавторы отмечают в исследовании, что при обучении письменному научному дискурсу с использованием ГМИИ необходимо целенаправленно вводить лексико-грамматический материал, который студент впоследствии будет применять при формулировке промптов. К числу таких конструкций относятся, например, запросы: «сгенерируй аннотацию к статье на тему...», «напиши реферат, используя пассивные конструкции и безличные предложения» [19].

В научной статье О. В. Гончаровой и ее соавторов на примере космических терминов показано, что даже одно и то же понятие может восприниматься совершенно по-разному в русском и китайском языках. Авторы используют нейросети (BERT‑модели), чтобы выявить эти различия, и приходят к выводу: за каждым словом стоит история, культура и идеология страны. Для русской нейросети «космос» – это «орбита», «космонавт», «Гагарин», «технологии». Иными словами, героическое прошлое, покорение пространства. Для китайской – «галактика», «наука», «цивилизация», «пространство», «время» [20]. Нейросети не беспристрастны. Они впитывают всё, на чем их обучали, и неизбежно транслируют культурные и идеологические установки своих создателей. Студент, копирующий текст, сгенерированный ИИ, рискует перенять чуждые российскому научному дискурсу смыслы. Иностранец, осваивающий русский язык, должен не просто заучивать термины, но и понимать, какие смыслы и коннотации с ними связаны, иначе его научная речь останется формально правильной, но стилистически чужеродной. Сходную точку зрения выражают исследователи Цюй Хаолин и Д. С. Горбатов [21], дополнительно отмечая, что ГМИИ могут быть эффективно интегрированы в процесс обучения письменному научному дискурсу как инструмент «когнитивной поддержки»: генерация черновиков, образцов, вариантов формулировок. Окончательная редакция, проверка фактов, стилистическая правка и оценка содержания остаются за преподавателем и самим студентом.

Инга Зашихина отмечает, что нейросети обучаются преимущественно на англоязычных текстах и воспроизводят западные логико-риторические модели, что приводит к игнорированию русскоязычных исследований и искажению смысла при обработке текстов, написанных в русской академической традиции (нелинейная логика, широкий охват тематики, разрывы в аргументации). Приводя пример с запросом об арктических исследованиях, автор указывает, что ChatGPT проигнорировал большинство российских научных центров и выдал неполную, а местами – ошибочную информацию. Студент не может полагаться на МГИИ как на «объективный» источник образцов научной речи [22]. Если иностранный студент будет использовать ГМИИ, обученные преимущественно на англоязычных текстах, для генерации научных текстов на русском языке, результаты могут оказаться стилистически и логически «чуждыми» русской академической традиции. Следовательно, преподаватель должен не только проверять сгенерированные тексты, но и объяснять студенту, чем русская научно-риторическая традиция отличается от западной, и учить его адаптировать тексты под эти требования.

Е. И. Шпит и П. М. Маккарти подробно описывают специфические проблемы русскоязычных студентов при написании научных текстов на английском языке, многие из которых обусловлены интерференцией родного (русского) языка [23]. К таким проблемам относятся: высокая вариативность длины предложений (слишком длинные и слишком короткие предложения), абстрактная лексика. При обучении иностранных студентов уровня владения РКИ B1 письменному научному дискурсу с использованием ИИ это означает, что ГМИИ должны быть «настроены» на формирование именно тех навыков, которые являются проблемными для инофонов: умение варьировать синтаксические конструкции, использовать разнообразные связки, конкретизировать лексику.

А. Иваненко с соавторами приходят к важному методологическому выводу: стандартные академические списки слов не охватывают многие узкоспециальные термины, поэтому студенты, опирающиеся только на общие лексические минимумы, даже на средних уровнях владения языком упускают значительную часть профильной терминологии, что убедительно подтверждает необходимость создания специализированных ресурсов [24]. ГМИИ, обученные на общих корпусах (включающих тексты разных стилей и тематик), не могут рассматриваться как надежный источник для генерации образцов научных текстов в конкретной предметной области. Полученные с их помощью тексты, как правило, содержат недостаточное количество специальной лексики либо используют термины неадекватно. В связи с этим преподаватель, интегрирующий ГМИИ в обучение научному дискурсу, сталкивается с необходимостью редактировать сгенерированные образцы, добиваясь их соответствия терминологическому аппарату дисциплины.

Р. Балтезаревич с соавторами обращают внимание на существенный разрыв между провозглашаемыми нормами и реальной практикой использования ИИ в академической среде [25]. Применение ГМИИ в обучении письменному научному дискурсу должно носить строго контролируемый характер и непременно сопровождаться целенаправленным развитием у студентов критического мышления, умений верифицировать информацию и навыков углубленной работы с первичными источниками. ГМИИ не должен подменять собой процесс чтения, анализа и самостоятельного осмысления учебного материала; его уместная роль – вспомогательный инструмент, ускоряющий выполнение рутинных операций, но отнюдь не заменяющий полноценный интеллектуальный труд.

З. Сокова с соавторами подчеркивают, что в процессе обучения необходимо формировать у студентов осознанное отношение к использованию ГМИИ: понимание того, в каких случаях применение ГМИИ уместно, когда от него следует отказаться и как корректно зафиксировать факт его участия в создании текста. В противном случае существует риск сформировать поколение исследователей, владеющих техническими навыками работы с программами, но утративших способность к самостоятельному критическому мышлению и профессиональной ответственности за результаты своего труда [26].

Подлинный интерес вызывает десятиэтапная методика Хаустова, Тормышовой и Сухановой. В ее основе – итеративное сотворчество: студент пишет, ИИ мягко корректирует, студент шлифует – цикл повторяется, пока текст не достигнет совершенства. Исчезает боязнь ошибки, открывая путь к подлинному мастерству [27].

 Н. Э. Календер указывает на принципиальное ограничение ГМИИ при обучении РКИ. Причина кроется в самой природе таких моделей: они ориентированы преимущественно на универсальные языковые структуры, тогда как русский язык, в силу своего богатства и многообразия, изобилует специфическими конструкциями и лексическими единицами, тонкости употребления которых зачастую остаются за пределами распознавания МГИИ [28].

Анализ зарубежных и отечественных исследований позволяет выделить несколько ключевых направлений в изучении интеграции ГМИИ в обучение письменному научному дискурсу. Во-первых, исследователи единодушны в том, что использование ГМИИ сопряжено с риском подрыва академической честности, что требует целенаправленного воспитания у инофонов ответственного отношения к применению этих инструментов. Во-вторых, выявлены типичные ошибки ГМИИ при обработке научных текстов (буквализм, неспособность к смысловой трансформации, неумение адаптировать сложные конструкции), что доказывает необходимость финальной стилистической правки и адаптации текстов преподавателем, особенно на пороговом уровне владения языком. В-третьих, установлено, что ГМИИ, обученные преимущественно на англоязычных корпусах, транслируют западные риторические модели, что делает сгенерированные ими образцы научной речи стилистически чужеродными для русской академической традиции. Выявлен значительный пробел в методическом осмыслении того, как именно ГМИИ могут быть «настроены» на формирование навыков, проблемных для инофонов, и при каких условиях ГМИИ выступают инструментом когнитивной поддержки, а не заменой самостоятельного интеллектуального труда студента.

В российской лингводидактике вопросы использования ГМИИ в обучении РКИ только начинают получать систематическое освещение. Большинство существующих работ сосредоточены на общих аспектах интеграции ИИ в образовательный процесс (персонализация, генерация учебных материалов, симуляция диалога), тогда как исследования, посвященные специфике обучения иностранных студентов письменному научному дискурсу с использованием ГМИИ, практически отсутствуют. Особый интерес представляют вопросы адаптации сгенерированных научных текстов к уровню языковой подготовки студентов (в частности, к пороговому уровню владения РКИ), а также проблемы академической этики (недопустимость подмены самостоятельной работы студента готовыми текстами ИИ) и верификации информации (т. е. учет галлюцинаций ГМИИ), которые в зарубежных исследованиях признаются ключевыми зонами методического риска. Кроме того, недостаточно разработанными остаются вопросы перевода стилистических параметров научного дискурса (отсутствие местоимения «я», пассивные и безличные конструкции, причастия, деепричастия, вводные слова) на язык промптов для генерации релевантных образцов.

Подводя итог научному обзору, следует констатировать, что, несмотря на растущий интерес исследователей к дидактическому потенциалу ГМИИ, целостная методическая модель обучения иностранных студентов уровня B1 письменному научному дискурсу с использованием ГМИИ на настоящий момент отсутствует. Настоящее исследование призвано восполнить указанный пробел и предложить методические условия эффективной интеграции ГМИИ в процесс обучения иностранных студентов письменному научному дискурсу на уровне владения РКИ B1 с опорой на выявленные реальные практики, трудности и дефициты студентов при работе с ГМИИ.

Методологическая база исследования / Methodological base of the research

Исследование опирается на методологическую базу, сформированную на основе трудов российских и зарубежных исследователей, изучающих три основных аспекта: применение генеративных моделей искусственного интеллекта (ГМИИ) в языковом образовании, концептуальные модели взаимодействия инофона с ГМИИ, а также влияние ГМИИ на формирование письменных научно-дискурсивных навыков у иностранных студентов. Интегрированный подход к исследованию сочетает в себе принципы цифровой дидактики, методики преподавания РКИ, что позволяет анализировать процесс использования ГМИИ в обучении письменному научному дискурсу через взаимосвязь технологической, методической и педагогической составляющих. Теоретическая база построена на основе сравнительного анализа научной литературы по вопросам внедрения ГМИИ в обучение РКИ, систематизации концептуальных моделей взаимодействия студента с ГМИИ, а также анализа эмпирических данных о реальных практиках, трудностях и дефицитах инофонов при работе с ГМИИ.

Этапы исследования:

– Изучение степени разработанности проблемы использования ГМИИ в обучении письменному научному дискурсу иностранных студентов в отечественной и зарубежной научной литературе.

– Выявление, систематизация и анализ особенностей применения ГМИИ в процессе обучения инофонов письменному научному дискурсу (анкетирование студентов).

– Определение методических условий эффективной интеграции ГМИИ в процесс обучения письменному научному дискурсу иностранных студентов уровня владения РКИ B1.

В ходе исследования были использованы следующие методы: метод изучения и анализа теоретической и методической литературы по теме исследования, который показывает степень разработанности темы, а также дает представление о направлениях в области применения ГМИИ в лингводидактической практике; метод анкетирования иностранных студентов (включающий закрытые вопросы о частоте и целях использования ГМИИ, типичных сценариях работы с научными текстами, самооценке навыков, опыте столкновения с «галлюцинациями» и вымышленными источниками, а также открытые вопросы об удачном и неудачном опыте взаимодействия); качественный анализ развернутых ответов респондентов; синтез полученных данных, позволяющий составить наиболее полное представление о реальных практиках, трудностях и дефицитах студентов при работе с ГМИИ. Для статистической обработки закрытых вопросов анкеты использовался SPSS – основной инструмент статистического анализа.

Результаты исследования / Research results

В анкетировании приняли участие 22 иностранных студента, изучающих РКИ и имеющих уровень владения РКИ B1 (пороговый). Исследование проводилось на базе ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого» в период с февраля по май 2026 года.

Среди опрошенных 54,5% (n = 12) составили мужчины, 45,5% (n = 10) – женщины. Возрастное распределение оказалось следующим: 40,9% (n = 9) респондентов находились в возрасте 18–20 лет, 36,4% (n = 8) – в возрасте 21–23 года, 22,7% (n = 5) – в возрасте 24–26 лет. Студентов старше 27 лет среди участников не оказалось. Анализ по курсу обучения показал, что большинство опрошенных (68,2%, n = 15) обучаются на I–II курсах, 13,6% (n = 3) – на III–IV курсах, 18,2% (n = 4) – в магистратуре. Что касается направления подготовки, то преобладают студенты гуманитарных и социальных наук (68,2%, n = 15), затем следуют IT и инженерные науки (13,6%, n = 3), лингвистика (9,1%, n = 2), естественные науки (4,5%, n = 1) и иностранные языки (4,5%, n = 1). Выборка представляет собой преимущественно студентов младших курсов гуманитарных направлений, что соответствует целевой аудитории исследования – иностранным студентам, осваивающим письменный научный дискурс.

Переходя к анализу практик использования ГМИИ, отметим, что подавляющее большинство респондентов (90,9%, n = 20) пользуются инструментами на базе ИИ для выполнения учебных или научных задач. Лишь 9,1% (n = 2) указали, что не используют такие инструменты. Среди причин отказа от использования ИИ половина опрошенных (50%, n = 1) назвала опасение, что это снизит качество обучения; 25% (n = 0,5 в пересчете на целое число – один респондент) не видят необходимости в ИИ, справляясь самостоятельно; 16,7% (n = 0,33 – 1 респондент) отметили недостаток знаний об инструментах, и 8,3% (n = 0,17 – 0 респондентов) сослались на этические соображения. В силу малочисленности группы не использующих ИИ (n = 2) дальнейший статистический анализ по этой подгруппе не проводился.

Анализ частоты обращения к ГМИИ показал, что 18,2% (n = 4) студентов используют ИИ несколько раз в день, 27,3% (n = 6) – ежедневно, 31,8% (n = 7) – несколько раз в неделю, 13,6% (n = 3) – несколько раз в месяц и 9,1% (n = 2) – реже одного раза в месяц. Более половины опрошенных (59,1%) прибегают к ИИ ежедневно или несколько раз в неделю. Частота использования не зависит ни от пола, ни от курса обучения.

Наблюдается явное доминирование текстовых чат-ботов (81,8%). Остальные типы ИИ-инструментов (голосовые помощники, специализированные научные сервисы, программы для презентаций и дизайна) используются значительно реже – от 4,5% до 9,1%. Генераторы изображений и ИИ для программирования не использовал никто из опрошенных. Основным каналом взаимодействия студентов с ГМИИ остаются универсальные текстовые чат-боты, а специализированные научные инструменты, которые могли бы повысить качество работы с источниками, практически не востребованы.

Переходя к качественной стороне использования ИИ, рассмотрим, какие сценарии работы с ГМИИ являются для студентов наиболее типичными. На вопрос о том, как выглядит их обычный опыт взаимодействия с ИИ при выполнении учебных заданий, 36,4% (n = 8) ответили, что ИИ помогает им структурировать и оформлять собственные мысли. 27,3% (n = 6) используют ИИ главным образом для поиска информации, проверки фактов и кратких пояснений, но не для генерации текста. По 13,6% (n = 3) приходятся на два сценария: «ИИ генерирует основное содержание, а я редактирую» и «ИИ выполняет бóльшую часть работы, я лишь незначительно меняю результат». И лишь 9,1% (n = 2) используют ИИ только для незначительных правок. Эти данные свидетельствуют о том, что большинство студентов (63,7%) воспринимают ИИ как помощника или инструмент поиска, а не как полноценного заменителя собственного труда. Однако почти каждый седьмой (13,6%) делегирует ИИ бóльшую часть работы, что создает зону методического риска.

Для более детального анализа востребованности различных учебных задач студентам было предложено оценить частоту применения ГМИИ по 11 сценариям (от 1 – «никогда» до 5 – «постоянно»). Результаты этого анализа представлены в табл. 1.

Таблица 1

Средние показатели частоты использования ГМИИ по типам учебных задач

Как следует из табл. 1, наиболее востребованным сценарием оказался перевод и анализ иноязычных научных статей (M = 3,23; SD = 0,87). 45,5% студентов обращаются к ИИ для этих целей часто или постоянно. Этот результат особенно значим в контексте обучения письменному научному дискурсу, поскольку именно перевод научной литературы является для иностранных студентов одной из самых трудоемких задач, а ИИ, по-видимому, воспринимается ими как эффективное средство ее решения. На втором месте с небольшим отрывом находится решение расчетных задач (M = 2,95; SD = 1,36), а на третьем – объяснение сложных тем и подготовка к экзаменам (M = 2,86; SD = 0,71). Различия между наиболее востребованным сценарием (перевод статей) и наименее востребованными (генерация идей, написание кода) статистически значимы (t(21) = 5,67, p < 0,001 для парного сравнения).

Что побуждает студентов обращаться к ГМИИ? Главными причинами (респонденты могли выбрать не более двух вариантов) стали: помощь в понимании сложного материала (31,8%, n = 7), экономия времени (18,2%, n = 4), повышение качества работ (18,2%, n = 4), быстрый поиск и структурирование информации (18,2%, n = 4). Интерес к технологии отметили 9,1% (n = 2), нехватку собственных знаний – 4,5% (n = 1). Никто из опрошенных не назвал в качестве причины преодоление творческих затруднений. Таким образом, студенты используют ГМИИ прежде всего для понимания и ускорения работы, а не как замену собственному творчеству.

Чтобы понять, как студенты оценивают воздействие ГМИИ на свою учебную деятельность, им было предложено выразить степень согласия с шестью утверждениями по 5-балльной шкале Лайкерта (от 1 – «совершенно не согласен» до 5 – «полностью согласен»). Полученные данные представлены в табл. 2.

Таблица 2

Отношение студентов к влиянию ГМИИ на учебную деятельность

Как видно из табл. 2, большинство студентов (59,1%) согласны с тем, что ИИ помогает им лучше понимать сложный материал. Половина опрошенных (50,0%) уверены, что могут выполнить задание без ИИ так же хорошо, как и с ним, что свидетельствует о сохранении чувства самостоятельности. Однако наиболее примечательным результатом является высокий уровень опасений: 54,5% студентов опасаются, что чрезмерное использование ИИ снижает их собственные навыки мышления и письма (M = 3,45; SD = 1,06). Корреляционный анализ Спирмена выявил положительную связь между частотой использования ГМИИ и уровнем этих опасений (r_s = 0,47, p = 0,028). Иными словами, чем активнее студенты используют ИИ, тем сильнее они тревожатся о возможных негативных последствиях для своих когнитивных способностей.

Значительный интерес представляет отношение студентов к этическим аспектам использования ГМИИ. Как показал анализ, представления студентов об академической этике отличаются размытостью и неоднородностью. На вопрос о том, должно ли использование ИИ считаться нарушением академической этики, почти половина респондентов (45,5%, n = 10) ответили, что нет, это современный инструмент, как и любой другой. 22,7% (n = 5) считают, что использование ИИ является нарушением, только если преподаватель явно не разрешал его. 18,2% (n = 4) полагают, что нарушение имеет место лишь в случае полной генерации работы ИИ без переработки. И лишь 13,6% (n = 3) придерживаются жесткой позиции, считая использование ИИ нарушением всегда. Что касается необходимости указывать факт использования ИИ в тексте учебной работы, то половина опрошенных (50,0%, n = 11) считает, что это необходимо делать, если использование было значительным (более 30% текста). 27,3% (n = 6) полагают, что указывать использование ИИ не обязательно, так как это просто инструмент. И лишь 22,7% (n = 5) придерживаются принципа «всегда указывать, если ИИ использовался для генерации контента».

При этом осведомленность студентов о формальных правилах вуза оказалась низкой. Только 27,3% (n = 6) респондентов отметили, что правила четко прописаны и доведены до студентов. 45,5% (n = 10) слышали что-то, но четких правил нет, а 27,3% (n = 6) вообще не знают о существовании каких-либо правил. Этот вывод подтверждается и данными об опыте негативной реакции преподавателей: 63,6% (n = 14) студентов сталкивались с негативным отношением со стороны преподавателей один-два раза, 27,3% (n = 6) – несколько раз, 9,1% (n = 2) – постоянно. Никто из опрошенных не ответил, что никогда не сталкивался с такой реакцией. Отсутствие четких правил при наличии у преподавателей негативного отношения создает для студентов ситуацию неопределенности, которая сама по себе является дополнительным стресс-фактором. Статистически значимых различий в отношении к этическим нормам между студентами младших (I–II курсы) и старших курсов выявлено не было (χ² = 2,34, df = 3, p = 0,505), что говорит о том, что размытость этических представлений не преодолевается с увеличением срока обучения.

Переходя к анализу рисков, связанных с использованием ГМИИ, отметим, что значительная часть студентов регулярно сталкивается с ошибочной информацией и вымышленными источниками. Как показано в табл. 3, 81,8% респондентов хотя бы иногда получали от ИИ информацию, которая оказывалась ошибочной или вводящей в заблуждение, причем 40,9% сталкиваются с этим часто, а 9,1% – постоянно.

Таблица 3

Столкновение с рисками при использовании ГМИИ

Особого внимания заслуживает тот факт, что 54,5% студентов регулярно (иногда, часто или постоянно) сталкиваются с вымышленными научными источниками – несуществующими статьями, авторами, DOI, которые ИИ генерирует как достоверные. Для иностранного студента уровня владения РКИ B1, который еще не обладает достаточным опытом работы с научной литературой, распознать такую фабрикацию крайне сложно, что создает серьезный академический риск.

Как же студенты реагируют на эти риски? Анализ частоты проверки информации, полученной от ИИ, дает тревожные результаты. Как следует из табл. 4, 68,2% студентов проверяют информацию редко или никогда. Только 4,5% (n = 1) всегда перепроверяют всё, и 22,7% (n = 5) делают это часто. При этом 4,5% (n = 1) полностью доверяют ИИ и никогда не проверяют полученные ответы.

Таблица 4

Частота проверки информации, полученной от ИИ

Корреляционный анализ Спирмена выявил ожидаемую отрицательную связь между частотой проверки информации и столкновением с вымышленными источниками (r_s  =  –0,44, p = 0,041): чем чаще студенты проверяют информацию, тем реже они сталкиваются с вымышленными источниками. Однако парадокс заключается в том, что, несмотря на высокий уровень осознания рисков (напомним, 54,5% опасаются снижения навыков, 54,5% регулярно сталкиваются с вымышленными источниками), студенты не выстраивают стратегий защиты. Сопоставление самооценки навыков критической оценки ответов ИИ с реальной практикой верификации выявило еще одно значимое расхождение. Из восьми студентов, оценивших свои навыки критической оценки как «хорошо» или «отлично» (36,4% от всей выборки), пять человек (62,5%) при этом проверяют информацию редко или никогда. Критерий χ² Пирсона не выявил статистически значимой связи между уровнем самооценки и частотой проверки (χ² = 0,74, df = 2, p = 0,691), что подтверждает наличие расхождения: высокая самооценка не сопровождается соответствующим поведением.

Анализ самооценки различных навыков работы с ГМИИ (табл. 5) показывает, что наиболее слабым местом студенты считают использование специализированных научных ИИ-инструментов (50,0% оценивают свои навыки как слабые или отсутствующие). Умение формулировать запросы (промптинг) оценивается как хорошее или отличное лишь у 31,8% студентов, тогда как 45,5% оценивают его как среднее, а 22,7% – как слабое. Навыки критической оценки ответов ИИ и понимания ограничений ИИ оцениваются несколько выше: по 36,4% студентов считают их хорошими или отличными.

Таблица 5

Самооценка навыков работы с ГМИИ

При этом понимание того, на основе каких данных ИИ формирует свои ответы, у студентов остается поверхностным: только 4,5% (n = 1) хорошо представляют себе этот механизм, 45,5% (n = 10) имеют общее представление, 31,8% (n = 7) практически не понимают, а 18,2% (n = 4) считают, что это не важно.

Обратимся к вопросу о том, как сами студенты оценивают необходимость институционализации обучения работе с ИИ. Мнения разделились почти поровну: 31,8% (n = 7) считают, что вуз должен включать обучение работе с ИИ в рамках существующих дисциплин (факультативно), столько же (31,8%, n = 7) полагают, что студенты должны осваивать это самостоятельно, 27,3% (n = 6) выступают за обязательные отдельные курсы или модули, и 9,1% (n = 2) затруднились с ответом. Таким образом, значительная часть студентов (59,1%) признаёт необходимость обучения работе с ИИ в той или иной форме.

Суммируя изложенные выше результаты, мы приходим к выявлению фундаментального парадокса, который составляет основное научное открытие данного исследования. Этот парадокс заключается в следующем: студенты уровня владения РКИ B1 осознают риски использования ГМИИ (галлюцинаций, вымышленных источников, снижения когнитивных навыков), однако это осознание не переходит в практику верификации информации: студенты знают об опасности, но не проверяют ответы ГМИИ и не меняют свое поведение. Статистическое подтверждение этого парадокса представлено в табл. 6.

Таблица 6

Сопоставление осознания рисков и практики верификации

Доля студентов, не проверяющих информацию (68,2%), превышает долю тех, кто осознаёт риск снижения навыков (54,5%). Более того, 54,5% студентов сталкиваются с вымышленными источниками, но лишь 27,3% проверяют информацию часто или всегда. Это расхождение статистически значимо (χ² = 4,95, df = 1, p = 0,026). Проблема не в том, что студенты используют ИИ, а в том, что они знают: ИИ может ошибаться, например, придумывать несуществующие научные статьи, но при этом не умеют с этой проблемой работать. Чтобы это исправить, необходимо решить две задачи. Во-первых, научить студентов проверять факты: давать им специальные задания, где они ищут ошибки ИИ и сверяют информацию с настоящими научными источниками. Во-вторых, научить их правильно формулировать запросы к нейросети (промпты), поскольку многие студенты сами признают, что не владеют этим навыком. Для уровня B1 это означает, что они должны уметь указывать в запросе свой уровень языка, просить безличные конструкции (вместо «я считаю»), а также уточнять нужный формат (аннотация, реферат или тезисы) и примерный объем текста. Особую значимость приобретает итеративный подход к формулированию запросов.

Ввиду размытости представлений студентов об академической этике обязательным компонентом обучения становится обсуждение норм цитирования, правил раскрытия факта использования ГМИИ и границ допустимого применения генеративных моделей в учебных и научных работах. Методически оправданным представляется использование ГМИИ не для генерации текста «с нуля», а для доработки черновиков, написанных студентом самостоятельно. Рекомендуется внедрение итеративного цикла «собственный черновик → обратная связь от ИИ → правка → повторная проверка», в рамках которого генеративная модель выступает в роли стилистического редактора, а не соавтора. Целесообразно знакомить студентов со специализированными научными ИИ-инструментами (поиск литературы, анализ цитирований, автоматическое аннотирование), поскольку большинство обучающихся ограничиваются текстовыми чат-ботами общего назначения, что снижает потенциал использования ИИ для подготовки письменных научных работ.

Выявленное расхождение между высокой самооценкой навыков критической оценки и низкой частотой верификации требует внедрения механизмов внешнего контроля. К их числу относятся обязательное предоставление студентами истории работы с ИИ (промпты и полученные ответы), аудиторное обсуждение случаев галлюцинаций и ошибок нейросетей, а также рефлексивные задания, направленные на осознание собственных стратегий взаимодействия с генеративными моделями. Учитывая, что ГМИИ, обученные на англоязычных корпусах, транслируют западные риторические модели, преподаватель должен не только использовать сгенерированные образцы, но и комментировать их стилистические особенности, указывая на отличия русской научно-риторической традиции (нелинейная логика, отсутствие жесткой структуры абзаца, иная система связок), и обучать студентов адаптировать тексты под эти требования. Поскольку значительная часть студентов признаёт необходимость обучения работе с ИИ в той или иной форме, целесообразно включение соответствующих тем в программы по русскому языку для академических целей, а также создание методических материалов по критическому промптингу и верификации информации.

Подводя итог, можно констатировать, что только при соблюдении этих условий ГМИИ сможет занять свое место не как замена самостоятельной учебной деятельности студента, а как эффективный инструмент когнитивной поддержки, ускоряющий выполнение рутинных операций и обогащающий процесс обучения без ущерба для развития критического мышления и интеллектуальной самостоятельности.

Заключение / Conclusion

Проведенное исследование позволило сделать следующие выводы. Анкетирование иностранных студентов уровня B1 показало, что подавляющее большинство из них используют ГМИИ в учебной деятельности, однако их практики характеризуются системными проблемами: большинство редко или никогда не перепроверяет полученную от ГМИИ информацию, значительная часть регулярно сталкивается с вымышленными научными источниками, а многие опасаются, что чрезмерное использование ГМИИ снижает их навыки мышления и письма. Самым частотным сценарием является перевод и анализ иноязычных научных статей. Этот результат имеет прямое методическое значение: именно в этом сценарии заложен наибольший потенциал для интеграции ГМИИ в обучение письменному научному дискурсу, поскольку перевод научной литературы является для иностранных студентов одной из самых трудоемких задач. Значительная часть студентов оценивает свои навыки критической оценки ответов ГМИИ как высокие, однако большинство из них при этом редко или никогда не проверяет полученную информацию. Статистический анализ подтверждает отсутствие значимой связи между уровнем самооценки и частотой проверки, что свидетельствует о наличии расхождения. Многие студенты опасаются снижения навыков и регулярно сталкиваются с вымышленными источниками, но при этом большинство не проверяет информацию, полученную от ИИ. Осознание рисков не переходит в практику верификации: студенты знают об опасности, но не меняют поведение. Это расхождение статистически значимо. Полученные данные обосновывают необходимость перехода от использования ГМИИ как «генератора готового текста» к использованию ГМИИ как «средства редактирования и улучшения собственного текста студента».

На основе выявленных эмпирических данных разработана система рекомендаций, включающая: алгоритм составления промптов для генерации учебных научных текстов, адаптированных к уровню владения РКИ B1; критерии верификации сгенерированных материалов (проверка на наличие вымышленных источников, соответствие жанрово-стилистическим нормам, лексическую и синтаксическую доступность); а также рекомендации по формированию у студентов навыков промптинга и верификации информации.

Несмотря на полученные результаты, необходимо указать на ограничения проведенного исследования. Размер выборки (N = 22) не позволяет экстраполировать выводы на всю популяцию иностранных студентов уровня владения РКИ B1 без дополнительных исследований с большим количеством респондентов. Кроме того, исследование проводилось на базе одного университета, что может отражать специфику конкретной образовательной среды и особенностей контингента обучающихся. Исследование носило диагностический характер и не включало экспериментальную проверку эффективности предложенных на его основе методических условий. Наконец, исследование опиралось исключительно на самоотчет студентов, что несет в себе риск социально желательных ответов и расхождения между заявляемым и реальным поведением (хотя последнее и было частично зафиксировано в вопросах о частоте проверки информации). Несмотря на указанные ограничения, полученные данные представляют собой эмпирическую основу для дальнейших исследований и разработки методических рекомендаций.