Ссылаться на эту работу следует следующим образом:
Л.А.Яковлева. Методика работы с машинно-сгенерированными текстами на занятиях по стилистике русского языка // Письма в Эмиссия.Оффлайн (The Emissia.Offline Letters): электронный научный журнал. 2026. №8 (август). ART 3774. URL: http://emissia.org/offline/2026/3774.htm

Специальность ВАК 5.8.7
УДК 378.147.88

Яковлева Любовь Анатольевна
кандидат филологических наук, доцент, Технический институт (филиал) Северо-Восточного федерального университета, г. Нерюнгри
yakovleva.l.a@svfu.ru

Аннотация
В статье рассматривается проблема трансформации профессиональных компетенций студента-филолога в современных условиях распространения генеративных языковых моделей. На материале русского языка выявляется типология системных ошибок нейросетей, обусловленных статистической природой их работы. Предложена методика формирования языковой интуиции через задания, в которых студент выступает экспертом-критиком сгенерированного текста. Описана система из четырех типов заданий с нарастанием сложности, рубрикатор оценивания и результаты апробации в учебном процессе. Делается вывод о том, что именно «ошибки ИИ» становятся ценным дидактическим ресурсом для развития стилистической компетентности.

Ключевые слова: генеративный ИИ, стилистика русского языка, языковая интуиция, критическая языковая личность, филологическое образование.

----------------

Lyubov A. Yakovleva
Candidate of Philological Sciences, Associate Professor, Technical Institute (Branch) of North-Eastern Federal University, Neryungri
yakovleva.l.a@svfu.ru

Abstract
This article examines the transformation of student philology professional competencies in the current context of the widespread use of generative language models. Using Russian language data, a typology of systemic neural network errors caused by the statistical nature of their operation is identified. A method for developing linguistic intuition through tasks in which the student acts as an expert critic of the generated text is proposed. A system of four types of tasks with increasing difficulty, an assessment rubricator, and the results of testing in the educational process are described. It is concluded that "AI errors" are becoming a valuable didactic resource for developing stylistic competence.

Key words: generative AI, Russian language stylistics, linguistic intuition, critical linguistic personality, philological education.

----------------

С 2023 года нейросети (ChatGPT, YandexGPT, GigaChat и др.) вошли в повседневную учебную практику, и студенты-филологи оказались среди их пользователей. Они генерируют новые тексты, делают стилистический разбор, пишут эссе, решают тестовые задания любой степени сложности. Традиционные формы контроля (реферат, стилистический анализ, сочинение) обесцениваются. Большинство педагогических реакций сводятся к двум крайностям: одни преподаватели запрещают использование искусственного интеллекта (далее – ИИ) (используют программу Антиплагиат.вуз при проверке любого письменного задания, принимают устные отработки, проверяют лекционные записи), однако это, на наш взгляд, лишь частично решает проблему; другие используют нейросети как инструмент («учимся писать правильные промпты»), что снижает филолога до уровня оператора. Третья (и на наш взгляд, самая распространенная) модель – делать вид, что ничего не происходит, и продолжать работать по-прежнему [1-4].

Поэтому в современных условиях существует проблема установления взаимоотношений между ИИ и студентом, и каковы они в конечном счете установятся, во многом зависит от каждого преподавателя [5]. Предлагаем модель взаимодействия на примере преподавания курса «Стилистика» для студентов филологических направлений подготовки.

На основе собственного анализа 150 запросов к разным нейросетям (2024–2026) предлагается следующая типология стилистических ошибок, которые допускает ИИ: смешение функциональных стилей («потреблять утреннюю пищу» вместо «завтракать» в рассказе; «осуществлять прогулку» вместо «гулять»), дословный перевод английских идиом или смешение русских фразеологических единиц («в конце дня» вместо «в конечном счете»; «играть роль» / «иметь значение»), смешение паронимов («изобретательный / изобретательский», «романтичный / романтический», «компания / кампания» в сложных контекстах), анахронизмы (слово «блогер» в стилизации под XIX век; «рефлексировать» в тексте от лица Чехова), нарушение связи (отсутствие связи между абзацами), неоправданная метафоризация, стремление к использованию оценочных прилагательных в научном и официально-деловом текстах и др.

Студентам в ходе изучения дисциплины были предложены четыре типа заданий с нарастанием сложности (по таксономии Блума). В первом задании студентам выдается сгенерированный текст (300–500 слов), в котором за 10 минут необходимо найти минимум 7 речевых ошибок, классифицировать их и указать, к какому типу относится каждая. Пример текста (фрагмент, сгенерированный ИИ): «В современном мире очень важно осуществлять эффективное взаимодействие между различными социальными группами. Главный приоритет заключается в том, чтобы впервые дебютировавшие на рынке молодые специалисты могли свободно коммуницировать. Это позволит в конце дня достичь желаемого результата и осуществить поставленные задачи». Ожидаемый ответ студента: осуществлять взаимодействие – стилистическая неуместность; главный приоритет, впервые дебютировавшие – плеоназм; свободно коммуницировать – стилистическая неуместность (вместо «общаться»); в конце дня – фразеологическая калька; осуществить задачи – нарушение лексической сочетаемости (задачи решают); различными социальными группами – речевая избыточность. Критериями оценивания задания является количество найденных ошибок и точность классификации.

Далее студент получает новый сгенерированный текст и задачу переписать его так, чтобы сохранить смысл, но полностью устранить «машинный стиль» [6]. Обязательным условием является комментарий редактора (не менее 5 пунктов), где объясняется каждое стилистическое решение со ссылкой на конкретные языковые нормы (по учебникам Д.Э. Розенталя, И.Б. Голуб, М.Н. Кожиной и др.). Пример редакторского комментария: «Была заменена конструкция «осуществлять взаимодействие» на «общаться», так как в публицистическом тексте о социальных отношениях канцелярит неуместен». При оценивании задания учитывается качество правки и глубина комментария.

В третьем задании студент выбирает одну конкретную ошибку из предыдущих заданий и пишет небольшое исследование (500–700 слов): почему, на ваш взгляд, ИИ совершает именно эту ошибку? Гипотезы могут опираться на вероятностную природу нейросетей (алгоритм выбирает наиболее частотное продолжение, а не уместное); преобладание переводной литературы в тренировочных данных (отсюда кальки); отсутствие у модели коммуникативного опыта; смешение жанров в корпусе. Пример вывода студента: «Ошибка «в конце дня» возникает потому, что в тренировочном корпусе нейросети значительную долю составляют переводы англоязычной публицистики, где выражение at the end of the day встречается часто. Модель статистически воспроизводит паттерн, не понимая, что в русской языковой норме эта калька не закреплена». Оценивается лингвистическая обоснованность гипотезы, опора на теорию.

В четвертом задании студент пишет короткий текст (200-300 слов) в заданном жанре (тост, комплимент, письмо подруге, пост в социальных сетях), намеренно используя приемы, которые ИИ воспроизводит некорректно: авторскую пунктуацию, разговорные вкрапления, просторечие; культурные аллюзии, понятные носителю языка; эмоциональную градацию, «живую» интонацию. Затем текст отдается ИИ с просьбой «улучшить». Студенту необходимо аргументировать, почему правки ИИ его портят, какие именно «живые» детали алгоритм устранил. В этом задании оценивается способность аргументировать авторский выбор.

Педагогический эксперимент, позволивший проверить эффективность предложенной методики, проходил в весеннем семестре 2025-2026 учебного года. В нем приняли участие две группы студентов-филологов 3-4 курсов: экспериментальная (8 человек) и контрольная (7 человек). Выборка невелика, однако для формирующего эксперимента такого объема оказалось достаточно, чтобы зафиксировать содержательные сдвиги.

Студенты контрольной группы продолжили заниматься по привычной схеме: на занятиях по стилистике преобладали анализ текстов, упражнения по редактуре, создание собственных высказываний и тому подобные формы работы. В экспериментальной группе учебный процесс был выстроен вокруг системы упражнений, описанной выше.

Чтобы оценить динамику, мы провели две срезовые контрольные работы: до начала эксперимента и по его завершении. В начале эксперимента студенты прошли диагностический тест: студентам предлагался стандартный фрагмент текста с десятью речевыми ошибками, которые было необходимо устранить, затем сравнивались количество обнаруженных недочетов и точность их классификации. Вторая работа заключалась в написании эссе, которые оценивались по пяти критериям (языковая точность, стилистическая уместность, оригинальность, богатство речи, связность). Гипотеза, которая впоследствии была подтверждена, формулировалась следующим образом: в тесте на речевые ошибки экспериментальная и контрольная группы показали практически одинаковые результаты, однако эссе студентов экспериментальной группы получат более высокие баллы по критериям «стилистическая уместность» и «языковая точность».

Таким образом, в эпоху тотального использования ИИ студент может выступать в позиции эксперта-критика, чья профессиональная компетенция состоит в том, чтобы видеть то, чего машина не замечает в принципе. Предложенная система заданий работает на эту цель, она смещает фокус оценивания с продукта (написанного текста, который ИИ научился воспроизводить все увереннее) на процесс экспертного суждения. А это, в свою очередь, делает процедуру контроля устойчивой к использованию нейросетей – студенту просто не выгодно делегировать машине ту работу, за которую он получает баллы.

Филологическое образование, как ни странно, не проигрывает от прихода генеративного ИИ. Напротив, оно получает редкий шанс вернуться к живому слову, к контексту, к той культурной укорененности, которую невозможно свести к статистическому предсказанию токенов. Возможно, именно сейчас, в точке максимального давления искусственных алгоритмов на живой текст, филология как дисциплина обретает свою самую ясную профессиональную миссию.

Автор заявляет об отсутствии потенциального или явного конфликта интересов.
При проведении исследования соблюдены этические принципы, предусмотренные для исследований с участием людей.
Исследование проведено без финансовой поддержки.

Литература

1. Сысоев П.В., Филатов Е.М. Методика обучения учащихся и студентов написанию эссе в триаде «обучающийся — преподаватель — искусственный интеллект» / П.В. Сысоев, Е.М. Филатов // Вестник Московского ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2024. Т. 27. № 2. С. 38-54.

2. Казакова Е.И., Кузьминов Я.И. Мы должны воспитать культуру критического отношения к ответам искусственного интеллекта / Казакова Е.И., Кузьминов Я.И. // Вопросы образования/ Educational Studies Moscow. 2025. № 1. С. 8-24.

3. Ананин Д.П., Комаров Р.В., Реморенко И.М. «Когда честно - хорошо, для имитации - плохо»: стратегии использования генеративного искусственного интеллекта в российском вузе / Д.П. Ананин, Р.В. Комаров, И.М. Реморенко // Высшее образование в России. 2025. Т. 34. № 2. С. 31-50.

4. Сысоев П.В. Вызовы и риски искусственного интеллекта для системы вузовского образования: понимание преподавателями и практическая готовность к изменениям // Высшее образование в России. 2026. Т. 35, № 6. С. 55-82. DOI: 10.31992/08693617-2026-35-6-55-82.

5. Ван Сяоюй, Ли Янь, Янь Цзин. Умное обучение с использованием искусственного интеллекта: пути совершенствования процесса преподавания общеобразовательных предметов в вузе (опыт Китая) / Сяоюй Ван, Янь Ли, Цзин Янь // Russian Journal of Education and Psychology. 2025. 16(1). С. 7-25.

6. Кошкина Е.А., Бордовская Н.В., Гнедых Д.С., Хромова М.А., Демьянчук Р.В., Исхакова М.П., Балышев П.А. Генеративный искусственный интеллект в высшем образовании: обзор теоретических подходов и практик применения / Е.А. Кошкина, Н.В. Бордовская, Д.С. Гнедых, М.А. Хромова, Р.В. Демьянчук, М.П. Исхакова, П.А. Балышев // Высшее образование в России. 2025. Т. 34. № 6. С. 36-57.

Рекомендовано к публикации:
А.А.Ахаян, доктор педагогических наук, член Редакционной Коллегии

Literature

1. Sysoyev P.V., Filatov Ye.M. Metodika obucheniya uchashchikhsya i studentov napisaniyu esse v triade «obuchayushchiysya — prepodavatel' — iskusstvennyy intellekt» / P.V. Sysoyev, Ye.M. Filatov // Vestnik Moskovskogo un-ta. Ser. 19. Lingvistika i mezhkul'turnaya kommunikatsiya. 2024. T. 27. № 2. S. 38-54.

2. Kazakova Ye.I., Kuz'minov YA.I. My dolzhny vospitat' kul'turu kriticheskogo otnosheniya k otvetam iskusstvennogo intellekta / Kazakova Ye.I., Kuz'minov YA.I. // Voprosy obrazovaniya/ Educational Studies Moscow. 2025. № 1. S. 8-24.

3. Ananin D.P., Komarov R.V., Remorenko I.M. «Kogda chestno - khorosho, dlya imitatsii - plokho»: strategii ispol'zovaniya generativnogo iskusstvennogo intellekta v rossiyskom vuze / D.P. Ananin, R.V. Komarov, I.M. Remorenko // Vyssheye obrazovaniye v Rossii. 2025. T. 34. № 2. S. 31-50.

4. Sysoyev P.V. Vyzovy i riski iskusstvennogo intellekta dlya sistemy vuzovskogo obrazovaniya: ponimaniye prepodavatelyami i prakticheskaya gotovnost' k izmeneniyam // Vyssheye obrazovaniye v Rossii. 2026. T. 35, № 6. S. 55-82. DOI: 10.31992/08693617-2026-35-6-55-82.

5. Van Syaoyuy, Li Yan', Yan' TSzin. Umnoye obucheniye s ispol'zovaniyem iskusstvennogo intellekta: puti sovershenstvovaniya protsessa prepodavaniya obshcheobrazovatel'nykh predmetov v vuze (opyt Kitaya) / Syaoyuy Van, Yan' Li, TSzin Yan' // Russian Journal of Education and Psychology. 2025. 16(1). S. 7-25.

6. Koshkina Ye.A., Bordovskaya N.V., Gnedykh D.S., Khromova M.A., Dem'yanchuk R.V., Iskhakova M.P., Balyshev P.A. Generativnyy iskusstvennyy intellekt v vysshem obrazovanii: obzor teoreticheskikh podkhodov i praktik primeneniya / Ye.A. Koshkina, N.V. Bordovskaya, D.S. Gnedykh, M.A. Khromova, R.V. Dem'yanchuk, M.P. Iskhakova, P.A. Balyshev // Vyssheye obrazovaniye v Rossii. 2025. T. 34. № 6. S. 36-57.

Яковлева Любовь Анатольевна
Технический институт (филиал) Северо-Восточного федерального университета, г. Нерюнгри
РИНЦ AuthorID: 639327
SPIN-код: 2477-0405
ORCID: 0000-0001-5526-9611