Doctor of Philology, Professor at the Department of Foreign Languages
доктор филологических наук, профессор кафедры иностранных языков
The study is relevant due to the need to improve students’ academic writing skills; the relevance is also substantiated by the ongoing transformation of scientific communication under the influence of artificial intelligence (AI). The study presents the results of a comparative analysis of metadiscoursive components in Russian-language abstracts written by undergraduates of engineering faculties before and after AI editing. The research focuses on the effectiveness of GigaChat neural network model in editing scientific texts in terms of the specific scientific and technical communication. The author used methods of quantitative and interpretative analysis. The research material consisted of 40 Russian-language abstracts written by the 2nd year undergraduates in engineering. The study revealed the frequency dynamics of metadiscoursive markers before and after AI text processing. The results showed that the number of boosters, attitude markers, and self-reference markers in the texts created with the developed prompts and edited by GigaChat reached the reference level, i.e. the normalized frequency of the metadiscoursive tools in the abstracts written by the leading researchers in technical sciences. The increase in hedging markers above the reference level softened the categorical statements. Despite GigaChat failed to achieve the reference frequency for all metadiscoursive markers after AI text editing the academic style significantly improved and came closer to the metadiscoursive canons of scientific and technical communication. The research studies transformations in scientific communication under the influence of AI and reveals the potential for optimizing the written scientific speech of novice researchers.
Актуальность исследования обусловлена необходимостью улучшения навыков академического письма обучающихся и трансформацией научной коммуникации под влиянием искусственного интеллекта (ИИ). Цель исследования - выявить влияние ИИ-редактирования на метадискурсивные характеристики академических текстов начинающих исследователей. Использованы методы количественного и интерпретативного анализа. Материалом исследования послужили 40 русскоязычных аннотаций, написанных магистрантами 2 курса инженерных направлений подготовки. Выявлена динамика частотности метадискурсивных маркеров до и после обработки текстов с использованием ИИ. Результаты показали, что количество бустеров, маркеров отношения и маркеров самореференции в текстах, отредактированных GigaChat, в соответствии с разработанным промптом, достигло эталонного уровня, за который была принята нормализованная частотность данных метадискурсивных средств в аннотациях ведущих исследователей в области технических наук. Увеличение маркеров хеджирования выше эталонного уровня привело к смягчению категоричности высказываний. Несмотря на то, что GigaChat не удалось достичь эталонной частотности для всех метадискурсивных маркеров, в результате ИИ-редактирования текстов произошло значительное улучшение академического стиля и приближение к метадискурсивным канонам научно-технической коммуникации. Исследование вносит вклад в изучение трансформационных процессов научной коммуникации под влиянием ИИ, выявляя потенциал оптимизации письменной научной речи начинающих исследователей.