PhD in Philology, Associate Professor, Leading Researcher at the Experimental Phonetics and Forensic Linguistics Laboratory
кандидат филологических наук, доцент, ведущий научный сотрудник Экспериментально-фонетической лаборатории криминалистики по речеведению
The developed model provides a deterministic, transformation-based approach to generating English language exercises from user-provided texts. The system is designed as a rule-based AI tool that restructures existing textual material into pedagogically organized tasks while preserving structural and contextual coherence. Unlike large probabilistic language models that autonomously generate discourse, the proposed approach relies on explicit linguistic rules and CEFR-calibrated constraints (A1-C2), ensuring reproducibility and transparency of output. The study conceptualizes AI-assisted exercise generation as a structured process of text transformation rather than autonomous content production. The model maintains traceability between source text elements and generated tasks and avoids probabilistic text synthesis. CEFR integration functions as a constraint-based filtering mechanism that regulates lexical and grammatical selection according to proficiency descriptors. A qualitative pilot study conducted in a tertiary EFL context demonstrates that the system produces linguistically valid and pedagogically usable exercises derived from authentic texts. The findings indicate that rule-based AI systems can support instructional material preparation while preserving teacher control and structural stability. The study contributes to ongoing discussions in applied linguistics on transparent and theory-informed integration of artificial intelligence into foreign language education.
Разработанная модель генерации упражнений по английскому языку на основе загружаемого текста реализована в виде системы искусственного интеллекта, основанной на формализованных правилах и осуществляющей структурированную переработку исходного текстового материала в педагогически организованные задания с сохранением его структурной и контекстуальной целостности. В отличие от вероятностных генеративных языковых моделей, предлагаемый подход основан на явных лингвистических правилах и ограничениях, калиброванных в соответствии с уровнями владения языком по шкале CEFR (A1-C2), что обеспечивает воспроизводимость и прозрачность результатов. Генерация упражнений рассматривается как процесс управляемой текстовой трансформации, а не автономного порождения дискурса. Модель сохраняет трассируемость между элементами исходного текста и производными заданиями и не использует вероятностный синтез нового дискурса. Интеграция параметров CEFR функционирует как механизм фильтрации, регулирующий лексический и грамматический отбор в соответствии с дескрипторами уровня владения языком. Качественное пилотное исследование, проведенное в условиях вузовского преподавания английского языка как иностранного, показало, что система обеспечивает лингвистическую корректность и педагогическую применимость генерируемых заданий. Результаты свидетельствуют о том, что системы ИИ на основе формализованных правил могут эффективно поддерживать разработку учебных материалов, сохраняя контроль преподавателя и структурную устойчивость учебного дискурса. Работа способствует развитию теоретически обоснованных и прозрачных моделей интеграции искусственного интеллекта в прикладную лингвистику и методику преподавания иностранных языков.