ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Адаптация аутентичных текстов средствами генеративного искусственного интеллекта для обучения РКИ на разных уровнях языковой подготовки на примере природоохранной лексики

Авторы

  • Наталья Александровна Никитская https://orcid.org/0000-0001-9209-8251 Российский университет дружбы народов, 117198, г. Москва, ул. Миклухо-Маклая, д. 6
  • Елена Леонидовна Черкашина https://orcid.org/0000-0002-1613-0147 Российский государственный аграрный университет – МСХА имени К.А. Тимирязева (РГАУ-МСХА им. К.А. Тимирязева), 127434, Москва, ул. Тимирязевская, 49

Как цитировать

ГОСТ Никитская Н. А., Черкашина Е. Л. Адаптация аутентичных текстов средствами генеративного искусственного интеллекта для обучения РКИ на разных уровнях языковой подготовки на примере природоохранной лексики // Вопросы природопользования. 2026. Т. 5. № 4. С. 158-169. DOI: 10.25726/u4328-6783-2990-v
APA Никитская, Н. А. & Черкашина, Е. Л. (2026). Адаптация аутентичных текстов средствами генеративного искусственного интеллекта для обучения РКИ на разных уровнях языковой подготовки на примере природоохранной лексики. Вопросы природопользования, 5(4), 158-169. https://doi.org/10.25726/u4328-6783-2990-v

Аннотация

Преподаватели русского языка как иностранного всё чаще адаптируют аутентичные тексты с помощью генеративных языковых моделей, однако неизвестно, соответствует ли такая адаптация заявленному уровню и сохраняется ли в ней предметная лексика. В исследовании измерено, как меняются синтаксические и лексические параметры аутентичного природоохранного текста при его адаптации генеративной моделью под уровни A2, B1 и B2. Материалом послужили 12 аутентичных текстов трёх жанров (статьи Закона № 7-ФЗ, сообщения Правительства Российской Федерации, статьи Русской Википедии) и 72 их адаптации, полученные от моделей Claude Opus 5.5 и Claude Haiku 5.5 по единому запросу в изолированных сеансах. Измерялись длина предложения и слова, доля словоупотреблений за пределами частотных порогов лексических минимумов по словарю О.Н. Ляшевской и С.А. Шарова, сохранность лемм инвентаря, построенного по глоссариям законов № 7-ФЗ, № 89-ФЗ и № 33-ФЗ, плотность пояснений; уровни сравнивались точным критерием Уилкоксона. У модели Opus средняя длина предложения снижается с 24,6 слова в исходных текстах до 15,7; 13,1 и 10,6 для B2, B1 и A2, а доля лексики за пределами 1300 лемм между A2 и B2 различается лишь на 5,3 п. п. и повторяет ранжирование исходных текстов по лексической трудности (ρ ≥ 0,90). Ни одна адаптация A2 и B1 не опустилась до 5% внеуровневых словоупотреблений. Специализированные термины сохраняются на 94-100% с учётом словообразовательной пары, на уровне A2 модели перефразируют общие компоненты терминологических формул. Модель различает уровни прежде всего синтаксически, поэтому лексическое приведение текста к уровням A2 и B1 требует отдельного указания в запросе или контроля по частотному профилю.

Ключевые слова

русский язык как иностранный генеративный искусственный интеллект адаптация аутентичного текста уровни владения языком природоохранная лексика частотный профиль текста семантизация терминов

Финансирование

Авторы не заявили о внешнем финансировании исследования.

Библиографические ссылки

Гафиятова Э., Галявиева Л., Солнышкина М. Лексические предикторы сложности учебных текстов по русскому языку как иностранному // Филология и культура. 2023. № 2(72). С. 33-44.

Елникова С.И. Искусственный интеллект в системе обучения РКИ и оценке уровня владения русским языком как иностранным // Русский язык за рубежом. 2020. № 2 (279). С. 20-26.

Ильин Д.Н. Особенности презентации и анализа единиц семантического поля горение в иноязычной аудитории // Русский тест: теория и практика. 2024. Т. 10. № 2. С. 130-137.

Лапошина А.Н., Лебедева М.Ю. Текстометр: онлайн-инструмент определения уровня сложности текста по русскому языку как иностранному // Русистика. 2021. Т. 19. № 3. С. 331-345.

Норкина М., Алексеева С., Чернова Д., Харчевник М. Корпус предложений для изучающих русский язык как иностранный: влияние универсальных параметров на лексический доступ на неродном языке // Russian Linguistics. 2024. Т. 48. № 1. С. 1-20.

Сысоев П.В., Филатов Е.М. Технологии искусственного интеллекта в обучении русскому языку как иностранному // Русистика. 2024. Т. 22. № 2. С. 300-317.

Хохлова М.В. Экологический дискурс в системе институциональных дискурсов (к постановке проблемы) // Вестник МГПУ. Серия: Филология. Теория языка. Языковое образование. 2019. № 2 (34). С. 101-108

Хуан Ц., Сложеникина Ю.В. Использование искусственного интеллекта в обучении русскому языку как иностранному: адаптация текстов научного стиля // Управление образованием: теория и практика. 2025. Т. 15. № 12-1. С. 12-21.

Blinova O., Tarasov N. A hybrid model of complexity estimation: evidence from Russian legal texts // Frontiers in Artificial Intelligence. 2022. Vol. 5. pp. 1-14.

Kalajdžisalihović N. Readability scores and content in simplification of authentic text // ExELL. 2026. Vol. 13. № 2. pp. 181–191. DOI: 10.51558/2303-4858.2025.13.2.181.

Pushkareva E.A., Korzhenevskaya A.Y., Zdorova N.S., Lytayeva M.A., Dragoy O.V. Features of scientific text perception: an eye-tracking study // Education Issues. 2026. № 1. pp. 185-213.

Talalakina E., Brown T., Kamrotov M. Lexical profile of L2 Russian textbooks // Russian Language Journal. 2019. Vol. 69. pp. 195-212.

Watanabe M. ChatGPT, can you make this text easier?: investigating the utility of LLMs in easing text readability // International Journal of Artificial Intelligence in Education. 2025. Vol. 35. № 6. pp. 3922-3942.

Webb S., Pellicer-Sánchez A., Wang A. Lexical coverage and reading comprehension revisited // Reading in a Foreign Language. 2025. Vol. 37. № 1. pp. 1-21.

Wu J., Lin Y. ChatGPT for text simplification in Chinese as a second language textbooks: a comparative study with expert adaptations // International Journal of Applied Linguistics. 2026. pp. 1-12.

Выпуск

Раздел

ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Метрики

4 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Похожие статьи

1 2 3 4 5 6 7 8 9 10 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.