ПСИХОЛИНГВИСТИЧЕСКИЙ АНАЛИЗ ТЕКСТОВ, СГЕНЕРИРОВАННЫХ ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ (НА ПРИМЕРЕ СТАТЕЙ ПЛАТФОРМЫ «ДЗЕН»)

Грицай Л.А.

Ярославский государственный педагогический
университет им. К.Д. Ушинского
Ярославль, Россия
е-mail: usan82@gmail.com

Введение

Стремительное развитие генеративных языковых моделей и их интеграция в медиаплатформы формируют качественно новую коммуникативную реальность, в которой текст все чаще выступает продуктом алгоритмической обработки больших массивов данных, а не результатом индивидуальной речевой деятельности, и платформа «Дзен» в данном контексте представляет собой показательную среду, где можно наблюдать переход от авторского блогинга к массовому распространению сгенерированных публикаций, лишенных выраженного субъективного начала. Актуальность исследования определяется тем, что в условиях увеличения доли алгоритмически созданных материалов возникает необходимость осмысления их влияния на сознание читателей, на формирование когнитивных схем, на глубину переработки информации и на специфику эмоционального отклика, поскольку данные процессы непосредственно связаны с трансформацией информационной культуры.

Цель исследования состоит в выявлении психолингвистических параметров, характеризующих сгенерированные тексты, и в определении их отличий от авторских публикаций по показателям когерентности,
тема-рематической динамики, лексической вариативности и прагматической направленности; научная новизна работы заключается в интеграции методов психолингвистического анализа с медиадискурсивным подходом применительно к конкретной социальной платформе, а значимость обусловлена необходимостью выработки теоретических и прикладных оснований для оценки влияния алгоритмического контента на когнитивную сферу личности.

 

Методология и методы

Методологическую основу работы составили положения психолингвистики текста, когнитивной лингвистики и теории медиадискурса, а также идеи алгоритмической публичной сферы, разрабатываемые в междисциплинарных исследованиях цифровых медиа; в качестве методов применялись сравнительный психолингвистический анализ, контент-анализ, структурно-семантическое моделирование, элементы дискурс-анализа и интерпретативного анализа, что позволило сопоставить авторские и сгенерированные публикации на платформе «Дзен», выявить их системные различия и описать особенности их когнитивного воздействия.

Степень разработанности проблемы в современной науке следует охарактеризовать как находящуюся в стадии активного формирования, поскольку основы анализа текстовой когерентности и дискурсивного понимания были заложены в трудах Т. А. ван Дейка [7], М. А. К. Халлидея [31],
Р. де Богранда и В. Дресслера [30], а когнитивные механизмы интерпретации текста получили освещение в работах А.А. Леонтьева [15], Т.М. Дридзе [8],
Е.С. Кубряковой [12], У. Кинча [32], однако непосредственное осмысление воздействия сгенерированных текстов на читателя стало предметом систематического анализа лишь в последние годы в контексте исследований алгоритмической коммуникации и цифровой риторики, при этом
А.Р. Айдагулова [2], Р.Е. Тельпов, С.В. Ларцина [25] фиксируют повторы и снижение связности, И.А. Туркулец [26], Л.С. Каладзе, Я.М. Ворсунов [10] указывают на композиционную стандартизацию машинных текстов,
Е.С. Студеникина [22], М.А. Багрова [4] подчеркивают ограниченность нейросетей в воспроизведении сложных синтаксических структур, тогда как
В.С. Павлов [20], А.А. Спириданчук, Т.В. Мамаева [21], М.В. Кузьменко [13],
Е.В. Фигура [27], Е.В. Осетрова, А.В. Седова [19] анализируют риски, ограничения и коммуникативные особенности генерации, что свидетельствует о значительной разработанности формально лингвистического аспекта при сохраняющемся дефиците комплексных психолингвистических исследований когнитивного воздействия алгоритмически созданного текста.

В то же время психологическое измерение проблемы раскрывается в работах Б.М. Величковского [5], рассматривающего искусственный интеллект как фактор трансформации познавательных процессов, Е.С. Сухаревой [24], анализирующей изменение когнитивных операций при взаимодействии с алгоритмическими агентами, М.К. Акимовой и С.В. Персиянцевой [3], подчеркивающих различие в природе креативности и интенциональности человека и машины, а также А.К. Суйундуковой и Л.Н. Уваровой [23],
А.Н. Лебедева [14], Э.Н. Давыденко и Е.С. Окуневой [6], Б.А. Адамбековой и
Г.М. Сыдыковой [1], М.О. Круковского [11], которые рассматривают искусственный интеллект как фактор изменения структуры познавательной деятельности, механизмов атрибуции намерений, мотивационной сферы и даже антропогенеза, что подчеркивает необходимость интеграции лингвистического и психологического анализа в исследовании сгенерированных текстов.

 

Обзор литературы

Тексты, сгенерированные искусственным интеллектом, предлагают определенные языковые модели и обладают специфическими стилистическими особенностями, которые проявляются в научных, художественных и публицистических жанрах, формируя особый тип речевой деятельности, отличной по своим структурным, семантическим и прагматическим параметрам от текстов, созданных человеком, и именно в психолингвистическом плане принципиально важно установить, в чем состоят эти отличия, как они отражаются на механизмах восприятия, интерпретации и понимания информации читателями, каким образом влияют на их когнитивные стратегии, мышление, сознание и формирование ментальных репрезентаций текста.

В психолингвистике текст традиционно интерпретируется как продукт речевой деятельности, отражающий взаимодействие языковой системы и когнитивных структур личности, при этом, как подчеркивают Г.М. Нуруллина и Л.А. Усманова, его восприятие представляет собой акт познания и творчества, соотносимый с ментальной проекцией содержания в сознании адресата
[17, с. 73], поэтому искусственно сгенерированный текст оказывается специфическим объектом анализа, поскольку формируется при отсутствии антропологической интенции и иной природе механизма текстопорождения.

А.Р. Айдагулова, исследуя тексты ChatGPT, фиксирует повторы, дублирование мыслей, фрагментарную связность, поверхностность примеров и отсутствие корректного цитирования [2, с. 155], что с психолингвистической точки зрения нарушает когерентность и препятствует формированию целостной когнитивной схемы, тогда как Р.Е. Тельпов и С.В. Ларцина выявляют повышенную частотность заголовочной лексики и специфическое распределение тематических групп [25, с. 48], создающее эффект тематической концентрации при ограниченной концептуальной новизне. И.А. Туркулец описывает композиционную модель с вводным абзацем, нумерованным списком и кратким резюме [26, с. 61], что облегчает первичное восприятие, но снижает когнитивное напряжение и глубину переработки материала.

Е.В. Осетрова и А.В. Седова, опираясь на коммуникативный подход, отмечают закольцованность темы, множественность рем без дальнейшей тематизации и недостаточный учет факторов автора и адресата [19, с. 49–50], что затрудняет построение иерархии смыслов, а М.Н. Черкасова и А.В. Тактарова трактуют машинный текст как «искусственный речевой акт», лишенный интенциональности и эмпатии [29, с. 2554], вследствие чего центр смыслопорождения смещается к интерпретативной активности читателя.
Е.В. Фигура подчеркивает шаблонность и ограниченность синтаксических и коннотативных средств [27, с. 67], что ведет к редукции образно ассоциативного компонента, тогда как Н.Д. Мальцев указывает на зависимость результата от сценария генерации и параметров запроса [16, с. 458], а Н.В. Спириданчук и
Н.А. Мамаева связывают качество текста с алгоритмом формирования промпта [21, с. 446], тем самым актуализируя проблему распределения когнитивной ответственности.

Сопоставительный анализ М.В. Хохловой и М.В. Корышевым демонстрирует формальную структурированность по модели IMRAD при поверхностности и повторах [28, с. 1002], что соотносится с выводом
М.В. Дудоровой о трудностях нейросетей на уровне когерентности и завершенности при успешной реализации когезии [9, с. 766], тогда как
Н.Н. Оломская и Е.А. Юрова выявляют маркеры сгенерированности в медиадискурсе [18], а М.В. Кузьменко акцентирует риски галлюцинаций и плагиата [13], что непосредственно связано с психолингвистической проблемой доверия и эпистемической оценки алгоритмического текста.

Вместе с тем обращение к психологическим исследованиям позволяет углубить анализ и выйти за пределы сугубо лингвистического описания, так, Б.М. Величковский указывал, что искусственный интеллект следует рассматривать в контексте общей теории познавательных процессов, поскольку взаимодействие человека с интеллектуальными системами трансформирует структуру внимания, памяти и мышления [5, с. 12–88]; Е.С. Сухарева подчеркивает, что пересечение искусственного интеллекта и человеческого мышления приводит к перераспределению когнитивных функций и изменению стратегий решения задач [24, с. 231–234], что непосредственно связано с особенностями восприятия алгоритмически созданного текста. М.К. Акимова и С.В. Персиянцева отмечают различие в природе интеллектуальных способностей человека и искусственного интеллекта, акцентируя отсутствие у последнего рефлексивности и подлинной креативности [3, с. 281–283], что объясняет формальную имитацию смысловой глубины при отсутствии личностного опыта. А.К. Суйундукова и Л.Н. Уварова анализируют психологические аспекты функционирования искусственного интеллекта, включая проблему доверия к алгоритмическому источнику и особенности атрибуции намерений машине [23, с. 24–29], а А.Н. Лебедев рассматривает искусственный интеллект как фактор изменения когнитивных практик современного человека [14, с. 6–22]. Э.Н. Давыденко и Е.С. Окунева исследуют коммуникацию человека и машины, отмечая феномен приписывания субъектности алгоритмическому агенту [6, с. 133–141], что усиливает эффект псевдоинтенциональности текста. Б.А. Адамбекова и Г.М. Сыдыкова подчеркивают влияние искусственного интеллекта на мотивационную и ценностную сферу личности [1, с. 103–109], а М. О. Круковский рассматривает ИИ как фактор антропогенеза, способный трансформировать когнитивные и коммуникативные структуры общества [11, с. 66–71].

Таким образом, теоретический обзор показывает, что при всей разработанности структурно лингвистического анализа текстов, сгенерированных искусственным интеллектом, именно психолингвистическое измерение, включающее исследование когнитивных механизмов восприятия, особенностей формирования ментальных моделей, процессов атрибуции авторства и доверия, а также влияния алгоритмической речи на мышление и сознание адресата, требует дальнейшей системной разработки, особенно в контексте анализа текстов платформы «Дзен», где машинная генерация все чаще становится частью повседневной медиакоммуникации.

 

Результаты исследования

Психолингвистический анализ текста принципиально отличается от собственно лингвистического анализа тем, что его предметом является не только структура вербального материала как системы языковых единиц и правил их организации, но прежде всего процессы порождения, восприятия, интерпретации и усвоения текста в сознании человека, а также те когнитивные, мотивационные и эмоциональные механизмы, которые опосредуют взаимодействие между вербальным сообщением и ментальными структурами адресата. Если лингвистический анализ фиксирует категориальные характеристики текста, такие как когезия, композиция, лексическая организация и синтаксическая модель, то психолингвистический анализ переносит акцент на то, каким образом данные характеристики функционируют в когнитивной системе читателя, какие ментальные модели они инициируют, какую когнитивную нагрузку создают и каким образом влияют на процессы понимания, запоминания и оценки информации.

Именно поэтому традиционные лингвистические параметры анализа текста требуют переосмысления в психолингвистические показатели, поскольку их значимость определяется не столько описанием языковой формы, сколько выявлением характера воздействия на когнитивную систему адресата, вследствие чего тематико-семантическая когерентность интерпретируется как условие формирования целостной ментальной модели ситуации, лексическая вариативность как фактор активации семантических сетей памяти и индикатор доверия к сообщению, синтаксическая сложность как показатель распределения когнитивной нагрузки и задействования оперативной памяти, а жанровая структура как механизм регуляции читательских ожиданий и стратегий переработки информации в цифровой среде.

Разработка параметров психолингвистического анализа текстов, сгенерированных искусственным интеллектом на цифровых платформах, предполагает разграничение собственно лингвистического и психолингвистического подходов, поскольку первый сосредоточен на описании лексического состава, синтаксической организации и композиции, тогда как второй охватывает процессы порождения, интерпретации и эмоционального переживания текста в сознании адресата, в связи с чем тема-рематическая динамика рассматривается как показатель поступательного развертывания смысла, где избыточные повторы вызывают когнитивное торможение в условиях фрагментарного цифрового чтения, а лексическая и синтаксическая шаблонность способна формировать эффект примитивизации содержания либо, напротив, чрезмерная усложненность затрудняет интеграцию информации и снижает темп восприятия.

Дискурсивно-прагматические характеристики, включая маркеры адресованности и стратегии вовлечения, осмысливаются как факторы формирования коммуникативной рамки и ощущения интерактивности в платформенном дискурсе, тогда как эмоционально-оценочные средства определяют степень аффективного участия читателя и уровень доверия к сообщению, при этом жанрово-композиционная организация управляет ритмом переработки информации и распределением внимания, а маркеры алгоритмической генерации, такие как шаблонные переходы и закольцованность выводов, воздействуют на когнитивную оценку достоверности, побуждая адресата корректировать стратегию интерпретации в зависимости от распознаваемых признаков машинного происхождения текста.

Таким образом, обозначенные психолингвистические параметры позволяют рассматривать сгенерированные искусственным интеллектом тексты платформы «Дзен» как особый тип медиаречи, в которой формальная связность может сочетаться с семантической поверхностностью, а жанровая упорядоченность не гарантирует когнитивной глубины, что делает необходимым комплексное исследование не только структуры текста, но и тех когнитивных и эмоциональных процессов, которые он инициирует в сознании массового адресата.

С учетом обозначенных теоретических оснований параметры психолингвистического анализа сгенерированных ИИ текстов, публикуемых на платформах «Дзен», могут быть представлены в таблице 1.

Таблица 1. Параметры психолингвистического анализа сгенерированных ИИ текстов, публикуемых на платформах «Дзен»

Параметр анализа	Содержательная характеристика	Психолингвистическое обоснование
Когнитивно-семантическая когерентность	Логическая связность фрагментов, последовательность раскрытия темы, наличие единой смысловой линии	Обеспечивает формирование целостной ментальной модели и влияет на глубину понимания и запоминания
Тема-рематическая динамика	Соотношение темы и новой информации, отсутствие избыточных повторов	Определяет поступательное движение смысла и предотвращает когнитивное торможение
Лексическая активационная вариативность	Частотность повторов, использование синонимов, степень клишированности	Связана с активацией семантических сетей в памяти и ощущением естественности речи
Синтаксическая когнитивная нагрузка	Типы предложений, разнообразие конструкций, соотношение простых и сложных структур	Влияет на переработку информации в оперативной памяти и уровень ментального напряжения
Прагматическая атрибуция интенции	Наличие маркеров адресованности, имитация диалога, вовлекающие конструкции	Формирует ощущение коммуникативного взаимодействия и влияет на доверие к тексту
Эмоционально-оценочная вовлеченность	Использование оценочной лексики, экспрессивных средств	Определяет степень эмпатического отклика и эмоциональной активации
Жанрово-композиционная регуляция ожиданий	Организация текста, наличие стандартных блоков	Формирует стратегию чтения и управляет ожиданиями аудитории
Индикаторы алгоритмической предсказуемости	Шаблонность формулировок, закольцованность выводов, декларативность	Влияют на распознавание машинной генерации и эпистемическую оценку достоверности
Уровень концептуальной глубины	Наличие причинно-следственных связей, аргументации, аналитичности	Определяет возможность построения сложных когнитивных структур
Рецептивная адаптивность к медиасреде	Соответствие формата динамике цифрового чтения	Влияет на скорость восприятия, удержание внимания и удовлетворенность чтением

Переосмысление лингвистических параметров в психолингвистическом ключе позволяет выйти за пределы описания формальных характеристик и сосредоточиться на их функциональной роли в когнитивной системе адресата, что особенно значимо в условиях цифровой медиасреды, где текст не только информирует, но и формирует способы мышления, оценивания и интерпретации действительности.

В рамках эмпирического этапа настоящего исследования тексты, размещенные на платформе «Дзен», были предварительно подвергнуты верификации с использованием ИИ детектора сервиса ETXT.RU, который в профессиональном сообществе цифровых редакторов и специалистов по контенту рассматривается как одна из наиболее авторитетных систем автоматического выявления алгоритмически сгенерированных материалов и по уровню распространенности и доверия занимает второе место после системы Антиплагиат.ру, что позволяет считать его диагностические показатели достаточно надежными для включения в научный инструментарий анализа. Указанный сервис функционирует на основе сопоставления вероятностных моделей распределения лексических и синтаксических паттернов, частот повторов и типовых семантических связей, характерных для генеративных языковых моделей, при этом итоговый показатель отражает степень вероятности алгоритмического происхождения текста, что в исследовательской логике не выступает окончательным доказательством, однако создает статистически обоснованную предпосылку для дальнейшего психолингвистического изучения материала как продукта машинного порождения.

В результате первичной проверки статья «Почему мы любим страдать? Как “Служебный роман” и “Ирония судьбы” научили нас, что счастье нужно заслужить болью»[1], опубликованная на Дзен-канале «Записки актера», была идентифицирована системой как текст с высокой вероятностью алгоритмической генерации, и только после фиксации данного статуса был осуществлен ее развернутый психолингвистический анализ в сопоставлении с авторской публикацией того же канала «Зачем ходить в театр?» [2], созданной несколькими годами ранее и не демонстрирующей признаков машинного происхождения.

В рамках проведенного исследования анализ двух текстов, размещенных на платформе «Дзен», осуществлялся на основании системы параметров психолингвистического описания, ориентированной не на фиксацию формально языковых характеристик, а на реконструкцию тех когнитивных, аффективных и коммуникативных процессов, которые инициируются в сознании адресата в момент взаимодействия с медиатекстом, поскольку в условиях цифровой среды именно рецептивные механизмы во многом определяют эффективность и глубину воздействия.

Рассматривая сгенерированную статью через призму
когнитивно-семантической когерентности, следует отметить, что текст выстраивает относительно целостную ментальную модель интерпретации советского кинематографа как источника страдательной модели любви, однако данная целостность обеспечивается преимущественно повторением одного доминантного тезиса в различных формулировках, тогда как
причинно-следственные связи между культурным контекстом, историческими условиями и индивидуальной психологией зрителя остаются слабо эксплицированными, вследствие чего формируемая когнитивная схема оказывается линейной и упрощенной.

Тема-рематическая динамика в анализируемом материале демонстрирует циклический характер смыслового развертывания, при котором рематические позиции не расширяют концептуальное поле, а варьируют исходное утверждение о связи любви и страдания, что с психолингвистической точки зрения создает эффект движения при отсутствии реального наращивания смысловой сложности и может приводить к снижению познавательной мотивации при повторном столкновении с аналогичными смысловыми структурами.

Лексическая активационная вариативность в данном тексте ориентирована на запуск устойчивых культурных сценариев и коллективных представлений, поскольку используются узнаваемые имена персонажей, общеизвестные кинообразы и клишированные публицистические формулы, активирующие уже сформированные семантические сети в долговременной памяти адресата, однако индивидуализированный речевой профиль практически не проявлен, что ограничивает глубину персональной идентификации и снижает эффект присутствия конкретного субъекта высказывания.

С точки зрения синтаксической когнитивной нагрузки текст характеризуется фрагментацией и преобладанием кратких сегментированных конструкций, что облегчает переработку информации в условиях экранного чтения и снижает требования к оперативной памяти, однако одновременно препятствует формированию развернутых аргументативных цепочек, способных инициировать более сложные процессы аналитического мышления и концептуальной интеграции.

Прагматическая атрибуция интенции в сгенерированном материале носит формальный характер, поскольку обращение к читателю, риторические вопросы и приглашение к обсуждению создают видимость диалогичности, однако за ними не обнаруживается устойчивой личностной позиции, в результате чего адресат приписывает тексту скорее медиаплатформенную, нежели индивидуально авторскую интенцию, что влияет на уровень доверия и стратегию интерпретации.

Эмоционально-оценочная вовлеченность достигается посредством декларативных обобщений и контрастных формулировок, однако аффективная энергия текста распределена равномерно и не подкреплена личным переживанием субъекта речи, вследствие чего эмоциональный отклик носит характер кратковременной реактивности, а не устойчивой эмпатической сопричастности.

Жанрово-композиционная регуляция ожиданий в данном случае строится по модели цифрового публицистического материала с четким делением на смысловые блоки, вставками примеров и завершающим призывом к интеракции, что соответствует медиапривычкам аудитории и обеспечивает высокую рецептивную доступность, однако одновременно усиливает ощущение алгоритмической сборки из функционально разнородных модулей.

Индикаторы алгоритмической предсказуемости проявляются в повторяемости структур, в симметричном распределении оценочных формул и в использовании типовых переходов между смысловыми фрагментами, что создает ощущение структурной аккуратности, но снижает вероятность неожиданного концептуального поворота, способного трансформировать исходную когнитивную рамку читателя.

Уровень концептуальной глубины в сгенерированном тексте остается умеренным, поскольку анализ ограничивается иллюстративным сопоставлением кинообразов без выхода на системное осмысление психологических механизмов интериоризации культурных моделей любви, а потому формируемая ментальная конструкция оказывается относительно плоской и не требует значительной интеллектуальной переработки.

Рецептивная адаптивность к медиасреде, напротив, выражена достаточно отчетливо, поскольку структура материала, его ритмика и языковая организация ориентированы на краткие сеансы внимания, характерные для цифрового потребления контента, что обеспечивает легкость восприятия и быструю интеграцию информации в уже существующие когнитивные схемы.

Анализ авторской статьи по тем же параметрам выявляет иную конфигурацию психолингвистических характеристик, поскольку
когнитивно-семантическая когерентность формируется через последовательное включение личного опыта и профессиональной рефлексии, благодаря чему в сознании адресата выстраивается многослойная ментальная модель театральной коммуникации, включающая эмоциональный, эстетический и социальный уровни.

Тема-рематическая динамика здесь носит поступательный характер, так как каждый новый фрагмент не повторяет исходную тему, а конкретизирует и углубляет ее, расширяя концептуальное поле за счет введения новых аспектов, что активирует процессы смысловой интеграции и поддерживает когнитивное напряжение на протяжении всего текста. Лексическая активационная вариативность выражена через индивидуальные интонации, элементы профессионального дискурса и эксплицитные самоидентификационные маркеры, благодаря чему семантические сети адресата активируются не только на уровне культурных стереотипов, но и на уровне персонального опыта взаимодействия с конкретным говорящим субъектом.

Синтаксическая когнитивная нагрузка в авторском тексте выше, поскольку предложения часто разворачиваются в аргументативные конструкции с уточнениями и пояснениями, что требует более интенсивной работы оперативной памяти, однако способствует формированию устойчивых концептуальных связей и более глубокому усвоению содержания. Прагматическая атрибуция интенции в данном случае однозначно соотносится с личной позицией автора, который открыто обозначает свою профессиональную роль и эмоциональное отношение к предмету, вследствие чего адресат воспринимает текст как подлинное высказывание конкретного человека, а не как нейтральный медиапродукт.

Эмоционально оценочная вовлеченность подкрепляется личными признаниями и описанием индивидуального опыта, что усиливает эмпатическую идентификацию и формирует устойчивую аффективную связь между текстом и читателем. Жанрово-композиционная регуляция ожиданий в авторской статье менее стандартизирована, переходы между смысловыми блоками мотивированы логикой личного рассуждения, а не только требованиями платформенного формата, что снижает ощущение предсказуемости и усиливает впечатление живой речевой импровизации. Индикаторы алгоритмической предсказуемости практически не проявляются, поскольку текст содержит субъективные оценки, индивидуальные акценты и смысловые отклонения, не вписывающиеся в типовой шаблон медиапубликации.

Уровень концептуальной глубины здесь выше, так как обсуждение театра выходит за пределы описания внешних эффектов и затрагивает вопросы взаимодействия актера и зрителя, социальной функции искусства и личной ответственности творца, что требует от адресата более сложной когнитивной переработки. Рецептивная адаптивность к медиасреде сохраняется, однако она не достигается путем упрощения содержания, а обеспечивается сочетанием личной искренности и структурной ясности, благодаря чему текст остается доступным, не утрачивая аналитической насыщенности.

Таким образом, применение обозначенных параметров позволяет выявить принципиальные различия в психолингвистической организации алгоритмически сгенерированного и авторского текста, что подтверждает продуктивность выбранной модели анализа, ориентированной на исследование когнитивных и аффективных механизмов восприятия медиаречи в цифровом пространстве. Сопоставительный анализ двух данных статей представлен в таблице 2.

Таблица 2. Сопоставительный анализ сгенерированной и авторской статьи Дзен-канала «Записки актера»

Критерий	Сгенерированная статья «Почему мы любим страдать?»	Авторская статья «Зачем ходить в театр?»
Когнитивно-семантическая когерентность	Формально целостная структура, обеспеченная повторением доминантного тезиса; ментальная модель линейная, без существенного усложнения причинно-следственных связей	Целостная и многоуровневая структура, формируемая через личный опыт и рефлексию; ментальная модель включает профессиональный, эмоциональный и социальный уровни
Тема-рематическая динамика	Цикличная, рематические позиции варьируют исходную тему без значительного расширения концептуального поля	Поступательная, каждая рематическая позиция углубляет и конкретизирует исходную проблематику
Лексическая активационная вариативность	Активация культурных стереотипов и коллективной памяти; преобладание клишированных медиапаттернов; слабая индивидуализация субъекта речи	Индивидуализированная лексика, элементы профессионального дискурса и личной самоидентификации; активация персонализированных семантических сетей
Синтаксическая когнитивная нагрузка	Преобладание кратких сегментированных конструкций; сниженная нагрузка на оперативную память; ограниченные возможности для сложной аргументации	Развернутые аргументативные конструкции; повышенная когнитивная нагрузка, способствующая более глубокой переработке информации
Прагматическая атрибуция интенции	Формальная имитация диалогичности; интенция воспринимается как медиаплатформенная, а не личностная	Четко атрибутируемая личная интенция; выраженная профессиональная позиция и подлинный коммуникативный контакт
Эмоционально-оценочная вовлеченность	Декларативная, основанная на культурных обобщениях; ограниченный эмпатический потенциал	Личностно-окрашенная, подкрепленная переживанием; высокая степень эмпатической идентификации
Жанрово-композиционная регуляция ожиданий	Стандартизированная модульная структура; соответствие алгоритмам цифрового потребления; ощущение шаблонной сборки	Логика композиции мотивирована внутренним развитием мысли; сниженная предсказуемость структурных переходов
Индикаторы алгоритмической предсказуемости	Повторяемость формул, симметричность оценочных конструкций, типовые переходы; высокая структурная предсказуемость	Наличие субъективных акцентов, смысловых отклонений и индивидуальных интонаций; низкая степень предсказуемости
Уровень концептуальной глубины	Умеренный; иллюстративный анализ без выхода на системное психологическое осмысление	Высокий; формирование сложной концептуальной модели театральной коммуникации
Рецептивная адаптивность к медиасреде	Высокая адаптация к экранному чтению; ориентация на краткие циклы внимания	Сбалансированная адаптация: доступность при сохранении аналитической насыщенности

Таблица демонстрирует, что различия между текстами проявляются не столько на уровне формальных языковых характеристик, сколько в характере когнитивной организации содержания, степени персонализации субъекта речи и интенсивности психологического воздействия на адресата, что подтверждает целесообразность применения психолингвистической модели анализа при исследовании алгоритмически и антропогенно созданных медиатекстов.

В целях верификации ранее полученных результатов и уточнения специфики психолингвистической организации алгоритмически сгенерированного медиатекста нами был проведен дополнительный анализ публикаций, размещенных на платформе «Дзен» на канале «Культурология», аудитория которого составляет 823 тысячи подписчиков, причем предварительный этап исследования включал проверку материалов последних месяцев с использованием ИИ-детектора сервиса ETXT.RU, по результатам чего статья «Рана кровоточит, врагу не пожелаю»: Почему Успенская тревожится за 36-летнюю дочь?» [3] была идентифицирована как текст с высокой вероятностью машинной генерации, что позволило рассматривать ее как репрезентативный пример алгоритмически сконструированного дискурса и осуществить ее последующий анализ в строго психолингвистическом ракурсе.

Важно подчеркнуть, что канал «Культурология» первоначально позиционировался как просветительский медиапроект, ориентированный на культурно-историческую проблематику, однако со временем трансформировался в коммерчески ориентированную площадку с выраженными элементами сенсационности, что проявилось не только в тематическом сдвиге к частной жизни публичных персон, но и в изменении коммуникативной стратегии, а потому сопоставление с более ранней публикацией этого же канала «История самого пронзительного памятника в мире: башмаки, оставшиеся на берегу Дуная»[4], созданной в период отсутствия признаков алгоритмической генерации, представляется методологически оправданным.

В статье о Татьяне Плаксиной параметр когнитивно-семантической когерентности реализуется преимущественно на уровне формальной хронологической связности, однако смысловое ядро остается фрагментированным из-за постоянного переключения между фактами, эмоционально нагруженными цитатами и сенсационными деталями, вследствие чего тема-рематическая динамика строится по принципу наращивания аффективного напряжения без расширения аналитического поля, лексическая вариативность характеризуется доминированием экспрессивных единиц типа «кошмар» и «жуткие подробности», активирующих сценарии угрозы и снижая критическую дистанцию, синтаксическая нагрузка минимизирована короткими предложениями и абзацами, что облегчает экранное чтение, но препятствует формированию иерархических связей, прагматическая интенция ориентирована на удержание внимания к драматическому нарративу, эмоционально-оценочная вовлеченность преобладает над рефлексией, жанрово-композиционная организация реализуется по модели клипового монтажа с подзаголовками, а повторяемость структур и стандартизированные переходы свидетельствуют об алгоритмической предсказуемости, обеспечивающей легкость восприятия и кликабельность при ограниченной концептуальной глубине.

Иная психолингвистическая конфигурация обнаруживается в авторской статье о мемориале на берегу Дуная, где когнитивно-семантическая когерентность выстраивается вокруг конкретного исторического события и его символической репрезентации с включением политического контекста и действий партии «Скрещенные стрелы», тема-рематическая динамика носит поступательный характер и формирует причинно-следственную модель, лексическая выразительность сочетается с фактической доминантой без сенсационности, синтаксическая структура усложнена развернутыми предложениями с числовыми и историческими уточнениями, что усиливает когнитивную нагрузку и способствует долговременному запоминанию, прагматическая установка имеет просветительский характер, эмоциональная вовлеченность формируется через символ коллективной памяти, жанровая организация следует логике исторического повествования, индикаторы алгоритмической предсказуемости практически отсутствуют, а концептуальная глубина текста стимулирует рефлексию о механизмах насилия и памяти.

Таким образом, сопоставительный психолингвистический анализ демонстрирует, что алгоритмически сгенерированный текст преимущественно активирует аффективные механизмы и ориентирован на поверхностную эмоциональную реакцию, тогда как авторская публикация формирует сложную когнитивную модель исторического события, обеспечивая более глубокое и устойчивое воздействие на сознание адресата в условиях цифровой медиакоммуникации.

Таблица 3. Сопоставительный анализ сгенерированной и авторской статьи Дзен-канала «Культурология»

Параметр	Сгенерированная статья о Плаксиной	Авторская статья о мемориале на Дунае
Когнитивно-семантическая когерентность	Формальная связность поддерживается хронологией и повтором центрального мотива, однако причинно-следственные связи развернуты фрагментарно, что затрудняет построение целостной ментальной модели	Смысловая структура иерархична и концептуально организована, причинно-следственные связи эксплицированы, что обеспечивает формирование устойчивой ментальной модели события
Тема-рематическая динамика	Развитие темы осуществляется через аффективное наращивание, рематические элементы усиливают эмоциональный фон без существенного расширения аналитического поля	Рематические позиции последовательно уточняют и углубляют содержание, формируя поступательное смысловое развертывание
Лексическая активационная вариативность	Преобладание экспрессивных и клишированных единиц, активирующих стереотипные сценарии страдания и сенсации; ограниченная индивидуализация	Сочетание фактической и оценочной лексики, вариативность номинаций, отсутствие избыточной клишированности; выраженная авторская позиция
Синтаксическая когнитивная нагрузка информации	Короткие предложения и сегментированные абзацы снижают нагрузку на оперативную память, способствуя быстрому экранному чтению	Развернутые синтаксические конструкции повышают когнитивную нагрузку и стимулируют аналитическую переработку
Прагматическая атрибуция интенции	Интенция направлена на удержание внимания и усиление драматизации; коммуникативная установка ориентирована на потребление сенсационного контента	Интенция просветительская, направлена на совместное осмысление исторического материала; выражена субъектная позиция автора
Эмоционально-оценочная вовлеченность	Доминирует аффективная тональность, формируется устойчивый эмоциональный фон без глубокой рефлексии	Эмоциональность сочетается с аналитичностью, эмпатия поддерживается фактической аргументацией
Когнитивная глубина	Ограниченная, преобладает эмоциональное воздействие	Высокая, формируется причинно-следственная модель
Жанрово-композиционная регуляция ожиданий	Модульная структура с подзаголовками и клиповым принципом организации материала; ощущение шаблонной сборки	Композиция подчинена логике исторического повествования, структурные переходы мотивированы развитием мысли
Индикаторы алгоритмической предсказуемости	Повторяемость формул, симметричность эмоциональных акцентов, стандартизированные переходы между блоками	Индивидуализированные интонационные сдвиги, отсутствие шаблонной симметрии, вариативность композиционных решений
Уровень концептуальной глубины	Ограничен описанием отдельных эпизодов без интеграции в широкую социально психологическую рамку	Высокий уровень концептуализации, включение исторического, социального и символического контекста
Рецептивная адаптивность к медиасреде	Максимальная адаптация к цифровому формату, ориентация на краткие циклы внимания и кликабельность	Сбалансированная адаптация, сочетающая доступность изложения с аналитической насыщенностью

Представленная таблица позволяет наглядно продемонстрировать, что различия между текстами проявляются не только в стилистике и тематике, но прежде всего в характере когнитивной организации содержания, степени концептуальной глубины и модели психологического воздействия на адресата, что подтверждает продуктивность применения психолингвистической оптики к анализу медиатекстов различного происхождения.

 

Заключение

Проведенное исследование позволило установить, что тексты, сгенерированные искусственным интеллектом и размещенные на платформе «Дзен», обнаруживают устойчивый комплекс психолингвистических характеристик, среди которых на первый план выступают высокая степень структурной стандартизации, повторяемость тема-рематических схем, ограниченная лексическая вариативность и выраженная ориентация на аффективное вовлечение адресата, вследствие чего формируется специфическая модель рецепции, при которой доминирует поверхностная когнитивная переработка информации, основанная на быстром распознавании шаблонных смысловых блоков и активации стереотипных семантических сценариев, тогда как глубинная интеграция содержания, предполагающая построение сложной ментальной модели и установление разветвленных причинно-следственных связей, оказывается редуцированной.

Следовательно, когнитивно-семантическая когерентность подобных текстов поддерживается преимущественно формальными средствами связности, однако концептуальная глубина нередко остается ограниченной, поскольку развитие темы осуществляется по принципу наращивания эмоционального напряжения, а не аналитического усложнения, что отражается в цикличной тема-рематической динамике, воспроизводящей исходный тезис в новых формулировках без существенного расширения интерпретационного поля, при этом лексическая активационная вариативность часто сводится к репродукции клишированных оценочных единиц, инициирующих у читателя быстрый эмоциональный отклик и создающих эффект узнаваемости, но одновременно снижающих вероятность критической рефлексии.

Синтаксическая организация сгенерированных публикаций, как правило, ориентирована на снижение когнитивной нагрузки за счет преобладания коротких предложений и сегментированной композиции, что облегчает переработку материала в условиях экранного чтения и соответствует динамике цифрового потребления информации, однако подобная структурная стратегия ограничивает возможности для развернутой аргументации и формирования иерархически организованных концептуальных структур в сознании адресата, а индикаторы алгоритмической предсказуемости, проявляющиеся в симметрии композиционных блоков и повторяемости формул перехода, усиливают ощущение шаблонности и стандартизированности речевого поведения.

В отличие от этого авторские публикации демонстрируют более сложную аргументативную организацию, индивидуализированную интонацию и более высокий уровень концептуальной насыщенности, что выражается в развернутой тема-рематической динамике, вариативной лексической структуре и синтаксической многоуровневости, стимулирующих активную переработку информации, формирование устойчивых смысловых связей и включение личного опыта читателя в процесс интерпретации, благодаря чему рецептивная стратегия смещается от быстрого эмоционального реагирования к аналитическому осмыслению и долговременному запоминанию.

Полученные результаты свидетельствуют о принципиально различной направленности психолингвистического воздействия указанных типов текстов на сознание аудитории, поскольку алгоритмически созданные материалы преимущественно активируют механизмы аффективной атрибуции и ускоренного распознавания знакомых медиапаттернов, тогда как авторские тексты инициируют более сложные когнитивные операции, связанные с реконструкцией авторской интенции, оценкой аргументации и формированием критической позиции, что делает актуальным дальнейшее экспериментальное изучение влияния генеративного контента на процессы понимания, запоминания и развития критического мышления.

Литература

1. Адамбекова Б. А., Сыдыкова Г. М. Современные проблемы психологии: искусственный интеллект в свете психологических аспектов // Вестник Кыргызского Национального Университета имени Жусупа Баласагына. 2024. № 1(117). С. 103–109. DOI 10.58649/1694–8033-2024-1(117)-103–109.
2. Айдагулова А.Р. Особенности текстов, сгенерированных искусственным интеллектом // Вестник Башкирского государственного педагогического университета им. М. Акмуллы. 2023. № 4(72). С. 154–156.
3. Акимова МК., Персиянцева С.В. Анализ способностей интеллектуальной сферы человека и искусственного интеллекта // Искусственный интеллект и общественное развитие: новые возможности и преграды: сборник материалов, Москва, 21 февраля 2022 года. Москва: ООО «МАКС Пресс», 2022. С. 281–283.
4. Багрова Н.А. Ежу понятно: идиоматические выражения русского языка глазами нейросети // Бархударовские чтения: сб. науч. ст. участников международ. науч.-метод. конф., приуроченной к 130-летию со дня рождения С.Г. Бархударова (3–5 мая 2024 г.). Ереван: РАУ, 2024. С. 25–28.
5. Величковский Б.М. Психологические аспекты искусственного интеллекта // Новости искусственного интеллекта. 1995. № 1. С. 12–88.
6. Давыденко Э.Н., Окунева Е.С. Человек и машина: психологические аспекты коммуникации с искусственным интеллектом // Актуальные проблемы гуманитарного знания: прошлое и современность: материалы VI Международной научной конференции, Москва, 24 ноября 2024 года. Москва: Научно-исследовательский институт истории, экономики и права, 2024. С. 133–141.
7. Дейк Т.А. Язык. Познание. Коммуникация: перевод с английского / Т. А. Дейк; ред. В. И. Герасимов; сост. В. В. Петров; вступ. ст. Ю. Н. Караулова, В. В. Петрова. 2-е изд. Москва: URSS: ЛЕНАНД, 2015. 310 с.
8. Дридзе Т.М. Текстовая деятельность в структуре социальной коммуникации: проблемы семиосоциопсихологии / Т. М. Дридзе; отв. ред. И. Т. Левыкин. Москва: Наука, 1984. 267 с.
9. Дудорова М.В. Специфика проявления текстовых категорий в ИИ-сочинениях // Коммуникативные исследования. 2025. Т. 12, № 4. С. 758–773. DOI 10.24147/2413-6182.2025.12(4).758-773.
10. Каладзе В.А., Ворсунов А.А. Исследование различий между текстами, созданными генеративной сетью и человеком // Проблемы теории и практики инновационного развития и интеграции современной науки и образования: материалы V Международной научно-практической конференции, Москва, 14 февраля 2024 года. Москва: ООО «ПРИНТИКА», 2024. С. 124–128.
11. Круковский М.О. Искусственный интеллект как фактор антропогенеза: психологический аспект // Научные дискуссии современного российского общества: социально-гуманитарные парадигмы: сборник научных статей. Москва : ООО «НПК Наука», 2025. С. 66–71.
12. Кубрякова Е.С. Язык и знание: на пути получения знаний о языке: части речи с когнитивной точки зрения. Роль языка в познании мира / Е. С. Кубрякова; Институт языкознания РАН. Москва: Языки славянской культуры, 2004. 555 с.
13. Кузьменко М.В. Искусственный интеллект в исследовательской деятельности и академическом письме: аналитический обзор направлений и ограничений применения // Непрерывное образование: XXI век. 2025. Т. 13, № 3. DOI 10.15393/j5.art.2025.10846
14. Лебедев А.Н. Искусственный интеллект и психология // Учёные записки Института психологии РАН. 2023. Т. 3, № 2(8). С. 6–22.
15. Леонтьев А.А. Психология общения: учебное пособие для студентов вузов по специальности «Психология» / А. А. Леонтьев. 3-е изд. Москва: Смысл: Academia, 2005. 365 с.
16. Мальцев Н.Д. Структурные и филологические особенности текстовых генеративных нейронных сетей // Неофилология. 2024. Т. 10, № 2. С. 452–464. DOI 10.20310/2587-6953-2024-10-2-452-464.
17. Нуруллина Г.М., Усманова Л.А. Психолингвистический аспект изучения текста как продукта речевой деятельности // Филология и культура. 2018. № 3(53). С. 72–76
18. Оломская Н.Н., Юрова Е.А. Лингвопрагматические особенности сгенерированного текста в медиадискурсе социальных сетей (на примере текстов о выборах губернатора в Нижегородской области 2023) // Российский социально-гуманитарный журнал. 2025. № 2. DOI 10.18384/2224-0209-2025-2-1649.
19. Осетрова Е.В., Седова А.В. Характеристики сгенерированного текста: языковой и социально-коммуникативный анализ // Сибирский филологический форум. 2025. № 2(31). С. 45–55. DOI 10.24412/2587-7844-2025-2-45-55.
20. Павлов А.А. Созданные с использованием искусственного интеллекта «научные» тексты: текущее состояние и перспективы развития // Методологические проблемы цивилистических исследований. 2024. № 6. С. 111–127. DOI 10.33397/2619-0559-2024-6-6-111-127.
21. Спириданчук Н.В., Мамаева Н.А. Особенности генерации текстового наполнения статей при использовании нейросетей на примере ChatGPT // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: Материалы VIII Международной научной конференции, Красноярск, 24–27 сентября 2024 года. Красноярск: Красноярский гос. пед. ун-т им. В.П. Астафьева, 2024. С. 444–451.
22. Студеникина К.А. Оценка языковой способности нейронных моделей на материале предикативного согласования в русском языке // Труды Института системного программирования РАН. 2022. № 34(6). С. 179–184. DOI15514/ispras-2022-34(6)-14.
23. Суйундукова А.К., Уварова Л.Н. Психологические аспекты искусственного интеллекта // Kazakhstan Science Journal. 2018. Т. 1, № 1(1). С. 24–29.
24. Сухарева Е.С. Пересечения искусственного интеллекта и мышления человека // Язык и личность: социокультурные и психологические трансформации: материалы международной научно-практической конференции, Москва, 15–16 декабря 2023 года. Москва : ООО «Агентство социально-гуманитарных технологий», 2023. С. 231–234.
25. Тельпов Р.Е., Ларцина С.В. Типовые различия естественных и сгенерированных нейронной сетью текстов в квантитативном аспекте // Научный диалог. 2023. Т. 12, № 7. С. 47–65
26. Туркулец И.А. Композиционные особенности текстов, сгенерированных ChatGPT, как маркер несамостоятельности выполнения работ студентами // Правовая реальность в условиях цифровизации общества: материалы Всероссийской научно-практической конференции, Хабаровск, 9–11 ноября 2023 г. Хабаровск: Дальневосточный гос. ун-т путей сообщения, 2023. С. 59–68
27. Фигура Е.В. Генерация текстов как объект лингвистических исследований // Вестник Российского нового университета. Серия: Человек в современном мире. 2025. № 3. С. 64–70. DOI 10.18137/RNU.V925X.25.03.P.064.
28. Хохлова М.В., Корышев М.В. Сравнительный анализ сгенерированных и оригинальных аннотаций научных статей по филологической тематике // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24, № 6. С. 999–1006. DOI 10.17586/2226-1494-2024-24-6-999-1006.
29. Черкасова М.Н., Тактарова А.В. Искусственно сгенерированный академический текст (лингвопрагматический аспект) // Филологические науки. Вопросы теории и практики. 2024. Т. 17, № 7. С. 2551–2557. DOI 10.30853/phil20240363.
30. Beaugrande R.-A. de, Dressler W.U. Konzepte der Sprach- und Literaturwiss. Einführung in die Textlinguistik / R.-A. de Beaugrande, W. U. Dressler. Tübingen: Niemeyer, 1981. XIII, 290 S
31. Halliday M.A.K., Hasan R. Cohesion in English: учебное пособие / M. A. K. Halliday, R. Hasan. Harlow: Longman, 1997. XV, 374 p.: tabl. (English language series / Gen. ed. R. Quirk; 9). Библиогр.: p. 357–366
32. Kintsch W. The role of knowledge in discourse comprehension: a construction-integration model / W. Kintsch // Psychological Review. Vol. 95, No. 2. P. 163–182.

 

References

1. Adambekova B.A., Sydykova G.M. (2024) Sovremennye problemy psihologii: iskusstvennyj intellekt v svete psihologicheskih aspektov [Modern problems of psychology: artificial intelligence in the light of psychological aspects] // Vestnik Kyrgyzskogo Nacional’nogo Universiteta imeni Zhusupa Balasagyna. № 1(117). S. 103–109. DOI 10.58649/1694-8033-2024-1(117)-103-109
2. Aidagulova A.R. (2023) Osobennosti tekstov, sgenerirovannyh iskusstvennym intellektom [Features of texts generated by artificial intelligence] // Vestnik Bashkirskogo gosudarstvennogo pedagogicheskogo universiteta im. M. Akmully.
   № 4(72). S. 154–156.
3. Akimova M.K., Persjanceva S. V. (2022) Analiz sposobnostej intellektual’noj sfery cheloveka i iskusstvennogo intellekta [Analysis of abilities of human intellectual sphere and artificial intelligence] // Iskusstvennyj intellekt i obshhestvennoe razvitie: novye vozmozhnosti i pregrady : sbornik materialov, Moskva, 21 fevralja 2022 goda. Moskva : OOO «MAKS Press». S. 281–283
4. Bagrova N.A. (2024) Ezhu ponyatno: idiomaticheskie vyrazhenija russkogo jazyka glazami nejroseti [Easy to understand: idiomatic expressions of Russian language through the eyes of neural networks] // Barkhudarovskie chtenija: sb. nauch. st. uchastnikov mezhdunar. nauch.-metod. konf., priuroch. k 130-letiju so dnja rozhdenija S. G. Barkhudarova (3–5 maja 2024 g.). Erevаn: RAU. S. 25–28.
5. Beaugrande R.-A. de, Dressler W.U. (1981) Konzepte der Sprach- und Literaturwiss. Einfuhrung in die Textlinguistik [Concepts of linguistics and literary studies. Introduction to text linguistics]. Tubingen: Niemeyer. XIII, 290 p.
6. Cherkasova M.N., Taktarova A.V. (2024) Iskusstvenno sgenerirovannyj akademicheskij tekst (lingvopragmaticheskij aspekt) [Artificially generated academic text: linguistic and pragmatic aspect] // Filologicheskie nauki. Voprosy teorii i praktiki. T. 17, № 7. S. 2551–2557. DOI 10.30853/phil20240363
7. Davydjenko E.N., Okuhneva E.S. (2024) Chelovek i mashina: psihologicheskie aspekty kommunikatcii s iskusstvennym intellektom [Human and machine: psychological aspects of communication with artificial intelligence] // Aktual’nye problemy gumanitarnogo znanija: proshloe i sovremennost’: materialy VI Mezhdunarodnoj nauchnoj konf., Moskva, 24 nojabrja 2024 goda. Moskva: Nauchno-issledovatel’skij institut istorii, ehkonomiki i prava. S. 133–141
8. Dridze T.M. (1984) Tekstovaja dejatel’nost’ v strukture social’noj kommunikacii: problemy semiosotsiopsihologii [Text activity in the structure of social communication: problems of semiosocio-psychology] / ed. I. T. Levykin. Moskva: Nauka. 267 p.
9. Dudorova M.V. (2025) Specifika projavlenija tekstovyh kategorij v II-sochinenijah [Specific features of text categories in AI-written works] // Kommunikativnye issledovanija. T. 12, № 4. S. 758–773. DOI 10.24147/2413-6182.2025.12(4).758-773.
10. Figura E.V. (2025) Generacija tekstov kak ob’ekt lingvisticheskih issledovanij [Text generation as an object of linguistic research] // Vestnik Rossijskogo novogo universiteta. Serija: Chelovek v sovremennom mire. № 3. S. 64–70. DOI 10.18137/RNU.V925X.25.03.P.064
11. Halliday M.A.K., Hasan R. (1997) Cohesion in English: uchebnoe posobie [Cohesion in English: textbook]. Harlow: Longman. XV, 374 p. : tabl. (English language series / Gen. ed. R. Quirk; 9). Bibl.: p. 357–366
12. Hohlova M.V., Koryshev M.V. (2024) Sravnitel’nyj analiz sgenerirovannyh i original’nyh annotacij nauchnyh statej po filologicheskoj tematike [Comparative analysis of generated and original scientific article abstracts in philology] // Nauchno-tekhnicheskij vestnik informacionnyh tehnologij, meh. i optiki. T. 24, № 6. S. 999–1006. DOI 10.17586/2226-1494-2024-24-6-999-1006
13. Kaladze V.A., Vorsunov A.A. (2024) Issledovanie razlichij mezhdu tekstami, sozdannymi generativnoj set’ju i chelovekom [Study of differences between texts created by generative network and human] // Problemy teorii i praktiki innovatsionnogo razvitija i integracii sovremennoj nauki i obrazovanija: materialy V Mezhdunar. nauch.-prakt. konf., Moskva, 14 fevralja 2024 goda. Moskva: OOO «PRINTIKA». S. 124–128.
14. Kintsch W. (1988) The role of knowledge in discourse comprehension: a construction-integration model // Psychological Review. Vol. 95, No. 2. P. 163–182.
15. Krukovskij M.O. (2025) Iskusstvennyj intellekt kak faktor antropogeneza: psihologicheskij aspekt [Artificial intelligence as a factor of anthropogenesis: psychological aspect] // Nauchnye diskussii sovremennogo rossijskogo obshhestva: social’no-gumanitarnye paradigmy : sbornik nauchnyh statej. Moskva : OOO «NPK Nauka». S. 66–71.
16. Kubrjakova E.S. (2004) Jazyk i znanie: na puti poluchenija znanij o jazyke: chasti rechi s kognitivnoj tochki zrenija. Rol’ jazyka v poznanii mira [Language and knowledge: on the way to gaining knowledge about language: parts of speech from a cognitive perspective. Role of language in cognition] / Institut jazykoznanija RAN. Moskva: Jazyki slavjanskoj kul’tury. 555 p.
17. Kuz’menko M.V. (2025) Iskusstvennyj intellekt v issledovatel’skoj dejatel’nosti i akademicheskom pis’me: analiticheskij obzor napravlenij i ogranichenij primenenija [Artificial intelligence in research activity and academic writing: analytical review of directions and limitations] // Nepreryvnoe obrazovanie: XXI vek. T. 13, № 3. DOI 10.15393/j5.art.2025.10846
18. Lebedev A.N. (2023) Iskusstvennyj intellekt i psihologija [Artificial intelligence and psychology] // Uchenye zapiski Instituta psihologii RAN. T. 3, № 2(8). S. 6–22
19. Leont’ev A.A. (2005) Psihologija obshhenija: uchebnoe posobie dlja studentov vuzov po special’nosti «Psihologija» [Psychology of communication: textbook for university students in Psychology] / 3rd ed. Moskva: Smysl : Academia. 365 p.
20. Mal’cev N.D. (2024) Strukturnye i filologicheskie osobennosti tekstovyh generativnyh nejronnyh setej [Structural and philological features of text-generative neural networks] // Neofilologija. T. 10, № 2. S. 452–464. DOI 10.20310/2587-6953-2024-10-2-452-464
21. Nurullina G.M., Usmanova L.A. (2018) Psiholingvisticheskij aspekt izuchenija teksta kak produkta rechevoj dejatel’nosti [Psycholinguistic aspect of text as a product of speech activity] // Filologija i kul’tura. № 3(53). S. 72–76
22. Olomskaja N.N., Jurova E.A. (2025) Lingvopragmaticheskie osobennosti sgenerirovannogo teksta v mediadiskurse social’nyh setej (na primere tekstov o vyborah gubernatora v Nizhegorodskoj oblasti 2023) [Linguistic and pragmatic features of AI-generated texts in social media discourse (example: gubernatorial elections in Nizhny Novgorod region, 2023)] // Rossijskij social’no-gumanitarnyj zhurnal. № 2. DOI 10.18384/2224-0209-2025-2-1649
23. Osetrova E.V., Sedova A.V. (2025) Harakteristiki sgenerirovannogo teksta: jazykovoj i social’no-kommunikativnyj analiz [Characteristics of AI-generated texts: linguistic and socio-communicative analysis] // Sibirskij filologicheskij forum. № 2(31). S. 45–55. DOI 10.24412/2587-7844-2025-2-45-55
24. Pavlov A.A. (2024) Sozdannye s ispol’zovaniem iskusstvennogo intellekta «nauchnye» teksty: tekuschee sostojanie i perspektivy razvitija [AI-generated «scientific» texts: current state and development prospects] // Metodologicheskie problemy civilisticheskih issledovanij. № 6. S. 111–127. DOI 10.33397/2619-0559-2024-6-6-111-127
25. Spiridanchuk N.V., Mamaeva N.A. (2024) Osobennosti generacii tekstovogo napolnenija statej pri ispol’zovanii nejrosetej na primere ChatGPT [Features of article content generation using neural networks: example of ChatGPT] // Informatizacija obrazovanija i metodika ehlektronnogo obuchenija: cifrovye tehnologii v obrazovanii: Materialy VIII Mezhdunar. nauch. konf., Krasnojarsk, 24–27 sentjabrja 2024 goda. Krasnojarsk: Krasnojarskij gos. ped. un-t im. V.P. Astafeva. S. 444–451
26. Studenikina K.A. (2022) Ocenka jazykovoj sposobnosti nejronnyh modelej na materiale predikativnogo soglasovanija v russkom jazyke [Evaluation of neural models’ linguistic ability on predicative agreement in Russian] // Trudy Instituta sistemnogo programmirovanija RAN. № 34(6). S. 179–184. DOI 10.15514/ispras-2022-34(6)-14
27. Suhareva E.S. (2023) Peresechenija iskusstvennogo intellekta i myshlenija cheloveka [Intersections of artificial intelligence and human thinking] // Jazyk i lichnost’: sociokul’turnye i psihologicheskie transformacii : materialy mezhdunarodnoj nauch.-prakt. konf., Moskva, 15–16 dekabrja 2023 goda. Moskva : OOO «Agentstvo social’no-gumanitarnyh tehnologij». S. 231–234
28. Sujundukova A.K., Uvarova L.N. (2018) Psihologicheskie aspekty iskusstvennogo intellekta [Psychological aspects of artificial intelligence] // Kazakhstan Science Journal. T. 1, № 1(1). S. 24–29
29. Tel’pov R.E., Larcina S.V. (2023) Tipovye razlichija estestvennyh i sgenerirovannyh nejronnoj set’ju tekstov v kvantitativnom aspekte [Typical differences between human and AI-generated texts in quantitative aspect] // Nauchnyj dialog. T. 12, № 7. S. 47–65
30. Turkulets I.A. (2023) Kompozicionnye osobennosti tekstov, sgenerirovannyh ChatGPT, kak marker nesamostojatel’nosti vypolnenija rabot studentami [Compositional features of ChatGPT-generated texts as a marker of students’ non-independent work] // Pravovaja real’nost’ v uslovijah cifrovizacii obshhestva: materialy Vserossijskoj nauch.-prakt. konf., Habarovsk, 9–11 nojabrja 2023 g. Habarovsk: Dal’nevost. gos. un-t putej soobshhenija. S. 59–68
31. Van Dijk T.A. (2015) Jazyk. Poznanie. Kommunikacija [Language. Cognition. Communication] / transl. from English; ed. V. I. Gerasimov; comp. V. V. Petrov; introd. Y. N. Karaulova, V. V. Petrov. 2nd ed. Moskva: URSS : LENAND. 310 p.
32. Velichkovskij B. M. (1995) Psihologicheskie aspekty iskusstvennogo intellekta [Psychological aspects of artificial intelligence] // Novosti iskusstvennogo intellekta. № 1. S. 12–88

[1] Почему мы любим страдать? Как «Служебный роман» и «Ирония судьбы» научили нас, что счастье нужно заслужить болью. URL: https://dzen.ru/a/aYxzVR5z_QdrocpM  (дата обращения: 10.02.2026)
[2] Зачем ходить в театр? URL: https://dzen.ru/a/W3qdkSk5vACpGTEv (дата обращения: 10.02.2026)

[3] «Рана кровоточит, врагу не пожелаю»: Почему Успенская тревожится за 36-летнюю дочь? URL: https://dzen.ru/a/aZsDVVyVY149K4EG (дата обращения: 10.02.2026)

[4] История «самого пронзительного памятника в мире: башмаки, оставшиеся на берегу Дуная URL: https://dzen.ru/a/XiQZIi_ahgCxz5J1 (дата обращения: 10.02.2026)