Искусственный интеллект в медиадискурсе: классификация лингвопрагматических признаков сгенерированного текста

Целью работы являются исследование отличительных признаков сгенерированных нейросетью информационно-аналитических текстов в специальном выпуске ежедневной деловой газеты РБК (выпуск заявлен как частично сгенерированный с помощью нейросетей GigaChat и Kandinsky) и обособление этих признаков в классификацию. В работе был применен сопоставительный метод (автор статьи предпринял попытку выявить и описать не только общие признаки (маркеры) сгенерированного текста, но и особенности генерации в различных типах, видах и жанрах медиадискурса, также описана разница между лингвопрагматическими признаками в различных языках). Среди прочих использован квантитативный метод (контент-анализ специально выбранных единиц текста – признаков текстовой нейросетевой генерации). По результатам исследования была подтверждена ранее выявленная классификация лингвопрагматических маркеров сгенерированных текстов в медиадискурсе; приведены статистические данные, иллюстрирующие наличие тех или иных признаков генерации в текстах и доказывающие их искусственное происхождение: пунктуационные ошибки, морфологические ошибки, синтаксические ошибки, лексические ошибки, лексический повтор, орфографические ошибки, графические ошибки, логические ошибки, фактические ошибки, клише, редундантность, шаблонная структура. В тексте статьи приводится пример анализа одной из информационноаналитических статей специального выпуска РБК, содержащей наибольшее количество лингвопрагматических признаков генерации нейросетью. Теоретическая значимость результатов исследования состоит в необходимости обособления новой отдельной области лингвистического знания – медиалингвистики сгенерированных нейросетью текстов. Практическая значимость данного исследования заключается в том, что выделенную автором классификацию лингвопрагматических признаков и особенностей нейро- сетевого медиатекста возможно применять для экспертизы контента на предмет его искусственного происхождения и интеллектуального мошенничества.

1. Оломская Н.Н. К вопросу о жанровой классификации медиадискурса. Научный диалог. 2013;5(17):250-259.

2. Добросклонская Т.Г. Язык средств массовой информации: учебное пособие, электронное издание сетевого распространения. Москва: Добросвет; 2018. ISBN 978-5-7913-1034-7

3. Клушина Н.И. Интенциональная конфигурация медийного пространства. Политическая лингвистика. 2013;2(44):40-45.

4. Добросклонская Т.Г. Медиалингвистика: системный подход к изучению языка СМИ. URL: http://www.ffl.msu.ru/research/publications/dobrosklonskaya/dobrosklonskayamedialingvistika.pdf (Дата обращения: 30.04.2025).

5. Kolmogorova AV, Margolina AV. Written vs generated text: “naturalness” as a textual and psycholinguistic category. Research Result. Theoretical and Applied Linguistics. 2024;(10-2):7199. DOI: 10.18413/2313 8912-2024-10-2-0-4.

6. Крашенинникова М.А., Барабанова М.А. Автоматизированный текст в современной российской медиапрактике. МедиаАльманах. 2022;(5):56-62.

7. Осетрова А.В., Седова А.В. Характеристики сгенерированного текста: языковой и социально-коммуникативный анализ. Сибирский филологический форум. 2025;2(31):45-55.

8. Напреенко Г.В., Ковалева П.К. Сгенерированный текст в новостном дискурсе: особенности восприятия носителями языка. Гуманитарные науки и образование. 2025;16;1(61):152-156. DOI: 10.51609/2079-3499_2025_16_01_152

9. Rakhmanova L. Linguistic evolution in digital discourse: the impact of memetics and AI-generated content on syntax and vocabulary. Cold Science. 2025;(17):96-107.

10. Bazarbayeva GA, Karbоzova GK. Markers of linguistic artificiality in Internet communication (based on bot materials). Международный научный журнал «ВЕСТНИК НАУКИ». 2025;2;6(87):1351-1360.

11. Айдагулова А.Р. Особенности текстов, сгенерированных искусственным интеллектом. Вестник Башкирского государственного педагогического университета им. М. Акмуллы. 2023;(4-72):154-156.

12. Flores Vivar JM. Artificial intelligence and journalism: diluting the impact of disinformation and fake news through bots. Doxa Comunicación. 2019;(29):197-212. DOI: 10.31921/doxacom.n29a10.

13. Georgiou GP. Differentiating between human-written and AI-generated texts using linguistic features automatically extracted from an online computational tool. URL: https://www.researchgate.net/publication/382064960_Differentiating_between_human-written_and_AI-generated_texts_using_linguistic_features_automatically_extracted_from_an_online_computational_tool (Дата обращения: 25.08.2025).

14. Калташкина Е.Ю. Прагматические аспекты изучения политического медиадискурса. Известия Саратовского университета. Новая серия. Серия Филология. Журналистика. 2012;2(12):27-32.

15. Закон РФ от 27.12.1991 N 2124-1 (ред. от 23.11.2024) «О средствах массовой информации». URL: https://www.consultant.ru/document/cons_doc_LAW_1511/f977773d5130bdc4b8aa5c541d1fa7ca381b18f4/ (Дата обращения: 25.03.2025).

16. Ежедневная деловая газета РБК. URL: https://www.rbc.ru/ (Дата обращения: 15.03.2025).

17. Ежедневная деловая газета РБК в Телеграм-канале URL: https://t.me/rbc_news (Дата обращения: 15.03.2025).

18. Пескова Е.Н. Дискурс веб-сайта: взаимодействие с другими типами дискурса, жанровые особенности. Ученые записки Забайкальского государственного университета. Серия: Филология, история, востоковедение. 2015;2(61):111-116.

19. Дронова М.В. РБК как тип новых медиа в сфере деловой журналистики. Вестник Волгоградского государственного университета. Серия 9: Исследования молодых ученых. 2017;(15):96-98.

20. Как выглядит первая газета РБК, созданная в соавторстве с нейросетями. URL: https://www.rbc.ru/society/29/04/2023/644cc8fe9a79476874dd9f28 (Дата обращения: 15.03.2025).

21. Юрова Е.А. Выявление сгенерированных медиатекстов в Википедии по лингвистическим признакам. Филология будущего, которое мы создаем: тенденции, смыслы, приоритеты: Материалы I Международной научно-практической конференции, г. Москва, 21 марта 2025 г. Москва: Московский международный университет; 2025:167-171.

22. Шейгал Е.И. Семиотика политического дискурса: Дис. … докт. филол. наук. Волгоград: 2000:440.

23. Оломская Н.Н., Юрова Е.А. Лингвопрагматические особенности сгенерированного текста в медиадискурсе социальных сетей (на примере текстов о выборах губернатора Нижегородской области – 2023 в России). Российский социально-гуманитарный журнал. 2025;(2):1-23. URL: https://www.evestnik-mgou.ru/jour/article/view/1649/1359 (Дата обращения: 15.08.2025).

24. Decoding AI Language: Common Words and Phrases in AI-Generated Content. URL: https://www.grammarly.com%2Fblog%2Fai%2Fcommon-ai-words%2F&utf=1 (Дата обращения: 13.05.2025].

25. Common AI Words – What to Look Out For in Your Writing. URL: https://textero.io/guides/common-ai-words (Дата обращения 12.05.2025).

26. Muñoz-Ortiz A., Gómez-Rodríguez C., Vilares D. Contrasting Linguistic Patterns in Human and LLM-Generated News Text. Artificial Intelligence Review. 2024;57(265):1–28. DOI: 10.1007/s10462-024-10903-2.

27. От дипфейков до пиратства. URL: https://www.rbc.ru/technology_and_media/28/04/2023/644b83309a794774db5e6a67 (Дата обращения: 15.03.2025).