Германские языки | Филологический аспект №01 (129) Январь 2026

Лексические и синтаксические маркеры использования ИИ в студенческих проектных работах по английскому языку

Бутенко Елизавета Владимировна
старший преподаватель кафедры «Теория и практика перевода и зарубежная филология» ФГАОУ ВО «Севастопольский государственный университет»
Шеремета Екатерина Ивановна
старший преподаватель кафедры «Иностранные языки» ФГАОУ ВО «Севастопольский государственный университет»

Аннотация: В статье рассматривается лексические и синтаксические маркеры искусственного интеллекта (далее – ИИ) в студенческих проектных работах по английскому языку. Актуальность исследования обусловлена активным внедрением ИИ в образовательный процесс и необходимостью выработки критерием его применения с целью сохранения академической честности и самостоятельности обучающихся. Целью данной работы стало выявление надежных языковых признаков вероятной генерации текста и оценка влияния технологий на качество студенческих работ. В процессе изучения данной проблемы были проанализированы отечественные и зарубежные научные исследования и материалы проектных презентаций студентов второго курса направлений «Филология» и «Лингвистика» (2023/2024). На основе этого выделены характерные маркеры ИИ текста: использование нетипичных для учебного словаря клише, повторяемость формулировок, шаблонные синтаксические конструкции. Новизна нашего исследования заключается в комплексном сопоставлении теоретических данных с эмпирическим анализом реальных учебных презентаций. Сделан вывод о том, что применение ИИ повышает формальные показатели текста (отсутствие лексических и грамматических ошибок), что способствует развитию лексико-грамматических навыков, но вместе с этим делает работы похожими друг на друга, снижает навыки самостоятельного поиска, анализа и систематизации информации.
Ключевые слова: искусственный интеллект, сгенерированный текст, ChatGPT, академическая честность, генеративная языковая модель.

Butenko Elizaveta Vladimirovna
Senior Lecturer, Department of Translation Theory and Practice and Foreign Philology, Sevastopol State University
Sheremeta Ekaterina Ivanovna
Senior Lecturer, Department of Foreign Languages, Sevastopol State University

Abstract: The article examines lexical and syntactic markers of artificial intelligence (hereafter AI) in students’ project work in English. The relevance of the study stems from the active integration of AI into the educational process and the need to develop criteria for its use in order to preserve academic integrity and learners’ autonomy. The aim of this work is to identify reliable linguistic indicators of probable AI-generated text and to assess the impact of these technologies on the quality of students’ work. To address this issue, the study analyzes Russian and international research, as well as materials from project presentations by second-year students in the “Philology” and “Linguistics” programs (2023/2024). Based on this analysis, the authors identify characteristic markers of AI-generated text: the use of clichés atypical of learners’ vocabulary, repetition of phrasing, and template-like syntactic constructions. The novelty of the study lies in its comprehensive comparison of theoretical findings with an empirical analysis of authentic student presentations. The results show that the use of AI improves formal text quality (e.g., the absence of lexical and grammatical errors), which supports the development of lexical and grammatical skills; however, it also makes students’ works more uniform and reduces their ability to independently search for, analyze, and systematize information.
Keywords: artificial intelligence, generated text, ChatGPT, academic integrity, generative language model.

С каждым годом роль искусственного интеллекта (далее – ИИ) в области изучения иностранных языков обсуждается активнее и активнее. С его помощью интенсивно меняется рынок труда и рабочий процесс во многих профессиях. В исследовании Д.В. Алейниковой «AI implications for vocational foreign language teaching and learning: new meaning» отмечены новые профессии, которые уже являются востребованными на рынке труда: юридический редактор, специалист по иностранным языкам, промпт инженер, аналитик по лингвистической маркировке данных [4; c.53]. Указанные профессии, по мнению исследователей, направлены на управление, проверку и редакцию сгенерированных текстов. Это вызвано несовершенством всех существующих на сегодняшний день моделей. На сегодняшний день ИИ является активным помощником для педагогов всех уровней образования. Р.М. Ибрагимова И.Н. Коренецкая отмечает способность ИИ анализировать большие объемы данных, что позволяет прогнозировать и индивидуализировать учебный процесс; Е.А. Черкасова называет ИИ «полезным вспомогательным инструментом для проверки письменных работ в условиях правильно заданной команды» и «полезным ассистентом в контексте коррекции грамматических, пунктуационных и стилистических ошибок» [2; c. 440].

ИИ получил свое широкое распространение в образовательном процессе благодаря уникальной способности генерировать текст на любую тему. Главным его преимуществом называют автоматизацию повседневных задач педагога и разработка методических материалов. Кроме этого, ИИ помогает не только создать, но и усовершенствовать любые педагогические наработки, делая их более интерактивными. Педагогическое сообщество отмечает, что ИИ стал помощником в методической работе. Вместе с этим, популяризация технологий существенно снизила у студентов желание самостоятельного поиска, анализирования и систематизирования информации. Студенческие эссе, проектные работы, доклады становятся все больше похожи друг на друга, несмотря на то, что написаны разными людьми. Исследовательское сообщество так же дискутирует о пользе и вреде чата GPT и других языковых моделях. Катрин Сесслер вместе с командой соавторов отмечают, что применение языковых моделей может повлечь за собой повышение уровня плагиата, предвзятости суждений и подмены данных. По мнению исследователей, это возможно из-за текстов, на основе которых проходит обучение языковых моделей. Например, если тексты для обучения содержали похожую точку зрения или лексику, то в ответах ИИ может быть представлены та же точка зрения и словарный запас [4]. Исследование Петры Полаковой наоборот подчеркивает помощь ИИ в написании текстов. В рамках эксперимента студенты писали по прочитанному тексту эссе и улучшали его с помощью нейросетей. В результате по ряду грамматических и стилистических критериев эссе становились лучше. Несмотря на позитивные отзывы студентов о проверке и персонализированных объяснений ошибок, отмечен риск повышения зависимости и академической нечестности [6].

Сгенерированный текст, как правило, отличается лексическим одноообразием и использованием слов или фраз, не свойственных студенту. Вопрос об отличиях «натурального» и «искусственного» текста исследуется в статье А.В. Колмогоровой «Written vs generated text: “naturalness” as a textual and psycholinguistic category». В рамках эксперимента сравнивались сгенерированные и написанные человеком кинорецензии по ряду метрик, вследствие чего был сделан вывод, что «искусственный» текст отличается однотипностью, повторяющимися синтаксическими схемами, склонностью к цепочкам существительных, использование клише и типовых фраз [5]. Следует отметить, что «сгенерированные» кинорецензии часто путали с человеческими, основываясь на «эмоциональной окраске текста и не обращая внимания на неправильные лексические комбинации» [5; с. 94]. По нашему мнению, данная «путаница» может возникнуть благодаря качественно написанному промпту, где одним из условий можно вписать эмоциональную окраску или разнообразный лексический состав текста.

 Как правило, словарный запас учеников на иностранном языке определяется программой обучения и учебной литературой. Опытный педагог может определить по устной речи студента, какие учебники были им освоены. Любое пособие имеет определенный словарь и перечень выражений, которые отличают одно издание от другого. В связи с этим нами было выдвинуто предположение, что внезапное использование студентами в проектных заданиях одних и тех же фраз вне учебной программы вызвано использованием ИИ. В течение 2023/2024 учебного нами проводилось наблюдение в трех студенческих группах второго курса направлений «Филология» и «Лингвистика». В рамках дисциплины «Коммуникативный курс английского языка» студенты готовили проекты в завершении каждой языковой темы. Проект подразумевал выбор заданной темы, подготовку текста, слайдов и устную презентацию с опорой на подготовленный студентом план. Условием данного задания было обязательное использование словаря по пройденной теме. Предметом наблюдения стали тексты презентаций. Обратим внимание, что на момент проведения эксперимента могли быть использованы версии GPT 3.5 GPT 4.0. Нами было проанализировано порядка 50 проектов. Работы, сгенерированные искусственным интеллектом, имели следующие слова и фразы:

1. Leverage вместо общеизвестного глагола use;
2. Utilize вместо use (в значении применять);
3. Comprehensive вместо complex;
4. Pivotal вместо main или major;
5. Delve into вместо get into;
6. Realm вместо sphere, branch;
7. Robust вместо strong;
8. Dynamic вместо energetic;
9. Hence вместо because;
10. Crucial/essential/comprehensive в заголовках;
11. Plays a crucial role in / is essential for / a wide range of / in the realm.

Существует ряд синтаксических и стилистических особенностей. Пример сгенерированного текста из проекта по теме «Animal caretakers»: «Wild animal caretakers are responsible for the well-being and daily care of animals, restraining animals during vaccinations and exams, cleaning animal spaces, feeding and bathing them, and participating in fundraising and adoption events. They help with animal adoption, handle animals during medical procedures, clean cages and enclosures, and document animal health».

Во-первых, в двух предложениях 7 раз повторяется слово «animal» в единственном или множественном числе. Во-вторых, синтаксическое строение данных предложений выстроено по одно схеме. По своей структуре оба предложения простые, распространенные, осложненные однородными членами, связанными бессоюзной связью.

Следующей отличительной чертой текста с ИИ является частое разделение по пунктам (маркированые списки, обобщения с двоеточиями):

«Duties and Responsibilities

Some of the duties and responsibilities of animal caretakers include:

• Feeding and Watering: Animal caretakers are responsible for providing appropriate and balanced diets to animals under their care. They ensure that animals receive their meals on time and in the correct portions. Caretakers also ensure that clean and fresh water is readily available for the animals.
• Cleaning and Sanitizing: Animal caretakers clean and sanitize animal enclosures, cages, and living areas to maintain a clean and healthy environment. This includes removing waste, soiled bedding, and debris. They follow proper sanitation protocols to prevent the spread of diseases and maintain hygiene standards.
• Monitoring Health and Behavior: Animal caretakers closely observe animals to monitor their health and behavior. They report any signs of illness, injury, or abnormal behavior to veterinarians or supervisors. Caretakers may also assist with basic health checks, such as checking for signs of parasites, administering medications, or providing first aid.
• Exercise and Enrichment: Animal caretakers provide animals with appropriate exercise opportunities and engage them in enrichment activities to promote physical and mental well-being. This may include walking dogs, providing toys or puzzles, or creating environmental enrichment for animals in captivity» and etc.»

Рассмотрим внимательнее структуру предложений. Каждый абзац начинается с номинативного заголовка (gerund или noun phrase), а первое предложение с фразы «animal caretakers». Все предложения простые распространенные, осложненные однородными членами, имеют повторяющуюся грамматическую основу: подлежащее «animal caretakers, they, caretakers» и сказуемое простое глагольное или составное именное. Из этого следует, что текст составлен по одной типовой модели, что не свойственно человеческой речи.

В рамках проведенного исследования были проанализированы порядка 50 студенческих проектов на английском языке на предмет генерации текста. В результате анализа в 62% работ были выявлены следующие признаки «искусственного текста»: лексическое однообразие; слова/конструкции, не свойственные речевому профилю студента; синтаксическая шаблонность; оформление материала с помощью маркированного списка, номинативных заголовков и двоеточий.

Таким образом, полученные результаты позволяют сделать вывод, что использование ИИ в подготовке студенческих работ (докладов, проектов, эссе и тд), с одной стороны, повышает формальные показатели качества текста и способствуют развитию лексических и грамматических навыков. С другой стороны, унифицирует студенческие работы и снижает навык самостоятельного поиска, анализа и систематизации данных. Следует отметить, что выявленные нами признаки коррелируют с выводами исследователей, рассматривающих различия между «натуральными» и «искусственными» текстами. В результате становится возможным применять совокупность лексических и структурных параметров для первичной идентификации «сгенерированного» текста в студенческих работах. При этом окончательное заключение о «самостоятельности» выполнения задания должно опираться на комплексный анализ (сопоставление с лексическим запасом студента, тематическим словарем курса, индивидуальный уровень развития речевых навыков студента), поскольку опора на субъективное «ощущение человечности» текста не является достаточно надежным параметром.

1. Коренецкая, И. Н. Искусственный интеллект в обучении английскому языку студентов нелингвистических направлений вуза: вызовы, возможности, перспективы / И. Н. Коренецкая // Известия Волгоградского государственного педагогического университета. – 2024. – № 6(189). – С. 98-102. – EDN JENYNA.
2. Черкасова, Е. А. Применение искусственного интеллекта в обучении английскому языку в неязыковом вузе: анализ чата GPT в контексте оценки письменных работ / Е. А. Черкасова // Бизнес. Образование. Право. – 2023. – № 4(65). – С. 437-442. – DOI 10.25683/VOLBI.2023.65.837. – EDN AMNQLI.
3. Aleynikova, D. V. AI implications for vocational foreign language teaching and learning: new meaning / D. V. Aleynikova, L. V. Yarotskaya // Tambov University Review: Series Humanities. – 2024. – Vol. 29, No. 1. – P. 46-56. – DOI 10.20310/1810-0201-2024-29-1-46-56. – EDN QJCWKC.
4. Kasneci E., Sessler K., Küchemann S. [и др.] ChatGPT for good? On opportunities and challenges of large language models for education // Learning and Individual Differences. 2023. Vol. 103. Art. 102274. DOI: 10.1016/j.lindif.2023.102274. URL: https://www.sciencedirect.com/science/article/pii/S1041608023000195 (дата обращения: 23.12.2025).
5. Kolmogorova, A. V. Written vs generated text: “naturalness” as a textual and psycholinguistic category / A. V. Kolmogorova, A. V. Margolina // Research Result. Theoretical and Applied Linguistics. – 2024. – Vol. 10, No. 2. – P. 71-99. – DOI 10.18413/2313-8912-2024-10-2-0-4. – EDN CCESHE.
6. Polakova P., Ivenz P. The impact of ChatGPT feedback on the development of EFL students’ writing skills // Cogent Education. 2024. Vol. 11, No. 1. Art. 2410101. DOI: 10.1080/2331186X.2024.2410101. URL: https://doi.org/10.1080/2331186X.2024.2410101 (дата обращения: 20.01.2026).