Методы и технологии полуавтоматического структурирования и оценки текста научной статьи: обзор и перспективы разработки информационной системы
DOI:
https://doi.org/10.17072/1993-0550-2026-1-131-143Ключевые слова:
структурирование и оценка качества текста, , обработка естественного языка, NLP, большие языковые модели, LLM, академическое письмо, искусственный интеллектАннотация
В статье описывается проблема получения своевременной и качественной обратной связи по научной статье от рецензентов и рассматривается целесообразность применения ИИ для ее решения. Приводится системное описание существующих коммерческих и исследовательских решений для структурирования и оценки качества текста (Writefull, Grammarly, Quillbot, ChatGPT и др.), анализируются их преимущества и недостатки. Изучаются различные подходы и архитектуры и выполняется сравнение эффективности их использования в задаче структурирования и оценки текста научной работы. В качестве целевой структуры научной статьи выбрана IMRAD, обладающая универсальностью, гибкостью и возможностью применения в различных областях. На основе выполненного анализа сформулированы требования к системе структурирования и оценки текста научной статьи. Предлагается модульная секционно-ориентированная архитектура информационной системы, интегрируемой в текстовый редактор. Система состоит из четырех модулей: "Шаблоны предложений", "Оценка структуры текста", "Оценка стиля текста" и "Оценка понятности и логичности текста". Особенностью архитектуры является использование ИИ-агентов (экземпляры большой языковой модели) для анализа отдельных аспектов текста с сохранением контекста каждого раздела структуры IMRAD (введение, методы, результаты, обсуждение). Обсуждаются технические и методологические ограничения реализации подобных систем. Представленное исследование может стать основой для разработки информационной системы, которая может быть полезна образовательным учреждениям для обучения академическому письму.Библиографические ссылки
Reflections on the 2025 Review Process from the Program Committee Chairs [Электронный ресурс]. URL: https://blog.neurips.cc/2025/09/30/reflections-on-the-2025-review-process-from-the-program-committee-chairs/#:~:text=Like%20most%20AI%20conferences%2C%20NeurIPS,not%20only%20is%20a%20challenge (дата обращения: 19.01.2026).
Gottweis J. и др. Towards an AI co-scientist [Электронный ресурс]. URL: https://arxiv.org/pdf/2502.18864 (дата обращения: 19.01.2026).
Liang W. и др. Can Large Language Models Provide Useful Feedback on Research Papers? A Large-Scale Empirical Analysis // NEJM AI. 2024. V. 1, No 8.
Телицына А. Ю. Оптимизация научной деятельности через интеграцию ИИ: нейронные сети как инструмент в работе с академической литературой // Мониторинг общественного мнения: экономические и социальные перемены. 2024. № 5.
Cheng A., Calhoun A., Reedy G. Artificial intelligence-assisted academic writing: recommendations for ethical use // Advances in Simulation. 2025. V. 10, No 1. P. 22.
Sollaci L. B., Pereira M. G. The introduction, methods, results, and discussion (IMRAD) structure: a fifty-year survey. // J. Med. Libr. Assoc. 2004. V. 92, No 3. P. 364–367.
Moskovitz C., Harmon B., Saha S. The Structure of Scientific Writing: An Empirical Analysis of Recent Research Articles in STEM // Journal of Technical Writing and Communication. 2024. V. 54, No 3. P. 265–281.
Tokdemir Demirel E. The Use and Perceptions Towards AI Tools For Academic Writing Among University Students // Innovations in Language Teaching Journal. 2024. V. 1, No 1. P. 1–20.
Khalifa M., Albadawy M. Using artificial intelligence in academic writing and research: An essential productivity tool // Computer Methods and Programs in Biomedicine Update. 2024. V. 5. P. 100145(11).
Granjeiro J. M. и др. The Future of Scientific Writing: AI Tools, Benefits, and Ethical Implications // Braz. Dent. J. 2025. V. 36. DOI: 10.1590/0103-644020256471.
Pividori M., Greene C. S. A publishing infrastructure for AI-assisted academic authoring // Journal of the American Medical Informatics Association (JAMIA). 2023. V. 31, No 9. P. 2103–2113.
Arcy M. D. и др. MARG: Multi-Agent Review Generation for Scientific Papers [Электронный ресурс]. URL: https://arxiv.org/pdf/2401.04259 (дата обращения: 19.01.2026).
Jin Y. и др. AgentReview: Exploring Peer Review Dynamics with LLM Agents [Электронный ресурс]. URL: https://arxiv.org/abs/2406.12708 (дата обращения: 19.01.2026).
Schmidgall S. и др. Agent Laboratory: Using LLM Agents as Research Assistants. Association for Computational Linguistics (ACL), 2025. P. 5977–6043.
Chen N. и др. XtraGPT: Context-Aware and Controllable Academic Paper Revision. 2025 [Электронный ресурс]. URL: https://arxiv.org/pdf/2505.11336 (дата обращения: 19.01.2026).
Du W. и др. Read, Revise, Repeat: A System Demonstration for Human-in-the-loop Iterative Text Revision // Proceedings of the First Workshop on Intelligent and Interactive Writing Assistants (In2Writing 2022). Stroudsburg, PA, USA: Association for Computational Linguistics, 2022. P. 96–108.
Nguyen A. и др. Human-AI collaboration patterns in AI-assisted academic writing // Studies in Higher Education. 2024. V. 49, No 5. P. 847–864.
Deep P. Das, Chen Y. The Role of AI in Academic Writing: Impacts on Writing Skills, Critical Thinking, and Integrity in Higher Education // Societies. 2025. V. 15, No 9. P. 247.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Александр Александрович Толстенко, Екатерина Владимировна Исаева
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Публикация статьи в журнале осуществляется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0).
