Матрица технических решений на базе искусственного интеллекта в профессиональной подготовке будущих юристов

Аннотация. Современный этап технологического развития общества характеризуется интенсивной интеграцией технологий искусственного интеллекта (ИИ) в профессиональные сферы. Технические решения на базе ИИ позволяют автоматизировать некоторые рутинные процессы и высвободить время для решения человеком других более важных и сложных вопросов. Постепенно взаимодействие специалистов с инструментами ИИ для решения профессиональных задач становится повседневной практикой. В этой связи подготовка квалифицированных кадров в вузе к реалиям сегодняшнего дня невозможна без интеграции в процесс обучения студентов профессионально ориентированных инструментов ИИ. Юриспруденция выступает одной из сфер деятельности, в которой современные технологии ИИ способны взять на себя решение многих профессиональных задач. Вместе с тем системная интеграция технических решений на основе ИИ в процесс подготовки студентов-юристов в вузе невозможна без комплексного изучения всей палитры инструментов ИИ и их профессионально ориентированного потенциала. Цель исследования – разработать матрицу технических решений на базе ИИ, используемых в профессиональной подготовке будущих юристов.

Материалы и методы. Исследование проводилось на основе метода экспертной оценки. Это позволило авторам: а) выделить перечень профессиональных задач, решаемых юристами в сфере профессиональной деятельности; б) на основе выделенных задач разработать матрицу технических решений на базе ИИ, используемых в профессиональной подготовке будущих юристов. Материалами выступили научные работы по педагогике, методике обучения иностранным языкам и профильным дисциплинам, опубликованные в научных журналах, индексируемых в МНБ (Scopus и Web of Science), а также входящие в перечень ВАК РФ (К1, К2), ФГОС ВО по направлению подготовки «Юриспруденция». В качестве практических материалов были использованы широко распространенные среди действующих юристов инструменты ИИ, используемые ими в профессиональной деятельности для решения профессиональных задач.

Результаты исследования. Разработана матрица технических решений на базе ИИ, используемых в профессиональной подготовке будущих юристов. Матрица представлена по двенадцати профессиональным задачам, решаемым юристами в ходе своей профессиональной деятельности. В качестве основных и наиболее доступных для преподавателей профильных дисциплин технических решений на базе ИИ, способных помочь юристам в решении профессиональных задач, выступают следующие инструменты: Legal AI, Legal Document Generator и DocZilla AI используются для составления договоров (аренды, куплипродажи, трудовых соглашений и т. п.), DocZilla AI и Genie AI - для анализа и сравнения редакций документов, Mistral AI и LexisNexis - для проверки документов на ошибки и противоречия, ROSS Intelligence и WestLaw - для поиска релевантных судебных решений и анализа прецедентов, TrademarkVision и PatentPal - для поиска сходных товарных знаков, Perplexity AI - для анализа лицензионных соглашений, Legalese Decoder, ChatGPT, YandexGPT, GigaChat и DeepSeek - для упрощения юридических терминов для клиентов (коллег, студентов), Canva и MidJourney - для визуализации процессов (например, судебных заседаний), LegalAI и Jasper AI - для консультации по юридическим вопросам, Perplexity AI, ChatGPT, YandexGPT, GigaChat и DeepSeek - для математических расчетов (налогов, страховых выплат и т. п.), MidJourney - для создания изображений подозреваемых, Legalese Decoder и Mistral AI - для проведения экспертиз (почерковедческих, баллистических и т. п.).

Выводы. Новизна исследования состоит в разработке матрицы технических решений на базе ИИ, используемых в профессиональной подготовке будущих юристов. Перспективность проведенного исследования заключается в разработке поэтапных методик обучения аспектам профильных дисциплин на основе практики студентов с конкретными техническими решениями на базе ИИ.

Ключевые слова: матрица технических решений на базе ИИ, искусственный интеллект в юриспруденции, профессиональные задачи юристов, предметно-языковое интегрированное обучение.

Сысоев, П. В. Матрица технических решений на базе искусственного интеллекта в профессиональной подготовке будущих юристов / П. В. Сысоев, М. В. Гаврилов, С. Ю. Булочников // Вестник Тамбовского университета. Серия: Гуманитарные науки. – 2025. – Т. 30, № 2. – С. 336-351. – DOI 10.20310/1810-0201-2025-30-2-336-351. – EDN MCJCFZ. https://www.elibrary.ru/item.asp?id=82554470

Актуальность

Современный этап технологического развития общества отличается интенсивным развитием технологий искусственного интеллекта (ИИ) и их активным широким внедрением в профессиональные сферы. Под искусственным интеллектом принято понимать область компьютерных наук, изучающую создание интеллектуальных систем, которые способны выполнять задачи, решение которых традиционно требовало интеллекта человека. На основе таких технологий, как машинное обучение (machine learning), обработка естественного языка (natural language processing), компьютерное зрение (computer vision), распознавание речи (speech recognition), анализ данных (data science) и многих других создаются технические решения или инструменты ИИ, которые способны взять на себя многие рутинные функции, выполняемые человеком. Этим они частично или полностью позволяют автоматизировать некоторые процессы, а также высвободить время для решения человеком других более важных и сложных вопросов. В условиях, когда взаимодействие специалистов с технически- ми решениями на базе ИИ для решения профессиональных задач постепенно становится повседневной практикой, совершенно очевидно, что подготовка квалифицированных кадров в вузе к реалиям сегодняшнего дня невозможна без интеграции в процесс обучения профессионально ориентированных инструментов ИИ.

Отметим, что развитие технологий ИИ и их внедрение в различные сферы жизнедеятельности человека, включая сферы промышленности и экономики, здравоохранения и образования, получило отражение во многих российских федеральных нормативных документах. В частности, в Стратегии научно-технологического развития России говорится, что «приоритетом развития РФ на ближайшие 10–15 лет станет переход к передовым цифровым, интеллектуальным производственным технологиям, роботизированным системам, новым материалам и способам конструирования, создание систем обработки больших объемов данных, машинного обучения и искусственного интеллекта» (п. 20).

За последние годы в педагогической литературе появился целый цикл работ, в которых отечественные и зарубежные ученые исследуют различные вопросы использования конкретных инструментов искусственного интеллекта в образовании. Е.Н. Ивахненко и В.С. Никольский [1], И.В. Роберт [2], П.В. Сысоев [3], Е.И. Казакова и Я.И. Кузьминов [4] рассматривают методологические вопросы интеграции искусственного интеллекта в образование; Д. Коттон, П. Коттон, Дж. Шипвей [5] и П.В. Сысоев [6] описывают проблему соблюдения учащимися и студентами правил академической этики при взаимодействии с искусственным интеллектом и получении материалов обратной связи от генеративного ИИ; М.Н. Евстигнеев [7], П.В. Сысоев [8], С.В. Титова, К.Т. Темурян [9] рассматривают вопросы разработки аспектов персонализированного обучения на основе технических решений на базе искусственного интеллекта или интеллектуальных систем обучения; Е.Н. Ивахненко и В.С. Никольский [1], П.В. Сысоев и Е.М. Филатов [10], П.В. Сысоев и М.Н. Евстигнеев [11] изучают возможности использования средств генеративного ИИ, включая нейросети, в исследовательской работе студентов; О.В. Михалева [12], Д. Хендрикс, М. Мазеика и Т. Вудсайд [13] описывают возможные риски для обучающихся при использовании технических решений на базе ИИ в образовании.

Ряд работ посвящен формированию профессиональных компетенций студентов конкретных направлений подготовки или специальностей в вузе на основе инструментов ИИ. В частности, предметом исследования в работах К.С. Итинсона [14], К. Чан и Н. Жари [15], В. Жанг с соавт. [16] выступает формирование профессиональных компетенций студентов медицинских вузов; Н. Вайсберг, А. Худека [17], П.В. Сысоева, В.В. Харина и М.В. Гаврилова [18], Д.В. Алейниковой [19] – студентов-юристов; Б.А. Левина, А.А. Пискунова, В.Ю. Полякова, А.В. Савина [20] – студентов инженерных специальностей, К.В. Паршиной и Г.М. Салтыковой [21] – будущих дизайнеров и т. п. На настоящий момент сложно выделить какую-то сферу, в которой в той или иной степени не использовались бы технологии ИИ для создания дополнительных условий и возможностей для формирования предметных компетенций обучающихся.

Наиболее системно, на наш взгляд, к вопросу разработки методик обучения аспектам дисциплины на основе технических решений на базе ИИ подошли педагоги и методисты в области обучения иностранным языкам. В центре внимания работ И.В. Харламенко [22], В.В. Клочихина [23], В.В. Клочихина и О.Г. Полякова [24] выступает разработка практических методик формирования лексико-грамматических навыков речи обучающихся, П.В. Сысоева и М.И. Ивченко [25], М.И. Ивченко и О.Г. Полякова [26] – формирование фонетических навыков речи студентов; П.В. Сысоева и Е.М. Филатова [27], П.В. Сысоева, Е.М. Филатова, Н.И. Хмаренко, С.С. Мурунова [28], А.А. Коренева [29] – развитие умений письменной речи студентов на основе оценочной обратной связи от генеративного ИИ; П.В. Сысоева и Е.М. Филатова [30], Д.О. Сорокина [31–32], Е.М. Филатова [33] – развитие умений иноязычного устного и письменного общения посредством чат-ботов.

На основе этих и многих других работ группа ученых Тамбовского государственного университета им. Г.Р. Державина в составе П.В. Сысоева, Е.М. Филатова, М.Н. Евстигнеева, О.Г. Полякова, И.А. Евстигнеевой и Д.О. Сорокина [34] разработала матрицу инструментов ИИ, используемых в лингвометодической подготовке студентов-лингвистов. В ее основу легли шесть видов обратной связи от генеративного ИИ, ранее предложенные П.В. Сысоевым, Е.М. Филатовым и Д.О. Сорокиным [35] – учебно-социальная, условно-творческая, информационно-справочная, оценочная, методическая и аналитическая. Более того, ученые разработали методическую систему лингвометодической подготовки будущих учителей иностранного языка на основе технологий ИИ и начали ее внедрение на факультете педагогики ТГУ им. Г.Р. Державина [36]. На настоящий момент это первых крупномасштабный реализуемый в России проект по широкой интеграции целой палитры профессиональных инструментов ИИ и нейросетей в подготовку студентов бакалавриата.

Очевидно, что разработка методической системы подготовки специалистов (уровень бакалавриата) любого профиля, включая юриспруденцию, будет требовать целого корпуса частных методических исследований и матрицы инструментов ИИ, используемых в обозначенной профессиональной сфере. Вместе с тем отметим, что разработка матрицы технических решений на базе ИИ, используемых в профессиональной деятельности юристов, не выступала предметом отдельного исследования, что и определяет актуальность настоящей работы.

Цель исследования – разработать матрицу технических решений на базе ИИ, используемых в профессиональной подготовке будущих юристов.

Материалы и методы

Мы использовали ряд теоретических (комплексный анализ научной литературы и нормативных документов) и эмпирических (опросы и наблюдения) методов.

Материалами выступили научные работы по педагогике, методике обучения иностранным языкам и профильным дисциплинам, опубликованные в научных журналах, индексируемых в МНБ (Scopus и Web of Science), а также входящие в перечень ВАК РФ (К1, К2), ФГОС ВО по направлению подготовки «Юриспруденция». В качестве практических материалов были использованы широко распространенные среди действующих юристов инструменты ИИ, используемые ими в профессиональной деятельности для решения профессиональных задач. Эмпирической базой исследования стал институт права и национальной безопасности ТГУ им. Г.Р. Державина. Использование некоторых технических решений на базе ИИ осуществлялось на занятиях по профильным дисциплинам в период с октября 2024 г. по март 2025 г.

Результаты исследования

Опираясь на опыт авторского коллектива под руководством проф. П.В. Сысоева, проф. О.Г. Полякова и доц. М.Н. Евстигнеева [34] по разработке матрицы инструментов ИИ, используемых в лингвометодической подготовке будущих учителей иностранного языка, в данной работе необходимо было определить компонент, который послужил бы основой для разработки матрицы технических решений на базе ИИ, используемых в профессиональной подготовке будущих юристов. Таким компонентом выступили профессиональные задачи юристов, обучение решению которых осуществляется на профильных дисциплинах. Ввиду специфики юриспруденции как области знания, обучение решению каждой профессиональной задачи не ограничивается конкретной дисциплиной, а, скорее, отражает междисциплинарный характер формирования у студентов-юристов профессиональных компетенций. Например, составлению договоров, соглашений, правовых актов обучают в рамках общепрофессиональных дисциплин (юридическая техника, теория государства и права, введение в специальность и т. п.).

На основе анализа общепрофессиональных (ОПК), универсальных (УК) и профессиональных (ПК) компетенций, которые должны сформировать студенты в ходе освоения основной профессиональной образовательной программы (ОПОП), был определен перечень профессиональных задач, состоящий из 12 позиций. В соответствии с данным перечнем предлагается матрица инструментов технических решений на основе искусственного интеллекта (табл. 1). Рассмотрим подробнее, какие инструменты ИИ можно использовать для решения каждой из профессиональных задач.

Задача 1. Составление договоров (аренды, купли-продажи, трудовых соглашений и т. п.). На таких дисциплинах, как «Юридическая техника», «Гражданское право» и «Трудовое право» студентов обучают составлению договоров и иных актов. Они изучают структуру соответствующих документов, технику юридического письма и анализа, стандарты терминологии и систематизации правовых актов. Для автоматизированного составления документов студенты могут использовать инструмент ИИ «Genie AI», а для генерации шаблонов с возможностью персонализации – «Legal Document Generator». С помощью ИИ-платформы «Doczilla AI» студенты-юристы могут проверять согласованность, например, существенных условий договора с его другими структурными элементами (права и обязанности сторон, ответственность, реквизиты договора и иные условия договора).

Задача 2. Анализ и сравнение редакций документов. Студенты, изучающие дисциплину «Гражданское право», познают правовое регулирование имущественных отношений, институты собственности, обязательственного права и наследования, правовой статус субъектов. Анализ редакций документов и договорных конструкций, изучаемый в рамках этой дисциплины, а также в рамках дисциплины «Юридическая техника», эффективно осуществляется при помощи программных средств «Doczilla AI» и «Genie AI». Они способны выделять изменения между разными версиями документов и анализировать составленный правовой акт на соответствие правовым нормам. Это особенно важно при работе с поправками в нормативно-правовых актах.

Задача 3. Проверка документов на ошибки и противоречия является важной составляющей «Гражданского процесса». Студенты изучают процедуры разрешения споров с участием физических лиц, включая наследственные, семейные, трудовые и жилищные дела, а также споры между гражданами и организациями. Инструменты ИИ Mistral AI и LexisNexis позволяют мгновенно выявить логические несоответствия и проверить ссылки на нормативные акты.

Задача 4. Поиск релевантных судебных решений и анализ судебных прецедентов выступает одной из основных задач в «Уголовном процессе», «Арбитражном процессе», «Административном процессе», «Гражданском процессе» и «Конституционном судопроизводстве». На этих дисциплинах студенты изучают принципы и процедуры решения экономических споров между юридическими лицами и индивидуальными предпринимателями, включая корпоративные конфликты, дела о банкротстве и административные споры в экономической сфере, а также регламент деятельности органов дознания, предварительного следствия, прокуратуры и суда по возбуждению, расследованию, рассмотрению и разрешению уголовных дел. ROSS Intelligence позволяет провести семантический поиск в базе прецедентов, а WestLaw дает возможность найти схожие судебные решения, преимущественно в рамках иностранных уголовно-процессуальных систем.

Задача 5. Поиск сходных товарных знаков. Право интеллектуальной собственности включает в себя изучение основ регулирования авторских и патентных прав, средства индивидуализации и защиту результатов интеллектуальной деятельности. TrademarkVision позволяет юристам провести анализ товарных знаков на наличие визуальных сходств, а PatentPal автоматизирует процесс поиска и анализа патентов, позволяет быстро составить патентную заявку и защитить интеллектуальную собственность.

Задача 6. Анализ лицензионных соглашений рассматривается в гражданском праве, особенно в разделах о договорных отношениях и интеллектуальной собственности, а также в предпринимательском праве, где анализируются условия лицензионных договоров в бизнес-среде. Изучение анализа лицензионных соглашений включает как теоретический, так и практический подход. Теоретическая часть предполагает разбор структуры лицензионного договора, включая предмет соглашения, стороны, срок действия, территориальное распространение, вознаграждение, гарантии и ответственность. Практическая часть обучения строится на разборе реальных кейсов, включая анализ договоров крупных компаний, а также рассмотрение судебных споров, связанных с нарушением лицензионных условий. Указанные задачи выполняются эффективнее при помощи системы Perplexity AI, сравнивающей условия разных лицензий.

Задача 7. Упрощение юридических терминов для клиентов. Юридический дискурс отличается своей формальностью и использованием большого количества специальных терминов и понятий. При общении с клиентами юристам часто приходится адаптировать юридический язык, делая его более понятным и доступным для клиентов, не являющихся специалистами в данной области. Для перефразирования и лингвистического упрощения текста юристы могут использовать специальный инструмент Legalese Decoder, а также большие языковые модели ChatGPT, YandexGPT, GigaChat, DeepSeek.

Задача 8. Визуализация процессов (например, судебных заседаний). Наглядность выступает важной составляющей при изучении некоторых практико-ориентированных дисциплин, в частности «Криминалистика». Студенты изучают методы расследования преступлений, тактику следственных действий, криминалистическую технику и судебную экспертизу. Использование веб-приложения Canva позволит создать интерактивные и наглядные презентации с различными инфографиками. Генеративная нейросеть MidJourney позволит визуализировать события на месте преступлений и т. п., что значительно повышает наглядность на судебных заседаниях.

Задача 9. Консультации по юридическим вопросам, моделирование диалогов с клиентами. Консультирование коллег или клиентов выступает одной из составляющих деятельности любого юриста. В настоящее время существуют технические решения на базе ИИ, способные проводить консультирование клиентов по различным правовым вопросам. ИИ-ассистент LegalAI позволяет провести пошаговый анализ ситуаций через интерактивный диалог с клиентом. Приложение Jasper AI способно сгенерировать типовые ответы клиентам по правовым вопросам.

Задача 10. Математические расчеты (налоговых ставок, бюджета, цен, страховых выплат, наследственной массы, конкурсной массы и т. п.). Налоговое право рассматривает систему налогов, права налогоплательщиков, налоговый контроль и порядок разрешения споров. Финансовое право изучает основы финансовой деятельности государства, бюджетный процесс, банковское регулирование и валютный контроль. Эти дисциплины формируют у будущих юристов не только теоретическую базу, но и практические навыки профессиональной деятельности. Указанные элементы расчета изучаются в основном в рамках налогового и финансового права и используются юристами при работе в бюджетной, экономической, страховой и арбитражной сферах. Большие языковые модели ChatGPT, YandexGPT, GigaChat, DeepSeek могут использоваться для сложных вычислений и Perplexity AI для определения, например, налоговых ставок или размера страховых выплат.

Задача 11. Создание изображений подозреваемых на основе словесного описания свидетелей. В криминалистике и оперативно-розыскной деятельности создание фотороботов революционно изменилось благодаря MidJourney, который по словесному описанию создает и корректирует изображения подозреваемых. Это позволяет оперативно обновлять образы по новым показаниям свидетелей.

Задача 12. Проведение почерковедческой, баллистической, трасологической экспертиз, анализ цифровых доказательств (компьютерная экспертиза), оценка подлинности документов и подписей. На занятиях по судебной медицине студенты изучают способы решения и анализа медицинских и биологических вопросов, возникающих в процессе правосудия. Ключевой аспект криминалистики и судебной медицины значительно продвинулся с внедрением Legalese Decoder для анализа цифровых доказательств и Mistral AI для выявления подделок документов, где автоматизированный анализ почерка достиг высокой точности.

Предлагаемая матрица технических решений на базе ИИ может использоваться в рамках реализации основной профессиональной образовательной программы по направлению подготовки «Юриспруденция» как на профильных дисциплинах, так и в ходе интегрированных языковых курсов, направленных одновременно на формирование иноязычной коммуникативной компетенции и профессиональных компетенций студентов. При этом необходимо помнить, что все материалы обратной связи от генеративного ИИ должны подвергаться критическому осмыслению и анализу. В настоящее время ввиду ограниченного доступа к определенным базам данных генеративный ИИ способен галлюцинировать, выдавая пользователям несуществующие и вымышленные данные. В этой связи практика студентов-юристов с инструментами ИИ должна встраиваться в традиционную методику обучения, обогащая профессиональное взаимодействие студентов, но не заменяя классическое обучение с традиционными учебными средствами и преподавателем.

Таблица 1

Выводы

В работе была представлена матрица технических решений на базе ИИ, используемых в профессиональной подготовке будущих юристов. В основу разработки матрицы легли 12 профессиональных задач, обучение решению которых осуществляется в рамках профильных дисциплин ОПОП по направлению подготовки «Юриспруденция». Блок дисциплин, изучаемый студентами-юристами, включает теорию и историю государства и права, конституционное, международное, уголовное, гражданское право, а также юридическую технику, делая основной акцент на формировании навыков работы с правовыми документами, анализе судебных решений и подготовке юридических текстов.

В зависимости от профиля обучения или специализации этот блок можно расширить различными узкоспециализированными (профильными) дисциплинами. Современные инструменты искусственного интеллекта значительно расширяют возможности студентов и юристов в решении профессиональных задач. Инструменты Legal AI, Legal Document Generator и DocZilla AI используются для составления договоров (аренды, купли-продажи, трудовых соглашений и т. п.), DocZilla AI и Genie AI – для анализа и сравнения редакций документов, Mistral AI и LexisNexis – для проверки документов на ошибки и противоречия, ROSS Intelligence и WestLaw – для поиска релевантных судебных решений и анализа прецедентов, TrademarkVision и PatentPal – для поиска сходных товарных знаков, Perplexity AI – для анализа лицензионных соглашений, Legalese Decoder, ChatGPT, YandexGPT, GigaChat и DeepSeek – для упрощения юридических терминов для клиентов (коллег, студентов), Canva и MidJourney – для визуализации процессов (например, судебных заседаний), LegalAI и Jasper AI – для консультации по юридическим вопросам, Perplexity AI, ChatGPT, YandexGPT, GigaChat и DeepSeek – для математических расчетов (налогов, страховых выплат и т. п.), MidJourney – для создания изображений подозреваемых, Legalese Decoder и Mistral AI – для проведения экспертиз (почерковедческих, баллистических и т. п.).

Перспективность проведенного исследования заключается в разработке поэтапных методик обучения аспектам профильных дисциплин на основе практики студентов с конкретными техническими решениями на базе ИИ.

Список источников

1. Ивахненко Е.Н., Никольский В.С. ChatGPT в высшем образовании и науке: угрозы или ценный ресурс? // Высшее образование в России. 2023. Т. 32. № 4. С. 9-22. https://doi.org/10.31992/0869-3617-2023-32-4-9-22, https://elibrary.ru/tzhihu

2. Роберт И.В. Реализация возможностей искусственного интеллекта в образовании // Пространство педагогических исследований. 2024. № 1 (1). С. 60-75. https://doi.org/10.23859/3034-1760.2024.77.66.004, https://elibrary.ru/neeext

3. Сысоев П.В. Искусственный интеллект в образовании: осведомленность, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. Т. 32. № 10. С. 9-33. https://doi.org/10.31992/0869-3617-2023-32-10-9-33, https://elibrary.ru/tzytkm

4. Казакова Е.И., Кузьминов Я.И. Мы должны воспитать культуру критического отношения к ответам искусственного интеллекта // Вопросы образования. 2025. № 1. С. 8-24. https://doi.org/10.17323/vo2025-25882, https://elibrary.ru/fmenzj
5. Cotton D.R.E., Cotton P.A., Shipway J.R. Chatting and cheating: Ensuring academic integrity in the era of ChatGPT // Innovations in Education and Teaching International. 2023. P. 1-12. https://doi.org/10.1080/14703297.2023.2190148
6. Сысоев П.В. Этика и ИИ-плагиат в академической среде: понимание студентами вопросов соблюдения авторской этики и проблемы плагиата в процессе взаимодействия с генеративным искусственным интеллектом // Высшее образование в России. 2024. Т. 33. № 2. С. 31-53. https://doi.org/10.1080/14703297.2023.2190148, https://elibrary.ru/vtaiuo
7. Евстигнеев М.Н. Учебная автономия в контексте развития и распространения технологий искусственного интеллекта в языковом образовании // Иностранные языки в школе. 2025. № 2. С. 13-21. https://elibrary.ru/artmrn

8. Сысоев П.В. Персонализированное обучение на основе технологий искусственного интеллекта: насколько готовы современные студенты к новым возможностям получения образования // Высшее образование в России. 2025. Т. 34. № 2. С. 51-71. https://doi.org/10.31992/0869-3617-2025-34-2-51-71, https://elibrary.ru/weagvq

9. Титова С.В., Темурян К.Т. Интеллектуальная система обучения иностранным языкам: типы, структура, принципы проектирования // Иностранные языки в школе. 2024. № 3. С. 25-32. https://elibrary.ru/svcmqy

10. Сысоев П.В., Филатов Е.М. ChatGPT в исследовательской работе студентов: запрещать или обучать? // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2023. Т. 28. № 2. С. 276-301. https://doi.org/10.20310/1810-0201-2023-28-2-276-301, https://elibrary.ru/sphxkz

11. Сысоев П.В., Евстигнеев М.Н. Использование технологий искусственного интеллекта в исследовательской работе студентов // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. 2025. Т. 28. № 1. С. 85-101. https://doi.org/10.55959/MSU-2074-1588-19-28-1-6, https://elibrary.ru/aynwsu

12. Михалева О.В. Искусственный интеллект в системе современного образования: перспективы и риски // Педагогическая информатика. 2024. № 2. С. 193-199. https://elibrary.ru/diegma

13. Hendrycks D., Mazeika M., Woodside T. An Overview of Catastrophic AI Risks. 2023. 54 p. https://doi.org/10.48550/arXiv.2306.12001
14. Итинсон К.С. Информатизация медицинского образования: системы искусственного интеллекта в обучении студентов и врачей // Балтийский гуманитарный журнал. 2020. Т. 9. № 3 (32). С. 91-93. https://doi.org/10.26140/bgz3-2020-0903-0021, https://elibrary.ru/jfcjma
15. Chan K., Zary N. Applications and challenges of implementing artificial intelligence in medical education: integrative review // JMIR Medical Education. 2019. Vol. 5. № 1. Art. 13930. https://doi.org/10.2196/13930
16. Zhang W., Cai M., Lee H., Evans R., Zhu C., Ming C. AI in medical education: global situation, effects and challenges // Education and Information Technologies. 2024. Vol. 29. P. 4611-4633. https://doi.org/10.1007/s10639-023-12009-8, https://elibrary.ru/rdfanm
17. Waisberg N., Hudek A. AI for Lawyers: How Artificial Intelligence is Adding Value, Amplifying Expertise, and Transforming Careers. Hoboken: Wiley, 2021. 208 p.

18. Сысоев П.В., Харин В.В., Гаврилов М.В. Методика обучения студентов-юристов составлению международных правовых документов на основе инструментов искусственного интеллекта в рамках интегрированного курса // Язык и культура. 2024. № 67. С. 272-289. https://doi.org/10.17223/19996195/67/15, https://elibrary.ru/rfqxpk

19. Алейникова Д.В. Особенности обучения студентов-юристов аргументативному дискурсу в условиях цифровизации // Вестник Московского государственного лингвистического университета. Образование и педагогические науки. 2022. № 2 (843). С. 14-19. https://doi.org/10.52070/2500-3488_2022_2_843_14, https://elibrary.ru/lzbest

20. Левин Б.А., Пискунов А.А., Поляков В.Ю., Савин А.В. Искусственный интеллект в инженерном образовании // Высшее образование в России. 2022. Т. 31. № 7. С. 79-95. https://doi.org/10.31992/0869-3617-2022-31-7-79-95, https://elibrary.ru/kcnapj

21. Паршина К.В., Салтыкова Г.М. Современные технологии в обучении студентов направления подготовки «Дизайн» // Педагогический журнал. 2021. Т. 11. № 1-1. С. 263-270. https://doi.org/10.34670/AR.2021.47.77.032, https://elibrary.ru/scqdmg

22. Харламенко И.В. Дополненная реальность в обучении лексике на иностранном языке // Иностранные языки в школе. 2025. № 2. С. 27-32. https://elibrary.ru/xlqhly

23. Клочихин В.В. Этапы формирования коллокационной компетенции студентов на основе лингвистического корпуса // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2020. Т. 25. № 186. С. 14-24. https://doi.org/10.20310/1810-0201-2020-25-186-14-24, https://elibrary.ru/mqddog
24. Клочихин В.В., Поляков О.Г. Технологии искусственного интеллекта: инструменты корпусного анализа в обучении иностранному языку // Иностранные языки в школе. 2023. № 3. С. 24-30. https://elibrary.ru/bdttfe

25. Сысоев П.В., Ивченко М.И. Формирование иноязычных фонетических навыков речи обучающихся на основе инструментов искусственного интеллекта // Перспективы науки и образования. 2025. № 2. С. 600-614. https://doi.org/10.32744/pse.2025.2.38, https://elibrary.ru/jrddjj

26. Ивченко М.И., Поляков О.Г. Использование инструмента искусственного интеллекта ELSA Speak в обучении произношению // Иностранные языки в школе. 2025. № 2. С. 54-58. https://elibrary.ru/zrvafq

27. Сысоев П.В., Филатов Е.М. Методика обучения студентов написанию иноязычных творческих работ на основе оценочной обратной связи от искусственного интеллекта // Перспективы науки и образования. 2024. № 1 (67). С. 115-135. https://doi.org/10.32744/pse.2024.1.6, https://elibrary.ru/tmstly

28. Сысоев П.В., Филатов Е.М., Хмаренко Н.И., Мурунов С.С. Преподаватель vs искусственный интеллект: сравнение качества предоставляемой преподавателем и генеративным искусственным интеллектом обратной связи при оценке письменных творческих работ студентов // Перспективы науки и образования. 2024. № 5 (71). С. 694-712. https://doi.org/10.32744/pse.2024.5.41, https://elibrary.ru/xzgvgm

29. Коренев А.А. Стратегии использования искусственного интеллекта для предоставления письменной обратной связи в обучении иностранному языку // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. 2024. Т. 27. № 2. С. 68-77. https://doi.org/10.55959/MSU-2074-1588-19-27-2-5, https://elibrary.ru/hizddu
30. Сысоев П.В., Филатов Е.М. Методика развития иноязычных речевых умений студентов на основе практики с чат-ботом // Перспективы науки и образования. 2023. № 3 (63). С. 201-218. https://doi.org/10.32744/pse.2023.3.13, https://elibrary.ru/fjyhew
31. Сорокин Д.О. Использование голосовых помощников для развития устных иноязычных речевых умений обучающихся // Иностранные языки в школе. 2024. № 3. С. 73-77. https://elibrary.ru/rfmsmk
32. Сорокин Д.О. Использование веб-приложения Character.AI для развития умений иноязычного речевого взаимодействия обучающихся // Иностранные языки в школе. 2025. № 2. С. 59-65. https://elibrary.ru/kpckof
33. Филатов Е.М. Развитие у студентов умений иноязычной коммуникативной деятельности на основе веб-приложения character. ai // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2024. Т. 29. № 5. С. 1248-1260. https://doi.org/10.20310/1810-0201-2024-29-5-1248-1260, https://elibrary.ru/ncusck
34. Сысоев П.В., Филатов Е.М., Евстигнеев М.Н., Поляков О.Г., Евстигнеева И.А., Сорокин Д.О. Матрица инструментов искусственного интеллекта в лингвометодической подготовке будущих учителей иностранного языка // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2024. Т. 29. № 3. С. 559-588. https://doi.org/10.20310/1810-0201-2024-29-3-559-588, https://elibrary.ru/jazkme
35. Сысоев П.В., Филатов Е.М., Сорокин Д.О. Обратная связь в обучении иностранному языку: от информационных технологий к искусственному интеллекту // Язык и культура. 2024. № 65. С. 242-261. https://doi.org/10.17223/19996195/65/11, https://elibrary.ru/plzyov
36. Сысоев П.В., Евстигнеев М.Н. Интеграция технологий искусственного интеллекта в лингвометодическую подготовку будущих учителей иностранного языка // Язык и культура. 2025. № 69. С. 204-219. https://doi.org/10.17223/19996195/69/10, https://elibrary.ru/guzvbi