Реализация речевой практики студентов на основе нейросетевых технологий в процессе развития их коммуникативной мобильности

Современная коммуникативная среда характеризуется высокой степенью неопределенности, интенсивностью информационных потоков и повышенными требованиями к адаптивности речевого поведения. В таких условиях особую актуальность приобретает способность индивида сохранять вербальную активность и эффективность общения при возникновении стрессогенных факторов, что определяет необходимость развития коммуникативной мобильности на этапе профессиональной подготовки специалистов. Поскольку развитие коммуникативной мобильности является трудоемким процессом, который не всегда в полной мере возможно реализовать в условиях ограниченного количества часов на аудиторную работу, требуется арсенал средств, позволяющих активно тренировать речевые навыки и развивать релевантные умения вне аудиторной среды в рамках самостоятельной работы. Оптимальным средством на текущем этапе технологического развития являются мультимодальные нейросетевые технологии, которые достигли достаточного уровня адаптивности для реализации осложненных видов устной коммуникации.

Цель исследования – анализ функциональных возможностей мультимодальных нейросетевых технологий для реализации осложненной речевой практики, направленной на развитие коммуникативной мобильности.

Теоретическая значимость: проанализировано содержание понятия «коммуникативная мобильность», представлены ключевые составляющие характеристики. Практическая значимость: предложена система упражнений, обеспечивающая развитие коммуникативной мобильности в мультимодальной цифровой среде. Внедрение описанного комплекса упражнений в образовательную практику позволяет оптимизировать языковую подготовку в вузе за счет более рационального распределения аудиторной и внеаудиторной нагрузки.

Эмпирические методы: пользовательское тестирование мультимодальных нейросетевых инструментов, анкетирование (онлайн-опрос). Теоретические методы: анализ релевантной научной литературы и эмпирических данных.

Развитие коммуникативной мобильности с применением нейросетевых технологий – новая область исследований. На текущей момент отсутствуют научные публикации, посвященные непосредственно данной теме, но существуют работы в смежных областях, которые позволяют учесть важные факторы, влияющие на изучаемую характеристику. Для корректного рассмотрения темы требуется обращение к научным ста

тьям, в которых представляется содержание понятия «коммуникативная мобильность», а также анализ научных публикаций, связанных с развитием речевых навыков и умений при помощи нейросетевых технологий (или технологий искусственного интеллекта), поскольку коммуникативная мобильность реализуется в речевом взаимодействии.

В научных публикациях коммуникативная мобильность определяется как способность специалиста осуществлять качественное общение в разнообразных, в том числе непредвиденных, ситуациях, требующих проявления чувствительности и терпимости к фактору коммуникативной неопределенности и предполагающих проявление активности, оперативности и рефлексивности личности [4]; как интегративная характеристика, отражающая способность и готовность специалиста адаптироваться к осуществлению эффективной коммуникации с участниками профессиональных отношений [1]; как качества личности, которые характеризуют ее как способную быстро и адекватно реагировать в любой речевой ситуации [2]; как знания и владения разными типами дискурсов и их организацией, что предполагает умение оценивать и анализировать ситуацию общения, учитывать контекст коммуникативного взаимодействия и подбирать соответствующие вербальные и невербальные средства взаимодействия [3].

С учетом основных аспектов значения термина, представленных в исследовательской практике, в рамках данной работы коммуникативная мобильность рассматривается как интегративная характеристика, выражающаяся в готовности осуществлять гибкое и эффективное взаимодействие в динамичном коммуникативном контексте. Для этого помимо классического спектра речевых навыков и умений требуется развитие когнитивной гибкости и психоэмоциональной саморегуляции, поскольку коммуникативная мобильность должна обеспечивать сохранение речевой продуктивности, смысловой точности и эмоциональной стабильности в условиях напряженного или конфликтного взаимодействия.

В контексте разграничения коммуникативной мобильности и коммуникативной компетенции критерием выступает акцент на динамическом управлении речью в условиях давления. Важны гибкость в подборе речевых стратегий, интонационная выразительность, лексико-грамматическая и фонетическая корректность речи в сложных коммуникативных ситуациях.

Когнитивная гибкость выражается в быстром анализе коммуникативной ситуации, логичной оценке коммуникативного контекста, оперативной переработке информации. Она определяет оптимальную скорость речевой реакции и ее адекватность. Психоэмоциональная саморегуляция предполагает контроль аффективных реакций, поддержание психологической устойчивости, снижение тревожности и агрессии в процессе общения.

Среди преимуществ развития речевых навыков с применением нейросетевых технологий исследователи [7; 12–13; 15] отмечают высокую результативность в развитии беглости речи, снижение уровня тревожности, повышение мотивации, коммуникативной уверенности, возможность предоставления обратной связи (корректировка ошибок и комментирование). Среди недостатков называются [9–11; 14] периодические технические сбои, проблемы с распознаванием речи и академическое мошенничество. Существуют эмпирические исследования [5; 8], статистически доказывающие высокую результативность развития речевых навыков с помощью нейросетевых моделей. Описываются [6] как преимущества применения нейросетевых моделей для развития говорения, так и положительное влияние нейросетевых технологий на отдельные языковые аспекты (лексика, грамматика и т.д.), подчеркивается важность высокой степени автономии в речевой практике.

На наш взгляд, самым эффективным ИИ-инструментом в области развития речевых навыков на текущий момент является модель ChatGPT-4o, в которой, помимо стандартного голосового режима, предусмотрен продвинутый (расширенный) режим. Оба режима обеспечивают высокое качество устной коммуникативной практики, в том чис-

Evaluate the efficiency of Perplexity for developing speaking skills

78 ответов

Рис. 1. Оценка эффективности Perplexity

• 1

• 2

• 3

• 4

* 5

ле осложненной (с элементами конфликтности, проблемности, погружения в содержательную неопределенность). Однако, к сожалению, OpenAI ограничивает применение модели на территории нашей страны. По этой причине в мае 2025 года мы провели исследование на базе трех других инструментов, не имеющих подобных ограничений (Perplexity, Qwen3 и Gliglish). Выборку составили студенты Института информатики и кибернетики Самарского университета (78 человек).

Рис. 3. Оценка эффективности Gliglish

В рамках пользовательского тестирования студенты в течение месяца тренировали устную речь (на английском языке) с использованием Perplexity, Qwen3 и Gliglish. По завершении тестирования они заполнили анкету (посредством Google Forms), оценив каждый инструмент по пятибалльной шкале, а также представили эссе, в котором описали опыт взаимодействия с каждой из систем, проанализировали достоинства и недостатки.

Perplexity, в которую голосовой режим был добавлен совсем недавно, по впечатлениям многих студентов, оказалась самой «продвинутой» в плане тренировки устной речи. Тем не менее несколько пользователей оценили ее возможности достаточно скромно (поставили 1–3). Среди недостатков были отмечены технические сбои при подключении к голосовому режиму и периодические проявления информационной избыточности: Perplexity иногда дает слишком подробные ответы, что, возможно, обусловлено ее гибридной архитектурой, совмещающей поисковые механизмы и алгоритмы генеративного искусственного интеллекта. При этом речевое взаимодействие в основном воспринимается как приближенное к естественному (рис. 1).

Qwen3 оценили преимущественно удовлетворительно, поскольку у модели есть существенный недостаток: голосовой режим приходится каждые три минуты обновлять (перезапускать), бот при этом теряет историю диалога, что не способствует комфортному речевому взаимодействию. Студенты также заметили, что модель не всегда внимательно «слушает» собеседника, перебивает, не дает закончить предложение, а в определенных ролевых сценариях демонстрирует достаточно низкую содержательную адекватность (рис. 2).

Платформа Gliglish* специализирована под задачу развития устной речи и имеет спектр важных интегрированных инструментов для обучающихся с невысоким уровнем: текстовое сопровождение (транскрипт распознанной устной речи на экране), речевые подсказки (предлагаются варианты ответов), перевод реплик (при необходимо-

Таблица

Упражнения на развитие коммуникативной мобильности

Тип упражнения Описание Сценарий «контраргумент» (counter-argument scenario) Нейросеть предлагает спорную ситуацию, в которой бот занимает одну позицию, а обучающемуся предлагается аргументировать контрастную точку зрения. Импровизированная речь (impromptu speaking) Бот дает тему и нужно без подготовки говорить в заданных лимитах (например, в течение минуты). Возможны усложнения. Например, бот просит в речи использовать слова, которые тематически не связаны, или требуется применить определенные структуры. Возможно усложнение за счет заданного стиля. Ролевые игры (role-plays) Широкий спектр сценариев. Например, собеседование при приеме на работу (с негативно настроенным работодателем), конфликтные переговоры, спор с руководителем или клиентом, презентация проекта перед скептично настроенной аудиторией и т.д. Истории с неожиданными поворотами (telling stories with unexpected twists) Бот начинает историю, далее пользователю предлагается ее продолжить (останавливая повествование, бот может задать пользователю вопрос, направляющий развитие истории, например, «Что было в коробке?»; «Почему он не пришел?» и т.д.). Дальше продолжает пользователь, потом снова бот и т.д. То есть происходит регулярная смена рассказчика, в результате чего получается совместное творчество с неожиданными деталями и сюжетными поворотами. Пользователь сам может придумать начало истории и предложить боту продолжить. Активное слушание (active listening) Бот произносит небольшую речь (широкий спектр тем и стилей), а собеседнику нужно либо подытожить (summarize), либо задать логичный вопрос (follow-up question). Потом предлагается смена ролей: пользователь говорит, а бот резюмирует и / или задает логичные вопросы. Трудные вопросы (tough, unexpected, tricky, challenging questions) Бот придумывает трудные (неожиданные, провокационные) вопросы. Например, «Опиши случай, когда ты потерпел неудачу, и расскажи, чему это научило»; «Что бы ты сделал, если бы пришлось выступать без подготовки?»; «Если бы у тебя могла быть любая суперспособность, что бы ты выбрал, каков был бы главный минус этой способности?»; «Можешь объяснить что-то сложное так, будто я пятилетний ребенок?»; «Почему люки делают круглыми?»; «Что бы о тебе сказал твой злейший враг?»; «Во что ты веришь, но большинство людей – нет?»; «Ты видишь, как двое коллег ссорятся перед клиентом. Что ты сделаешь?» Напряженный диалог (tense dialogue) Бот имитирует негативный настрой в диалоге, постоянно критикует и оспаривает ответы. Можно задать темы и роли в любых вариациях или предоставить боту возможность выбора. Смена перспективы восприятия (flip-the-frame) Бот предлагает негативную ситуацию, озвучивает плохую новость или упрек. Задача – превратить негатив в позитив, посмотреть на ситуацию или проблему с другого ракурса. Например, «Вы застряли в пробке и опаздываете на важную встречу. Это вызывает тревогу, потому что вы не уверены, успеете ли вовремя»; «Студенту трудно понять сложную тему на занятии, и он чувствует разочарование, потому что, сколько бы ни пытался, у него все равно не получается ее усвоить». Другие варианты смены перспективы восприятия: посмотреть на предложенную ситуацию с позиции собственного «я» в прошлом или будущем; с точки зрения представителя иной культуры, системы ценностей или социальных норм. сти), анализ и комментирование ошибок. Эффективность Gliglish оценена студентами преимущественно высоко (рис. 3 на стр. 67). Среди недостатков назывались ограниченный лимит по времени (10 минут в день в бесплатной версии) и «простота» платформы.

Развитие коммуникативной мобильности обычно осуществляется в естественной (аудиторной) коммуникативной среде, когда на занятиях выполняются проблемно-ориентированные упражнения, задания на аргументацию и контраргументацию, обоснование, сравнение, оценку и рефлексию, используются ролевые игры и практикуется защита проектов с элементами осложнения (задаются неожиданные вопросы, имитируется конфликтность и т.д.). Но на текущем этапе технологического развития подобную практику можно осуществлять и с применением нейросетей.

В таблице представлены типы упражнений, которые, на наш взгляд, оптимальны для развития коммуникативной мобильности с применением нейросетевых технологий (таб.).

Мультимодальные нейросетевые модели могут воспроизводить сложные коммуникативные сценарии, позволяющие развивать гибкость мышления, скорость реакции и адаптивность в процессе тренировки классического спектра речевых навыков. Бот способен дать обратную связь: анализирует качество речевой реакции пользователей, состоятельность аргументации и языковые ошибки; предлагает оптимальные (с точки зрения задачи) варианты ответа на вопросы, если пользователь затрудняется. Осуществляется анализ речевых стратегий пользователя (как он справляется с недопониманием, как переформулирует мысли, как находит компромиссы), даются советы по их улучшению. Обучающийся может взаимодействовать с ботом, выступающим в разных ролях: преподаватель, одногруппник, начальник, коллега, клиент, экзаменатор и т.д. Это помогает адаптироваться к разным стилям общения и улучшать тактическую гибкость. Конечно, не стоит рассчитывать на концептуальную глубину и оригинальность анализа результатов речевой практики пользователя. Не все модели в достаточной мере полно предоставляют разбор языковых ошибок. Рекомендации, которые предлагают нейросети для улучшения качества речи, часто достаточно стандартные и однотипные, но это не снижает их практической ценности. Нейросетевые технологии способны существенно повысить результативность самостоятельной работы, фактически оптимизируя многие процессы и трудозатраты.

Приведенные в таблице типы упражнений проверены в голосовых режимах четырех ИИ-инструментов: ChatGPT-4o, Perplexity, Gliglish и Qwen3. Функционал ChatGPT и Perplexity обеспечивает качественную, комфортную и, на наш взгляд, очень увлекательную тренировку устной речи в рамках всех приведенных типов упражнений. Уровень взаимодействия можно варьировать, поэтому речевая практика с применением данных инструментов может быть интересна даже очень требовательным студентам с высоким языковым уровнем. Gliglish позволяет формировать основы коммуникативной мобильности и оптимально подходит для пользователей с начальным и средним языковым уровнем. Qwen3 представляется перспективной моделью (из-за отсутствия региональных ограничений), но необходимость обновления диалога каждые три минуты не позволяет полноценно реализовать речевую практику, направленную на развитие коммуникативной мобильности. Проблемой также является «забывчивость» модели: Qwen3 теряет не только историю диалога каждые три минуты, модель часто не запоминает ошибки пользователя даже в пределах трехминутного лимита. Исправление ошибок возможно в случае, если перед каждой репликой обучающийся будет предупреждать бота о том, что следующее предложение необходимо проанализировать на предмет ошибок, что нарушает естественность коммуникативного взаимодействия. Вероятнее всего, это лишь временные технические недостатки, которые будут впоследствии устранены. Главное, что на данном этапе уже существуют технологические решения (в вари- анте ряда ИИ-инструментов), которые оптимально (с высокой эффективностью) реализуют иммерсивную речевую практику с элементами осложнения.

Таким образом, современные нейросетевые технологии позволяют осуществлять устное коммуникативное взаимодействие с имитацией речевого давления, что способствует формированию коммуникативной мобильности. Элементы импровизации и ролевого взаимодействия моделируют коммуникативные условия, требующие высокой степени вербальной и психоэмоциональной адаптивности. Однако для полноценного развития коммуникативной мобильности речевую практику не следует ограничивать исключительно программными средствами, поскольку принципиальное значение сохраняет непосредственный «живой» контакт. В рамках аудиторной речевой практики целесообразно включать в спектр заданий моделирование коммуникативных ситуаций, содержащих элементы неопределенности, проблемности и конфликтности.