Ссылка для цитирования: Вьюгин М.С. Искусственный интеллект в журналистских текстах URA.RU: первый этап внедрения нейросетевых решений // Меди@льманах. 2024. № 6 (125). С. 66−75. DOI: 10.30547/mediaalmanah.6.2024.6675
УДК 004.8+070.431.2
DOI: 10.30547/mediaalmanah.6.2024.6675
EDN: YJURLU
© Вьюгин Михаил Сергеевич
соискатель кафедры теории и экономики СМИ факультета журналистики
МГУ имени М.В. Ломоносова, глава редакционной коллегии информационного агентства URA.RU
(г. Москва, Россия), mv@ura.ru
Цифровая трансформация современных медиа – социально-правовая, технологическая, экономическая – ставит «перед академической наукой новую задачу понимания природы и принципов функционирования медиасистемы, особенностей взаимодействия медиаканалов и медиатекстов между собой и с аудиторией, масштаба и специфики эффектов репрезентации социальной реальности в онлайн-среде» (Вартанова, 2022: 9). Вместе с тем заметен разрыв между академической журналистикой и практикой создания медиаполя. Этот разрыв в последние десятилетия преодолевается за счет практикоориентированных университетских программ и формирования экспертного сообщества ученых, медиаменеджеров, журналистов. Анализ «эмпирической реальности и реальных трансформационных процессов российский медиасистемы» (Вартанова, 2015: 12) позволил автору, руководителю редколлегии медиагруппы, зафиксировать опыт внедрения технологий искусственного интеллекта в работу URA.RU.
Искусственный интеллект за последние 15 лет «возмужал» и стал полноправным участником информационно-коммуникативных процессов. В многочисленных авторитетных исследованиях отмечается, что медиакоммуникации пронизаны нейросетевыми решениями. Опрос российских журналистов показал, что «все без исключения респонденты пользуются “умными” сервисами и автоматизированными системами на всех этапах своей работы – от выбора и разработки темы материала до анализа маркетинговых показателей эффективности его продвижения» (Замков, Крашенинникова, Лукина, 2020: 47). Качественный анализ эмпирических источников подтверждает, что ключевые процессы организуются в работе журналистов с привлечением нейросетевых решений (Виноградова, 2023; Шнайдер, 2022). Хотя термин «искусственный интеллект» в разных сферах используется нестрого (Клементьева, 2022; Сложеникина, Козловская, Мусаева, 2023), а аудитория не всегда понимает, о каком применении искусственного интеллекта так много говорится (Морозова, Арсентьева, 2022), и руководствуется интуитивными представлениями о слабостях роботизированной журналистики (Сорокин, 2023), каждый пользователь онлайн-ресурсов уже взаимодействует с технологиями искусственного интеллекта, лежащими «в основе алгоритмов поиска и приоритизации онлайн-медиаконтента» (Шестерин, 2023: 407). Непризнание факта включенности искусственного интеллекта в российскую медиасреду противоречит государственным решениям и здравому смыслу. О последнем свидетельствует и филологический анализ сгенерированных текстов (Мальцев, 2024). Невключенность медиа в современные цифровые стандарты может быть опасна даже для таких информационных китов, как ТАСС (Vartanova, Vyrkovsky, 2020).
Искусственный интеллект (ИИ) активно применяется сотрудниками URA.RU1 для подготовки текстов (обработка материала для статей с использованием чата GPT, YandexGPT, GigaChat; рерайт новостных материалов; генерация заголовков; написание больших статей); для решения организационных задач (предикативная аналитика, выбор тем публикаций, автоматизация публикации); для создания иллюстраций (генерация изображения по запросу в качестве конкурента фотобанку и фотослужбе); для расшифровки звучащей речи; для определения иноагентов, террористов и экстремистов (распознание имен людей и организаций, автоматическая атрибуция, проверка текстов на соответствие законодательству).
URA.RU – информационное агентство с главным офисом в Екатеринбурге2. Полноценные редакции агентства размещены в Свердловской, Челябинской, Тюменской и Курганской областях, а также в Пермском крае, ХМАО, ЯНАО и Москве. Сеть корреспондентов охватывает также Луганск, Донецк, Мелитополь, Херсон и Бердянск. Агентство работает с января 2006 г. Оставаясь региональным по географии редакционного присутствия, URA.RU развивается не по модели местных информагентств (Ершова, 2023).
«Прямой выход к широкой аудитории, к конечному потребителю <...> решительным образом меняет содержание, упаковку и распространение информации» информационным агентством (Полынов, 2018: 35), а «функция формирования повестки дня, столь значимая для единого информационного пространства, является типообразующей и для информагентств» (Вартанова, Вирен, Фролова, 2013: 17). URA.RU работает с массовой аудиторией напрямую, объединяет функции сбора, обработки и публикации информации от ньюсмейкеров и переработки информации, опубликованной другими СМИ, т.е. функции информационного агентства и информационного сайта (Вирен, 2009). Бизнес-модель URA.RU построена на привлечении рекламного бюджета. Цена размещения рекламы напрямую зависит от посещаемости медиаплатформы Ura.news3. Приведенные данные характеризуют URA.RU как универсальное по тематике и адресации, частное по бизнес-модели информационное агентство, ставшее национальным средством массовой информации.
Повестка дня не формируется в регионах обособленно. В 2017–2018 гг. анализ цифрового поведения пользователей показал, что региональное информационное агентство теряет информационную привлекательность, т.к. не формирует удобную пользователю медиасреду. Потребитель новостей не нуждается в обособленном – раздельном – получении информации о региональных, федеральных и зарубежных событиях. Стало очевидно, что работа с новостной повесткой России, Большого Урала и мира силами крупной корреспондентской сети с редакционными центрами в Большом Урале и Москве требует создания отдела обработки и публикации текущих сообщений из открытой новостной ленты – отдела рерайта.
Рерайт как вид журналистской работы существовал всегда (Колоев, 2012), но с появлением интернет-СМИ рерайт и копирайтинг стали особенно востребованными (Костенко, 2014), что, естественно, привело к попытке выявить функции (Наконечный, 2020) и определить правила рерайта (Маржецкий, 2021). В 2018 г. А.В. Колесниченко опубликовал исследование, посвященное востребованности медиажанров в онлайн-среде. Две трети всех материалов СМИ – лидеров Рунета – это короткие и расширенные новости, написанные по принципу «перевернутой пирамиды». Разграничение между жанрами проведено по объему и количеству источников – короткая новость до 1 000 знаков и один источник, расширенная – более 1 000 знаков и несколько источников (Колесниченко, 2018: 30). Производство новостей в информагентстве алгоритмизируется, во-первых, для поддержания единого стиля изложения и стандартов ответственного редактирования, присущих коллегиальному автору официального СМИ, во-вторых, в целях быстроты обработки информации и подготовки текста к публикации. Многолетний опыт работы в информагентстве не противоречит положению, сформулированному исследователем: «короткая новость, как правило, пишется путем компилирования чужой информации, а при подготовке расширенной новостной заметки обычно добавляются развернутые позиции сторон (это как дозвоны или списывания с участниками события, так и развернутое цитирование пресс-релиза), пояснения экспертов (медийные эксперты легко доступны для комментариев) и статистический бэкграунд» (Колесниченко, 2018: 30). Следовательно, работа современного СМИ требует найма большого количества рерайтеров, особенно в условиях, когда «у многих микроблогов в мессенджере гораздо больший охват аудитории и количество подписчиков, чем у каналов классических деловых СМИ» (Баранова, Андрианова, 2022). Цифровизация медиа позволяет региональным информационным агентствам, создавшим отделы рерайта, конкурировать с федеральными в скорости обработки и публикации информации из новостной ленты.
Необходим как рерайт релизов, поступающих от эксклюзивного источника, так и высококачественный и быстрый рерайт публикаций по «горячей» теме. Но обширное поле работы и заинтересованность информагентства в штате рерайтеров не обеспечивает профессионализации исполнителя по следующим причинам:
Не добавляет рерайтеру энтузиазма и отношение к профессии в медиасообществе. Характерно название статьи, опубликованной в «Вестнике РГГУ»: «Считать ли рерайтинг “концом журналистики”: мнение исследователей» (Тюкова, 2014). Информагентство не может нанимать ненадежных и малопрофессиональных работников, как и терять талантливых журналистов, разочарованных объемом ежедневного рерайта. Перспективным в 2022–2023 гг. редколлегия URA.RU посчитала внедрение технологий искусственного интеллекта в повседневные рабочие процессы медиаменеджеров, редакторов, журналистов и дизайнеров.
Массив научной литературы, посвященной использованию технологий искусственного интеллекта в современных медиа, и многоаспектная научная дискуссия отступают на задний план перед медиареальностью двадцатых годов XXI в., которая зафиксирована, например, в статье «Использование технологий искусственного интеллекта в российских медиа и журналистике» (Давыдов, Замков, Крашенинникова, Лукина, 2023). Исследователями показано, что российские СМИ используют технологии искусственного интеллекта для подбора темы публикации в прямой корреляции с интересом аудитории, поиска информации, автогенерирования и расстановки линков. «На сегодняшний день ИИ уже внедрен в некоторые рутинные редакционные практики, например в расшифровку интервью, перевод текстов, написание титров, подбор иллюстраций, создание бэкграунда. Особое место занимают эти технологии при работе над материалами, где используются большие данные» (Давыдов, Замков, Крашенинникова, Лукина, 2023: 15).
Подготовка текстов, генерация новостей и заголовков с привлечением технологий искусственного интеллекта определяется медиасообществом как острый и дискуссионный вопрос, поэтому мы предлагаем кейсы внедрения нейросетевых решений в работу авторов и рерайтеров информагентства URA.RU в 2024 г.
Обработка материала для статей – трудоемкая и зачастую нетворческая работа, особенно когда нужно просмотреть сотни публикаций и комментариев в социальных сетях и на их основе подготовить рейтинг средних школ в Кургане. Нейросеть с такой задачей справляется легко и по запросу «проанализируй коротко отзывы про школу №…» предлагает журналисту перечень сокращенных данных об указанной школе, на основе которых будет написана статья. Приведу лид-абзац статьи полностью.
«В Кургане лучшими по отзывам учеников и их родителей стали школы № 36, 7, 22, 50, 42, 48 и 45. Горожане оценили уровень преподавания и вспомнили давние заслуги учреждений. URA.RU проанализировало отзывы курганцев и приводит рейтинг лучших школ по отзывам. Гимназии и лицеи в рейтинге не учитывались»4.
Текст статьи структурирован в соответствии с собранным и обработанным нейросетью материалом. Ниже приводится показательный фрагмент:
«4,3 балла на основании 80 оценок.
Отзывы о школе № 36 смешанные. Большинство отзывов положительные: бывшие ученики и родители хвалят учителей за доброту и качество обучения, упоминают успешные культурные программы и удовлетворительный уровень подготовки к экзаменам. Отмечаются улучшения после ремонта и общее положительное впечатление от школы. Однако есть и отрицательные комментарии: упоминаются случаи недоброжелательного отношения к ученикам, даже физического наказания, а также проблемы с чистотой (наличие тараканов) и необходимость в ремонте здания. В целом школа № 36 получает больше положительных отзывов, но определенные недостатки требуют внимания со стороны администрации»5.
Затраты времени на работу с использованием нейросети, по оценке автора статьи, сократились в три раза по сравнению с обычным написанием подобных текстов. Кейс следует признать удачным.
10 сентября 2024 г. была подготовлена к публикации новостная заметка (линки, фото, тэги в настоящую статью не включены)6.
«Заместитель главы Тобольска (Тюменская область), отвечающая за контроль над сферой финансов, – Ольга Новикова – уволилась из городской мэрии. Об этом URA.RU сообщили источники из политической сферы. Информацию подтвердили в мэрии».
«Ольга Александровна Новикова покинула администрацию Тобольска. Она уволилась по собственному желанию, последний день ее работы был 5 сентября, – рассказали URA.RU в мэрии города.
По данным источников агентства, Новикова тщательно скрывает свои планы на будущее. Объявится ли она в администрации Тюмени, как ее ранее уволившиеся предшественницы, – вопрос открытый. Как ранее писало URA.RU, с момента перехода Максима Афанасьева с поста мэра Тобольска в кресло главы Тюмени, администрацию древней столицы Сибири покинули замглавы Наталья Мудриченко и Светлана Сейдвалиева, глава департамента образования Анна Стенникова».
Типичная короткая новость по классификации А.В. Колесниченко (2018). Эту новость, по нашей просьбе, сотрудник последовательно размещал в Чате GPT и в «Яндекс GPT», добиваясь подходящего заголовка.
На первый запрос-сообщение «придумай 5 заголовков для новости “Мэрию Тобольска покинула замглавы Ольга Новикова”» чат GPT выдает заголовки с учетом частотных поисковых запросов, поэтому вводит ожидаемые тематические повороты:
«Яндекс GPT» дает более однообразные решения, не пытается развивать тему.
Второй запрос-сообщение «короче и без имени, его все равно никто не знает» показал, что «Яндекс GPT» не готов в ответ сократить заголовок, Чат GPT предложил варианты.
Третий запрос-сообщение «добавь немного пафоса» «утомил» «Яндекс GPT» – вместо пяти предложено три варианта: «Громкая отставка в Тобольске: заместитель главы города покинула свой пост»; «Администрация Тобольска понесла невосполнимую утрату: заместитель главы приняла решение уйти»; «Заместитель главы Тобольска оставила свой пост, оставив город без своего мудрого руководства». Все предложенные варианты могут быть истолкованы как искажающие исходную информацию. Чат GPT менее склонен к рискованной трансформации: «Кадровая перестановка: замглавы мэрии Тобольска ушла в отставку»; «Отставка замглавы: в мэрии Тобольска грядут перемены»; «Резонанс в мэрии Тобольска: заместитель главы покидает свой пост»; «Власть меняется: замглавы мэрии Тобольска объявила об уходе»; «Знаковая отставка: мэрия Тобольска лишилась заместителя главы».
Четвертый запрос-сообщение «еще короче!» сократил количество предложенных «Яндексом» вариантов до двух: «Заместитель главы Тобольска ушла в отставку»; «Кадровые перестановки в администрации Тобольска: заместитель главы покинула свой пост». Чат GPT отчасти отменил предыдущее действие – «убрал пафос», но создал экспрессию лаконизмом высказывания: «Отставка замглавы мэрии Тобольска»; «Перемены в мэрии: замглавы ушла»; «Замглавы покинула мэрию Тобольска; «В мэрии Тобольска кадровая перестановка»; «Тобольск лишился замглавы мэрии».
Публикация вышла с заголовком «Из администрации Тобольска уволена очередная топ-чиновница». Так как выбранный заголовок не совпадает ни с одним из предложенных нейросетями, кейс следует признать неудачным.
Ценность управленческого опыта – в принятии точных и своевременных решений, которые основываются на проверке и перепроверке интуитивно правильного. С прогнозированием востребованности тем по поисковым запросам уже справляется искусственный интеллект, чему рады и журналисты, и медиаменеджеры. При этом массово журналистам и экспертам представляется, что человек справляется с текстовыми задачами лучше искусственного интеллекта. Казалось бы, кейс 2 свидетельствует о том же. Однако проверка решения цифровыми показателями оказывается не столь однозначной.
Гипотеза: материалы, созданные искусственным интеллектом и человеком по одной теме (тема определяется по набору ключевых слов, собранных автоматически), будут иметь схожие результаты и одинаково успешно индексироваться платформами.
Для проверки гипотезы было создано по двадцать «человеческих» и нейросетевых новостей. Условия: одинаковые темы и одновременность публикаций, нейросетевые новости правятся минимально по временным затратам и не более 20% по тексту. Результаты собраны через два дня после публикации, замерялись уникальность текста (см. табл. 1) и просмотры (см. табл. 2). Предварительное наблюдение: процент оригинальности определяется темой, а не качеством новости. Если материал – эксклюзив URA.RU, например пиковые темы 1, 6, 10, 15, то он у ИИ и журналиста будет описан уникально.
Таблица 1. Сравнение уникальности текста
№ |
Тема |
Процент оригинальности |
1 |
Новый сквер в Кургане |
100 |
2 |
Брифинг в МИД |
32 |
3 |
Заявление пермского губернатора |
90 |
4 |
Заявление пермского замгубернаторз о пожарах |
53 |
5 |
Конкурс на лучшую компанию ХМАО |
55 |
6 |
Встреча губернатора ЯНАО с жителями |
100 |
7 |
Завершен тур губернатора по ЯНАО |
78 |
8 |
Отчет об инвестициях в Тюменской области |
42 |
9 |
Анонс начала учебного года в Челябинске |
34 |
10 |
Статистика вакансий и зарплат в Тюменской области |
100 |
11 |
Строительство парка в ХМАО |
66 |
12 |
Конференц-колл пресссекретаря Президента РФ |
14 |
13 |
Конференц-колл пресссекретаря Президента РФ |
72 |
14 |
Дурову предъявлены обвинения |
23 |
15 |
Строительство парка в Кургане |
87 |
16 |
Анонс выставки техники НАТО |
54 |
17 |
Встреча Президента РФ и губернатора |
27 |
18 |
Конференц-колл пресссекретаря Президента РФ |
32 |
19 |
Оперативная сводка Минобороны |
27 |
20 |
Интервью Президента РФ о Монголии |
11 |
Источник: составлено автором.
Таблица 2. Сравнение просмотров публикации
№ |
Заголовок* |
Просмотры |
1 |
Застройщик показал, как будет выглядеть памятник в новом сквере Кургана. Фото |
1 680 |
Что появится в новом сквере возле курганского военкомата |
1 434 |
|
2 |
МИД РФ оценил наращивание войск США на Ближнем Востоке |
2 710 |
Захарова предрекла большую войну |
11 068 |
|
3 |
В Перми выберут лучшего лесоруба страны |
360 |
В Кудымкаре не хватает мест в гостиницах для туристов и артистов |
572 |
|
4 |
В Пермском крае назвали леса, которые больше всего пострадали от уссурийского полиграфа |
447 |
В Пермском крае 31 лесной пожар потушили в первый день |
476 |
|
5 |
Власти ХМАО назвали лучшую нефтяную компанию. Фото |
25 339 |
Якушев поздравил нефтяников ХМАО с профессиональным праздником |
334 |
|
6 |
Новый арт-объект в честь северной авиации установят в Надыме |
199 |
Губернатор Артюхов объяснил, зачем постоянно ездит по Ямалу |
351 |
|
7 |
В городах ЯНАО появятся украшения, которые создадут дети |
209 |
В ЯНАО будут популяризовать холодное оружие ненцев |
527 |
|
8 |
Тюменскому бизнесу дали новые участки земли под развитие |
439 |
В Тюменской области инвестиционный бум: мелкие города и районы взлетают благодаря бизнесу |
1 625 |
|
9 |
В школы Челябинской области пойдут полмиллиона детей |
183 |
В Челябинской области откроются четыре новых школы |
391 |
|
10 |
В Тюмени отметили дефицит специалистов в сфере логистики |
471 |
Зарплата машинистов в Тюмени выросла до 148 тысяч рублей |
381 |
|
11 |
Как будет выглядеть новый уникальный этнопарк в районе ХМАО. Фото |
522 |
В районе ХМАО завершают строить уникальный этнопарк |
372 |
|
12 |
Кремль — URA.RU: все детали визита Путина в Монголию согласованы, по МУС переживаний нет |
7 558 |
Песков: суд решит, виновны ли подчиненные Шойгу |
8 833 |
|
13 |
Боится ли Путин ехать в Монголию и что он подарил Лукашенко: главные заявления Пескова |
15 742 |
Песков: переговоров Дурова в Кремле или с Путиным никогда не было |
7 866 |
|
14 |
Павлу Дурову предъявили обвинения в Париже |
7 843 |
Основателю Telegram Павлу Дурову грозит 10 лет тюрьмы во Франции |
3 226 |
|
15 |
В курганском микрорайоне открыли новую зону отдыха. Фото, видео |
3 487 |
Чем можно заняться в новом экопарке в Кургане. Фото |
2 387 |
|
16 |
Сотни тысяч уральцев и сибиряков вживую увидели трофейную технику НАТО, захваченную на СВО |
1 145 |
Уникальная выставка трофейной техники НАТО отправляется на Алтай |
909 |
|
17 |
В Хабаровском крае создадут реабилитационный центр для участников СВО |
2 588 |
Деменшин: Хабаровский край станет центром развития востока России |
4 148 |
|
18 |
Песков: ответ России на вторжение ВСУ в Курскую область уже происходит |
7 562 |
«Они заигрываются с огнем»: Песков раскрыл, какой ответ даст РФ на вторжение в Курскую область |
7 514 |
|
19 |
Алаудинов рассказал о визгах солдат ВСУ после очередной атаки в Курской области |
34 325 |
Алаудинов: ВСУ потеряли военную технику во время атаки под Курском |
9 098 |
|
20 |
Путин анонсировал новое экономическое соглашение с Монголией |
3 280 |
Путин в преддверии визита в Монголию дал интервью газете «Оноодор» |
3 120 |
* Первая строка — текст журналиста, вторая — текст ИИ.
Источник: составлено автором.
Динамика отличий в просмотрах более существенная. В процентном соотношении также просмотры определяются исходным материалом, но в ряде тем журналист обгоняет ИИ. В теме № 5 человек опередил ИИ на 20 000 просмотров. И в теме № 13. И в теме № 18. Дело оказалось в эмоциях. Это те материалы, в которых человек позволил себе более маркированную лексику и большую эмоциональную окраску. И Президент РФ еще ни одной статье не мешал стать популярнее. Например, заголовок журналиста: «Боится ли Путин ехать в Монголию и что он подарил Лукашенко: главные заявления Пескова»; заголовок ИИ: «Песков: переговоров Дурова в Кремле или с Путиным никогда не было». Человек боится. Волнуется. И, соответственно, выбирает человека, пока ИИ не научили правильно добавлять в текст эмоции.
Технологии искусственного интеллекта в работе медиа стали повседневностью, однако качество этой работы требует совершенствования и российских технологических решений, и редакционных процессов в СМИ.
Кейс 2 показывает несовершенство индивидуальной работы сотрудника с нейросетевыми запросами, а также негибкость современного «Яндекс GPT». Но отказ от использования нейросетей в области генерации заголовков нецелесообразен хотя бы потому, что журналисту необходимо создавать минимум три разных заголовка с учетом правил постинга на разных платформах, а именно: заголовок для сайта, заголовок для «Яндекс. Новостей», заголовок для SEO. Соответственно, типовые запросы и решения, используемые в редакционной работе информагентства, должны быть обобщены и внедрены в программную оболочку для публикации материалов на сайте, что и сделано в настоящее время.
Кроме генерации заголовка одним автоматизированным обращением у журналиста URA.RU есть возможность использовать стиль коллегиального автора, чтобы сгенерировать текст по теме, переработать неудачный фрагмент текста или применить стандарт рерайта, который создаст невторичный, с позиций цифровой проверки, текст на базе исходного.
1 URA.RU, по данным «Медиалогии», более пяти лет является самым цитируемым информагентством Большого Урала и входит в пятерку самых цитируемых информационных агентств в социальных сетях. В октябре 2024 г. URA.RU вошло по этому параметру в тройку российских информагентств. См., напр.: Топ-3 самых цитируемых информационных агентств – октябрь 2024 / Медиалогия. 2024. Окт. Режим доступа: https://www.mlg.ru/ratings/media/federal/13568 (дата обращения: 10.11.2024). (дата обращения: 10.11.2024).
2 Режим доступа: https://ura.news/ (дата обращения: 10.11.2024). (дата обращения: 10.11.2024).
3 В 2023 г. по данным сервиса «Яндекс Метрика», аудитория агентства составила 120,8 млн уникальных посетителей, а в 2022 – 153,3 млн. Режим доступа: https://ura.news/specials/company (дата обращения: 10.11.2014). (дата обращения: 10.11.2014).
4 Бояркина А. Лучшие школы Кургана: URA.RU составило рейтинг по отзывам учеников и их родителей / URA.RU. 2024. Авг., 19. Режим доступа: https://ura.news/news/1052807051 (дата обращения: 10.11.2024). (дата обращения: 10.11.2024).
5 Там же.
6 Мищенко О. Из администрации Тобольска уволена очередная топ-чиновница / URA.RU. 2024. Сент., 10. Режим доступа: https://ura.news/news/1052815695 (дата обращения: 10.11.2024).
Баранова Е.А., Андрианова Д.Д. Современный российский рынок деловой информации в условиях конкуренции ежедневных СМИ и Telegram-каналов // Litera. 2022. № 8. С. 100–111. DOI: 10.25136/2409-8698.2022.8.38536
Вартанова Е.Л. К вопросу о последствиях цифровой трансформации медиасреды // Меди@льманах. 2022. № 2. С. 8–14. DOI: 10.30547/mediaalmanah.2.2022.814
Вартанова Е.Л. Современные российские исследования СМИ: обновление теоретических подходов // Вестн. Моск. ун-та. Сер. 10: Журналистика. 2015. № 6. С. 5–26.
Вартанова Е.Л., Вирен Г.В., Фролова Т.И. Типология информационных агентств // Вестн. Моск. ун-та. Сер. 10: Журналистика. 2013. № 3. С. 6–30.
Виноградова К.Е. Развитие искусственного интеллекта и трансформация журналистики: новые возможности и вызовы // Гуманитарный вектор. 2023. Т. 18. № 3. С. 121–130. DOI: 10.21209/1996-7853-2023-18-3-121-130
Вирен Г.В. Информационные агентства и информационные сайты Интернета: сравнительный анализ и перспективные тенденции // Вестн. Моск. ун-та. Сер. 10: Журналистика. 2009. № 3. С. 74–89.
Давыдов С.Г., Замков А.В., Крашенинникова М.А., Лукина М.М. Использование технологий искусственного интеллекта в российских медиа и журналистике // Вестн. Моск. ун-та. Сер. 10: Журналистика. 2023. № 5. С. 3–21. DOI: 10.30547/vestnik.journ.5.2023.321
Ершова В.Е. Информационные агентства в медиасистеме Томской области // Вестн. Томск. гос. ун-та. 2023. № 494. С. 13–23. DOI: 10.17223/15617793/494/2
Замков А.В., Крашенинникова М.А., Лукина М.М. Трудовая деятельность журналиста: люди или роботы // Вопросы теории и практики журналистики. 2020. № 1. С. 46–64. DOI: 10.17150/2308-6203.2020.9(1).46-64
Клементьева А.А. К вопросу о функционировании термина искусственный интеллект в современном научном и публицистическом дискурсе // МИРС. 2022. № 4. С. 14–23. DOI: 10.24412/1811-1629-2022-4-14-23
Колесниченко А.В. Востребованность жанров журналистских текстов в онлайновых СМИ // Вестн. Моск. ун-та. Сер. 10: Журналистика. 2018. № 1. С. 26–42. DOI: 10.30547/vestnik.journ.1.2018.2642
Колоев А.С. Рерайт как новое явление в современной журналистике // Вестн. СПбГУ. Язык и литература. 2012. № 1. С. 221–226.
Мальцев Н.Д. Структурные и филологические особенности текстовых генеративных нейронных сетей // Неофилология. 2024. Т. 10. № 2. С. 452–464. DOI: 10.20310/2587-6953-2024-10-2-452-464
Маржецкий С.Е. Авторский рерайтинг как технология создания публицистического текста // Челябинский гуманитарий. 2021. № 1 (54). С. 55–62. DOI: 10.47475/1999-5407-2021-10107
Морозова А.А., Арсентьева А.Д. Проблемы и перспективы использования искусственного интеллекта в сфере массмедиа: мнение российской аудитории // Знак: проблемное поле медиаобразования. 2022. № 2 (44). С. 150–158. DOI: 10.47475/2070-0695-2022-10219.
Наконечный И.С. Функции рерайт-техник в журналистском творчестве // Медиасреда. 2020. № 2. С. 52–55. DOI: 10.24411/2070-0717-2020-10209
Полынов В.А. Конвергентные процессы в практике российских информационных агентств: типовые различия // Меди@льманах. 2018. № 5. С. 34–45. DOI: 10.30547/mediaalmanah.5.2018.3445
Сложеникина Ю.В., Козловская Н.В., Мусаева А.С. Научный дискурс с ключевым термином искусственный интеллект // МИРС. 2023. № 3. С. 91–101. DOI: 10.21638/spbu30.2023.311
Сорокин Н.С. Роботизированная журналистика в России: есть ли перспектива // МНКО. 2023. № 1 (98). С. 335–337. DOI: 10.24412/1991-5497-2023-198-335-337
Тюкова Д.Н. Считать ли рерайтинг «концом журналистики»: мнения исследователей // Вестн. РГГУ. Сер.: Литературоведение. Языкознание. Культурология. 2014. № 12 (134). С. 162–167.
Шестерин Н.О. Искусственный интеллект и проблема приоритизации медиаконтента // Ученые зап. Новгород. гос. ун-та. 2023. № 5 (50). С. 402–409. DOI: 10.34680/24117951.2023.5(50).402-409
Шнайдер А.А. Тренды массмедиа: применение искусственного интеллекта, машинного обучения, СЕО-инструментов и дата-журналистики в контексте мирового медиаландшафта // Вестн. НГУ. Сер.: История, филология. 2022. Т. 21. № 6: Журналистика. С. 59–68. DOI: 10.25205/1818-7919-2022-21-6-59-68
Vartanova E., Vyrkovsky A. (2020) Between the State and the Market: An Analysis of TASS’ Fall and Rise. Journalism 21 (12): 1842–1858. DOI: 10.1177/1464884919883490
Дата поступления в редакцию: 14.11.2024
Дата публикации: 20.12.2024
