Штучний інтелект – нова ера у роботі редактора наукового і науково-популярного видання

ВСТУП

Енциклопедії є важливим джерелом знань, що у стислому вигляді системати­зують відомості з різних галузей науки і видів діяльності (O’Sullivan, 2011). З почат­ком цифрової доби функціональність енциклопедій і зручність користування їхньою інформацією збільшились. Комп’ютерні технології вплинули на способи підготовки, організацію та представлення енциклопедичних знань, сприяючи їх доступності й по­ширенню та засвоєнню (Jermen & Jecić, 2018). Сучасні енциклопедії (онлайн-ресур­си) — це те інформаційне джерело, що передбачає максимальну зручність і швидкість для пошуку необхідних відомостей як у межах всієї енциклопедії, так і безпосередньо в тексті тієї чи іншої статті. Це обґрунтовує характерні мовно-стилістичні, змістові критерії енциклопедичного жанру (Железняк & Шушківський, 2023), нехтування якими створює труднощі для читачів. Існують також інші чинники, пов’язані з оформленням текстів, що можуть заважати здобувати знання з них, а шляхи їх уник­нення становлять науковий інтерес філологів, істориків та інших фахівців цифрової гуманітаристики.

Так, друкованим енциклопедіям властива низка ознак, через які в сучасних реа­ліях (на тлі сучасних можливостей форматування й верстки тексту, впливу веб-ди­зайну) розуміння інформації пересічним читачем може ускладнюватися. Серед них — скорочені форми слів та суцільний текст статей, тобто відсутність рубрикації — будь-якого структурування контенту на параграфи, розділи, підрозділи, навіть якщо йде­ться про розлогі матеріали. Деякі редакції уникають і членування тексту на абзаци, їх використовують лише для розмежування статей чи їхніх елементів (основний текст, перелік літератури, автор). Ці ознаки викликані економією — бажанням видавців роз­містити більше інформації на меншій кількості сторінок. Беручи до уваги той факт, що енциклопедії — це завжди громіздкі й часто багатотомні видання, відсутність ско­рочень і наявність зручної композиційної організації тексту спричиняли б необхід­ність істотно збільшити або їхній формат (розмір), або кількість сторінок, або томів. Чинник економії зіграв і певну роль у формуванні принципів підготовки енциклопе­дичних видань, зокрема, через це сформувалося поняття критеріїв відбору статей для енциклопедії і певних стандартів щодо їх обсягу, позаяк найбільші друковані енцик­лопедичні видання у світі в середньому не перевищують 60–65 тис. статей (Upshall, 2014). При цьому, на думку деяких дослідників, розмір енциклопедій — чи не основ­ний “обмежувальний фактор цінності енциклопедій як джерела знань” (Loveland, 2012, с. 234).

В епоху онлайн-енциклопедій зазначені проблеми більше не існують, нато­мість скорочені форми слів для багатьох користувачів інтернету можуть видаватися дивними, незрозумілими, заважати розумінню прочитаного (Дзюба, 2021, с. 140), а статті без структурного членування — загалом негативно впливати на рішення про­читати їх, взаємодіяти з гіперпосиланнями чи іншими елементами, наявними на їхніх веб-сторінках, навіть виявляти ознаки скепсису й недовіри до джерела (Juvina & van Oostendorp, 2008). Певні (хоча, звісно ж, неофіційні) стандарти того, як має виглядати сучасна енциклопедична стаття, у свідомості людей формує Wikipedia: у ній не прий­нято використовувати скорочення, а багато статей складаються з розділів і підрозді­лів, тобто мають чітку композицію. Цю рису фіксуємо й у сучасних онлайн-енцикло­педіях — Encyclopedia Britannica (США, Велика Британія), Store norske leksikon (Нор­вегія), Brockhaus (Німеччина), Encyclopædia Universalis (Франція), Den Store Danske Encyklopædi (Данія) та ін., що виникли на основі друкованих попередників, статті у яких зазвичай не мали такої структури. З іншого боку, існує окрема низка онлайн-енциклопедій, що з’явилися і функціонують як електронні версії друкованих видань, але на їхніх вебсторінках збережено особливості друкованої верстки. Серед таких онлайн-енциклопедій — Gran Enciclopedia Catalana (Іспанія), Encyklopedia PWN (Польща), Beliana (Словаччина), Енциклопедія Сучасної України (Україна) тощо.

Позбутися скорочень, надати текстам чіткої композиційної організації — це серйозна й масштабна робота з покращення презентабельності текстів, що вимагає залучення додаткової робочої сили і фінансування. Водночас генеративний штучний інтелект виглядає перспективною технологією щодо розв’язання цієї (і не лише) про­блеми. Мета нашої студії — з’ясувати користь генеративного штучного інтелекту в під­готовці текстів енциклопедичних статей, зокрема в контексті надання їм композицій­ної будови. Варто зауважити, що питання впровадження генеративного штучного ін­телекту в енциклопедичній справі поки що майже не висвітлено у наукових публіка­ціях (за винятком тих, що присвячені Wikipedia, однак у них розглядають зовсім інші проблеми, наприклад, досліджують можливість з допомогою штучного інтелекту за­безпечити якість посилань у статтях (Stokel-Walker, 2023)), хоча загалом дослідження показують його велику потенційну користь для різних сфер діяльності, зокрема науки і освіти (Kim, 2023).

Додамо, що існують й інші актуальні проблеми функціонування онлайн-енци­клопедій, для розв’язання яких штучний інтелект може мати велику практичну ко­ристь. Це пошук і оновлення застарілих даних у статтях, розширення в них мережі гіперпосилань, переклад статей іншими мовами, озвучення тексту статей для незря­чих людей тощо — всіх їх охопити для аналізу в межах однієї статті неможливо.

Водночас виявлено й певні ризики для енциклопедистики, пов’язані з розвит­ком ШІ. Інтеграція генеративних технологій у пошукові системи, насамперед Google Search, поступово змінює способи споживання інформації: користувачі можуть отри­мувати короткі відповіді безпосередньо у вікні пошуку, що потенційно зменшує по­требу у відвідуванні першоджерел, зокрема й енциклопедичних сайтів (Zhelezniak & Ishchenko, 2025).

МАТЕРІАЛ І МЕТОДИКА

Розвідку виконано на основі комунікативної взаємодії з віртуальним асистен­том (чат-ботом) — ChatGPT (OpenAI, 2024) та на матеріалі Енциклопедії Сучасної України (ЕСУ), що від 2016 року в інтернеті (https://esu.com.ua) слугує джерелом на­дійної українознавчої інформації. Власне, це дослідження транслює досвід редакції ЕСУ з пошуку шляхів застосування генеративного штучного інтелекту у своїй діяль­ності, зокрема для вдосконалення статей енциклопедії. ЕСУ подає в електронному ви­гляді статті на основі текстів, зверстаних для публікації томів, таким чином, у них збе­режено скорочені слова та відповідну структуру, якій не властива будь-яка рубрика­ція. Щоправда, останнім часом редакція оприлюднює статті на нові літери в електрон­ному вигляді раніше, ніж видає друком, тексти в них без скорочених форм слів, текст у розлогих статтях розбитий на абзаци. До того ж засобами вебпрограмування для всіх статей, що є на сайті, забезпечено певну архітектоніку вебсторінок — у них чітко видно, де розташовані текст статті, бібліографічні джерела, інформація про автора та інші метадані. Водночас редакція ЕСУ зацікавлена в подальшій модернізації підходів у підтримці електронної версії енциклопедії, що, зокрема, передбачає необхідність розшифрування скорочень у всіх статтях, надання основному тексту статей чіткої композиції, що особливо важливо для розлогих матеріалів, а також вдосконалення шляхів редакторської роботи для забезпечення високої якості майбутніх статей.

Основний метод дослідження — описовий. Попередньо ідея цієї розвідки поля­гала в проведенні експерименту, що мав спочатку передбачати формування випадко­вої вибірки статей, які б пропонувалися генеративному штучному інтелекту із завдан­ням поділити тексти на параграфи (включно з генеруванням назв параграфів); далі тексти статей в оновленому вигляді (з параграфами і їхніми назвами, запропонова­ними штучним інтелектом) мали б оцінюватися групою аудиторів з подальшим об­робленням результатів оцінювання. У підготовчій роботі важливою складовою є фор­мулювання запитів (так званих промтів) для ChatGPT — від особливостей опису завдання залежить кінцевий результат. І вже на цьому етапі взаємодії зі штучним ін­телектом ми отримали перестороги, коли для тестування взяли статтю “Бандера Сте­пан Андрійович” (https://esu.com.ua/article-40247), що доволі розлога й потребує руб­рикації. Річ у тім, що в ній є інформація про антиокупаційну, національно-визво­льну діяльність С. Бандери, яку в радянській і польській історіографіях трактовано те­рористичною, і відповідний термін вживає у цій енциклопедичній статті її автор Ана­толій Кентій. Цю інформацію ChatGPT повважав важливою для створення окремого параграфу (і це логічно й доречно), однак назвав його “Терористична діяльність”. Перші запити давали густу членованість тексту на параграфи, але як би ми в подаль­шому не намагалися вдосконалити завдання, ChatGPT лишав без зміни заголовок, який нині, у часи російської збройної агресії проти України, коли має місце героїзація С. Бандери, спрямована на підвищення у суспільстві патріотизму і бойового духу, для українського читача виглядає зовсім недоречним і небезпечним. Хоча у 2003 році, коли й було опубліковано у 2-му томі цю енциклопедичну статтю, запропонований заголовок параграфа сприймався б, напевне, дискусійно, але толерантно. До слова, протилежні тенденції помічаємо в польському політичному дискурсі останніх років, де з’явився термін “бандеризація” (banderyzacja), який деякі сили намагаються закрі­пити на законодавчому рівні як визначення нібито “небезпечної ідеології” з точки зору польської історичної пам’яті. Такі ініціативи відображають складні, а подекуди й травматичні аспекти спільної українсько-польської історії.

Звісно, виявлений факт одразу ставить під сумнів доречність нашого експери­менту, оскільки вже на підставі цього тестування ми чітко бачимо ризики впрова­дження автоматичної рубрикації енциклопедичних текстів на параграфи, позаяк ця діяльність штучного інтелекту передбачає й необхідність контролю кожної статті на предмет коректності (зокрема й політкоректності) назв параграфів. Якщо енциклопе­дія складається з тисяч і тисяч статей (а в ЕСУ їх нині понад 80 тис.), то це створює велике додаткове навантаження на редакцію.

Однак далі у статті на основі досвіду взаємодії із ChatGPT описуємо ідеї, як мож­на використовувати цього віртуального асистента в редакторській роботі для покра­щення якості текстів енциклопедичних статей.

РЕЗУЛЬТАТИ Й ОБГОВОРЕННЯ

Енциклопедичним статтям притаманна стислість (лаконічність) викладу інформації з теми, що зазвичай досягають її максимальним узагальненням. На пер­ший погляд, така характеристика енциклопедичного контенту мало сумісна з необ­хідністю його структурування, адже узагальнення здебільшого асоціюють з об’єднан­ням частин у ціле, а структурування — з розкладанням цілого на його складові. Тому наче й не дивно, що статті в багатьох енциклопедіях мають вигляд суцільного тексту.

З іншого боку, статті в енциклопедіях бувають різного розміру, і розлогі тексти закономірно потребують певної розмітки для покращення розуміння їхнього змісту, орієнтації в них. А з огляду на те, що підготовка енциклопедичних статей потребує не лише узагальнення знань, а і їх систематизації (розкриття теми під різними кутами зору, аспектами), то впорядкування ідей, фактів, відомостей логічно вимагає певної композиційної організації тексту. Зрештою, впорядкований текст — це ще й естетич­но, а в наукових працях не раз акцентовано на користі позитивних емоцій, що здатні не лише приваблювати, а й зменшувати когнітивне навантаження на процес озна­йомлення з новою інформацією, репрезентованою в естетичний спосіб (Schindler et al., 2017).

Окрім цього, будь-який текст, якому властива певна архітектоніка, має низку переваг, що особливо важливо в часи, коли в людини є вибір, якими джерелами ін­формації користуватися. Для енциклопедій це має значення ще й з тієї точки зору, що поділ статей на розділи, підрозділи чи параграфи спрощує для користувача пошук необхідної інформації. До того ж студії в галузі психології свідчать, що структурова­ний текст легше сприймати і засвоювати (Gernsbacher & Kaschak, 2013). Це зумовлено тим, що суцільні тексти вимагають більше розумової активності, адже перцепція про­читаного, окрім іншого, потребує попереднього виявлення зв’язків між одиницями інформації (Van den Broek & Kremer, 2000). Коли ж текст розділений на абзаци, параг­рафи, розділи, то такої необхідності вже немає — ці зв’язки видно завдяки відповідній архітектоніці тексту. Це підтверджують дослідження з педагогіки, у яких акцентовано на важливості організації тексту для ефективного навчання (Bogaerds-Hazenberg et al, 2020). У деяких працях, виконаних на матеріалі статей Wikipedia, показано, що наяв­ність композиційної будови тексту вже є чинником, що сприяє покращенню якості статті (Schönhofen, 2008). Прикметно й те, що формальним критерієм потрапляння вікіпедійних статей у рубрику “Вибрані” можуть лише ті, що складаються з розділів і підрозділів (Bridgewater, 2017, c. 41).

Що передбачає ідея поділу тексту на параграфи і їхні заголовки? По-перше, це ділить текст на частини — тематичні (фактологічні) структури, у межах яких речення поєднані логіко-семантичним зв’язком. По-друге, заголовки транслюють головну дум­ку цих структур. Це означає, що інформація, яку подано в низці речень параграфа, здатна бути виражена однією сентенцією. Ясна річ, назви параграфів не в змозі вміс­тити весь обсяг інформації в них, однак виконують роль маркера, вказівника, орієн­тира щодо змісту написаного в параграфі. При необхідності знайти лише окремий факт (що найчастіше буває при зверненні до енциклопедій), а не читати всю статтю повністю, заголовки параграфів, безсумнівно, є помічним і корисним елементом.

З точки зору семіотики, розбиваючи текст на складові частини, ми створюємо додаткову знакову систему (додатковий рівень семіотичної взаємодії, метакомуніка­ції), що дозволяє орієнтуватися в тексті статті (Greetham, 1999). Формування цієї зна­кової системи є певним кодуванням тексту, а зчитування цього коду, зокрема ознайомлення із заголовками параграфів, візуальне оцінювання їх (параграфів) роз­логості, інтерпретація заголовків у їх послідовності й сукупності можуть бути достат­нім чинником для складання у користувача враження про текст, його смислові акцен­ти, ґрунтовність, глибину, всеосяжність, рівень об’єктивності висвітлення тощо, отже, прийняття рішення: прочитати цей текст чи продовжити пошук в інших джерелах.

Декодувати таку семіотичну систему означає отримати уявлення про ієрархію знань, що містить стаття, а це ще й підвищує у читача когнітивний комфорт через можливість пересуватися в межах тексту цією ієрархією. Коли такого орієнтиру немає, людині важче отримати для себе аргументи на користь необхідності занурення в ма­теріал, оскільки це передбачає послідовне ознайомлення з текстом статті від початку до кінця (не кожен на це погодиться в умовах перманентного дефіциту часу). Між тим, серед таких аргументів важливим може бути фактор автора статті, його професійної величі, позаяк до підготовки енциклопедій зазвичай запрошують не просто експертів, а визнаних авторитетів у своїх галузях. Запрошувати до енциклопедій відомих фахів­ців є давньою традицією, “її започаткували ще Дідро й Д’Аламбер у 18 ст., коли до написання їхньої Encyclopédie вони залучили відомих мислителів і культурних діячів того часу” (Дзюба, 2021, с. 80).

Наш задум з експериментом не відбувся, оскільки одразу стало зрозуміло, що назви заголовків, згенеровані штучним інтелектом, потребуватимуть перевірки, і якщо йдеться про десятки тисяч статей, як, зокрема, в ЕСУ, то ця робота виглядає об­тяжливою, тоді як звернення до штучного інтелекту викликане передусім бажанням економії часу та ресурсів. Причина необхідності перевіряти автоматично згенеровані штучним інтелектом заголовки параграфів криється у самих авторських статтях, а не в слабких здібностях ChatGPT. Навпаки, тестування запитів дало змогу зрозуміти, що віртуальний помічник доволі чітко та вміло виконує завдання, і проведення експери­менту, найімовірніше, мало би позитивні результати. Натомість авторські тексти мо­жуть бути недосконалими з точки зору структури статті, а інколи й змісту, і у відповідях штучного інтелекту на подібні завдання ця недосконалість чітко віддзеркалюється.

Річ у тім, що постаті, залучені до написання статей, є експертами у своїй сфері знань, але не завжди компетентні в тому, як правильно готувати тексти для енцикло­педій. Завдання редакції — адаптувати авторський матеріал під особливості енцикло­педичного жанру, однак чим розлогіша стаття, чим складніший матеріал, тим важче редакторові це зробити. До того ж часто автори готують статті так, що для адаптації під енциклопедичні канони буде необхідно майже повністю переробити тексти, що зазвичай сприймається як елемент знецінення знань автора й спричиняє його від­мову в подальшій співпраці з редакцією.

Такі особливості внутрішньої “кухні” є тенденційними в галузі загалом, а не притаманні лише окремій редакції. Хоча енциклопедії зараховують до джерел надій­ної інформації (передусім через наявність редакційного контролю, професійних авто­рів, наявність посилань у статтях на першоджерела (Kubiszewski et al, 2010); інколи — через неможливість спотворення системи знань зовнішнім втручанням засобами від­критого редагування (Bentzen, 2018), все ж дослідники час від часу фіксують ті чи інші їхні недоліки, зазначаючи, наприклад, що “через швидку деактуалізацію великої частки інформації, поданої в традиційних енциклопедіях, сумнівно називати ці ви­дання точними; через непрозорі рішення редакцій чи суб’єктивність авторів — об’єктивними. Отож, як історичні документи, що зафіксували знання у певний період, вони становлять більшу цінність, ніж джерела з пошуку свіжих даних” (Wexelbaum, 2012). В інших же студіях, навпаки, наголошено на тому, що порівняно з Wikipedia, яка має перевагу в можливості надавати завжди актуальну інформацію, міститься більше неточностей, фактичних помилок, ніж у традиційних енциклопедіях (Rector, 2008). Прикметно, що більш надійними у Wikipedia англомовні читачі вважають ті статті, що ґрунтуються (посилаються) на матеріалах знакових класичних енциклопе­дій на зразок Britannica (Flanagin & Metzger, 2011). Можливо, у зв’язку з цим в україн­ському сегменті Wikipedia серед критеріїв значущості, що дають право створити ту чи іншу статтю, є пункт про наявність такої ж в універсальних українських енциклопе­діях (ЕСУ, ЕУ, УРЕ тощо).

Щоб полегшити собі роботу і водночас підвищити її ефективність (йдеться про покращення якості тексту, точності, надійності інформації у статтях), працівникові ре­дакції енциклопедії стане в пригоді чат-бот ChatGPT як помічник на етапі підготовки статей. Так, редактор, отримавши авторський рукопис, тепер може з допомогою штучного інтелекту провести різноманітні завдання:

• оцінити повноту викладу інформації відносно теми статті, запитати про наявність не згаданих аспектів тематики, ідентифікувати авторські упередження;
• перевірити точність фактів, даних, тверджень (щоправда, ці здібності гене­ративного штучного інтелекту поки що дискусійні — він здатний генерувати вигадану інформацію, видаючи її за правду (Sun et al, 2024); однак це не означає, що цією його функцією варто знехтувати);
• знайти інформацію, що в недалекій перспективі потребуватиме оновлення (її краще уникати, щоб стаття не втрачала актуальності або знаходити шляхи більш вдалих формулювань. Наприклад, якщо це важливі кількісні дані, що постійно змі­нюються, необхідно зазначити дату їх отримання, водночас варто замислитись і над тим, чи не краще б уникнути в конкретній енциклопедичній статті інформації мінли­вого характеру);
• запропонувати мовно-стилістичне покращення окремих частин чи всього тексту (якщо всі мови, якими володіє ChatGPT, розділити на 4 групи за кількістю ма­теріалу, на основі якого штучний інтелект здобув знання, то за даними 2023 року українська — у другій групі (Lai, 2023), що свідчить про вагомий обсяг опрацьованого українськомовного матеріалу і, очевидно, передбачає достатньо високу мовну компе­тентність).

Зрештою, з огляду на наш аналіз важливим запитом для ChatGPT буде надати текстові композиційної будови (незалежно від того, чи притаманна вона статтям ви­дання). Це допоможе вияскравити розставлені в статті авторські акценти, простежити послідовність у викладенні інформації, її повноту і всеосяжність, збагнути її переваги й недоліки як джерела довідкової інформації. Спектр подібних запитів до віртуаль­ного помічника може бути широким залежно від конкретної статті. За результатами роботи з чат-ботом редактор приймає рішення щодо стратегії подальшої комунікації з автором — наприклад, пропонує йому зробити ті чи інші зміни, доповнення, будь-які інші корективи, спрямовані на вдосконалення матеріалу.

Ще один цікавий варіант використання генеративного штучного інтелекту в ен­циклопедистиці: якщо стаття, над якою працює редактор, є в інших енциклопедіях, то їх варто запропонувати чат-боту для пошуку недоліків, інформаційних лакун. Саме цими даними, яких бракує в інших енциклопедіях, редакторові варто посилити статтю, над якою він працює.

Зрештою, корисним для редактора запитом розцінюємо й завдання для ChatGPT створити енциклопедичну статтю на ту ж тему, над якою працює автор. Але не для того, щоб її опублікувати в енциклопедії. Такий матеріал доречно використати як порівняльний зразок у роботі з авторським рукописом для його вдосконалення.

У цьому контексті важливо зауважити, що в середовищі енциклопедистів вже простежуються певні розуміння щодо етики використання штучного інтелекту в про­фесійній діяльності. Зокрема, формується уявлення про необхідність збереження про­відної ролі людини-редактора у підготовці, перевірці та редагуванні енциклопедич­них текстів. Штучний інтелект сприймають не як автономне джерело знань, а як до­поміжний інструмент, покликаний полегшити виконання рутинних завдань. Всі ро­зуміють, що масове “штампування” енциклопедичних статей з допомогою ШІ приз­веде до низки негативних наслідків. Щоправда, в інших професійних сферах, зокрема журналістиці, фіксуємо й цілком інший підхід, коли автором новинного контенту стає ШІ. Звісно, така практика знаходить як прихильників, так і гострих критиків (Breazu & Katsos, 2024). Власне бачення мають запропонувати й енциклопедисти щодо меж застосування генеративного штучного інтелекту в своїй діяльності.

Ми окреслили основні напрямки роботи редактора енциклопедій, які мають потенціал у зв’язку з розвитком генеративного штучного інтелекту. Водночас деякі провідні енциклопедії вже перейшли від потенційних можливостей до практичного впровадження ШІ-рішень. Так, у Encyclopaedia Britannica на сторінках статей функ­ціонують два інструменти, створені на основі штучного інтелекту: Quick Summary (стислий виклад змісту, автоматично згенерований на основі тексту статті) та Ask the Chatbot (інтерактивний модуль запитань-відповідей, який формує відповіді винят­ково з корпусу енциклопедичних матеріалів Encyclopaedia Britannica). Обидві функ­ції супроводжуються попередженнями про можливі неточності, що демонструє усві­домлений і відповідальний підхід до використання генеративних технологій у на­уково-освітньому контенті. Подібний функціонал з’явився й на сайті Енциклопедії Су­часної України”, на сторінках якої реалізовано “Стислу версію статті”. Для розлогих чи складних матеріалів вона дає змогу користувачеві краще збагнути головний зміст по­даних автором знань. Звісно, вибір фактів, мовні формулювання та інтерпретаційні акценти автоматично створених стислих версій залежать від алгоритмічної обробки тексту, тому вони можуть не відображати всіх смислових нюансів авторського ви­кладу. Хай там як, наведений досвід свідчить, що енциклопедичні редакції вже посту­пово переходять від етапу експериментального застосування ШІ до практичної інтег­рації інтелектуальних інструментів у редакційні процеси з метою підвищення доступ­ності, зручності сприйняття поширюваних знань.

ВИСНОВКИ

Розвиток технологій штучного інтелекту і їх упровадження в енциклопедистику відкриває нові можливості для автоматизації та оптимізації процесу підготовки енци­клопедичних статей, їх поширення в інформаційному просторі. У цьому криється перспектива для підвищення якості та доступності енциклопедичних знань, подаль­шого розвитку енциклопедистки як галузі.

Ми окреслили два перспективні варіанти застосування ChatGPT редакціями онлайн-енциклопедій. Перший передбачає автоматизоване вдосконалення вже опу­блікованих статей, наприклад, покращення їхньої зовнішньої структури. Другий — підвищення якості авторських матеріалів, над якими редакція ще працює, готуючи їх до опублікування. Наша стаття окреслює потенціал штучного інтелекту для першого варіанту його застосування і пропонує практичні поради щодо шляхів використання ChatGPT як асистента редактора на етапі підготовки статей.

Для онлайн-енциклопедій, контент яких створено шляхом перенесення статей із друкованих видань (до таких належить низка національних онлайн-енциклопедій Європи і світу, що мають зазвичай високу аудиторію користувачів), генеративний штучний інтелект може посприяти адаптації енциклопедичних матеріалів під веб-середовище, наприклад, поліпшити композиційну будову статей, зробивши тексти зручнішими для прочитання, візуально привабливішими, естетичними. Це, зі свого боку, здатне сприяти суттєвому покращенню сприйняття матеріалу та зручності ко­ристування довідковими ресурсами. Водночас потрібно усвідомлювати, що автомати­зація цих процесів може мати й певні ризики, оскільки деякі статті чутливі до різних контекстів, без розуміння яких рішення штучного інтелекту можуть бути некорект­ними.

На етапі підготовки нових статей ChatGPT виглядає корисним асистентом для редактора. Робота з віртуальним помічником може значно покращити якість автор­ських рукописів завдяки його здатності надавати статтям структурної організації, пе­ревіряти факти та виявляти неточності, пропонувати варіанти поліпшення стилістики тексту, генерувати ідеї щодо підвищення інформативності статей.

Використання штучного інтелекту в енциклопедистиці потребує широкого об­говорення представників галузі, оскільки ChatGPT здатний не лише сприяти вдоско­наленню статей, а й генерувати енциклопедичний контент замість авторського. У зв’язку з цим з’являється низка питань щодо цінності такого енциклопедичного кон­тенту, його соціальних наслідків, загалом редакційної етики енциклопедистів в умо­вах поширення генеративного штучного інтелекту.

ЛІТЕРАТУРА

Дзюба, І. (відп. ред.). (2021). Українська електронна енциклопедистика в соціогумані­тарному вимірі. Київ: Інститут енциклопедичних досліджень НАН України. https://doi.org/10.37068/b/9789660296770

Железняк, М., Шушківський, А. (2023). Як писати статті для енциклопедій. Енциклопедич­ний вісник України, 15, 65–76. https://doi.org/10.37068/evu.15.6

Bentzen, N. (2018). Europe’s online encyclopaedias. Equal access to knowledge of general in­terest. Brussels: European Parliamentary Research Service. https://doi.org/10.2861/002977

Bogaerds-Hazenberg, S. T., Evers-Vermeul, J., & Van Den Bergh, H. (2020). A Meta‐Analysis on the Effects of Text Structure Instruction on Reading Comprehension in the Upper Elementary Grades. Reading Research Quarterly, 56(3), 435–462. https://doi.org/10.1002/rrq.311

Breazu, P., & Katsos, N. (2024). ChatGPT-4 as a journalist: Whose perspectives is it reproducing? Discourse & Society, 35(6), 687–707. https://doi.org/10.1177/09579265241251479

Bridgewater, M. (2017). History Writing and Wikipedia. Computers & Composition/Computers and Composition, 45, 36–50. https://doi.org/10.1016/j.compcom.2017.06.005

Flanagin, A. J., & Metzger, M. J. (2011). From Encyclopædia Britannica to Wikipedia. Infor­mation Communication & Society, 14(3), 355–374. https://doi.org/10.1080/1369118x.2010.542823

Gernsbacher, M. A., & Kaschak, M. P. (2013). Text comprehension. In D. Reisberg (Ed.), The Oxford handbook of cognitive psychology (pp. 462-474). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780195376746.013.0029

Greetham, D. C. (1999). Structure and Sign in the Text: Structuralism and Semiotics. In D. C. Greetham (Ed.), Theories of the Text (pp. 276-325). Oxford: University Press eBooks. https://doi.org/10.1093/acprof:oso/9780198119937.003.0008

Jermen, N., & Jecić, Z. (2018). Science networking: role of online encyclopaedias. Circum­scribere: International Journal for the History of Science, 21, 84–95. https://doi.org/10.23925/1980-7651.2018v21;p84-95

Juvina, I., & van Oostendorp, H. (2008). Modeling Semantic and Structural Knowledge in Web Navigation. Discourse Processes, 45(4–5), 346–364. https://doi.org/10.1080/01638530802145205

Kim, T. W. (2023). Application of artificial intelligence chatbot, including ChatGPT in education, scholarly work, programming, and content generation and its prospects: a narra­tive review. Journal of Educational Evaluation for Health Professions, 20, 38. https://doi.org/10.3352/jeehp.2023.20.38

Kubiszewski, I., Noordewier, T., & Costanza, R. (2010). Perceived credibility of Internet encyclo­pedias. Computers & Education, 56(3), 659–667. https://doi.org/10.1016/j.compedu.2010.10.008

Lai, V., Ngo, N., Veyseh, A. P. B., Man, H., Dernoncourt, F., Bui, T., & Nguyen, T. (2023). ChatGPT beyond English: Towards a comprehensive evaluation of large lan­guage models in multilingual learning. In Findings of the Association for Compu­tational Linguistics: EMNLP 2023 (pp. 13171–13189). Association for Compu­tational Linguistics. https://doi.org/10.18653/v1/2023.findings-emnlp.878

Loveland, J. (2012). Why Encyclopedias Got Bigger … and Smaller. Information & Culture, 47(2), 233–254. https://doi.org/10.1353/lac.2012.0012

O’Sullivan, D. (2011). What is an Encyclopedia? A Brief Historical Overview from Pliny to Wikipedia. In G. Lovink & N. Tkacz (Eds.), Critical point of view: A Wikipedia reader (pp. 34–49). Institute of Network Cultures.

OpenAI. (2024). ChatGPT (ver. GPT-4). Retrieved from https://chat.openai.com/chat

Rector, L. H. (2008). Comparison of Wikipedia and other encyclopedias for accuracy, breadth, and depth in historical articles. Reference Services Review, 36(1), 7–22. https://doi.org/10.1108/00907320810851998

Schindler, I., Hosoya, G., Menninghaus, W., Beermann, U., Wagner, V., Eid, M., & Scherer, K. R. (2017). Measuring aesthetic emotions: A review of the literature and a new assessment tool. PLoS ONE, 12(6), e0178899. https://doi.org/10.1371/journal.pone.0178899

Schönhofen, P. (2008). Annotating Documents by Wikipedia Concepts. Proceedings of the 2008 International Conference on Web Intelligence and Intelligent Agent Technology (pp. 461–467). Institute of Electrical and Electronics Engineers. https://doi.org/10.1109/wiiat.2008.56

Stokel-Walker, C. (2023, October 19). AI tidies up Wikipedia’s references — and boosts reliabil­ity. Nature. https://doi.org/10.1038/d41586-023-02894-x

Sun, Y., Sheng, D., Zhou, Z., & Wu, Y. (2024). AI hallucination: towards a comprehensive classi­fication of distorted information in artificial intelligence-generated content. Hu­manities and Social Sciences Communications, 11, 1278. https://doi.org/10.1057/s41599-024-03811-x

Upshall, M. (2014). What Future for Traditional Encyclopedias in the Age of Wikipedia? Culture Unbound Journal of Current Cultural Research, 6(3), 641–646. https://doi.org/10.3384/cu.2000.1525.146641

Van den Broek, P., & Kremer, K. (2000). The mind in action: What it means to comprehend during reading. In B. M. Taylor, M. F. Graves, & P. Broek (Eds.), Reading for meaning: Fostering comprehension in the middle grades (pp. 1–31). Teachers College Press.

Wexelbaum, R. (2012). Is the encyclopedia dead? Evaluating the usefulness of a traditional reference resource. Reference Reviews, 26(7), 7–11. https://doi.org/10.1108/09504121211270780

Zhelezniak, M., & Ishchenko, O. (2025). Online Encyclopedias and Generative Artificial Intelli­gence: Challenges and Opportunities (case of the Encyclopedia of Modern Ukraine). Science and Innovation, 21(2). 64–72. https://doi.org/10.15407/scine21.02.06