Искусственный интеллект как соавтор журналиста локальных медиа: особенности когнитивной нагрузки при создании контента

Искусственный интеллект как соавтор журналиста локальных медиа: особенности когнитивной нагрузки при создании контента

В ходе исследования авторы концептуализируют теоретическую возможность создания инструментов для замера интеллектуальных усилий журналиста при осуществлении им профессиональной деятельности с помощью нейросетевых технологий, а также экспериментально проверяют практическую осуществимость своего замысла.

В то время как зарубежные СМИ активно внедряют искусственный интеллект (ИИ) в рабочие процессы, констатируют авторы, из-за ограниченных ресурсов и технических возможностей российские региональные редакции интегрируют ИИ медленнее. При этом создаваемые ими медиатексты играют важную роль в освещении значимых для их аудитории местных событий. Аналогично опыту зарубежных коллег применение ИИ-решений могло бы помочь оптимизировать творческую работу, снижая рутинную нагрузку журналистов. Однако использование ИИ требует от сотрудников адаптации к новым интерфейсам и управлению когнитивной нагрузкой, связанной с контролем и редактированием сгенерированного контента. Удобство таких инструментов напрямую влияет на эффективность работы, а ошибки их применения могут привести к снижению качества публикаций и профессиональному выгоранию авторов.

Внедрение ИИ в журналистику становится одновременно технологическим и интеллектуальным вызовом, что делает важным изучение влияния различных ИИ-инструментов на когнитивную нагрузку региональных журналистов. В условиях отсутствия методик для оценки умственных затрат в таком взаимодействии, авторы исследования направляют свои усилия на апробацию теории когнитивной нагрузки и модифицированной шкалы NASA-TLX в российском медиаконтексте, а также на выявление ключевых параметров и факторов для дальнейшего анализа изучаемого предмета.

Основой разрабатываемой авторами методологии измерения когнитивной нагрузки журналистов при работе с генеративными ИИ-инструментами послужил набор таких специфических качеств как логика интеракций, визуальная структура интерфейса и необходимое количество действий оператора. В рамках работы был проведен экспертный анализ трех наиболее распространенных ИИ-платформ (GigaChat, DeepSeek и @GPT4TelegramBot) по десяти критериям, связанным с теорией когнитивной нагрузки и эргономикой человеко-компьютерного взаимодействия. Также ученые организовали квазиэксперимент (без случайного отбора и контрольной группы) с журналистами локальных медиа, моделирующий типовые редакционные задачи. Такой комплексный подход позволил авторам выявить, какие интерфейсные решения повышают или снижают когнитивную нагрузку и как эти механизмы влияют на эффективность соавторства человека и машины при создании новостного текста.

Участвующие в квазиэксперименте 10 журналистов из различных редакций Северо-Западного региона выполняли поочередно три редакционных задания на тему «Новая экологическая стратегия Ленинградской области 2035» с использованием трех ИИ-платформ. Задания длиной до 2000 знаков требовали написания новостей с учетом предоставленных исходных данных и стандартов издания, на выполнение отводилось до 30 минут. Во время работы фиксировались экран и аудио для анализа взаимодействия, а после каждого задания участники заполняли анкеты с модифицированной шкалой NASA-TLX, оценивающей ментальную нагрузку, временное давление, усилия, фрустрацию и субъективную эффективность. Такой подход позволил авторам исследования количественно и качественно оценить когнитивную нагрузку и особенности соавторства журналистов с разными генеративными ИИ в условиях, отражающих разнообразие редакционных процессов и обеспечивающей их инфраструктуры.

Обобщая полученные результаты, авторы резюмируют: проведенное ими исследование показало, что для журналистов локальных медиа наибольшую когнитивную нагрузку создают задачи, связанные с точным формулированием запросов к ИИ, постоянным контролем и редактированием сгенерированного текста, а также поддержанием контекста диалога при ограниченной поддержке со стороны системы. Внешнюю нагрузку увеличивают неудобный интерфейс, сложная навигация, малоинформативные подсказки и ограниченный доступ к истории взаимодействий. Даже при высоком качестве генерации усилия возрастают из-за необходимости многократных правок и адаптации материалов под требования издания. Различия в стратегиях работы с ИИ связаны с квалификацией пользователей: более опытные участники проявляли большую уверенность в формулировке запросов и корректировке результатов, что, согласно мнению авторов, указывает на важность цифровой компетентности для снижения когнитивной нагрузки.

По итогам экспертного анализа ученые выделили три типа когнитивной нагрузки — внутреннюю, внешнюю и полезную — и доказали, что особенности интерфейсов разных платформ существенно влияют на характер этих нагрузок. Сложная структура запросов и их плохая контекстная поддержка вызывают высокую внутреннюю нагрузку, неудобный интерфейс и неясные инструкции — внешнюю, а необходимость активной доработки текста — полезную нагрузку. Итоговые результаты исследования подчеркивают, что внедрение ИИ в локальные редакции — это не только технологический, но и когнитивный вызов. Для повышения эффективности работы важно оптимизировать интерфейсы, адаптировать их функционал под нужды журналистов, развивать обучение и обмен опытом, что в совокупности позволит улучшить производительность творческих процессов и качество контента, а также снизит риски профессионального выгорания среди носителей естественного интеллекта.

Источник.