СТРАТЕГІЯ, ЗМІСТ ТА НОВІ ТЕХНОЛОГІЇ ПІДГОТОВКИ ФАХІВЦІВ У СФЕРАХ КОМП’ЮТЕРНИХ НАУК, ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ, ЕЛЕКТРОНІКИ ТА АВТОМАТИЗАЦІЇ

ЕФЕКТИВНІСТЬ ВЗАЄМОДІЇ КОРИСТУВАЧА З ChatGPT: СОЦІОЛІНГВІСТИЧНІ АСПЕКТИ ВВІЧЛИВОСТИ

Автор(и)

Л. А. Радомська ORCID 0000-0002-2598-032X
Вінницький національний технічний університет ROR
DOI https://doi.org/10.31649/1997-9266-2026-186-3-153-159

Ключові слова

штучний інтелект ChatGPT LLM NLP користувач промпт лінгвоетикет ввічливість

Анотація

Дослідження впливу ввічливости на взаємодію користувача зі штучним інтелектом (ШІ) є актуальним напрямом сучасних міждисциплінарних студій. У статті досліджено соціолінгвістичні аспекти ввічливости як фактору культури спілкування з погляду її впливу на ефективність роботи з ШІ, окреслено значення лінгвоетикету для цифрової комунікації з великими мовними моделями на основі ШІ. Актуальність дослідження, з одного боку, пов’язана з різким зростанням запитів користувачів до штучного інтелекту, що поступово впливає на формування нових моделей цифрової комунікації та характер відповідей системи. З іншого боку, важливою є потреба дослідити вплив ввічливости на взаємодію користувачів із ШІ засобами української мови, що розширює наукове уявлення про ввічливість у людино-машинній взаємодії.

Для дослідження впливу ввічливости в промптах на ефективність взаємодії користувача й ШІ як основний використано метод опитування. Метод зреалізовано за допомогою програмного забезпечення для адміністрування опитування Google Forms від компанії «Google». В опитуванні, проведеному протягом 2025—2026 рр., взяли участь 176 студентів обох статей 1—2 курсів семи факультетів Вінницького національного технічного університету. Для інтерпретації результатів та для аналізу емпіричних даних опитування використано описовий, порівняльний та статистичний методи. Здійснено порівняльний аналіз згенерованих текстових результатів штучного інтелекту за декількома показниками: з використанням фраз нейтральної, високопатетичної та фамільярної тональности. Визначено, що форма ввічливости не змінює кардинально загальну логічність моделі або набір фактів. Проте тип стратегії, вибір тональности впливає на глибину аналізу та структуру аргументації. Результати дослідження засвідчили, що ввічливі мовленнєві конструкції нейтральної тональности в структурі промптів опосередковано підвищують якість взаємодії користувача з системами штучного інтелекту, оскільки сприяють чіткішому, логічнішому та структурованішому формулюванню запитів. Етикетні формули ввічливости виконують функцію непрямої конкретизації комунікативного наміру, що полегшує інтерпретацію запиту мовною моделлю та підвищує релевантність і змістовність відповідей.

91 31

Як цитувати

[1]
«ЕФЕКТИВНІСТЬ ВЗАЄМОДІЇ КОРИСТУВАЧА З ChatGPT: СОЦІОЛІНГВІСТИЧНІ АСПЕКТИ ВВІЧЛИВОСТИ», Вісник ВПІ, вип. 3, с. 153–159, Лип 2026, doi: 10.31649/1997-9266-2026-186-3-153-159.

Біографія автора

автор Л. А. Радомська, афіліація Вінницький національний технічний університет

канд. філол. наук, доцент кафедри мовознавства

Посилання

P. Ribino, “The role of politeness in human–machine interactions: a systematic literature review and future perspectives,” Artif Intell Rev, vol. 56 (Suppl 1), pp. 445-482. 2023. https://doi.org/10.1007/s10462-023-10540-1 .
J-G. Lee, and K. M. Lee, “Polite speech strategies and their impact on drivers’ trust in autonomous vehicles,” Computers in Human Behavior, vol. 127. 2022. https://doi.org/10.1016/j.chb.2021.107015 .
M. Song, H. Zhang, X. Xing, and Y. Duan, “Appreciation vs. apology: Research on the influence mechanism of chatbot service recovery based on politeness theory,” Journal of Retailing and Consumer Services, vol. 73, July 2023. https://doi.org/10.1016/j.jretconser.2023.103323 .
P. Priya, M. Firdaus, and A. Ekbal, “Computational Politeness in Natural Language Processing: A Survey,” ACM Computing Surveys, vol. 56, Issue 9, pp. 1-42. 2024. https://doi.org/10.1145/3654660 .
M. Andruccioli, G. Delnevo, S. Mirri, and P. Salomoni “PromptTone: A Dataset for Evaluating Large Language Model Code Generation Under Varying Prompt Politeness Levels,” Data, vol. 11 (4), 88. 2026. https://doi.org/10.3390/data11040088 .
Z. Yin, H. Wang, K. Horio, D. Kawahara, and S. Sekine, “Should we respect LLMs? A cross-lingual study on the influence of prompt politeness on LLM performance,” Proceedings of the Second Workshop on Social Influence in Conversations, November, рр. 9-35. 2024. https://doi.org/10.18653/v1/2024.sicon-1.2 .
AI Act. Regulation (EU) 2024/1689 of the European Parliament and of the Council. Document 32024R1689. Official Journal of the European Union, 13 June. 2024. URL: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng . Accessed: 22.01.2026.
Z. Kornieva, Y. Baklazhenko, and V. Lukianenko, “AI & AIED: Ensuring academic integrity in AI-driven education,” Advanced Education, vol. 19 (27), pp. 4-11. 2025. https://doi.org/10.20535/2410-8286.349020 .
C. A. Yue, L. R. Men, R. Mitson, D. Z. Davis, and A. L. Zhou, “Artificial intelligence for internal communication: Strategies, challenges, and implications,” Public Relations Review, vol. 50. Issue 5. 2024. https://doi.org/10.1016/j.pubrev.2024.102515 .
L. Radomska, and Y. Sulima. “AI Language Models in an Educational Context: An Analysis of Communication Strategies,” Teaching Languages at Higher Educational Establishments at the Present Stage. Intersubject Relations, no. 47, pp. 119-142. 2025. https://doi.org/10.26565/2073-4379-2025-47-08