vestsutmbВестник Тамбовского университета. Серия: Гуманитарные наукиTambov University Review. Series: Humanities1810-02012782-5825Derzhavin Tambov State University10.20310/1810-0201-2025-30-5-1083-1090vestsutmb-1679Research ArticleТЕОРИЯ И МЕТОДИКА ОБУЧЕНИЯ ИНОСТРАННОМУ ЯЗЫКУTHEORY AND METHODS OF FOREIGN LANGUAGE TEACHINGПринципы формулирования запросов технологиям искусственного интеллекта как компонент стратегий интеракцииPrinciples of requests’ formulation to artificial intelligence technologies as a component of interaction strategieshttps://orcid.org/0009-0009-3004-2192АвраменкоА. П.AvramenkoA. P.

Авраменко Анна Петровна, кандидат педагогических наук, доцент кафедры лингвистики и информационных технологий факультета иностранных языков и регионоведения,

РИНЦ AuthorID: 839847

Scopus Author ID: 57221929626 

119991, г. Москва , Ленинские горы, 1

 

Anna P. Avramenko, Cand. Sci. (Education), Associate Professor of the Linguistics and Information Technologies Department, Faculty of Foreign Languages and Area Studies

RSCI AuthorID: 839847

Scopus Author ID: 57221929626 

1 Leninskiye Gory, Moscow, 119991

avram4ik@gmail.comФГБОУ ВО «Московский государственный университет им. М.В. Ломоносова»РоссияLomonosov Moscow State UniversityRussian Federation20252811202530510831090Copyright © Авраменко А.П., 20252025Авраменко А.П.Avramenko A.P.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestsutmb.elpub.ru/jour/article/view/1679Актуальность

Актуальность. В условиях ускоренной интеграции систем искусственного интеллекта (ИИ) в прикладные и исследовательские практики формулирование запросов выступает как критически важный компонент стратегий интеракции человека и машины, а именно большой языковой модели (LLM, Large Language Model). В исследовании предпринят систематический анализ принципов построения эффективных запросов (prompting) с акцентом на их роль в повышении точности, воспроизводимости и управляемости выходных данных систем генеративного ИИ. Цель исследования – разработка таксономии типов запросов как компонента стратегий интеракции.

Материалы и методы

Материалы и методы. Использованы методы анализа и синтеза существующих теоретических и прикладных материалов по теме. Материалом послужили исследования последних трех лет, посвященные различным подходам к эффективному взаимодействию человека с машиной.

Результаты исследования свидетельствуют о наличии нескольких типов запросов на этапе первичного обращения к модели, обязательно сопровождающихся дальнейшим диалогом для проверки надежности предоставленного ответа. Алгоритм успешной интеракции с машиной включает в себя обязательные умения, которые могут быть оценены по определенным критериям и метрикам полученного ответа.

Выводы

Выводы. Стандартизация процедур составления запросов является необходимым условием для обеспечения безопасного и ответственного применения искусственного интеллекта в масштабируемых приложениях. В качестве направления для дальнейшего исследования выделено создание междисциплинарных курсов по развитию стратегий интеракции с ИИ.

Importance

Importance. In light of the rapid integration of artificial intelligence (AI) systems in both practical and research applications, the formulation of queries assumes a pivotal role in human–machine interaction strategies. This article delves into the realm of Large Language Models (LLMs) and systematically explores effective prompting principles, highlighting their significance in enhancing the accuracy, consistency, and controllability of AI-generated outputs. Our objective is to construct a comprehensive taxonomy of query types within the framework of interaction strategies.

Materials and Methods

Materials and Methods. To accomplish this, we employ methods of analysis and synthesis of existing theoretical and practical materials related to this subject. These materials are drawn from studies conducted over the past three years, exploring various approaches to optimizing human–machine communication.

Results and Discussion

Results and Discussion. The findings of the investigation reveal that there exist several types of inquiries at the initial phase of engagement with the model. Following these queries, a dialogue ensues to validate the accuracy of the provided responses. The algorithm for effective interaction with the machine necessitates specific skills that can be evaluated based on specific criteria and the metrics of the obtained response.

Conclusion

Conclusion. Establishing standardization for query generation processes is crucial for ensuring the secure and responsible utilization of AI in large-scale applications. Consequently, the development of interdisciplinary programs focused on crafting strategies for interacting with AI should be prioritized in future research endeavors.

цифровой дискурсстратегии интеракциизапросы к генеративному искусственному интеллектуcomputer mediated discourseinteraction strategiespromptingartificial intelligenceReferencesKorzynski, P., Mazurek, G., Krzypkowska, P., & Kurasniski, A. Artificial intelligence prompt engineering as a new digital competence: Analysis of generative AI technologies such as ChatGPT // Entrepreneurial Business and Economics Review, 2023. 11(3). P. 25–37. https://doi.org/10.15678/EBER.2023.110302Korzynski, P., Mazurek, G., Krzypkowska, P., & Kurasniski, A. Artificial intelligence prompt engineering as a new digital competence: Analysis of generative AI technologies such as ChatGPT // Entrepreneurial Business and Economics Review, 2023. 11(3). P. 25–37. https://doi.org/10.15678/EBER.2023.110302Сысоев П.В. Компетенция современного педагога в области искусственного интеллекта: структура и содержание // Высшее образование в России, 2025. Т. 34. No 6. С. 58–79. DOI: 10.31992/0869-3617-2025-34-6-58-79Sysoev P.V. Kompetenciya sovremennogo pedagoga v oblasti iskusstvennogo intellekta: struktura i soderzhanie // Vysshee obrazovanie v Rossii, 2025. T. 34. No 6. S. 58–79. DOI: 10.31992/0869-3617-2025-34-6-58-79Fox Tree, J., Herring, S. C., Nguyen, A., Whittaker, S., Martin, R., & Takayama, L. Conversational fluency and attitudes towards robot pilots in telepresence robot-mediated interaction // Journal of Computer Supported Cooperative Work, 2024. 33. P. 473–498.Fox Tree, J., Herring, S. C., Nguyen, A., Whittaker, S., Martin, R., & Takayama, L. Conversational fluency and attitudes towards robot pilots in telepresence robot-mediated interaction // Journal of Computer Supported Cooperative Work, 2024. 33. P. 473–498.Council of Europe. Common European Framework of Reference for Languages: Learning, Teaching, Assessment – Companion volume // Council of Europe Publishing, Strasbourg, 2020. URL: https://www.coe.int/lang-cefrCouncil of Europe. Common European Framework of Reference for Languages: Learning, Teaching, Assessment – Companion volume // Council of Europe Publishing, Strasbourg, 2020. URL: https://www.coe.int/lang-cefrOppenlaender, J. A Taxonomy of Prompt Modifiers for Text‑to‑Image Generation // arXiv preprint, 2022. arXiv:2204.13988. https://doi.org/10.48550/arXiv.2204.13988Oppenlaender, J. A Taxonomy of Prompt Modifiers for Text‑to‑Image Generation // arXiv preprint, 2022. arXiv:2204.13988. https://doi.org/10.48550/arXiv.2204.13988Si, C., et al. Prompting GPT‑3 to Be Reliable // arXiv preprint, 2022. arXiv:2210.09150.Si, C., et al. Prompting GPT‑3 to Be Reliable // arXiv preprint, 2022. arXiv:2210.09150.Cao, Y. T., Pruksachatkun, Y., Chang, K.-W., Gupta, R., Kumar, V., Dhamala, J., & Galstyan, A. On the intrinsic and extrinsic fairness evaluation metrics for contextualized language representations // Proceedings of the ACL, 2022.Cao, Y. T., Pruksachatkun, Y., Chang, K.-W., Gupta, R., Kumar, V., Dhamala, J., & Galstyan, A. On the intrinsic and extrinsic fairness evaluation metrics for contextualized language representations // Proceedings of the ACL, 2022.Ekin, S. Prompt Engineering for ChatGPT: A Quick Guide to Techniques, Tips, and Best Practices // TechRxiv, 2023. https://doi.org/10.36227/techrxiv.22683919.v2Ekin, S. Prompt Engineering for ChatGPT: A Quick Guide to Techniques, Tips, and Best Practices // TechRxiv, 2023. https://doi.org/10.36227/techrxiv.22683919.v2Kovari, A., et al. ChatGPT the Omniscient? A Guide to Effective Prompting // 2024 IEEE 7th International Conference and Workshop Óbuda on Electrical and Power Engineering (CANDO‑EPE), 2024. Pp. 000047–000052. https://doi.org/10.1109/CANDO-EPE65072.2024.10772984Kovari, A., et al. ChatGPT the Omniscient? A Guide to Effective Prompting // 2024 IEEE 7th International Conference and Workshop Óbuda on Electrical and Power Engineering (CANDO‑EPE), 2024. Pp. 000047–000052. https://doi.org/10.1109/CANDO-EPE65072.2024.10772984Kim, J., et al. Which Is Better? Exploring Prompting Strategy for LLM‑based Metrics // arXiv preprint, 2023. abs/2311.03754. https://doi.org/10.48550/arXiv.2311.03754Kim, J., et al. Which Is Better? Exploring Prompting Strategy for LLM‑based Metrics // arXiv preprint, 2023. abs/2311.03754. https://doi.org/10.48550/arXiv.2311.03754Bhandari, P., et al. A Survey on Prompting Techniques in LLMs // Technical report/preprint, 2023.Bhandari, P., et al. A Survey on Prompting Techniques in LLMs // Technical report/preprint, 2023.Fagbohun, O., et al. An Empirical Categorization of Prompting Techniques for Large Language Models: A Practitioner's Guide // arXiv preprint, 2024. abs/2402.14837. https://doi.org/10.48550/arXiv.2402.14837Fagbohun, O., et al. An Empirical Categorization of Prompting Techniques for Large Language Models: A Practitioner's Guide // arXiv preprint, 2024. abs/2402.14837. https://doi.org/10.48550/arXiv.2402.14837Авраменко, А.П., Матвеева, О.Ю. Определение уровня владения стратегиями коммуникативного взаимодействия у студентов магистратуры неязыковых факультетов (французский язык) // Rhema, 2020. № 3. P. 53–64.Avramenko, A.P., Matveeva, O.YU. Opredelenie urovnya vladeniya strategiyami kommunikativnogo vzaimodejstviya u studentov magistratury neyazykovyh fakul'tetov (francuzskij yazyk) // Rhema, 2020. № 3. P. 53–64.Yu, Z., et al. Towards Better Chain‑of‑Thought Prompting Strategies: A Survey // arXiv preprint, 2023. abs/2310.04959. https://doi.org/10.48550/arXiv.2310.04959Yu, Z., et al. Towards Better Chain‑of‑Thought Prompting Strategies: A Survey // arXiv preprint, 2023. abs/2310.04959. https://doi.org/10.48550/arXiv.2310.04959Chang, E. Y. Prompting Large Language Models with the Socratic Method // 2023 IEEE 13th Annual Computing and Communication Workshop and Conference (CCWC), Las Vegas, NV, USA, 2023. Pp. 0351–0360. https://doi.org/10.1109/CCWC57344.2023.10099179Chang, E. Y. Prompting Large Language Models with the Socratic Method // 2023 IEEE 13th Annual Computing and Communication Workshop and Conference (CCWC), Las Vegas, NV, USA, 2023. Pp. 0351–0360. https://doi.org/10.1109/CCWC57344.2023.10099179

The authors declare that there are no conflicts of interest present.