Работа посвящена сравнительному анализу качества автоматического распознавания стандартного русского языка и его дагестанского региолекта (дагестанского русского) – контактного идиома, формирующегося в условиях многоязычия Дагестана. Десять конфигураций ASR-систем (без дообучения), представляющих три архитектурных подхода (Conformer+RNNT, Conformer+CTC, Encoder-Decoder Transformer), протестированы на корпусах стандартного русского (GOLOS, RuDevices, примерно 20 и 90 тыс. высказываний) и дагестанского русского (DaGRuS, примерно 40 тыс. высказываний). Все модели демонстрируют падение метрики WER на 33–50% при переходе к дагестанскому русскому, что указывает на проблему сильного доменного сдвига. Анализ структуры ошибок выявил три основных механизма, вызывающих снижение WER: это русификация – систематическая замена дагестанских форм фонетически близкими стандартными русскими словами; удаление дискурсивных маркеров и OOV-лексики (этнонимов, топонимов); галлюцинации генеративных моделей на непонятных фрагментах. Установлено, что сквозные архитектуры-архитектуры деградируют слабее каскадных (33–35% против 40–42%), однако ни одна из моделей не достигает приемлемого качества (минимум WER около 43%). Сформулированы рекомендации для проектирования ASR-систем, устойчивых к региональной вариативности русского языка.

Исследована способность больших языковых моделей выявлять в русскоязычных диалогах последовательности приветствий и прощаний и определять их точные прагматические границы. Рассмотрены YandexGPT 5.1 Pro, GigaChat 2 Max и GPT-5 с целью: классификации диалогов по наличию указанных последовательностей и извлечении отдельных высказываний с учетом их интенциональных границ. На материале 216-ти диалогов из «Мультимедийного корпуса речевого этикета русского языка» проведен эксперимент, позволивший учесть широкий коммуникативный и социальный контекст взаимодействия. GPT-5 продемонстрировал наиболее высокое качество классификации на уровне диалога, тогда как YandexGPT и GigaChat достигли почти идеальной точности за счет консервативных стратегий. При извлечении точных границ качество всех моделей заметно снижается. Анализ ошибок показал, что модели систематически включают лишние контекстуальные невербальные действия и пропускают нестандартные маркеры: жесты, формы обращения, дискурсивные маркеры и импликатуры, указывающие на будущий контакт. Представлены актуализированное описание корпуса, его веб-интерфейс, а также возможности формирования диагностических подкорпусов и бенчмарков. Полученные результаты подчеркивают необходимость более точного учета структуры дискурса и контекстуальной вариативности повседневного общения.

Настоящее исследование является продолжением работы над пилотной системой по детекции противоречий в судебных постановлениях, целью которой является выявление противоречий между судебными постановлениями по делам об административных правонарушениях и регулирующими нормами. Представленный ранее пайплайн, включающий правиловую предобработку документов, поиск по репозиторию правовых норм и дообучение LLM с использованием адаптера LoRA, обеспечил приемлемый уровень качества [1], однако имел ряд ограничений, связанных с компонентом RAG. В отличие от LLM, RAG не обучался на юридических текстах, что приводило к потере релевантных для сопоставления фрагментов на этапе поиска сходных текстовых пар, в связи с чем проведен анализ качества RAG и выполнено улучшение RAG-части системы.

Для оценки полноты извлечения данных созданы датасет из 30 документов и автоматические тесты, содержащие все пары релевантных для сопоставления предложений из данного датасета (более ста пар). На этих данных рассчитана полнота для исходной версии модели, использующей эмбеддинги предложений sbert_large_nlu_ru для создания векторной базы и вычисления косинусной близости.

Для повышения полноты извлекаемых данных проведены следующие эксперименты: (1) дообучение исходных эмбеддингов на обучающем датасете; (2) добавление модели-ранжировщика с дообучением и без; (3) комбинирование вариаций «базовые/дообученные эмбеддинги» и «базовый/дообученный ранжировщик» на нескольких версиях параметра top_k (количество извлекаемых соответствий); (4) замена модели эмбеддингов предложений на другие варианты. В результате существенно повысилось качество RAG – с 72% до 90%, однако увеличение количества извлекаемых фрагментов снизило общую точность системы, что требует ее дальнейшей калибровки. Кроме того, проведены реорганизация базы кодексов, расширение тестовой выборки и улучшение алгоритма фильтрации нерелевантных предложений из постановлений.

Статья посвящена проблеме коммуникативной предвзятости систем автоматического распознавания речи при работе с атипичной речью на русском языке. Актуальность исследования обусловлена активным внедрением технологий искусственного интеллекта в социальную сферу и государственное управление в России, что предполагает обеспечение их доступности для различных категорий граждан, включая людей с речевыми нарушениями. Введено понятие коммуникативной предвзятости ASR-моделей как свойства системы в условиях неопределенности (атипичная речь, шум, паузы) принимать решения о заполнении смысловых и акустических лакун на основе собственной обучающей выборки. В эмпирической базы исследования выбран корпус RuAphasiaBank, включающий записи речи пациентов с различными типами афазии (моторной, сенсорной, семантической, сенсомоторной) разной степени тяжести, а также нейротипичных информантов. Для сравнительного анализа были отобраны шесть ASR-моделей, работающих с русским языком: две открытые (GigaAM, T-One) и четыре коммерческие (Yandex SpeechKit, Any2Text, Charla, Speech2Text). Качество распознавания оценено с использованием метрик WER и CER, а также с помощью  анализа соотношения вставок, удалений и замен на уровне слов и символов. Результаты показали, что модели реализуют различные стратегии при столкновении с атипичной речью: «паническое укорачивание» (GigaAM, Yandex SpeechKit), «лексическое сохранение» в ущерб точности (T-One) и «стабильная» стратегия сбалансированных ошибок (Any2Text, Speech2Text, Charla). Лингвистический анализ выявил, что каждая модель порождает специфический искаженный коммуникативный стиль: от разговорной диалогической речи до стиля, ассоциируемого с когнитивными нарушениями или употреблением молодежного сленга. На основе полученных данных моделируются потенциальные риски для социального самочувствия и правовой защищенности пациентов с афазией при использовании голосовых помощников в государственных учреждениях.

Рассмотрена проблема формального представления знаний о дезинформации в малоресурсном двуязычном медиапространстве. Автоматическое обнаружение фейковых новостей традиционно сводится к бинарной классификации REAL/FAKE, которая не описывает внутреннюю структуру недостоверного сообщения: тип фейкового контента, применённую технику дезинформации, коммуникативное намерение автора, характеристики источника и доказательной базы.

В работе представлены два взаимосвязанных ресурса. Первый – двуязычный корпус KazFakeCorpus: 4276 текстов на казахском и русском языках, сбалансированных по классам внутри каждого языка; класс REAL сформирован из официальных материалов портала Gov.kz, класс FAKE – из их контролируемых трансформаций. Разметку по многоуровневой семантической схеме выполнили в среде Label Studio два независимых эксперта; значения Krippendorff’s Alpha по основным уровням составили 0,79–0,88. Второй ресурс – онтология KazFakeOnto, переводящая схему разметки из плоского реляционного представления в формальную модель на языке OWL 2 DL: 38 классов, 26 объектных свойств, 22 свойства данных, 112 индивидов, 1155 утверждённых триплетов. Одиннадцать определяемых классов не утверждаются вручную, а выводятся ризонером из значений свойств; цепочка свойств связывает материал с аннотатором через объект аннотации. Непротиворечивость проверена с помощью HermiT, запросный слой апробирован на пятнадцати SPARQL- и тринадцати DL-запросах.

Показано, что онтологический слой обеспечивает воспроизводимую спецификацию схемы разметки, автоматический вывод содержательных категорий и единую формальную среду для постановки корпусно-лингвистических вопросов и анализа ошибок моделей машинного обучения. Обсуждаются ограничения подхода и направления масштабирования онтологии на полный корпус и на естественно возникающую дезинформацию.

Представлен RusHallu-RAG – первый комплексный бенчмарк для обнаружения галлюцинаций в русскоязычных RAG-системах. Набор данных из 1000 пар «запрос – ответ» охватывает области общего знания и научных текстов с контролируемой балансировкой релевантности контекста. Предложена детализированная таксономия из шести типов галлюцинаций, использованная для разметки на уровне всего ответа и отдельных его фрагментов с привлечением экспертов и больших языковых моделей.

Для обучения детектора собран сбалансированный тренировочный датасет объемом 3000 примеров с применением синтетических методов генерации. На его основе методом SFT обучен детектор на базе YandexGPT-5-Lite-8B. Проведена оценка 15 моделей с открытыми и закрытыми весами, а также обученного детектора. Результаты показали, что число параметров не гарантирует высокой производительности: модели среднего размера (20–33 млрд) иногда превосходят более крупные. Обученный детектор достигает средней точности 63.7%, занимая второе место после закрытой Gemini-2.5-Pro, с приростом 47.2 п.п. относительно исходной модели. Разрыв между закрытыми и открытыми моделями сокращается с 20–35 до 8.4 п.п., что подтверждает эффективность подхода. Бенчмарк, код и обученная модель опубликованы в открытом доступе.

Работа посвящена созданию первого корпуса для осетинского языка с морфологической разметкой в формате Universal Dependencies. Корпус состоит из размеченных вручную текстов Устного корпуса осетинского языка, содержит 5454 предложения и имеет суммарный объём 73 042 токена. Также в работе представлен морфологический анализатор на основе архитектуры BERT, достигающий пословной корректности 95,60%. Кроме того, в работе приведены результаты экспериментов по улучшению качества классификации. Показано, что фильтрация выдачи модели с помощью бесконтекстного анализатора и многозадачный подход не приводят к значительному улучшению. Наконец, в работе представлены результаты тестирования анализатора на внедоменных данных и показано, что на них модель достигает пословной корректности 91,45%. Статья является расширением статьи конференции «Диалог».

Распознавание эмоций в тексте является одной из актуальных задач обработки естественного языка. В работе исследовано влияние морфологической формы глагола на качество эмоциональной классификации моделями-энкодерами и выявлены факторы, определяющие морфологическую чувствительность языковых моделей. Для эксперимента использованы три модели (ruBERT-tiny2, ruBERT-base, ruRoBERTa-large), дообученные на объединенном корпусе из четырех русскоязычных датасетов (22852 примера). Каждая модель классифицировала 5676 морфологических форм 473 глаголов из Russian Emotion Lexicon. В результате зафиксировано систематическое влияние морфологии: различия в качестве классификации между формами по метрике F1 достигают 20–25% для всех моделей. Для объяснения установленных закономерностей был проведен анализ характеристик обучающих данных. Показано, что частотность морфологических форм в корпусе частично коррелирует с качеством классификации, однако не является единственным определяющим фактором. При анализе распределения эмоций по морфологическим формам выявлено, что в обучающем корпусе императив преимущественно встречается в контекстах с эмоцией «Радость». Однако глаголы класса «Грусть» в форме повелительного наклонения систематически классифицируются энкодерами как «Злость». Это расхождение между характеристиками обучающих данных и результатами классификации указывает на то, что императив в сочетании с семантикой грусти интерпретируется моделями как выражение агрессии, что свидетельствует о взаимодействии грамматической формы с семантикой глагола при определении эмоционального класса.

Большие языковые модели все активнее применяются в социальных и психологических науках, однако их предсказания систематически смещены относительно экспертной разметки (эффект смещения выравнивания, alignment shift), а попытки улучшить инструкции вручную или с помощью примеров приводят к так называемому эффекту «перетягивания одеяла» – деградации миноритарных классов.

В работе предложен PromptAlign – автоматический конвейер оптимизации инструкций, не требующий ни доступа к весам модели, ни участия человека в итеративной коррекции, так как таксономия и пространство признаков задаются экспертом априори. Конвейер извлекает гибридные лингвистические и семантические признаки с помощью большой языковой модели, строит на их основе интерпретируемые L1-логистические регрессии для локализации расхождений с экспертом, выполняет метаанализ ошибок и компилирует новые инструкции, управляя балансом через метрику индекса дисбаланса классов (Blanket Pulling Index, BPI). Эксперимент на корпусе, включающем 541 текст на русском языке, с тремя психологическими классами показал рост macro-F1 на отложенной тестовой выборке с 0.655 до 0.749 и минимальной классовой F1 с 0.449 до 0.656 (p > 0.99 по парному бутстрэп-тесту). Метод значимо превосходит базовые уровни — без примеров (zero-shot) и с подачей примеров (few-shot). Анализ вклада компонентов подтвердил критическую роль семантической интерпретации признаков и периодической перекомпоновки инструкций. Итоговая инструкция содержит пять правил, отражающих латентные критерии экспертов; в отличие от неинтерпретируемых моделей автоматических оптимизаторов, эти правила доступны для проверки и корректировки специалистом.

Основная цель создания информационной системы сопровождения лицензий (ИССЛ) состояла в автоматизации управления, приобретения, обслуживания и использования лицензионных программных продуктов. Представлены результаты развития этой системы за последние два года. Реализован механизм согласования заявок, и на его основе созданы различные типы заявок: заявки пользователя на новую лицензию, добавление новых программных продуктов в каталог поддерживаемого программного обеспечения, заявки аудитора на закупку дополнительных лицензий. Выполнены работы по наполнению базы данных ИССЛ, удобному представлению информации о лицензиях и различной статистической информации, а также интеграции с другими сервисами в рамках Цифровой экосистемы Объединенного института ядерных исследований.

Рассмотрена задача выбора технических решений для компонентов системы управления научными данными. Последние разделены на три категории: научные датасеты, научно-техническая и наукометрическая информации – различающиеся по структуре, объему, характеру обновления, профилю доступа и требованиям к метаданным, что усложняет эффективное управление ими в рамках единого универсального хранилища. На основе типологизации данных и сценариев использования для ключевых ролей (исследователь, аналитик, инженер данных, администратор) сформированы требования к компонентам системы. Был проведен сравнительный анализ альтернативных решений по каждому компоненту и предложена модульная архитектура, разграничивающая исходные данные и их производные представления. Определены согласованный набор технологий, совместимый с локальным развертыванием, а также сквозные механизмы идентификации, авторизации и управления ресурсами.

Описана архитектура многофункциональной лингвистической платформы “TurkLang”, создаваемой в Институте прикладной семиотики Академии наук Республики Татарстан. В основе системы лежит трехуровневая база знаний: общеязыковые универсалии, описания единиц конкретных языков и эмпирические речевые данные. База знаний реализована в виде графа, где основной единицей хранения выступает морфема. Это решение обусловлено элементно-комбинаторной природой тюркских языков: словоформа представляет собой линейную цепочку, состоящую из корня и последовательно присоединенных аффиксов – модификаторов, каждый из которых выражает одну грамматическую категорию (падеж, число, время и т. д.) в строго фиксированном порядке. Рассмотрены уровни абстракции, типы связей между сущностями, механизмы интеграции с внешними источниками (электронная энциклопедия, лексикографические ресурсы, геоинформационные системы). Особое внимание уделено применению международных стандартов синтаксической, семантической и прагматической (DiAML) аннотаций. Выполнено сравнение с существующими платформами (Sketch Engine, LingvoDoc, Apertium). На сегодняшний день база знаний платформы охватывает более 30 языков и диалектов, содержит более 237 тыс. корневых морфем и около 40 тыс. правил сочетаемости, а корпусная часть насчитывает свыше 180 млн словоупотреблений.

Изучение взаимодействий между пользователями информационных систем является актуальной задачей в гуманитарных и технических исследованиях. Представлена разработка регрессионной модели, прогнозирующей изменения в выраженности содержательных компонентов текста при воздействии со стороны других людей. В качестве источника данных выступили короткие беседы (триплеты сообщений) между двумя пользователями в социальных сетях. Обучаемая модель разработана для применения в составе когнитивной архитектуры, отображающей модель поведения субъекта в цифровой среде.

Представлены основные подходы к созданию систем управления метаданными в цифровых математических библиотеках, цифровых платформах и исследовательских инфраструктурах. Описаны способы представления метаданных в цифровых библиотеках и подходы к редактированию метаданных, принятые в различных цифровых математических проектах. Предложен редактор метаданных документов цифровых научных коллекций, разработанный как основной компонент фабрики метаданных цифровой математической библиотеки Lobachevskii-DML.  

В статье рассматривается база семронов татарского языка как цифровой лингвистический ресурс для объяснительного искусственного интеллекта. Предлагается модель Большой семиотической базы семронов, в которой лексико-грамматические единицы представлены как семроны – потенциальные смыслообразующие единицы с формой, классом, синтаксическими, семантическими и прагматическими характеристиками, валентностями, правилами активации, корпусными подтверждениями, связями с графом знаний и статусами экспертной проверки. Фреймовое представление используется как способ организации записи семрона: базовый фрейм фиксирует потенциальные возможности единицы, а специализированный фрейм сейрона описывает её контекстную реализацию после закрытия одной или нескольких валентностей. Показано, что такая база может выполнять функцию ресурсного слоя Семиотической генеративной распознающей модели, обеспечивая переход от морфемной структуры татарского текста к ситуационной модели, верифицируемой цепочке и объяснению. Компактные примеры записей демонстрируют структуру фрейма, типы слотов и фасетов, принципы верификации и возможные форматы представления данных.

В условиях расширения применения адаптивных курсов в системе высшего образования актуальной становится проблема ранней идентификации отстающих студентов и автоматической коррекции их индивидуальной образовательной траектории. Существующие методы идентификации отстающих студентов не проводят глубокого анализа индивидуализированного подхода к обучению, используемого студентом. Применяемые обобщенные алгоритмы адаптивного обучения напрямую не решают задачу идентификации отстающих студентов, что может привести к позднему их обнаружению, когда уже нет возможности скорректировать подход к обучению для успешного завершения курса такими студентами.

Разработаны алгоритмы выявления отставания студента при освоении учебной дисциплины, основанные на прогнозировании результатов индивидуализированного обучения с использованием модели предметной области. Предложены также алгоритмы автоматической коррекции индивидуальной образовательной траектории, которые, в отличие от существующих подходов, формируют индивидуальную образовательную технологию для обеспечения успешного завершения учебного курса. Эти алгоритмы могут быть внедрены в существующие адаптивные системы обучения для повышения доли студентов, успешно завершивших обучение на адаптивных курсах.

Предложен новый подход к построению территориально-распределенных информационных систем на основе мультиагентной архитектуры, позволяющий отказаться от жесткой унификации протоколов и каталогизации ресурсов в пользу динамической интеграции источников данных. Ключевым элементом системы является агент верификации, обеспечивающий проверку достоверности результатов научных исследований через формальный контроль и использование нескольких больших языковых моделей. Разработанный прототип, реализованный на платформе GeologyScience.ru, устраняет недостатки существующего ИИ-ассистента, связанные с галлюцинациями и недостоверностью информации, и создает основу для накопления проверенных знаний.

Рассмотрены проблемы оценки достоверности информации, извлекаемой из научно-популярных текстов. Как известно, научно-популярный жанр характеризуется свободным стилем изложения материала, нестрогими отсылками к первоисточникам и экспертным мнениям, наличием спорных утверждений и выводов. Уточнение этих компонент авторских рассуждений может существенно повысить степень доверия к ним критически настроенных читателей или, наоборот, позволит опровергнуть тезисы, приводимые авторами.

В работе предложен новый подход к решению задачи оценки достоверности информации, содержащейся в научно-популярных публикациях. Подход предполагает применение теории аргументации Д. Уолтона для выявления потенциально недостоверных утверждений и логических ошибок в рассуждениях. Поиск в научных базах данных и вычисление метрик доверия к научным публикациям на основе их метаданных и научных рейтингов будет обеспечивать верификацию спорных утверждений и оценку их достоверности. Применение больших языковых моделей позволит сгенерировать объяснения принимаемых решений.

Для разработки и апробации этого подхода предложены две методики сбора данных. В первой используются корпуса русскоязычных научно‑популярных текстов и комментарии к ним с аргументативной разметкой. Такая разметка включает, в том числе, полемические схемы аргументации, аннотированные вручную, которые подвергают сомнению тезис или аргумент автора. Базой второй методики служит генерация с помощью LLM синтетических тезисов и научно-популярных статей на основе реальных научных публикаций.

Представлена информационно-аналитическая система оценки восьми когнитивных функций авиационного персонала на основе нечеткой логики. На вход системы подаются 14 входных переменных, являющихся результатами прохождения испытуемыми 13 валидизированных психодиагностических методик. Основой функционирования системы является алгоритм нечеткого вывода Мамдани, масштабируемый под размерность входного пространства (1, 2 или 3 метрики) и использующий адаптивные базы продукционных правил (3, 9 или 27). Сформированные количественные оценки восьми когнитивных функций в диапазоне [0; 1] поступают на трехуровневый классификатор, реализующий их качественную интерпретацию посредством отнесения к одной из трех зон: риска [0; 0.4], допустимого уровня (0.4; 0.7] или высокого уровня (0.7; 1]. Практическая значимость разработанной информационно-аналитической системы заключается в создании её как инструмента автоматизированной поддержки принятия решений для специалистов по профессиональному отбору. Внедрение системы позволит перейти от бинарной оценки «годен/не годен» к дифференцированному управлению кадровыми рисками, учитывающему структуру когнитивного профиля кандидата.

Представлены основные возможности цифровой образовательной платформы Мирера, относящейся к классу полидисциплинарных информационных интеллектуальных систем и предназначенной для комплексной поддержки образовательного процесса. Платформа объединяет средства управления обучением, автоматизированной проверки заданий, образовательной аналитики, учета посещаемости и интеллектуальной поддержки преподавателей и обучающихся на основе технологий искусственного интеллекта. Описаны основные функциональные возможности системы, включая автоматическую проверку заданий по различным дисциплинам, инструменты формирования адаптивных образовательных траекторий, анализ цифрового следа обучающихся, встроенные средства коммуникации и нейросетевых ассистентов. Рассмотрены механизмы автоматизации рутинных процессов и поддержки принятия педагогических решений на основе данных. Результаты пилотного внедрения показали, что использование платформы способствует снижению нагрузки на преподавательский состав, повышению вовлеченности студентов и повышению эффективности управления образовательным процессом, что подтверждает потенциал применения цифровых образовательных платформ в качестве инструмента трансформации высшего, среднего общего и специального профессионального образования.

Автоматическая обработка ионограмм радиозондирования ионосферы необходима как для оперативного мониторинга ионосферы, так и при анализе массивов архивных данных радиозондирования. Основным этапом для достижения этой цели является автоматическое обнаружение и классификация треков – следов отраженных мод радиосигнала на ионограммах. В работе представлены методика, результаты и выполнен сравнительный анализ применения нейросетевых моделей (нейросетевых архитектур) для инстанс-сегментации Mask RCNN и YOLO. Наиболее успешными оказались модели семейства YOLO, которые обеспечивают как высокую точность, так и вычислительную эффективность. При этом точное попиксельное совпадение масок не является критичным – ключевым требованием является корректная локализация полезного сигнала. Использование указанных моделей для выделения треков на ионограммах продемонстрировало умеренную, но достаточную эффективность: основные структуры треков надежно идентифицируются. В будущем планируется расширение набора применяемых моделей, прежде всего за счет визуальных трансформеров.

Рассмотрена задача извлечения семантических связей между математическими формулами и концептами из неструктурированных PDF-документов, включая сканированные. Предложен сквозной конвейер обработки, объединяющий оптическое распознавание, восстановление структуры параграфов, выделение формул и переменных, а также их связывание с концептами на основе синтаксических шаблонов русского языка. Разработаны формальные модели для двух типов связей: «переменная – концепт» и «переменная – главная формула». Проведена экспериментальная оценка качества на коллекции из 150 математических статей; достигнуто повышение точности связывания на 18% по сравнению с предшествующей версией. Описаны архитектурные решения прототипа веб-сервиса, обеспечивающие асинхронную обработку и масштабируемость.

Представлен формализованный метод автоматического обнаружения изменений требований к программному обеспечению в процессе эволюции версий технической документации. Исходными данными служат множества требований, извлеченных и классифицированных на функциональные и нефункциональные, с дополнительной детализацией типов нефункциональных требований (производительность, безопасность, доступность и др.) для каждой версии документации. Задача сопоставления требований между версиями сведена к построению частичного отображения между множествами требований и присвоению каждому требованию статуса: неизмененное (Unchanged), измененное (Modified), новое (New) или удаленное (Deleted). Предложена композитная функция сходства пар требований, объединяющая семантическое сходство на основе векторных представлений (эмбеддингов), лексическое сходство, совпадение класса требования и структурный контекст документа. Представлены результаты применения метода на открытом наборе пар требований. Разработан прототип системы анализа изменений требований в технических документациях.

Исследован синтез ионограмм вертикального радиозондирования ионосферы с использованием физически информированных нейронных сетей. В предложенном подходе нейронная сеть применена не для непосредственного формирования изображения, а для аппроксимации высотного профиля электронной концентрации. Обучение сети выполнено с учетом стационарного одномерного уравнения баланса, включающего источник ионизации, рекомбинационные потери и эффективный перенос заряженных частиц. В функцию потерь дополнительно введены граничные условия, ограничение на гладкость профиля и диагностические параметры слоя F₂. Полученный профиль электронной концентрации преобразован в распределение плазменной частоты по высоте. Затем без учета магнитного поля Земли и столкновений электронов с другими частицами рассчитаны точки отражения, групповой показатель преломления и зависимость действующей высоты от частоты зондирования. На основе этой зависимости сформировано синтетическое изображение ионограммы с фоновым шумом и вертикальными помеховыми структурами. В пилотном эксперименте получены физически разумные масштабы максимума электронной концентрации и критической частоты слоя F₂. Результаты подтверждают возможность построения единой физически согласованной цепочки от высотного профиля электронной концентрации до изображения ионограммы. Разработанный подход может применяться для генерации контролируемых синтетических данных, исследования влияния параметров ионосферы на форму ионограммных следов и последующей разработки алгоритмов автоматической обработки результатов радиозондирования.

Исследована когнитивная нагрузка пользователей мультиролевой 3D-платформы. В эксперименте (71 участник: 34 дизайнера, 37 покупателей; 639 наблюдений) объективными метриками и субъективными шкалами выявлены разные профили нагрузки: дизайнеров замедляют формы ввода, покупателей – 3D-контент. На основе 34 проблемных зон сформулированы семь принципов проектирования интерфейса и классификация задач по уровню когнитивной сложности с учетом ролевой специфики. Повторное тестирование (21 участник) подтвердило эффективность: время выполнения задач сократилось на 21–28%, ошибки – на 33–44%, фрустрация – на 25–35%, использование 3D-функций выросло с 40.5% до 90.9%. Разработанная трехкомпонентная модель (таксономический, диагностический, проектный уровни) рекомендована для проектирования аналогичных мультиролевых платформ с 3D-функционалом.