Васильева Валерия Алексеевна, кандидат социологических наук, старший преподаватель кафедры сравнительных политических исследований
Санкт-Петербург
Valeria A. Vasileva, PhD in Sociology, Senior Lecturer of Department of Comparative Political Studies
Saint Petersburg
Стремительное распространение генеративных (GPT) моделей искусственного интеллекта в научной сфере делает особенно актуальным изучение редакционных политик их использования. Авторы, рецензенты, редакторы все чаще в той или иной степени используют эти модели при написании, рецензировании и редактировании рукописей, при этом к существующим нарушениям этических норм, таким как плагиат, фальсификация, фабрикация данных, добавляются практики научной недобросовестности с применением генеративных моделей искусственного интеллекта (далее — ИИ). Как решаются сегодня эти проблемы на уровне профессиональных сообществ, издательств и отдельных журналов? Цель настоящего исследования — систематизировать действующие редакционные политики, регулирующие использование моделей генеративного ИИ в научных публикациях, и выявить нерешенные вопросы, требующие дополнительных исследований.
Методы. Описательный обзор подготовлен на основе научных публикаций 2023–2025 гг. и политик издательств и журналов, имеющихся в открытом доступе.
Результаты. В отсутствие единой международной политики по использованию генеративных моделей искусственного интеллекта в редакционном процессе, ведущие мировые и российские издательства уже выработали для авторов, рецензентов и редакторов рекомендации и правила, прописывающие взаимодействие с ИИ. В этих рекомендациях есть как единство мнений — ИИ не признается автором статьи, вся ответственность лежит на человеке, требуется декларирование факта и роли применения ИИ, так и разница в границах разрешенных практик — от мягких рекомендаций и «добросовестного использования» до формальных чек-листов и обязательных полей раскрытия в редакционных системах. Рекомендации для авторов, редакторов и рецензентов различаются исходя из их ролей, при этом для рецензентов правила наименее конкретны. Имеются дисциплинарные различия в подходах к использованию генеративных моделей ИИ.
Выявленные пробелы в исследованиях. Отсутствует согласованный международный стандарт или отраслевой консенсус по допустимому использованию генеративного ИИ в научных публикациях, недостаточно эмпирических исследований о том, как именно использование генеративного ИИ отражается на качестве статей, процессе рецензирования и восприятии читателями. Не хватает данных о перспективах и однозначности фиксации сгенерированного контента, как и практически нет кейсов по ретракции (отзыву) сгенерированных статей.
Objective. To synthesise current editorial policies governing the use of generative artificial intelligence (AI) models in scholarly publishing and to identify unresolved issues requiring further guidance and evidence.
Methods. A descriptive review of peer-reviewed publications (2023–2025) and openly accessible policies issued by publishers and journals was conducted.
Results. In the absence of a unified international standard, major global and Russian publishers have issued role-specific guidance for authors, reviewers, and editors on interacting with generative AI (e. g., GPT-class models). Areas of emerging consensus include: AI systems are not recognised as authors; accountability for content resides exclusively with human contributors; and the use and role of AI must be transparently disclosed. Notable heterogeneity persists in the boundaries of permitted practices, ranging from non-binding «fair-use» recommendations to formal checklists and mandatory disclosure fields embedded in editorial management systems. Guidance is most developed for authors and editors, whereas rules for reviewers are comparatively sparse. Disciplinary variation is evident in both the permissiveness and specificity of recommended practices.
Research gaps. There is no industry-wide consensus on acceptable uses of generative AI in research reporting or editorial workflows. Empirical evidence remains limited regarding the impact of generative AI on manuscript quality, the integrity and efficiency of peer review, and reader perception. Standards for provenance tracking and durable recording of AI-generated content are under-specified, and documented retractions explicitly involving AI-generated manuscripts are rare.
Conclusions. While norms around authorship, responsibility, and disclosure are converging, operationalisation across journals and disciplines is inconsistent. Coordinated standard-setting and rigorous empirical studies are needed to evaluate risks and benefits and to support evidencebased policy.
The authors declare that there are no conflicts of interest present.