Научный поиск: новые возможности агрегаторов электронных ресурсов
Развитие электронных образовательных ресурсов тесно связано с технологиями научного поиска. К необходимости подбирать источники по теме исследовательской работы сегодня добавляются задачи проверки на заимствования, использование нейросетей, поиска научных коллабораций и партнёрств.
От библиотечных каталогов и рукописных карточек поисковые технологии сделали головокружительный скачок к дискавери-сервисам и системам, основанным на искусственном интеллекте (ИИ). Эксперты обсудили актуальные задачи и эффективные инструменты научного поиска применительно к электронно-библиотечным системам (ЭБС).
Директор по развитию НИЦ ИНФРА-М Алексей Еманов рассказал о сервисах в помощь исследователям ЭБС «Знаниум» — политематической полнотекстовой базы учебной и научной литературы от отраслевых и вузовских издательств. Сервис поддерживает различные способы авторизации, есть возможность интеграции с ИT-системами организаций и LMS. ЭБС содержит 116 тыс. документов от 250+ издательств.
Экосистема «умных» сервисов «Знаниум» объединяет восемь инструментов.
«Саммари» — инструмент на основе ИИ для быстрого знакомства с книгой.
«Похожие» — сервис для подбора аналогичных книг. В числе его возможностей сопоставление полных текстов документов в ЭБС, расширение возможностей поиска тематической литературы вне рамок классификаторов, удобные инструменты экспорта данных.
«Ассистент преподавателя» на основе ИИ служит задачам поиска основной и дополнительной литературы для рабочих программ дисциплин. Доступны поиск литературы по предоставленному текстовому описанию, фильтрация по годам публикаций книг и наличию в подписке организации, инструменты выгрузки данных.
Знаниум GPT — поисковая система на базе технологии RAG (Retrieval-Augmented Generation). Она объединяет возможности языковых моделей и достоверность лицензионного контента ЭБС «Знаниум».
– Представьте консультанта, который прочитал все книги в нашем фонде,
помнит каждую страницу и готов мгновенно ответить на ваш вопрос или подобрать книги. Теперь такой консультант доступен 24/7, — отметил эксперт.
Znanium AI – сервис научных рекомендаций. Он позволяет осуществлять подбор релевантных технологий по технологическим запросам, экспертов/рецензентов для грантовых заявок, научных статей, диссертаций и т.п., рекомендовать журналы для публикации научных результатов. Ещё одна опция — использование рекомендательной модели ассоциированных понятий предметных областей науки и техники для формирования и уточнения поисковых запросов к ЭБС «Знаниум».
«Знаниум API» — автоматический канал передачи данных об электронных изданиях напрямую в системы библиотеки. Он отправляет в ИT-системы вуза (АБИС, LMS, сайт библиотеки) сведения о книгах и статьях из подписки Znanium, отслеживает изменения в подписке: новые поступления, исключения, обновления, предоставляет готовые ссылки для быстрого доступа к контенту. Можно получить перечень всех изданий с фильтрацией по подписке, тематике, типу, детали по конкретной книге, актуальный статус подписки.
«Знаниум» интегрирован с системами научного поиска, в частности с «Неопоиском». Доступны технология «умного поиска» (семантический, эксплоративный, кроссязыковой), предметизация контента по ГРНТИ, номенклатуре ВАК, индикация изданий по включённости в наукометрические базы, визуализированный аналитический блок: кумулятивная масса документов по годам, распределение результатов поиска в разрезе авторов, коллекций, журналов, распределение патентов по правообладателям, месту защиты диссертации и т.п., свыше 35 фильтров для уточнения поискового запроса, 17 полей расширенного поиска.
В ЭБС интегрирована система авторизации MyLoft. Доступны дискавери-сервис, система организации обучения Moodle, сервисы «Библиотека рекомендует», «Мои закладки», «Мои любимые книги», сервис оповещений.
В завершение выступления эксперт отметил критерии качественной ЭБС:
- актуальный контент;
- корректные метаданные;
- удобство поиска;
- тематическая навигация;
- рекомендательные механизмы;
- связность контента;
- инструменты персонализации;
- прозрачная статистика использования;
- интеграция с библиотечными информационными системами;
- ИИ-технологии с этическим фильтром.
Как отметила коммерческий директор ООО «Неопоиск», генеральный директор ЭБС «Айбукс» Елена Коробова, публичный ИИ может выдумывать факты и ссылки, название и аннотация книги/статьи не заменяют полный текст, а убедительный ответ не всегда достоверен. Подход «Неопоиска» — поиск материалов в академической базе (это все российские и зарубежные провайдеры, ресурсы открытого доступа и т.д.), анализ доступных текстов, ответ со ссылками на найденные документы и возможность проверить выводы по первоисточникам. Доступны два аватара — Нео и Анна, их функционал одинаковый, но стиль общения различается.
— Это не универсальный чат-бот, а ИИ для реальных сценариев вуза — от научного поиска и подготовки ВКР до работы преподавателя, — отметила эксперт.
В исследовательской сфере инструмент позволяет сравнивать научные подходы, формировать структуру статьи, работать с аргументами и ссылками на доказательную базу, выявлять связи публикаций и патентов, подбирать соавторов, соисполнителей и журналов для публикаций, проверять факты и возможные конфабуляции.
В области образования — подбирать актуальную литературу к дисциплине, готовить лекции и семинары, создавать задания и объяснять сложные темы, сопровождать курсовые и ВКР.
Рабочая версия сервиса «Неопоиск AI» будет представлена на Конгрессе молодых учёных в Санкт-Петербурге в декабре 2026 г. после этого университеты получат возможность работать с этим ИИ-ассистентом.
Тему продолжила Инна Ольгина, региональный директор по развитию ООО «Неопоиск». По словам эксперта, в «Неопоиске» создали систему, которая опирается на лучший мировой опыт дискавери-сервисов, но адаптирована под российские реалии.
— Мы не просто ищем слова, но построили архитектуру доступа к знаниям, которая полностью берёт на себя рутину агрегации, дедубликации и анализа данных, — отметила она.
По состоянию на июнь 2026 г. в базе более 145 млн документов. Это не только коммерческие подписки: проиндексирован огромный пласт контента открытого доступа, диссертаций и патентов. Самое главное — система производит «умную» дедубликацию: если книга есть в трёх ЭБС и на полке библиотеки, пользователь увидит одну карточку с вариантами перехода.
Индексная база сервиса обеспечивает покрытие 86% ресурсов национальной подписки. Полностью проиндексированы Национальная платформа периодических научных изданий (600+ журналов), журнальные статьи издательства «Наука». Из ресурсов открытого доступа индексируются PubMed, «КиберЛенинка», Hindawi. Анализу подлежат авторефераты диссертаций (источники — ВАК РФ и РГБ). Индексируются препринты из Arxiv.org, а также каталоги печатных фондов библиотек и репозитории ведущих вузов России и СНГ. 79% в базе «Неопоиска» составляет англоязычный контент, 12% — русскоязычный. Самый популярный контент — статьи из журналов (76%), на втором месте главы из книг (10%).
В проекте реализованы семантический поиск (сервис «понимает» смысл запроса без точных ключевых слов), эксплоративный поиск (функция «найти похожие» для глубоких междисциплинарных связей), кроссязыковой поиск. Доступна автоматическая предметизация контента по ГРНТИ и номенклатуре ВАК.
Аналитический инструментарий позволяет выявлять тренды и проводить анализ в заданных предметных областях. У каждого документа и поисковой выдачи существует «облако» ключевых слов на русском и английском языках. Всё это реализовано на основе методов ИИ.
Как отметила эксперт, даже дорогие подписки часто используются неэффективно: ресурсы сложно найти, студенты и преподаватели не знают о возможности доступа, а статистика использования непрозрачна. «Неопоиск» даёт возможность в режиме реального времени получать аналитику по востребованности ресурсов, поисковым интересам, статистике использования, эффективности подписок. Это способствует оптимизации бюджета, позволяя принимать решения на основе данных, отказаться от невостребованных подписок и перераспределять финансирование эффективнее.
Все контентные сервисы стремятся сохранить читателей, получить преимущества и не потерять в качестве. Компания «Ивис» создаёт полнотекстовые базы электронных периодических изданий. На платформе более 2 тыс. газет и журналов от 500 издательств России и стран СНГ, представлены англоязычные журналы. Особенность компании — создание полных архивов литературных изданий и научных журналов. Ивис — агент-распространитель продукции зарубежных издателей, в частности по изучению китайского языка от Пекинского университета.
Как отметила замдиректора по маркетингу и продажам компании «Ивис» Марина Ушанова, нейросети сейчас активно присутствуют во всех сферах нашей жизни, и нередко говорят, что Интернет на грани гибели. Пользователи всё чаще обращаются для поиска к нейросетям. По данных HeadHunter, 50% россиян не переходят по ссылкам на сайты, полностью доверяя ИИ. По зарубежным данным, эта доля ещё выше: до 80–85%.
— Для нас важна статистика использования нашего ресурса, а она снижается, потому что и студенты, и преподаватели идут более лёгким путём и получают информацию из ИИ. Базы данных — достоверный источник информации не только для пользователей, но и для нейросетей. ИИ не может сканировать печатные издания, а архивы, которые мы делаем, – это большой кропотливый труд, очень часто приходится собирать информацию по крупицам. И она уникальна, в открытом доступе её не найти. Издатели и правообладатели не готовы отдавать свои коллекции в ИИ бесплатно. Не получая такую информацию, нейросети начинают её просто придумывать. Например, коллеги из ЧОУНБ проводили эксперимент: через одну из известных отечественных моделей составляли библиографический список российских научных статей по теме использования ИИ в библиотеках. В результате большинства статей просто не оказалось. Если сделать запрос в базе данных, можно получить проверенные источники, — отметила эксперт.
Безусловно, необходима и консолидация с нейросетями.
— Мы применяем ИИ для снятия языковых барьеров. С использованием ИИ стал более качественным перевод. Один из наших партнёров, китайская платформа Wanfang, использует ИИ для перевода своих материалов на английский и русский языки, а это более 8,5 тыс. журналов, 5 млн диссертаций, научные конференции и патенты, т.е. очень большой объём информации. Кроме того, ИИ применяется на платформе для поиска и обработки статей — не просто по ключевым словам, но по контексту. Пользователь получает подборку с описанием статей и принимает решение, подходит ли она для работы. Другая платформа, Jus Mundi, содержит ИИ-агента, который помогает ориентироваться в контенте, поиске кейсов, генерации результатов. Поиск осуществляется только в рамках платформы, информация проверена, галлюцинаций быть не может. Планируем и на нашей платформе делать подобный сервис, — рассказала Марина Ушанова.
В мае 2026 г. небольшая группа исследователей заявила о том, что они подготовили 380 статей за 12 часов, т.е. построили набор агентов, которые проанализировали экономические данные, сформулировали потенциальные гипотезы, проверили их на статистике. Всё это делал ИИ по довольно простому заданию человека. Каждая из статей вполне пригодна для того, чтобы быть опубликованной в цитируемом журнале. Всё выполнено корректно на каждом этапе. Поэтому в любой научной работе нужно анализировать не только конечный результат, но и траекторию его получения, считает руководитель компании «Думейт» Юрий Чехович.
Как отметил эксперт, ИИ становится неотъемлемой частью рабочего места исследователя. На конец 2025 г. 2/3 учёных и 90% студентов используют его на постоянной основе.
— Но инструменты ИИ не должны заменять человека, они лишь призваны помочь сделать ему хорошую работу. Сейчас самый жестокий рецензент научной статьи — тоже ИИ. Это всеведущий и внимательный читатель. Вы получите жёсткий анализ вплоть до запятой, — прокомментировал эксперт.
«Думейт» — такой помощник автора, который даёт возможность создавать работы высокого качества с уверенностью в их оригинальности и этичности, берёт на себя рутинные задачи. В основе инструмента лежат фундаментальные научные исследования ВЦ РАН, МФТИ, ИПУ РАН. Продукт зарегистрирован в реестре отечественного ПО.
Самая важная область — детекция искусственного текста. Специфика использования ИИ в научных работах в том, что авторы обязательно должны декларировать применение нейросетей, обозначить цели и способы в разделе «Методы» или в сопроводительном письме в журнал. Тем не менее вопрос детекции стоит очень серьёзно.
— Мы за прошедший год семь или восемь раз обновили детектор, и сейчас в «Думейте» есть так называемая тепловая карта: мы «раскрашиваем» текст по степени вероятности отнесения его к искусственному. У эксперта есть возможность проверить структуру использования ИИ в конкретном материале. На данный момент, по нашим оценкам, детектор «Думейт» — это минимальный уровень ложноположительных срабатываний, устойчивость результата. Учебная и научная работа – живой организм, он постоянно совершенствуется автором, даже после защиты. Иногда поменялся всего лишь абзац, а ситуация с применением ИИ изменилась радикально. Мы выстраиваем работу так, что при небольших изменениях текста детектор не меняет картину принципиально, — подчеркнул Юрий Чехович.
Ещё один важный аспект — верификация ссылок. Это не ссылки с ошибками, где перепутаны страницы или допущены ошибки в имени автора. Чаще всего в них фигурируют настоящие авторы, подлинные журналы, темы соответствуют тем, в которых работают авторы. Только никогда таких статей не существовало. «Думейт» берёт на себя работу по их выявлению, — сообщил эксперт.
ИИ-помощник – ещё одно направление.
— Если вы занимаетесь проверкой заимствований, то знаете, что выявленный процент ни о чём ещё не говорит. Чтобы понять, есть ли в работе проблемы, связанные с плагиатом, нужно разобраться. ИИ-помощник разбирается с библиографией, подтвердить или опровергнуть существование источников, подготовить черновик экспертного заключения, — объяснил выступающий.
Если «Думейт» — это система оценивания, то «Дутрейс» — сервис для помощи автору, редактор с ИИ-помощником.
— В августе мы интегрировали оба продукта, теперь из «Думейта» можно перейти в «Дутрейс». То есть вы проверили работу и если в ней есть проблемы, то в «Дутрейсе» можно поработать над улучшениями. Создание, проверка, интерпретация и доработка текста соединяются в один маршрут, — сообщил эксперт.
О классификации и кластеризации научных публикаций для поиска, аналитики и управления рассказал Денис Косяков.
Как отметил эксперт, необходимо разделять публикационную активность и актуальную способность коллектива выполнить проект. Публикации дают наблюдаемый след исследований, а оборудование, состав команд и текущая занятость требуют дополнительных данных.
Организационная структура и счётчики описывают распределение активности, но сами по себе не определяют содержание исследований. Поиск по словам зависит от сформулированного запроса. Классификации дают общий язык и стабильную рамку; но исследовательская задача может пересекаться по рубрикам и требовать детализации.
Что делает две публикации близкими? Это прежде всего цитатные связи: прямая ссылка, общие библиографические источники и совместное цитирование последующими работами. Также можно проанализировать связи через авторов: пересечение состава участников позволяет искать группы работ коллективов, но один коллектив может решать разные задачи. При анализе текстов сравниваются объекты, методы и формулировки результатов. Эти основания не гарантируют совпадения группировок.
Более точную классификацию обеспечивают ИИ-энкодеры. Это модель (или её часть), которая преобразует сырые входные данные (текст, изображение, аудио) в компактное числовое представление. Проще говоря, энкодер «переводит» реальные данные в язык математики — в векторы, эмбеддинги, где сохранён смысл и структура информации. В современных моделях-энкодерах близость формируется обучением на парах текстов. В научном случае важны не только общие языковые связи, но и предметная терминология, жанр и языки корпуса.
Генеральный директор ООО «Дата Экспресс» Владимир Грибов рассказал о роли современной автоматизированной библиотечно-информационной системы (АБИС) в информационной экосистеме университета.
Как отметил эксперт, АБИС – основа информационной инфраструктуры библиотеки, интегратор технологий и ресурсов. Ключевые факторы, влияющие на развитие АБИС сегодня, — это появление и развитие ИИ, создание и поддержка цифровых экосистем, трансформация требований к сервисам для конечных пользователей и усложнение автоматизируемых бизнес-процессов.
АБИС определяет место библиотеки в цифровой экосистеме университета. Она обеспечивает взаимодействие библиотеки с другими системами и оборудованием вуза, с внешними информационными сервисами.
АБИС «МегаПро» реализована на основе современных web-технологий. Основные функциональные модули: каталогизация, комплектование, подписка, книгообеспеченность и др. При этом автоматизированные рабочие места не нужно устанавливать на ПК пользователя (библиотекаря и читателя): всё работает удалённо. Не имеет значения, какая ОС на ПК пользователя (Windows, Linux, macOS и т.д.). Неважна производительность ПК пользователя и то, ПК это или, например, смартфон. Сервис поддерживает 100%-ное удалённое администрирование.
В традиционном виде АБИС и ресурсы размещаются на сервере библиотеки. (университета). Также доступен SaaS-сервис «Библиохостинг»: АБИС и ресурсы размещается в облачном дата-центре.
Универсальное web-решение для интеграции ресурсов — набор API-методов. API-методы для работы с учётными записями позволяют изменить данные о читателе, добавить нового пользователя. API-методы для работы с библиографическими записями дают возможность найти издание в базе данных библиотеки, получить библиографическое описание.
«МегаПро» имеет возможность подключения к ЭБС, платформам образовательного контента, поисковым дискавери-сервисам, электронным каталогам других библиотек, сервисам проверки и анализа текстов, инструментам ИИ. Реализован бесшовный переход в ЭБС IPR SMART, Лань, «Университетская библиотека онлайн», «Консультант студента», РУКОНТ, «Юрайт», IBooks, «Знаниум». Интегрированы дискавери-системы «Неопоиск» и «Библиопоиск».
Подсистема «МегаПро.AI» обеспечивает взаимодействие с ИИ для повышения эффективности работы библиотеки. В числе возможностей — генерирование текстов аннотаций и ключевых слов, дополнительной информации о найденных изданиях, интеллектуальный робот для получения готовых библиографических описаний – на основе ISBN и DOI.
Рубрика: Электронные библиотеки
Дата: 05-10-2026
Теги: Электронно-библиотечные системы (ЭБС) ИИ в образовании и науке Нейросети ЭБС Знаниум "Неопоиск" Алексей Еманов Елена Коробова Инна Ольгина Марина Ушанова Юрий Чехович Денис Косяков Дмитрий Грибов