Представлены результаты сравнительного исследования метрик РИНЦ, связанных с индексом Хирша, и данных о локальности цитирований группы авторов, аффилированных с ведущими вузами Рязанской области; исследование проводилось с целью оценки качества публикационной результативности регионального вузовского сообщества. Использовались методы сравнительного анализа, систематизации, библиометрического анализа и математической обработки данных в электронных таблицах MS Excel. Эмпирической базой исследования являлся РИНЦ. Группа из 52 авторов формировалась путем трехступенчатого отбора, в ходе которого были выявлены наиболее активно цитируемые  и публикующиеся рязанские ученые в сфере социально-экономических и гуманитарных наук. В результате исследования подтверждено, что качество публикационной результативности ученых в регионах может быть оценено более объективно при использовании данных о локальных цитированиях; показано, как сопоставление этих данных с метриками РИНЦ позволяет идентифицировать зоны потенциальных аномалий, в которых могут формироваться паттерны недобросовестного цитирования. Выявлено, что наиболее точно академическую добросовестность исследуемой группы авторов отражает метрика «индекс Хирша с учетом только статей в журналах»; на основе изучения структуры цитирований авторов, занимающих нижние позиции в рейтинге, констатированы косвенные признаки локального паттерна недобросовестного цитирования. Предложен наукометрический показатель «индекс локальности цитирований», использование которого будет ограничиваться оценкой качества публикационной результативности ученых в регионах; подчеркнуто, что выводы о фактах манипуляций с цитированием должны делаться по итогам квалифицированной экспертизы.  Полученные результаты визуализированы в шести таблицах. Дополнительно, в целях экономии объема статьи, полные данные сравнительного анализа размещены в открытом доступе на платформе Zenodo.

В статье представлен комплексный анализ функциональных возможностей российских систем научного цитирования – Российского индекса научного цитирования (РИНЦ) и CoLab.ws в контексте изменений государственной научно-публикационной политики России. Актуальность работы обусловлена введением новых регулирующих инструментов, таких как «Белый список»,  Единый государственный перечень научных изданий (в разработке), а также ряда официальных документов, устанавливающих показатели эффективности и их количественные значения.

Методология исследования основана на комплексном анализе ключевых параметров обеих платформ: функций и количественных характеристик систем; возможностей профилей организации; инструментов мониторинга публикационной активности и степени соответствия современным требованиям к функционалу наукометрических систем. Практическая часть включает анализ профилей научных организаций на примере Уральского отделения РАН. Особое внимание уделено распределению публикаций по уровням «Белого списка» в РИНЦ и CoLab.ws. Сравнительное исследование выявило преимущества и недостатки каждой системы: РИНЦ, как классическая база данных научного цитирования, обеспечивает высокую репрезентативность данных, в то время как CoLab.ws предлагает современные инструменты для научной коммуникации и международного сотрудничества. В выводах подчеркивается необходимость дальнейшего развития этих систем для отражения полноты показателей эффективности научных организаций в соответствии с государственными требованиями.

Статья представляет ценность для исследователей, сотрудников научных организаций, разработчиков наукометрических систем и органов научной политики, формирующих критерии оценки исследовательской деятельности.

Цифровая трансформация библиотечной отрасли предполагает активное внедрение искусственного интеллекта (Artificial Intelligence, AI), и особая роль здесь отводится нейронному поиску информации (или нейропоиску), основанному на искусственных нейронных сетях (ИНС). Нейронный поиск (НП) открывает новые возможности для повышения эффективности библиотечно-информационного обслуживания (БИО), обеспечивая более точный, быстрый и персонализированный доступ к знаниям в цифровой библиотеке (ЦБ). Применение НП преобразует парадигму БИО, меняя взаимодействие читателей с контентом. В статье рассматривается, как НП решает проблемы низкой релевантности результатов, ограниченной семантической обработки запросов и недостаточной персонализации. Методы исследования включают теоретический анализ научной литературы, нормативных документов и обобщение опыта внедрения ИНС. Результаты исследования показывают, что НП значительно улучшает качество сервиса за счет обработки сложных запросов, адаптации к индивидуальным потребностям пользователей и поддержки инклюзивного доступа к библиотечному фонду. Несмотря на высокий технологический потенциал, НП не заменяет, а дополняет традиционные методы, автоматизируя рутинные процессы и позволяя библиотекарям сосредоточиться на сложных и творческих задачах. Внедрение НП соответствует стратегиям цифровой трансформации библиотечного дела.

В статье рассмотрен опыт внедрения технологий искусственного интеллекта (ИИ) в процессы каталогизации Национальной библиотеки Республики Саха (Якутия). Основное внимание уделено двум пилотным проектам: Yakutia.Online – системе интеллектуального веб-архивирования региональных интернет-ресурсов – и проекту по ИИ-каталогизации одночастных изданий. Описаны архитектура систем, этапы автоматизации, механизмы семантической обработки и проверка библиографических записей. Отмечена важность участия человека в финальной верификации данных для обеспечения высокого качества описания. Показано, как применение ИИ позволило ускорить процесс обработки на 40–80%, повысить точность метаданных и интегрировать полученные записи в действующие каталоги библиотеки. Приведено сравнение с ведущими международными практиками (Annif, Library of Congress, Национальные библиотеки Германии и Франции), что подтверждает актуальность и конкурентоспособность опыта библиотеки. Сделан вывод о перспективах масштабирования ИИ-решений в библиотечной сфере и создании Центра компетенций в Арктическом государственном институте культуры и искусств в рамках программы технологического лидерства вузов «Приоритет 2030».  

Статья посвящена актуальным направлениям развития нормативной базы открытого формата электронных книг EPUB на уровне международной стандартизации в условиях бурного развития технологий искусственного интеллекта. Автор показывает преимущества формата цифровых публикаций EPUB  в сравнении с широко распространенным форматом PDF. Рассмотрены основные инновационные тенденции стандартизации EPUB, направленные на повышение удобства использования цифровых изданий в коллекциях библиотек и, в частности, цифровых учебных изданий в библиотеках учебных заведений. Автор обсуждает возможность повышения эффективности образовательного процесса за счет внедрения в контент электронных учебников инструментов искусственного интеллекта, а также необходимость развития нормативной базы в этой области, как на международном, так и на национальном уровне. Рассмотрены вопросы создания стандартов сохранения конфиденциальности информации, содержащейся в цифровых публикациях, соблюдения этических норм, что необходимо для поддержки доверия к контенту, созданному искусственным интеллектом. Автор представляет основные направления внедрения в цифровые публикации инструментов искусственного интеллекта для автоматизации их семантической поисковой разметки, расширения контента за счет внедрения мультимедийного содержимого и мультимодальных механизмов доступа. Представлены возможности и преимущества новых технологий, а также обозначены существующие риски и проблемы, включая этические аспекты применения электронных учебников с ИИ в образовании. Статья написана по материалам совещания международной совместной рабочей группы экспертов ISO/IEC JTC 1/SC 34/JWG 7 “EPUB”, прошедшего в сентябре 2025 г., и ориентирована на широкий круг специалистов библиотечно-информационной и образовательной сферы, заинтересованных  в развитии технологий электронных публикаций и цифровых образовательных ресурсов.

Статья является второй частью проблемной дилогии, в которой предлагается анализ библиотеки как киберфизической системы (БКФС).  В предыдущей статье был проведен терминологический анализ понятий «киберфизическая система», «цифровой двойник библиотекаря» (ЦДБ). Цель данной статьи – провести функциональный анализ ЦДБ в привязке к профессиональному стандарту «Специалист по библиотечно-информационной деятельности».  В данной статье применены следующие теоретические методы для решения ряда задач: а) терминологический анализ реальных и потенциальных функций ЦДБ для выявления их возможностей в библиотечно-информационной деятельности (БИД); б) анализ документов для характеристики степени изученности вопроса и специфики использования ЦДБ в информационном обслуживании; в) типологический анализ ИИ-систем и ИИ-агентов для выявления перспектив их использования в библиотечной практике в качестве цифровых двойников; г) структурный анализ возможностей применения ЦДБ в соответствии с выделенными профессиональными ролями для их интеграции в информационное обслуживание библиотек. Выявлено противоречие между широкими возможностями применения ЦДБ для реализации различных профессиональных функций БИД и ограниченным их использованием в практике отечественных библиотек. Автор формулирует стратегические перспективы создания и использования ЦДБ. 

Рассматривается проблема машиночитаемости текста в век цифровых технологий. Оптическое распознавание символов (OCR) печатного и рукописного текста является одним из вариантов решения актуальной проблемы. Основные задачи данного метода – анализ существующих систем и алгоритмов распознавания, разработка собственного кода и его тестирование на различных шрифтах и почерках. Проблема OCR особенно актуальна в контексте распознавания рукописного текста, что подчеркивает необходимость создания эффективных решений с использованием современных технологий. В статье исследуется реализация одной из функций компьютерного зрения по обработке печатного и рукописного текста. Кроме того, рассматривается возможность улучшить распознавание за счет деления изображений на черно-белые и выделения дополнительных частей символов. Существует ряд систем, распознающих печатный текст с низкой вероятностью ошибки, но проблема распознавания рукописного текста на разных языках мира будет всегда актуальна. Не все существующие системы распознавания рукописного текста могут быть применены для печатного, особенно с использованием нейронных сетей. Такие системы чаще всего работают на основе признаковых или шаблонных методов.