Исследование рассматривает эффективность чат-ботов на базе ИИ в языковом обучении по сравнению с традиционными методами в реальных многоязычных программах. Актуальность определяется дефицитом персонализированной разговорной практики и необходимостью масштабирования индивидуальной поддержки. Цель количественно оценить вклад чат-бота в прирост языковых компетенций и вовлеченность обучающихся, проверив переносимость эффекта на разные языки и уровни подготовки. Новизна работы заключается в контролируемом сравнении в учебном процессе, а также в привязке поведенственных метрик использования к учебным результатам. Материалы и методы включают рандомизированное распределение 254 студентов на контрольную и экспериментальную группы, общий срок наблюдения 16 недель, входное и итоговое тестирование по чтению, письму, аудированию и говорению, еженедельные лексические тесты, журналы взаимодействия с чат-ботом и опросы удовлетворенности. Экспериментальная группа дополнительно практиковалась с чат-ботом на основе крупной языковой модели не менее двух часов в неделю. Статистическая обработка включала описательные показатели, t-критерий для независимых выборок и корреляционный анализ с контролем исходного уровня. Результаты демонстрируют статистически значимое превосходство экспериментальной группы по вовлеченности и учебным исходам. Среднее время самостоятельной практики составило 5,42 против 2,85 часа в неделю, удовлетворенность 8,94 против 7,18 балла. За семестр усвоено в среднем 568 против 413 лексических единиц, коэффициент удержания 84,1% против 68,3%. Наибольший прирост зафиксирован в говорении; время диалога с чат-ботом сильно коррелирует с приростом по этому навыку. Эффект сохраняется при учете стартовых различий и гомогенности дисперсий. Обсуждение интерпретирует эффект как следствие персонализации, мгновенной обратной связи и снижения аффективного барьера. Практически рекомендуются гибридные модели с интеграцией чат-ботов в задания, аналитикой прогресса и тренировкой преподавателей по дизайну диалоговых сценариев. Ограничения связаны с одной образовательной средой, горизонтом семестра и зависимостью от качества модели; требуются лонгитюдные и межвозрастные исследования, а также оценка долгосрочного удержания и академической честности. Значимость работы в демонстрации устойчивого прироста 25-40% по ключевым метрикам при умеренных ресурсных затратах. Результаты воспроизводимы в разных языковых треках и уровнях подготовки. Выводы релевантны для проектирования смешанных учебных сред и курсов.
The study examines the effectiveness of AI-based chatbots in language learning compared to traditional methods in real multilingual programs. The relevance is defined by the shortage of personalized conversational practice and the need to scale individualized support. The goal is to quantitatively assess the chatbot's contribution to language competence development and learner engagement, testing the transferability of the effect across different languages and proficiency levels. The novelty of the work lies in a controlled comparison within the educational process, as well as in linking behavioral usage metrics with learning outcomes. Materials and methods include randomized assignment of 254 students into control and experimental groups, a total observation period of 16 weeks, pre- and post-testing in reading, writing, listening, and speaking, weekly vocabulary tests, chatbot interaction logs, and satisfaction surveys. The experimental group additionally practiced with a large language model-based chatbot for at least two hours per week. Statistical processing included descriptive measures, t-tests for independent samples, and correlation analysis controlling for baseline levels. Results show statistically significant superiority of the experimental group in engagement and learning outcomes. Average self-study time was 5.42 versus 2.85 hours per week, satisfaction scores 8.94 versus 7.18. Over the semester, an average of 568 versus 413 lexical items were acquired, with retention rates of 84,1% versus 68,3%. The greatest improvement was recorded in speaking; dialogue time with the chatbot strongly correlated with gains in this skill. The effect persists when accounting for initial differences and variance homogeneity. The discussion interprets the effect as a result of personalization, instant feedback, and reduction of the affective barrier. Practical recommendations include hybrid models integrating chatbots into assignments, progress analytics, and teacher training on designing dialogic scenarios. Limitations are related to a single educational environment, semester-long timeframe, and dependence on model quality; further longitudinal and cross-age studies are needed, as well as evaluation of long-term retention and academic integrity. The significance of the work lies in demonstrating a sustainable 25-40% increase in key metrics with moderate resource costs. Results are reproducible across different language tracks and proficiency levels. Conclusions are relevant for designing blended learning environments and courses.