Семантическая адаптация англицизмов в новостных текстах: сопоставительный анализ естественного и ИИ-генерированного текста (на материале русского и английского языков)

Аннотация

Обоснование. Активное проникновение англицизмов в современные языки и массовое внедрение искусственного интеллекта в медиапроизводство создают новую лингвистическую реальность, требующую системного осмысления процессов семантической адаптации заимствований в текстах разного происхождения. Авторы доказывают, что сопоставительный анализ употребления англицизмов в естественных и ИИ-сгенерированных новостных текстах позволяет выявить не только количественные, но и качественные различия в семантической адаптации, обусловленные различиями в механизмах порождения текста человеком и нейросетью.

Цель – выявить закономерности семантической адаптации англицизмов в естественных и ИИ-сгенерированных новостных текстах на материале русского и английского языков.

Материалы и методы. Основной метод исследования – сопоставительный семантический анализ. Количественные показатели использовались как элемент описания динамики изменений в употреблении англицизмов. Исследование базируется на корпусе из 40 новостных текстов экономической тематики (20 естественных и 20 ИИ-сгенерированных), отобранных из авторитетных источников (ТАСС, Финмаркет, Ведомости, BBC, Reuters) и сгенерированных нейросетью ChatGPT-4 по единым критериям тематического соответствия, стиля и объёма. Применялись методы компонентного, контекстуального и количественного анализа.

Результаты. В ходе исследования выявлены четыре типа семантической адаптации англицизмов: сужение значения, семантическая калька, расширение значения и клишированность. Установлено, что в ИИ-текстах частота употребления англицизмов в среднем в 2,1 раза выше, чем в естественных текстах, а также наблюдается более высокая степень клишированности и семантического калькирования. Выявленные различия интерпретируются как следствие межъязыкового переноса англоязычных семантических моделей и ограниченного набора статистически закреплённых паттернов, используемых нейросетями при генерации текстов. Наиболее частотным типом адаптации является семантическая калька, что свидетельствует о прямом копировании нейросетью англоязычных смысловых моделей при генерации русскоязычных текстов. Представленные данные показывают, что семантическая адаптация англицизмов в ИИ-текстах носит системный характер и по ряду параметров расходится с естественным текстом.