Анализ типичных ошибок русскоязычных обучающихся в английской речи с использованием NLP-технологий на примере экологической лексики

Аннотация

Систематические отклонения в употреблении англоязычной экологической лексики русскоязычными обучающимися формируются под действием межъязыковой интерференции, однако имеющиеся типологии таких отклонений фрагментарны и опираются преимущественно на ручную обработку небольших выборок без количественной верификации. Целью работы стало выявление и количественное описание типичных ошибок в английской речи русскоязычных обучающихся на материале экологической лексики средствами автоматизированной обработки естественного языка. Эмпирической опорой послужил авторский модельный учебный корпус из 1 247 текстов общим объёмом 218 643 токена, размеченный по типам ошибок при помощи токенизатора и синтаксического анализатора spaCy, классификатора ошибок ERRANT и контекстного детектора на архитектуре BERT с последующей ручной верификацией эталонной подвыборки. Плотность отклонений составила 44,9 ошибки на тысячу токенов; на грамматический разряд пришлось 51,3% размеченных спанов, на лексико-семантический – 36,0%. Наибольшую устойчивость к интерференции обнаружили высокочастотные конкретные термины, тогда как абстрактные процессные номинации концентрировали непропорционально высокую долю ошибок выбора слова и коллокации. Точность автоматической разметки закономерно снижалась от формальных категорий к лексико-семантическим. Распределение отклонений в экологической лексике детерминируется не частотностью термина, а степенью структурного расхождения его англоязычной модели с русским эквивалентом, что смещает приоритет коррекционной работы с заучивания терминов на перестройку сочетаемостных и словообразовательных схем.