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.
Systematic deviations in the use of English ecological vocabulary by Russian-speaking learners arise under cross-linguistic interference, yet the available typologies of such deviations remain fragmentary and rely mainly on the manual processing of small samples without quantitative verification. The study aims to identify and quantitatively describe the typical errors in the English speech of Russian-speaking learners on the material of ecological vocabulary by means of automated natural language processing. The empirical basis was an author's model learner corpus of 1,247 texts with a total volume of 218,643 tokens, annotated by error type using the spaCy tokenizer and dependency parser, the ERRANT error classifier and a BERT-based contextual detector, with subsequent manual verification of a gold-standard subsample. The error density reached 44.9 deviations per thousand tokens; the grammatical class accounted for 51.3% of the annotated spans and the lexical-semantic class for 36.0%. The highest resistance to interference was shown by high-frequency concrete terms, whereas abstract process nominations concentrated a disproportionately high share of word-choice and collocation errors. The accuracy of automatic annotation predictably decreased from formal categories towards lexical-semantic ones. The distribution of deviations in ecological vocabulary is determined not by the frequency of a term but by the degree of structural divergence between its English model and the Russian equivalent, which shifts the priority of corrective work from memorising terms to rebuilding collocational and derivational schemes.