Проведено исследование, направленное на выявление лингвистических параметров медиаманипулирования в казахстанском медиадискурсе с применением цифровых технологий. Рассматриваются вопросы скрытого психолого-информационного воздействия в массмедиа. Подчеркивается, что сложность феномена медиаманипуляции заключается в его имплицитности и затемненности содержания. Источниками выступили 1673 русскоязычных медиатекста, извлеченных из казахстанских интернет-изданий. Использованы методы корпусной и описательной лингвистики, приемы дискурс-анализа. Установлено, что манипулятивный эффект формируется посредством совокупности языковых параметров, системно реализующих скрытое воздействие на реципиента. Предложена классификация выявленных языковых параметров. Основными критериями распознавания манипулятивных текстов предлагается считать частотность и контекстное функционирование языковых единиц с манипулятивным потенциалом. Для анализа использовались тематические словари и алгоритмы, фиксирующие наиболее типичные лексические, графические и грамматические признаки манипулятивности. Сообщается, что в ходе работы было сформировано четырнадцать тематических словарей, включающих лексические единицы, обладающие манипулятивным потенциалом: словарь негативной лексики; словарь разговорной и жаргонной лексики; словарь инвективной лексики; словар
Исследование выполнено на стыке корпусной лингвистики и терминоведения. Отмечается, что корпусная лингвистика прошла значительный путь от ранних форм текстовых коллекций до создания крупных национальных и специализированных корпусов в XXI веке. Акцентируется внимание на важности современных технологий, таких как машинное обучение и обработка естественного языка, которые открывают новые возможности для анализа больших массивов данных. Статья освещает методологические аспекты исследования терминологических единиц в области искусственного интеллекта (ИИ) на основе современных аналитических сборников. Цель исследования заключается в выявлении моделей образования составных обозначения, орфографических и стилистических норм использования терминов ИИ в русском языке. Для достижения этой цели использованы методы частотного анализа и контент-анализа с применением сервиса AntConc, что позволило выделить 100 ядерных терминов, а также коллокации, конструируемые на основе таких терминов. Результаты исследования показывают, что терминология ИИ в русском языке активно развивается. Констатируется преобладание англицизмов и гибридных форм. Обсуждаются стилистические особенности текстов, отражающие технический контекст и целевую аудиторию. В заключение подчеркивается необходимость установления норм употребления терминов ИИ в связи с их интеграцией в русский язык.
Статья посвящена выявлению сочетаемости прилагательного bleu в лексикографических источниках и в репрезентативном корпусе текстов на французском языке. Данные для анализа извлечены из девяти традиционных и электронных словарей французского языка и корпуса frTenTen 2023, размещенного на платформе Sketch Engine. Анализ показал, что количество и состав синтагматических партнеров прилагательного bleu в лексикографических источниках различны, их пометы не совпадают. Для ранжирования словарных коллокаций от наиболее представленных до редких использовался словарный индекс, отражающий долю словарей, в которые включены ключи слова ‘bleu’. Анализ автоматически извлеченных из корпуса коллокаций опроверг гипотезу о положительной корреляции между словарными и корпусными показателями. Около 70 % словарных сочетаний не входят в список наиболее частотных коллокаций мегакорпуса. Показано, что корпусные коллокации в большей степени отражают политические, экономические, технические и социокультурные реалии современного общества, а словарные — иллюстрируют употребление слова в специальных областях (медицинской, ботанической, зоологической, геологической). Установлено, что прилагательное bleu часто употребляется в переносных значениях, не зафиксированных в лексикографических источниках.