Киселева Светлана Владимировна – доктор филологических наук (2010), профессор кафедры английской филологии и перевода. Автор 160 научных публикаций. Сфера научных интересов: история английского языка, лексикология английского языка, теоретическая грамматика, когнитивная лингвистика (когнитивная семантика, когнитивная терминология).
наб. канала Грибоедова, д. 30-32, Санкт-Петербург, 191023
Svetlana V. Kiseleva – Dr. Sci. (Philology) (2010), Professor at the Department of English Philology and Translation. The author of 160 scientific publications. Area of expertise: history of the English language, lexicology of the English language, theoretical grammar, cognitive linguistics (cognitive semantics, cognitive terminology).
30-32 Griboyedov Channel emb., St Petersburg 191023
Смирнова Анна Андреевна – аспирантка кафедры теории и практики английского языка и перевода. Автор 37 научных публикаций. Сфера научных интересов: когнитивная лингвистика, корпусная лингвистика текстов и дискурсов, коммуникативная лингвистика, сетевая коммуникация, коммуникация с искусственным интеллектом/чат-ботом.
наб. канала Грибоедова, д. 30-32, Санкт-Петербург, 191023
Anna A. Smirnova – Postgraduate at the Department of Language Theory and Translation Studiesa. The author of 37 scientific publications. Area of expertise: cognitive linguistics, corpus linguistics of texts and discourses, communicative linguistics, network communication, communication with artificial intelligence/chatbot.
30-32 Griboyedov Channel emb., St Petersburg 191023
Трофимова Нэлла Аркадьевна – доктор филологических наук (2010), профессор кафедры английской филологии и перевода. Автор 130 научных публикаций. Сфера научных интересов: лингвистическая экспертиза текста, модели перевода и стилистика редактирования, сопоставительная лингвокультурология.
наб. канала Грибоедова, д. 30-32, Санкт-Петербург, 191023
Nella A. Trofimova – Dr. Sci. (Philology) (2010), Professor at the Department of English Philology and Translation. The author of 130 scientific publications. Area of expertise: linguistic expertise of the text, translation models and editing style, comparative linguoculturology.
30-32 Griboyedov Channel emb., St Petersburg 191023
Введение. Авторы статьи рассматривают одну из интересных технологий в сегменте диджитализации – чат-бота – с лингвистической точки зрения. Тема представляет особый интерес для лингвистов, поскольку активное развитие цифровой среды ведет к появлению новых средств и форм речепорождения и речевосприятия, со своими отличительными особенностями, закономерностями и правилами конструирования. Речевые акты в системе интернет-дискурса в рамках данной работы имеют ключевое значение: объект исследования находится на стыке нескольких дисциплин (IT, Реклама и PR), однако с лингвистической точки зрения практически не рассматривается.
Методология и источники. Для прояснения некоторых теоретических неточностей в научной работе применяется корпусный анализ текстов англоязычных и русскоязычных веб-корпусов. Англоязычные веб-корпуса: «NOW» (News on the Web), «iWeb», «GloWbE» (Global Web-based English). Русскоязычные веб-корпуса: «ruTenTen11» и ГИКРЯ. Анализ особенностей построения речевых актов в чат-бот коммуникации проводится на языковом материале английских и русских чат-ботов в разных социальных сетях и мессенджерах.
Результаты и обсуждение. Корпусный анализ текста помогает рассмотреть объект исследования с лингвистической точки зрения и дополнить уже имеющиеся знания языковыми данными. Анализ эмпирического материала на базе двух языков позволяет провести сопоставление, выявить характеристики текстов чат-бот коммуникации, проследить сходства и различия в когнитивном восприятии речи, а также найти ошибки при построении речевых актов.
Заключение. Систематизация данных и более детальный анализ такого понятия как «чат-бот коммуникация» поможет в дальнейшем создать универсальные лингвокогнитивные модели для ботов с конечным сценарием, что поможет избежать ошибок и сделать коммуникативный акт максимально успешным. Чат-боты с точки зрения коммуникативной функции при организации речевых актов должны пользоваться специальными правилами и лингвистическими моделями, чтобы привести речевой акт к успеху. Как самообучающиеся боты в категории искусственного интеллекта создаются при активном участии лингвистов, так и чат-боты в социальных сетях и мессенджерах должны быть подчинены единым лингвистическим законам.
Introduction. The authors of the article consider one of the interesting technologies in the digitalization segment – a chatbot – from a linguistic point of view. The topic is of particular interest to linguists, since the active development of the digital environment leads to the emergence of new means and forms of speech production and speech perception, with their own distinctive features, patterns and rules of construction. Speech acts in the Internet discourse system within the framework of this work are of key importance: the object of study is located at the intersection of several disciplines (IT, Advertising and PR), but from a linguistic point of view it is practically not considered.
Methodology and sources. To clarify some theoretical inaccuracies in the scientific work, corpus analysis of the texts of English-language and Russian-language web corpus is used. English-language web corpus: “NOW corpus” (News on the Web), “iWeb corpus”, “GloWbE corpus” (Global Web-based English). Russian-language web corpora: “ruTenTen2011” and GIKRYA. The analysis of the features of the construction of speech acts in chatbot communication is carried out on the basis of the language material of English and Russian chatbots in various social networks and instant messengers.
Results and discussion. Corpus text analysis helps to consider the object of study from a linguistic point of view and supplement existing knowledge with linguistic data. The analysis of empirical material based on two languages allows us to compare, identify the characteristics of chatbot communication texts, trace similarities and differences in the cognitive perception of speech, and also find errors in the construction of speech acts.
Conclusion. Systematization of data and a more detailed analysis of such a concept as “chatbot communication” will help in the future to create universal linguistic-cognitive models for bots with a final scenario, which will help to avoid mistakes and make the communication act as successful as possible. Chatbots, from the point of view of the communicative function, when organizing speech acts, must use special rules and linguistic models in order to bring the speech act to success. Just as self-learning bots in the category of artificial intelligence are created with the active participation of linguists, so chatbots in social networks and instant messengers must be subject to uniform linguistic laws.
The authors declare that there are no conflicts of interest present.