ГЕНДЕРНО-СТЕРЕОТИПНІ ЛЕКСИЧНІ ОДИНИЦІ В СИСТЕМАХ МАШИННОГО ПЕРЕКЛАДУ (НА МАТЕРІАЛІ УКРАЇНСЬКОЇ ТА АНГЛІЙСЬКОЇ МОВ)

Анотація

У статті комплексно досліджено механізми формування та відтворення гендерної упередженості в системах машинного перекладу, заснованих на нейронних моделях і статистичних закономірностях корпусних даних. Розкрито особливості алгоритмічного узагальнення соціолінгвістичних патернів, що призводить до відтворення культурно закріплених стереотипів під час перекладу з англійської мови на українську. Проаналізовано ключові типи упередженості – стереотипне приписування гендеру за додатковими характеристиками (описовими прикметниками) та за соціально зумовленими побутовими ролями, хобі й професійними назвами. Дослідження показало, що сучасні системи машинного перекладу (DeepL, Google Translate, Microsoft Translator, OpenL) систематично відтворюють асоціативні пари «фемінність – емоційність, турботливість» і «маскулінність – активність, сила», що є виявом алгоритмічного підсилення соціальних стереотипів у процесі автоматизованої семантичної обробки. Виявлено, що за наявності контекстуальних маркерів системи перекладу ігнорують семантичну узгодженість між частинами речення, обираючи граматичний рід на основі статистичної частотності корпусних сполучень. Це спрощення, притаманне нейронним моделям, свідчить про обмежене контекстуальне розпізнавання та недостатню когнітивну диференціацію соціально маркованих ознак. Семантичний аналіз перекладів демонструє, що прикметники та дієслова у поєднанні виконують роль не лише лексичних, а й культурно-ціннісних індикаторів. У роботі наголошено, що така форма упередженості не є простим технічним збоєм, а результатом взаємодії лінгвістичних, когнітивних і соціокультурних чинників, що відображають асиметрії у вихідних корпусах навчання. Згідно з концепцією «algorithmic amplification», закладені в корпусах патерни соціальної диференціації між статями не просто копіюються, а й підсилюються алгоритмами, які узагальнюють та «нормалізують» дискурсивну нерівність.