Вестник Волгоградского государственного университета. Серия 2. Языкознание1998-99112409-197910.15688/jvolsu2.2025.1.1OtherСмысловая диффузия как семасиологическая, конфликтологическая и лингвоюридическая категория в цифровом измеренииSemantic Diffusion as a Semasiological, Conflictological and Legal Linguistic Category in the Digital DimensionГолевНиколай ДаниловичGolevNikolayngolevd@mail.ru0000-0002-0559-3007ИрковаАнна ВалентиновнаIrkovaAnnaa.irkova@mail.ru0000-0002-0615-9931Kemerovo State University (Kemerovo, Russian Federation)Кемеровский государственный университет (Кемерово, Российская Федерация)240420252415142005202425112024https://creativecommons.org/licenses/by/4.0/CC BY 4.0https://l.jvolsu.com/index.php/ru/archive-ru/946-science-journal-of-volsu-linguistics-2025-vol-24-no-1/razvitie-i-funktsionirovanie-russkogo-yazyka/2887-golev-n-d-irkova-a-v-smyslovaya-diffuziya-kak-semasiologicheskaya-konfliktologicheskaya-i-lingvoyuridicheskaya-kategoriya-v-tsifrovom-izmerenii

Настоящая статья посвящена исследованию смысловой неопределенности юридических текстов экологической тематики с применением инновационных цифровых методов. Цель работы – установление закономерностей реализации смысловой диффузии как семасиологической, конфликтологической и лингвоюридической категории на основе анализа федеральных и региональных законов. При помощи компьютерных программ, обеспечивающих реверсивный перевод и проверку текстов на схожесть, обнаружены семантические сдвиги, вызванные неоднозначностью исходного текста. Отмечено, что фрагмент федерального закона более переводим, понятен и точен, чем фрагмент регионального законодательного акта. В региональном документе наблюдаются формулировки, допускающие двоякое толкование, что повышает его конфликтогенный потенциал. Зафиксировано, что смысловую диффузию создают термины, отражающие специфику правовой культуры и менталитета, они интерпретируются неоднозначно юристами и рядовыми носителями языка. Полученные результаты указывают на необходимость повышения ясности, понятности, однозначности юридической терминологии, разработки унифицированных дефиниций федерального и регионального законодательства в целом и в сфере охраны окружающей среды в частности, составления рекомендаций по улучшению качества юридического языка. Дальнейшие исследования могут быть направлены на автоматизацию процесса анализа смысловой диффузии, создание специализированных лингвистических инструментов для юридической экспертизы.

The article is devoted to the study of semantic ambiguity of legal texts on environmental topics using innovative digital methods. The aim of the work is to identify patterns of semantic diffusion as a semasiological, conflictological and legal linguistic category based on the analysis of federal and regional laws. Using computer programmes that provide reverse translation and check texts for similarity, semantic shifts caused by the ambiguity of the source text were identified. It was determined that an extract from a federal law is more translatable, understandable and accurate than an extract from a regional legislative act. The regional document contains wording that allows for dual interpretation, which increases its conflict potential. It was found that semantic ambiguity is created by terms that reflect the specifics of legal culture and mentality and are interpreted ambiguously by lawyers and ordinary native speakers. The results obtained indicate the need to improve the clarity, comprehensibility and unambiguity of legal terminology, develop unified definitions of federal and regional legislation in general and in the field of environmental protection in particular, as well as develop recommendations for improving the quality of legal language. Further research can be aimed at automation of semantic diffusion analysis process, creating specialized linguistic tools for conducting legal expertise.

смысловая диффузиясмысловая неопределенностьюридическая лингвистикалингвоконфликтологияцифровые технологииобратный машинный переводsemantic diffusionsemantic uncertaintylegal linguisticslinguistic conflictologydigital technologiesreverse machine translationГолев Н. Д., 2018. Об использовании обратного машинного перевода в юрислингвистической практике (постановка проблемы) // Современные тенденции развития науки / под ред. С. О. Гаврилова, Д. М. Бородулина. Кемерово : Кемер. гос. ун-т. С. 3–5.Голев Н. Д., 2022. Транслятивная лингвистика (аспектуализированный обзор исходных положений). Часть 1. Гносеология перевода // Вестник Кемеровского государственного университета. № 6 (94). С. 717–734. DOI: 10.21603/2078-897S-2022-24-6-717-734Иркова А. В., 2024. Фактор дискурса в семантической неопределенности обратного машинного перевода медиатекстов // Медиалингвистика. № 2. С. 209–223. DOI: 10.21638/spbu22.2024.204Diaz M., 2024. How to Use ChatGPT. ZDNET. URL: https://www.zdnet.com/article/how-to-use-chatgpt/Habibzadeh F., 2023. GPTZero Performance in Identifying Artificial Intelligence-Generated Medical Texts: A Preliminary Study // Journal of Korean Medical Science. № 38. P. 3–19. DOI: 10.3346/jkms.2023.38.e319Hosseini M., Hosseini M., Javidan R., 2024. Leveraging Large Language Models for Clinical Abbreviation Disambiguation // Journal of Medical Systems. Vol. 48, iss. 1. P. 1–16. DOI: 10.1007/s10916-024-02049-zJiang L., Zhuang Y., 2019. Non-Equivalence in Legal Translation // Theory and Practice in Language Studies. Vol. 9, № 12. P. 1630–1634.Kiklewicz A. K., 2007. Zrozumiec jezyk. Sckice z filozofii jezyka, semanytki, lngiwistyki komunikacyjnej. Lask : Oficyna Wydawnicza Leksem. 453 s.Majumder S., Lauly S., Nadejde M., Federico M., Dinu G., 2022. A Baseline Revisited: Pushing the Limits of Multi-Segment Models for Context-Aware Translation. URL: https://arxiv.org/abs/2211.10906v2Moneus A. M., Sahari Y., 2024. Artificial Intelligence and Human Translation: A Contrastive Study Based on Legal Texts // Heliyon. Vol. 10, iss. 6. P. 1–14. DOI: 10.1016/j.heliyon.2024.e28106Nitu M., Dascalu M., 2024. Beyond Lexical Boundaries: LLM-Generated Text Detection for Romanian Digital Libraries // Future Internet. Vol. 16, iss. 2. P. 1–31. DOI: 10.3390/fi16020041O’Brien S., 2012. Translation as Human – Computer Interaction // Translation spaces. Vol. 1, iss. 1. P. 101–122.O’Hagan M., 2016. Translations Massively Open Translation: Unpacking the Relationship Between Technology and Translation in the 21st Century // International Journal of Communication. Vol. 10. P. 929–946.Sharifa H., 2024. Overview of the Problems of Equivalence in Translating Texts // Periodica Journal of Modern Philosophy, Social Sciences and Humanities. Vol. 29. P. 7–10.Vo C., Nguyen P., 2024. An Initial Study of Abbreviation Disambiguation in Vietnamese Clinical Texts // 18th International Conference on Ubiquitous Information Management and Communication (03–05 January 2024). Malaysia : IMCOM. P. 1–8.Tahseen W. M., Hussein S. H., 2024. Investigating Machine Translation Errors in Rendering English Literary Texts into Arabic // Integrated Journal for Research in Arts and Humanities. Vol. 4, № 1. P. 68–81. DOI: 10.55544/ijrah.4.1.11Yang C. Y., 2022. The Application of Artificial Intelligence in Translation Teaching // ICIST ’22: Proceedings of the 4th International Conference on Intelligent Science and Technology. № 8. P. 56–60. DOI: 10.1145/3568923.3568933Закон Иркутской области от 10.11.2011 № 107-ОЗ «Об областной государственной поддержке деятельности, направленной на сохранение и улучшение состояния уникальной экологической системы озера Байкал». URL: https://irkutsk-pravo.ru/zakon/2011/11/10/n-107-oz/Федеральный закон от 10.01.2002 № 7-ФЗ «Об охране окружающей среды». URL: https://www. consultant.ru/document/cons_doc_LAW_ 34823/bb9e97fad9d14ac66df4b6e67c 453d1be3b77b4c/Сравнение текстов онлайн. URL: http://text. num2word.ru/Web-инструмент для определения схожести двух текстов. URL: https://ciox.ru/comparing_the_ similarity_of_textsGolev N.D., 2018. Ob ispolzovanii obratnogo mashinnogo perevoda v yurislingvisticheskoy praktike (postanovka problemy) [On the Use of Reverse Machine Translation in Legal Linguistic Practice (Statement of the Problem)]. Gavrilov S.O., Borodulin D.M., eds. Sovremennye tendentsii razvitiya nauki [Modern Trends in the Development of Science]. Kemerovo, Kemer. gos. un-t, pp. 3-5.Golev N.D., 2022. Translyativnaya lingvistika (aspektualizirovannyy obzor iskhodnykh polozheniy). Chast 1. Gnoseologiya perevoda [Translative Linguistics: An Aspectualized Review of Initial Provisions. Part 1. Gnoseology of Translation]. Vestnik Kemerovskogo gosudarstvennogo universiteta [Bulletin of Kemerovo State University], no. 6 (94), pp. 717-734. DOI: 10.21603/2078-897S-2022-24-6-717-734Irkova A.V., 2024. Faktor diskursa v semanticheskoy neopredelennosti obratnogo mashinnogo perevoda mediatekstov [Discourse Factor of Semantic Uncertainty in Reverse Machine Translation of Media Texts]. Medialingvistika [Media Linguistics], no. 2, pp. 209-223. DOI: 10.21638/spbu22.2024.204Diaz M., 2024. How to Use ChatGPT. ZDNET. URL: https://www.zdnet.com/article/how-to-use-chatgpt/Habibzadeh F., 2023. GPTZero Performance in Identifying Artificial Intelligence-Generated Medical Texts: A Preliminary Study. Journal of Korean Medical Science, no. 38, pp. 3-19. DOI: 10.3346/jkms.2023.38.e319Hosseini M., Hosseini M., Javidan R., 2024. Leveraging Large Language Models for Clinical Abbreviation Disambiguation. Journal of Medical Systems, vol. 48, iss. 1, pp. 1-16. DOI: 10.1007/s10916-024-02049-zJiang L., Zhuang Y., 2019. Non-Equivalence in Legal Translation. Theory and Practice in Language Studies, vol. 9, no. 12, pp. 1630-1634.Kiklewicz A.K., 2007. Zrozumiec jezyk. Sckice z filozofii jezyka, semanytki, lngiwistyki komunikacyjnej. Lask, Oficyna Wydawnicza Leksem. 453 s.Majumder S., Lauly S., Nadejde M., Federico M., Dinu G., 2022. A Baseline Revisited: Pushing the Limits of Multi-Segment Models for Context-Aware Translation. URL: https://arxiv.org/abs/2211.10906v2Moneus A.M., Sahari Y., 2024. Artificial Intelligence and Human Translation: A Contrastive Study Based on Legal Texts. Heliyon, vol. 10, iss. 6, pp. 1-14. DOI: 10.1016/j.heliyon.2024.e28106Nitu M., Dascalu M., 2024. Beyond Lexical Boundaries: LLM-Generated Text Detection for Romanian Digital Libraries. Future Internet, vol. 16, iss. 2, pp. 1-31. DOI: 10.3390/fi16020041O’Brien S., 2012. Translation as Human – Computer Interaction. Translation Spaces, vol. 1, iss. 1, pp. 101-122.O’Hagan M., 2016. Translations Massively Open Translation: Unpacking the Relationship Between Technology and Translation in the 21st Century. International Journal of Communication, vol. 10, pp. 929-946.Sharifa H., 2024. Overview of the Problems of Equivalence in Translating Texts. Periodica Journal of Modern Philosophy, Social Sciences and Humanities, vol. 29, pp. 7-10.Vo C., Nguyen P., 2024. An Initial Study of Abbreviation Disambiguation in Vietnamese Clinical Texts. 18th International Conference on Ubiquitous Information Management and Communication (03–05 January 2024). Malaysia, IMCOM, pp. 1-8.Tahseen W.M., Hussein S.H., 2024. Investigating Machine Translation Errors in Rendering English Literary Texts into Arabic. Integrated Journal for Research in Arts and Humanities, vol. 4, no. 1, pp. 68-81. DOI: 10.55544/ijrah.4.1.11Yang C.Y., 2022. The Application of Artificial Intelligence in Translation Teaching. ICIST ’22: Proceedings of the 4th International Conference on Intelligent Science and Technology, no. 8, pp. 56-60. DOI: 10.1145/3568923.3568933Zakon Irkutskoy oblasti ot 10.11.2011 № 107-OZ «Ob oblastnoy gosudarstvennoy podderzhke deyatelnosti, napravlennoy na sokhranenie i uluchshenie sostoyaniya unikalnoy ekologicheskoy sistemy ozera Baykal» [Law of the Irkutsk Region of November 10, 2011, No. 107-OZ “On Regional State Support for Activities Aimed at Preserving and Improving the Condition of the Unique Ecological System of Lake Baikal”]. URL: https://irkutsk-pravo.ru/zakon/2011/11/10/n-107-oz/Federalnyy zakon ot 10.01.2002 № 7-FZ «Ob okhrane okruzhayushchey sredy» [Federal Law of January 10, 2002, No. 7-FZ “On Environmental Protection”]. URL: https://www.consultant.ru/document/cons_doc_LAW_34823/bb9e97 fad9d14ac66df4b6e67c453d1be3b77b4c/Sravnenie tekstov onlayn [Compare Texts Online]. URL: http://text.num2word.ru/Web-instrument dlya opredeleniya skhozhesti dvukh tekstov [Web Tool for Determining the Similarity of Two Texts]. URL: https://ciox.ru/comparing_ the_similarity_of_texts