Перейти до контенту

ПРОЦЕСИ ГЕНДЕРНОЇ НЕЙТРАЛІЗАЦІЇ В СУЧАСНОМУ АНГЛОМОВНОМУ ІНТЕРНЕТ-ДИСКУРСІ


pdfІлона М. Дерік

кандидат філологічних наук, доцент, завідувач кафедри перекладу і теоретичної та прикладної лінгвістики
ДЗ «Південноукраїнський національний педагогічний
університет імені К. Д. Ушинського», Одеса, Україна
e-mail: ilonaderik@gmail.com
ORCID ID: https://orcid.org/0000-0002-8979-4745

Олександр І. Іліаді

доктор філологічних наук, професор кафедри перекладу і теоретичної та прикладної лінгвістики ДЗ «Південноукраїнський національний педагогічний
університет імені К. Д. Ушинського», Одеса, Україна
e-mail: alexandr.iliadi@gmail.com
ORCID ID: https://orcid.org/0000-0001-5078-8316

DOI: https://doi.org/10.24195/2616-5317-2024-38.1


АНОТАЦІЯ

Стаття має закцентувати на проблемі гендерної нейтралізації в сучасній англійській мові в цілому та в сучасному англомовному Інтернет-дискурсі зокрема. Зміни в англійській мові в діахронії досліджуються та трактуються в тісному взаємозв’язку з вивченням «політичної коректності» та загальної тенденції до евфемізації гострих питань суспільного життя. Дослідження провадилося головним чином на базі Британського національного корпусу та матеріалів англомовного Інтернет-дискурсу загальною кількістю близько 4000 проаналізованих текстів. Таким чином, результати можна вважати достовірними та інформативними. Результати засвідчили уповільнення процесу заміщення гендерно маркованих назв професій гендерно нейтральними словами. Дослідження є перспективним у плані залучення інших корпусів. Головною метою є запобігання лінгвістичній дискримінації, випадки якої можуть траплятися в Інтернет-дискурсі. Також убачається доцільним порівняльний аналіз британського, американського, канадського й австралійського варіантів англійської мови. Актуальність цих питань підтверджується розмаїттям та глибиною досліджень у цій царині.


Ключові слова: гендерна нейтралізація, назви професій, англомовний Інтернет-дискурс, політична коректність, корпус.


ЛІТЕРАТУРА

Allan K., Burridge K. (2006). Forbidden words: Taboo and the censoring of language. Cambridge : Cambridge University Press. 303 pp.
Baker P. Using corpora in discourse analysis. London : Continuum, 2006. 198 pp.
Bolukbasi T., Chang Kai-Wei, Zou J., Saligrama V. Man is to Computer Programmer
as Woman is to Homemaker? Debiasing Word Embeddings. NIPS’16: Proceedings
of the 30th International Conference on Neural Information Processing Systems. December. 2016. P. 4356–4364. URL: https://www.researchgate.net/publication/305615978_Man_is_to_Computer_Programmer_as_Woman_is_to_Homemaker_Debiasing_Word_Embeddings

Bovin M. Occupational titles and supposed gender-neutrality: A corpus-based
diachronic study on gender-neutral occupational titles in American English [Department of English, Stockholms Universitet]. 2016. 35 pp. URL: http://www.diva-portal.org/smash/record.jsf?pid=diva2%3A934656&dswid=5541.
Bucholtz M. The feminist foundations of language, gender, and sexuality research’.
The handbook of language, gender, and sexuality, 2nd edn [eds Ehrlich S., Meyerhoff M., Holmes J.]. Oxford : Wiley-Blackwell. P. 23–47.
Caliskan A., Bryson Joanna J., Narayanan A. Semantics derived automatically from
languagecorpora contain human-like biases. 2017. URL: https://www.researchgate.net/publication/316973825_Semantics_derived_automatically_from_language_corpora_
contain_human-like_biases
Cheshire J. Still a gender-biased language? English Today. 2008. №24(1). P. 7–10.
Collins English Dictionary. URL: https://www.collinsdictionary.com/ dictionary/English. Retrieved 21 March 2024.
Ethayarajh K., Duvenaud D., Hirst G. Understanding Undesirable Word Embedding Associations. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. Florence, Italy, 2019. P. 1696–1705. URL: https://aclanthology.org/P19-1166/
Hansen C. Dismantling or perpetuating gender stereotypes. The case of trans rights in the European court of human rights’ jurisprudence. 2022. URL: https://institucional.us.es/binasex/wp-content/uploads/2022/09/8-7022-Article-
Text-40101-1-10-20220613.pdf
Kaneko M., Bollegala D. Gender-preserving Debiasing for Pre-trained Word Embeddings. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. Florence, Italy, 2019. P. 1641–1650. URL: https://aclanthology.org/P19-1160/
Leech G. Current Changes in English Grammar in Relation to Society. 2011. URL: https://www.youtube.com/watch?v=OtH5PpgkgJU. Retrieved March 22, 2024.
Musto C., Semeraro G., Lops P., Gemmis Marco de. CrowdPulse: A framework for real-time semantic analysis of social streams. Information Systems. 2015. Vol. 54. P. 127–146.
Sczesny S., Formanowicz M., & Moser F. Can Gender-Fair Language Reduce Gender Stereotyping and Discrimination? Frontiers in Psychology. 2016. Vol. 7, Article 25. P. 1–11.
The British National Corpus. Version 2 (BNC World). Distributed by Oxford University Computing Services on behalf of the BNC Consortium. 2001. URL: http://
www.natcorp.ox.ac.uk/ Retrieved March 22, 2024.