Drafting Definitions for Emerging Concepts and Terms Undergoing Semantic Shift Within the ARTES Knowledge Base: A Protocol for Integrating LLMS Into Terminological Analysis by Experimental Approach

Terminologia / Terminologia 2025, t. 32, s. 1–43 Link do spisu treści / Nuoroda į turinį ISSN 2669-2198 (online / elektroniczny) Prawa autorskie © 2025 Mojca Pecman. Opublikowano przez Instytut Języka Litewskiego. Jest to artykuł w otwartym dostępie, rozpowszechniany na warunkach licencji Creative Commons Uznanie autorstwa, która zezwala na nieograniczone korzystanie, rozpowszechnianie i powielanie na dowolnym nośniku, pod warunkiem wskazania oryginalnego autora i źródła. // Wydał Instytut Języka Litewskiego. Artykuł ten jest dostępny w otwartym dostępie i rozpowszechniany na warunkach licencji „Creative Commons‚ uznanie autorstwa”, zezwalającej na nieograniczone wykorzystywanie, rozpowszechnianie i reprodukowanie treści w dowolnym medium, pod warunkiem wskazania autora i źródła. Otrzymano: / Gauta: 2025-09-10. Przyjęto: / Priimta: 2025-09-22. 1 OPRACOWYWANIE DEFINICJI DLA POJĘĆ I TERMINÓW WYŁANIAJĄCYCH SIĘ ORAZ PODLEGAJĄCYCH PRZESUNIĘCIOM SEMANTYCZNYM W OBRĘBIE BAZY WIEDZY ARTES: PROTOKÓŁ WŁĄCZANIA LLM DO ANALIZY TERMINOLOGICZNEJ METODĄ EKSPERYMENTALNĄ PODEJŚCIE Opracowywanie definicji nowych pojęć i terminów charakteryzujących się przesunięciem semantycznym w kontekście bazy wiedzy ARTES: eksperymentalny protokół integracji wielkich modeli językowych z analizą terminologiczną MOJCA PECMAN Université Paris Cité E-mail: [email protected] Identyfikator ORCID: https://orcid.org/0000-0002-6753-1936 Obszary badawcze: baza wiedzy ARTES, terminologia oparta na korpusach, neologizmy semantyczne, redagowanie definicji terminologicznych, generatywna sztuczna inteligencja, inżynieria promptów na potrzeby terminologii. https://doi.org/10.35321/term32-02 ------------------------------------------------------------------------------------------------------------------ STRESZCZENIE Niniejszy artykuł przedstawia protokół oceny i integracji narzędzi generatywnej sztucznej inteligencji (GenAI) w ramach analizy terminologicznej nowo powstających, niestabilnych semantycznie terminów, nieobecnych w utrwalonych bazach terminologicznych. Protokół, wdrożony w bazie wiedzy ARTES, wspiera studentów studiów magisterskich w zakresie przekładu na Université Paris Cité w realizacji zadania polegającego na dissertation. The study focuses particularly on terms displaying semantic instability and variation, thereby giving rise to semantic neologisms, and on evaluating the effectiveness of GenAI in retrieving existing definitions przeprowadzeniu wymaganej analizy terminologicznej oraz opracowaniu nowych definicji terminologicznych dla takich terminów. Ankieta dotycząca wykorzystania GenAI przez studentów oraz badanie eksperymentalne nad pojęciem zanieczyszczenia danych ilustrują to podejście. Wyniki pokazują, że narzędzia lingwistyki korpusowej pomagają strukturyzować wiedzę pojęciową i krytycznie oceniać wyniki GenAI, potwierdzając potrzebę nadzoru człowieka. W badaniu zaproponowano model konstruowania i oceny promptów, systematyczny proces tworzenia zbioru skutecznych promptów oraz metodologię łączącą LLM-y i techniki lingwistyki korpusowej w celu terminology management. 2 SŁOWA KLUCZOWE: baza wiedzy ARTES, terminologia korpusowa, neologizmy semantyczne, opracowywanie definicji terminologicznych, generatywna sztuczna inteligencja, inżynieria promptów na potrzeby terminologii. ABSTRAKT W artykule przedstawiono protokół oceny narzędzi generatywnej sztucznej inteligencji (GSI) w kontekście analizy terminologicznej oraz ich integracji z systemem analizy terminologicznej stosowanym wobec nowych, semantycznie niestabilnych terminów, nieuwzględnionych w uznanych bazach terminologicznych. Wdrożony w bazie wiedzy ARTES, ułatwia on pracę studentom studiów magisterskich z zakresu przekładu na Uniwersytecie Paryskim, przeprowadzającym analizę terminologiczną niezbędną do przygotowania prac dyplomowych. Badanie koncentruje się przede wszystkim na terminach charakteryzujących się niestabilnością i wariantywnością semantyczną, co prowadzi do powstawania neologizmów semantycznych, a także na ocenie skuteczności GSI w wyszukiwaniu istniejących definicji tych terminów i opracowywaniu nowych definicji tych terminów. Metodę ilustrują przeprowadzone wśród studentów badanie dotyczące korzystania z GSI oraz eksperymentalne badanie pojęcia data pollution (wprowadzanie błędnych danych). Wyniki pokazują, że narzędzia lingwistyki korpusowej pomagają strukturyzować wiedzę konceptualną, krytycznie oceniać wyniki GSI oraz potwierdzają potrzebę nadzoru sprawowanego przez człowieka. W badaniu proponuje się model tworzenia i oceny zapytań, systematyczny proces opracowywania zbioru skutecznych zapytań oraz metodologię zarządzania terminologią łączącą techniki wielkich modeli językowych i lingwistyki korpusowej. SŁOWA KLUCZOWE: baza wiedzy ARTES, terminologia oparta na korpusach, neologizmy semantyczne, opracowywanie definicji terminologicznych, generatywna sztuczna inteligencja, tworzenie zapytań na potrzeby terminologii. WSTĘP W niniejszym badaniu przedstawiamy protokół analizy terminologicznej wspomaganej przez GenAI, wdrożony w ramach projektu ARTES. Protokół został specjalnie zaprojektowany, aby 1 zajmować się nowo powstającymi pojęciami, które nie są jeszcze udokumentowane w istniejących bazach terminologicznych, lecz są coraz częściej stosowane w literaturze specjalistycznej. Nowo powstające pojęcia należy przede wszystkim zdefiniować. Projekt ARTES koncentruje się na tworzeniu niezbędnych zasobów językowych i wiedzy umożliwiających zajmowanie się takimi pojęciami, które często prowadzą do wariantywności terminologicznej – formalnej lub semantycznej – i na ogół nie występują w ustalonych bazach terminologicznych (por. L’Homme 2024b). W tym kontekście terminy analizuje się za pomocą metodologii opartej na korpusie i rejestruje w bazie wiedzy ARTES, która pełni funkcję zarówno bazy 2 terminologicznej, jak i narzędzia dydaktycznego służącego nauczaniu terminologii przyszłych tłumaczy na Université Paris Cité. Ponadto studenci studiów magisterskich aktywnie korzystają z ARTES w ramach swoich prac magisterskich z terminologii. Każdego roku studenci opracowują porównywalne korpusy, aby przeprowadzać pogłębioną analizę terminologiczną i sporządzać karty terminologiczne wspierające tłumaczenie specjalistyczne. Celem niniejszego badania jest ocena wkładu dużych modeli językowych (LLM) w zarządzanie terminologią w tym konkretnym kontekście edukacyjnym oraz podkreślenie znaczenia przeprowadzenia analizy opartej na korpusie przed nawiązaniem interakcji z narzędziami generatywnej sztucznej inteligencji (GenAI). Badanie ilustruje również wkład terminologii w inżynierię wiedzy oraz jej związek, w tym kontekście, ze sztuczną inteligencją (Condamines 2022). Wykorzystując korpus pilotażowy złożony z tekstów reprezentujących różne konteksty specjalistycznej i półspecjalistycznej komunikacji w języku angielskim, analizujemy pojęcie zanieczyszczenia danych za pomocą kontekstów bogatych w wiedzę (KRC) (Meyer 2001). 1 Dostępne na stronie: https://altae.u-pariscite.fr/artes-aide-a-la-redaction-de-textes-scientifiques. 2 Available at: https://artes.app.univ-paris-diderot.fr/artes-symfony/web/app.php. 3 Znaczenie terminu data pollution zaczęło się zmieniać w 2018 roku, co czyni go wartościowym kandydatem do badania procesów zmiany semantycznej oraz wyzwań związanych z definiowaniem neologizmów semantycznych. Chociaż termin ten jest coraz częściej używany w języku angielskim (wraz ze swoim bardziej ugruntowanym odpowiednikiem digital pollution, dobrze udokumentowanym w bazach terminologicznych), nie został jeszcze odnotowany w głównych bazach terminologicznych w swoim nowo powstającym znaczeniu. W niniejszym badaniu przedstawiono etapy eksperymentalnego protokołu opracowanego w celu zbadania i oceny wkładu narzędzi GenAI w pracę terminologiczną, ze szczególnym uwzględnieniem tworzenia definicji. Celem jest świadome dostosowanie programu nauczania terminologii na studiach magisterskich w roku akademickim 2025-2026. Integracja narzędzi GenAI z zarządzaniem terminologią jest również motywowana zmieniającymi się potrzebami studentów, zidentyfikowanymi w badaniu ankietowym, którego wyniki przedstawiono w 3 niniejszym opracowaniu. Jest ona również uwarunkowana wymogami European Master’s in Translation (EMT), do którego dołączył Master ILTS w 2009. Najnowsza wersja ram kompetencji EMT (2022), obejmująca okres 2023-2028, kładzie szczególny nacisk na integrację technologii oraz potrzebę ciągłego aktualizowania przez przyszłych tłumaczy umiejętności w zakresie narzędzi i technologii tłumaczeniowych. W świetle ostatnich postępów w dziedzinie sztucznej inteligencji i neuronowego tłumaczenia maszynowego (NMT) aspekt ten stał się kluczowy dla obecnych potrzeb szkoleniowych. Pierwsza część opracowania poświęcona jest przedstawieniu kontekstu tła, ze szczególnym uwzględnieniem wzajemnych powiązań między terminologią, lingwistyką korpusową a sztuczną inteligencją. Przedstawiamy również ramy ARTES do analizy terminologicznej oraz kluczowy etap tego procesu: opracowywanie definicji terminologicznych. Wprowadzamy również podejście eksperymentalne do integracji modeli LLM z korpusową analizą terminów. Druga część przedstawia metodologię opracowania protokołu integracji GenAI oraz badanie przeprowadzone wśród studentów studiów magisterskich. Ostatnia część zawiera analizę protokołu opracowanego do gromadzenia i opracowywania definicji terminologicznych poprzez integrację GenAI z wykorzystaniem podejścia krytycznego. Ilustrujemy również końcowy etap analizy prowadzący do opracowania karty terminologicznej dla terminu data pollution w bazie wiedzy ARTES, a także model opracowany w ramach tego protokołu do gromadzenia najbardziej efektywnych promptów dla terminologii. TERMINOLOGIA, SZTUCZNA INTELIGENCJA I ARTES BAZA WIEDZY W tej sekcji omawiamy najnowsze zmiany w terminologii jako dziedzinie nauki i praktyki, napędzane postępem w dziedzinie AI. Następnie przedstawiamy platformę ARTES do opracowywania kart terminologicznych zgodnie z normami ISO i zasadami FAIR, a także możliwości, jakie oferuje ona w zakresie interakcji z AI. Przedstawiamy również centralną rolę definicji w analizie terminologicznej, szczególnie w przypadku pojawiających się pojęć i terminów. 3 Studia magisterskie Przemysłowe przetwarzanie języka i tłumaczenie specjalistyczne (ILTS), UFR EILA, UPCité. 4 Terminologia i sztuczna inteligencja Według Leonardi (2025: 148) przełomowa działalność Eugena Wüstera, twórcy nauki o terminologii, jest „częścią długiej tradycji ingerencji w języki naturalne, mających na celu poprawę ich efektywności przedstawieniowej i komunikacyjnej”. Ponadto Leonardi (2025) wyjaśnia, że „tradycja ta jest kontynuowana we współczesnych sformalizowanych modelach opracowywanych w ramach przetwarzania języka naturalnego (NLP), które stanowią podstawę zastosowań sztucznej inteligencji”. Terminologia i AI są zatem wewnętrznie powiązane. Istotnie, zbieżność terminologii i AI sięga 1993 roku, kiedy Didier Bourigault i Anne Condamines powołali grupę badawczą „Terminologia i sztuczna inteligencja (TIA)”. W tamtym czasie terminologiczna AI była zakorzeniona w inżynierii wiedzy oraz w badaniach nad interakcjami między korpusami a terminologią poprzez implementację podejścia symbolicznego wykorzystującego wzorce do wyszukiwania kandydatów na terminy i modelowania wiedzy. conceptual relationships (Meyer et al. 1992; Bourigault et al. 2001; Condamines, Rebeyrolle 2001; Condamines 2005). Consequently, Terminology and AI share the same goal: Ponadto, związek między terminologią a AI poprzez ich wspólny cel – modelowanie wiedzy – jest zakorzeniony w pojawieniu się lingwistyki korpusowej pod koniec lat 80. XX wieku, które zapewniło dostęp do korpusów cyfrowych i narzędzi do ich eksploracji. Z czasem (Bourigault, corpus linguistics became a leading approach in terminology studies (Pecman, Kübler 2022). It has also contributed to the development of the textual approach to terminology Slodzian 1999), co często postrzega się jako reakcję na tradycyjną preskryptywną metodologię szkoły wüsterowskiej (Humbley 2022). Związek między Terminologią, Lingwistyką Korpusową a AI jest również widoczny w użyciu takich terminów jak terminologia komputerowa i terminologia oparta na korpusach. Zdaniem Condamines (2022) to historyczne powiązanie między terminologią a AI, dążącymi do wspólnych celów i wykorzystującymi wspólne narzędzia, takie jak korpusy lub duże zbiory danych językowych, stopniowo uległo erozji, odzwierciedlając zmieniające się paradygmaty i przyspieszony rozwój w dziedzinie AI, którego kulminacją było wprowadzenie w latach 20. XXI wieku dużych modeli językowych (LLM). Niemniej jednak dane językowe, które służą jako zasób do modelowania wiedzy, stanowią kolejny wspólny element Terminologii, Lingwistyki Korpusowej i LLM-ów. W ciągu około trzydziestu lat wspólne przedsięwzięcie lingwistów komputerowych, specjalistów w dziedzinie NLP i IT doprowadziło do opracowania prototypu badawczego ChatGPT. Uruchomiony w listopadzie 2022 roku ChatGPT szybko przekształcił się w powszechnie używaną aplikację, ilustrując szybkie publiczne przyjęcie innowacji w dziedzinie sztucznej inteligencji. Kolejne lata charakteryzowały się proliferacją różnych typów LLM-ów i narzędzi GenAI: ChatGPT, DeepSeek, Perplexity, Gemini, Claude itd. 5 Paradygmatyczna zmiana napędzana przez sztuczną inteligencję Trwająca zmiana paradygmatu wywołana przez SI poszerza zakres i możliwości zarówno badań, jak i nauczania, które odtąd ukierunkowane są na ocenę i integrację SI. W odniesieniu do terminologii, tłumaczenia specjalistycznego i lingwistyki korpusowej koncentrujemy się na krytycznej ocenie skuteczności i pułapek wykorzystania SI w analizie lingwistycznej, tłumaczeniu i zarządzaniu terminologią. Chociaż większość prac podkreśla potrzebę krytycznego podejścia, szczególnie w kontekście języków specjalistycznych, np.: Raus, Mattioda 2024; San Martín 2024; Davies 2025; Kübler, Pecman 2025; można znaleźć również artykuły pełne entuzjazmu wobec możliwości oferowanych przez narzędzia SI, takie jak badanie Schryvera (2023) dotyczące skuteczności ChatGPT w leksykografii języka ogólnego. Jednocześnie badania mające na celu poprawę wydajności modeli LLM są szczególnie zainteresowane terminologią dziedzinową, a zwłaszcza zasobami równoległymi, które służą jako wysokiej jakości dane treningowe, np.: Ballier i in. 2021; Bénard i in. 2023; Zhu i in. 2023. Ponadto, w kontekście szybkiego upowszechniania się SI, rosnąca liczba publikacji i konferencji zachęca naukowców do włączenia się w refleksję nad rolą SI w nauce i nauczaniu, w praktykach zawodowych i społecznych, nad kwestiami etycznymi i związanymi z RODO (ogólnym rozporządzeniem o ochronie danych), a także nad problemami dotyczącymi ograniczonych danych treningowych dla języków o mniejszym zasięgu, np.: Rastier 2021; Casal, Kessler 2023; Finardi 2023; Lommel 2024. Instytucje przyczyniają się do debaty, organizując ważne wydarzenia. Konferencja Interpreting Europe 2025 zaprosiła profesjonalistów, ekspertów branżowych, naukowców i studentów do dyskusji na temat 4 przyszłości tłumaczenia ustnego jako zawodu w kontekście postępów w dziedzinie sztucznej inteligencji. Podczas Szczytu Działań na rzecz Sztucznej Inteligencji 2025 (‚Sommet pour l’action sur l’intelligence artificielle‛), który odbył się w Paryżu, ponad 60 krajów po raz pierwszy podpisało deklarację mającą na celu promowanie godnej zaufania, zrównoważonej i inkluzywnej 5 sztucznej inteligencji. Jednocześnie media i prasa wzmacniają debatę, przenosząc ten temat do sfery publicznej, zachęcając badaczy do docierania do szerszego grona odbiorców i uwzględniania szerszego zakresu gatunków i źródeł: np. Falgas, Robert 2023; Finardi 2023; Davies 2025. Warto zatem zauważyć, że postępy w dziedzinie sztucznej inteligencji wywierają ogromny wpływ na środowiska naukowe, akademickie i edukacyjne. W kontekście przekładu i badań nad językiem rosnący wpływ sztucznej inteligencji znacząco zmienia zachowania studentów, szczególnie sposób, w jaki wyszukują oni definicje i je konstruują. Jak zauważają Ptasznik i Lew (2025), ChatGPT wywołał debatę wśród leksykografów. W swoim niedawnym badaniu dotyczącym wpływu sztucznej inteligencji na polskich studentów języka angielskiego stwierdzili, że ChatGPT jest powszechnie używany i postrzegany jako wartościowe narzędzie do pisania i tłumaczenia. Autorzy informują, że studenci sięgają po niego również w poszukiwaniu inspiracji, z ciekawości i dla rozrywki. Podkreślają również, że przyszła rola AI w tej dziedzinie pozostaje niepewna. Wraz z ewolucją krajobrazu technologicznego zmieniają się również praktyki akademickie, co rodzi potrzebę rewizji ram edukacyjnych i metodologicznych w celu odzwierciedlenia tych zmian. 4 Dostępne na stronie: https://knowledge-centre-translation-interpretation.ec.europa.eu/en/events/interpretingeurope-conference-2025. 5 Dostępne na stronie: https://www.elysee.fr/sommet-pour-l-action-sur-l-ia. 6 W konsekwencji znaczna część obecnych badań w zakresie terminologii, rozwoju zasobów językowych i leksykografii koncentruje się obecnie na analizie zmiany paradygmatu wprowadzonej przez narzędzia AI, a także na ich krytycznej ocenie i potencjalnej integracji z nauczaniem i badaniami. Do najważniejszych niedawnych inicjatyw należą specjalny numer czasopisma Terminology, ‚Terminology and AI‛, zaplanowany na 2027 rok, oraz warsztaty w Paryżu w 2025 roku poświęcone roli słowników w epoce AI.. Jak podkreśla Altameemi (2024: 429), 6 ‚<…> integracja CL [językoznawstwa korpusowego] z ChatGPT ma ogromny potencjał dla rozumienia języka w epoce cyfrowej. <…> Innymi słowy, zamiast zachowywać ostrożność w stosowaniu ChatGPT, lingwiści powinni zbadać znaczenie łączenia CL i ChatGPT. Nawet akademickie programy kształcenia językoznawczego powinny uwzględniać znaczenie stosowania technologii w planie studiów. Co więcej, nie tylko lingwiści muszą wziąć to pod uwagę, lecz także badacze z innych dziedzin, którzy powinni rozważyć te aspekty i zastanowić się nad efektywnym wykorzystaniem technologii w badaniu dziedzin ludzkiej wiedzy.‛ W tym kontekście pilnej potrzeby krytycznej refleksji nad rolą AI oraz rozwoju odpowiednich praktyk niniejsze badanie ma na celu zbadanie możliwości integracji narzędzi GenAI z procesem analizy terminologicznej w ramach modelu bazy wiedzy ARTES. Konieczność takiej oceny jest tym bardziej istotna, ponieważ „wraz z nieuniknioną integracją AI z pracą terminologiczną rozróżnienie między treściami stworzonymi przez człowieka a treściami stworzonymi przez AI będzie coraz bardziej zatarte”, jak wskazuje San Martín (2024). Baza wiedzy ARTES i sztuczna inteligencja Baza wiedzy ARTES jest wykorzystywana od 2010 roku do nauczania terminologii studentów studiów magisterskich na kierunku tłumaczeniowym w katedrze EILA (por. Pecman, Kübler 7 2011; Kübler, Pecman 2012; Gledhill, Kübler 2015; Pecman 2021). Zapewnia cenne zasoby wspierające nauczanie i badania w zakresie terminologii oraz tłumaczenia specjalistycznego. Opracowany przez zespół badawczy ALTAE, ARTES składa się z dwóch platform: jednej do gromadzenia zasobów terminologicznych i frazeologicznych przez studentów tłumaczeń 8 oraz drugiej do swobodnego przeszukiwania bazy danych online. ARTES jest bazą terminologiczną; jednakże jej rozszerzona, knowledge-oriented approach to terminology and specialised discourses also qualifies it as a knowledge base (Pecman 2018). Podstawowym założeniem systemu ARTES jest to, że skuteczne zarządzanie terminologią opiera się na nabywaniu wiedzy specjalistycznej. Można to osiągnąć poprzez przeprowadzanie korpusowej analizy terminów opartej na korpusie, zarówno onomazjologicznej, jak i semazjologicznej, do której w ramach systemu ARTES dodaje się analizę sieci wiedzy lub sieci pojęciowych. Należy podkreślić 6 Le dictionnaire face à l’essor de la traduction automatique et des intelligences artificielles génératives, ISIT, Paris, 12 czerwca 2025 r. Dostępne na stronie: https://www.isit-paris.fr/le-dictionnaire-face-a-lessor-de-la-traductionautomatique. 7 Dostępne na stronie: https://u-paris.fr/eila. 8 Dostępne na stronie: https://altae.u-pariscite.fr. 7 że zarówno terminologia oparta na korpusach (Pecman, Kübler 2022), jak i korpusowe badania nad przekładem (CBTS) (Kübler et al. 2024) charakteryzują się silnym oparciem na autentycznych danych pochodzących z korpusów, wykorzystywanych do rozwiązywania problemów terminologicznych i translatorskich. Ponadto w terminologii korpusy są szczególnie przydatne do identyfikowania i analizowania nowo utworzonych terminów oraz neologizmów semantycznych. Ponadto baza danych ARTES została opracowana zgodnie z normami ISO (tj. ISO 1087:2019, 704:2022, 12620-1:2022, 5078:2025) oraz zasadami FAIR dotyczącymi danych (znajdowalność, dostępność, interoperacyjność i możliwość ponownego wykorzystania), zapoczątkowanymi przez Wilkinsona et al. (2016) i dostosowanymi do potrzeb terminologii przez Vezzani et al. (2023). ARTES dostarcza cennych zasobów do trenowania NMT (por. projekty SPECTRANS (Ballier et al. 2021; Zhu et al. 2023) i MaTOS (Bénard et al. 2023). Dane wyrównane lub równoległe są mianowicie dostępne dla pięciu rodzajów jednostek: terminów, kolokacji, definicji (terminologicznych i encyklopedycznych), uwag translatorskich oraz przedmiotu lub dziedziny. W bieżącym roku akademickim 2025–2026 ramy ARTES są rozszerzane o badanie możliwości integracji LLM z analizą terminologiczną. Protokół ma na celu uwzględnienie poszczególnych etapów analizy terminów, to znaczy identyfikowania terminów i wariantów terminologicznych, wyszukiwania kolokacji, terminów ekwiwalentnych, kontekstów definicyjnych, KRC oraz opracowywania definicji i uwag. Aby zapewnić krytyczne i eksperymentalne podejście do oceny wyników GenAI, nacisk nadal będzie kładziony na zdobywanie wiedzy o terminach za pomocą podejścia opartego na korpusie oraz rozwijanie niezbędnych umiejętności tworzenia definicji wysokiej jakości. W analizie terminologicznej definicje odgrywają centralną rolę w procesie zdobywania wiedzy. W związku z tym ważne jest zbadanie skuteczności narzędzi GenAI w identyfikowaniu istniejących definicji istotnych dla danego zagadnienia oraz opracowywaniu definicji terminologicznych. Opracowywanie definicji terminologicznych za pomocą LLM i podejścia opartego na korpusie Wraz z pojawieniem się terminologii jako niezależnej dyscypliny, po propozycji Wüstera (1968) dotyczącej opracowywania słowników specjalistycznych, definicja zyskała centralną rolę jako kluczowy element analizy terminów. We wprowadzeniu do swojego angielsko-francuskiego słownika obrabiarek Wüster (1968: 2.15) wskazuje definicję jako pierwszy i najważniejszy element niezbędny do osiągnięcia precyzji terminologicznej. Definicja stanowi również podstawę podejścia onomazjologicznego (od pojęcia do jednostki językowej) w analizie terminologicznej. Definiowanie pojęć specjalistycznych stanowi pierwszy krok w zdobywaniu zarówno wiedzy specjalistycznej, jak i kompetencji terminologicznej. Na studiach magisterskich oferowanych w katedrze EILA przyszli tłumacze specjalistyczni, tłumacze ustni i badacze języków specjalistycznych (LSP) rozwijają tę umiejętność poprzez zajęcia z terminologii. Gromadzenie i opracowywanie definicji terminologicznych do bazy danych ARTES jest jednym z wymogów projektowania rekordów. Polega ono na opracowaniu oryginalnej definicji w celu ujednolicenia danych przechowywanych w bazie terminologicznej oraz zapewnienia definicji wcześniej niezdefiniowanych pojęć lub pojęć, dla których terminolodzy powszechnie stosują jedynie konteksty definicyjne. Studenci opracowują definicje, wybierając odpowiednie available. The model for drafting definitions follows ISO standards 1087:2019 and 704:2022, 8 informacje zawarte w kontekstach definicyjnych i KRC, a także analizując terminy powiązane semantycznie oraz sieci semantyczne. Gromadzą również istniejące definicje, gdy są one dostępne w renomowanych bazach terminologicznych (UNTERM, IATE, Termium itp., por. rysunek 7). Opracowywanie definicji dla nowo powstających pojęć lub neologizmów, zwłaszcza w odniesieniu do terminów wykazujących niestabilność semantyczną, jest szczególnie trudne. W projekcie ARTES szczególną uwagę poświęca się sytuacjom, w których użycie terminu zaczyna się zmieniać i wykazuje przesunięcie znaczeniowe, prowadząc tym samym do ukształtowania się nowego pojęcia. Oczekuje się, że ocena wkładu LLM w ich analizę będzie złożonym zadaniem, jak omawia San Martín (2024), zauważając: ‚Jeśli opracowywanie tradycyjnych definicji jest pracochłonne, uwzględnienie ograniczeń kontekstowych i funkcjonalnych czyni to zadanie jeszcze bardziej czasochłonnym. Stanowi to istotną przeszkodę w tworzeniu elastycznych definicji terminologicznych. Narzędzia generatywnej sztucznej inteligencji (GenAI), zwłaszcza te oparte na wielkich modelach językowych (LLM), takich jak ChatGPT, mogą usunąć te bariery poprzez ograniczenie czasu i wysiłku potrzebnych do ich tworzenia. Wpływ GenAI może jednak wykraczać znacznie poza ten zakres, ponieważ może ona dogłębnie przekształcić metody i cele leżące u podstaw tworzenia i wykorzystywania definicji terminologicznych.‛ Na potrzeby naszego badania wybraliśmy termin data pollution, który przeanalizowaliśmy za pomocą podejścia korpusowego przed przeprowadzeniem przedstawionych w niniejszym artykule testów dotyczących wspomaganej przez AI analizy terminologicznej. Termin data pollution jest wartościowym kandydatem na potrzeby niniejszego badania, ponieważ wykazuje przesunięcie semantyczne i nie występuje w obecnie dostępnych zasobach terminologicznych. Ponadto studium przypadku tego terminu umożliwia kompleksową ocenę ram ARTES zarządzania terminami, zalet korpusowej analizy terminologicznej oraz skuteczności LLM w wspieraniu tego procesu. Jak powszechnie wiadomo, terminy podlegające przesunięciu semantycznemu subtelnie zmieniają leżący u ich podstaw paradygmat wiedzy, co szczególnie utrudnia odróżnienie nowo powstającego znaczenia od pierwotnego. Niemniej jednak terminy te odzwierciedlają szersze trendy konceptualne i mają istotne znaczenie terminologiczne (por. Pecman 2012; 2014). Zwykle określane mianem neologizmów semantycznych (w przeciwieństwie do neologizmów formalnych), a niekiedy także neosemów (Renouf 2020), tego rodzaju terminy wynikają z szeregu zjawisk językowych, takich jak polisemiczność i mikrozna­czenia, które sprawiają, że ich badanie jest szczególnie trudne (L’Homme 2024a; 2024b). Jak zauważają Lombard i in. (2023): „nowe znaczenia wyrazów nazywa się «neologizmami semantycznymi» i «wynikają one z rozszerzenia semantycznego za pomocą polisemii»”. Ponadto L’Homme (2024a: 216) wyjaśnia, że „polisemia jest powszechnym zjawiskiem, z którym terminolodzy często mają do czynienia”, co sprawia, że zarządzanie terminami polisemicznymi w zasobach terminologicznych jest niezbędne „w celu uniknięcia niejednoznaczności w komunikacji”. Poniższa sekcja przedstawia ogólną metodologię zastosowaną przy opracowywaniu protokołu eksperymentalnego dotyczącego integracji narzędzi GenAI z tworzeniem kart terminologicznych, ze szczególnym uwzględnieniem definicji terminologicznych jako kluczowych elementów zawartych w kartach terminologicznych. 9 METODOLOGIA WŁĄCZANIA NARZĘDZI GenAI DO ARTES RAMY OPARTE NA KORPUSIE Oczekuje się, że integracja LLM-ów z procesem wyszukiwania i opracowywania kart terminologicznych, a w szczególności definicji, pozwoli zaoszczędzić czas i podnieść jakość definicji (por. San Martín 2024). Niemniej jednak w naszym podejściu analiza oparta na korpusie jest przeprowadzana przed wprowadzeniem LLM-ów, aby umożliwić ich skuteczną integrację i ocenę. Davies (2025) wyjaśnia w swojej krytycznej ocenie tego, „jak dobrze przewidywania modeli językowych o dużej skali (Large Language Models, czyli LLM-ów, takich jak ChatGPT i Gemini) odpowiadały rzeczywistym danym korpusowym”, że „korpus jest o wiele bardziej immersyjnym i znacznie bardziej powiązanym doświadczeniem niż to, co często stanowią corpora provide an immersive learning environment with extensive links between words.‛ Moreover, Davies suggest: ‚both LLMs and corpora have their advantages and the best is jedynie podstawowe prezentacje w LLM-ach”. <…> „Najpełniejsze możliwości daje prawdopodobnie korzystanie z LLM-ów w połączeniu z danymi korpusowymi, ponieważ w wielu przypadkach te dwa «źródła danych» całkiem dobrze się uzupełniają”. Aby zatem umożliwić skuteczną interakcję z LLM-ami i wspierać krytyczną ocenę ich wyników, niezbędne jest gruntowne zrozumienie analizowanych danych językowych. Consequently, in our experimental approach, the interaction with LLMs relies on corpus-based terminology, combined with prompt engineering for terminology. According według Boonstry (2025: 7) „inżynieria promptów to proces projektowania wysokiej jakości promptów, które kierują LLM-ami tak, aby generowały trafne wyniki. Proces ten obejmuje eksperymentowanie w celu znalezienia najlepszego promptu, optymalizowanie jego długości oraz ocenę stylu i struktury promptu w odniesieniu do zadania. W kontekście przetwarzania języka naturalnego i LLM-ów prompt jest danymi wejściowymi przekazywanymi modelowi w celu wygenerowania odpowiedzi lub predykcji”. W zakresie inżynierii promptów wykorzystaliśmy szablony zaproponowane przez Boonstrę (2025), pierwotnie opracowane dla Gemini-pro, oraz przez Schulhoffa i in. (2025), które dostosowaliśmy do krytycznego podejścia do LLM-ów i do realizacji naszego celu, jakim było stworzenie zbioru skutecznych promptów do zarządzania terminologią. Wykluczyliśmy zatem parametry zaprojektowane w celu wpływania na zachowanie modelu, takie jak „temperature”, który kontroluje stopień losowości przy wyborze tokenów, ponieważ nie są one obsługiwane przez testowane tutaj narzędzia GenAI. 9 Można je jednak dostosowywać za pomocą sformułowania promptu: np. „Bądź kreatywny i nieprzewidywalny” zachęca do zachowania charakterystycznego dla wysokiej wartości parametru temperature, podczas gdy „Bądź zwięzły i dokładny” zachęca do zachowania charakterystycznego dla niskiej wartości parametru temperature. W zarządzaniu terminologią, przy wyszukiwaniu odpowiednich autentycznych danych, można oczekiwać, że zachowanie charakterystyczne dla niskiej wartości parametru temperature przyniesie 10 lepsze rezultaty. Na potrzeby naszego eksperymentu dodaliśmy do szablonu Boonstry kilka pól, a mianowicie: technika promptowania, data, komentarz i trafność. Przyjęliśmy również możliwość różnego definiowania limitu — za pomocą liczby znaków, tokenów lub elementów. 9 Są one obsługiwane przez interfejs programowania aplikacji (API), który umożliwia dostosowywanie aplikacji wykorzystujących LLM. 10 Różne rodzaje promptów według Boonastry (2025) obejmują: zero-shot (prompt bez podanych przykładów), one-shot (z jednym podanym przykładem), few-shot (z kilkoma podanymi przykładami), systemowy 16 Rysunek 6. Najczęściej używane narzędzia GenAI przez studentów studiów magisterskich pierwszego i drugiego roku do opracowywania kart terminologicznych W niniejszym badaniu koncentrujemy się zatem na testowaniu ChatGPT firmy OpenAI, a także DeepSeek, opracowanego przez chińską firmę o tej samej nazwie, oraz Perplexity, opracowanego przez Perplexity AI, który wykorzystuje różne LLM, mianowicie GPT opracowany przez OpenAI oraz Claude firmy Anthropic. W kolejnych sekcjach przedstawiamy systematyczny, sekwencyjny protokół ich integracji z procesem zarządzania terminologią ARTES. Wykorzystanie terminologii opartej na korpusie do testowania skuteczności narzędzi GenAI Jak podkreślono w poprzedniej sekcji, w proponowanym przez nas protokole eksperymentalnym analiza terminologiczna oparta na korpusie jest przeprowadzana przed interakcją z LLM, aby zapewnić zdolność do krytycznej oceny wyników GenAI. Przeprowadziliśmy zatem analizę na wszystkich etapach ram ARTES, to jest na etapach od 1 do 7 wymienionych w poprzedniej sekcji, a mianowicie wykorzystując SketchEngine (Kilgarriff et al. 2014) do tworzenia i eksploracji korpusu specjalistycznego, wraz z korpusami zintegrowanymi ze SketchEngine oraz dwoma 12 dodatkowymi narzędziami zawierającymi zintegrowane korpusy: Google Books Ngram Viewer (Michel et al. 2011) oraz 13 Netspeak 14 (Riehmann et al. 2012). Rysunek 7 ilustruje wyniki fazy 1, polegającej na sprawdzeniu, czy termin jest odnotowany w istniejących bazach terminologicznych. Termin data pollution jest rzadko odnotowywany w dobrze znanych bazach terminologicznych, ponieważ w bazie IATE znaleziono tylko jeden wpis, utworzony w 2021 roku, dotyczący pierwotnego znaczenia tego terminu. WYSZUKIWANY TERMIN: data pollution DATA BAZA TERMINOLOGICZNA WPIS KOMENTARZ ZNACZENIE WYSZUKIWANIA: 25/05/2025 Termium Plus brak ND ND Vitrine linguistique brak ND ND 12 Dostępne na stronie: https://www.sketchengine.eu. 13 Dostępne na stronie: https://books.google.com/ngrams. 14 Dostępne na stronie: https://netspeak.org. 17 IATE 1 wpis Udostępnione pola i Data utworzenia wpisu: 2.3.2021, Znaczenie: 1. znaczenie terminu. informacje: źródła (z lat 2018 i 2019), odpowiedniki w 20 językach (wśród nich francuski: pollution des definicja, konteksty, medium données) WIPO brak BD BD UNTERM brak BD BD tionary IGI Global Dicbrak BD BD Rysunek 7. Wyniki wyszukiwania terminu data pollution w istniejących bazach terminologicznych Ponieważ treść rekordu dotyczy pierwotnego znaczenia terminu, ustalenie to uznaje się za średnio istotne dla projektowanego rekordu. Rysunek 8 przedstawia treść rekordu w bazie IATE. Rysunek 8. Rekord terminu data pollution w bazie IATE przedstawiający informacje o pierwotnym znaczeniu terminu Niemniej jednak podane dane można wykorzystać do utworzenia rekordu terminologicznego dla terminu data pollution w jego pierwotnym znaczeniu (które można objaśnić jako „akt zanieczyszczania danych”), aby zestawić go z rekordem poświęconym terminowi data pollution użytemu w nowym znaczeniu (które można objaśnić jako „zanieczyszczenie powodowane przez dane”). Złożoność definiowania terminu data pollution w jego nowo powstałym znaczeniu (czasami przeformułowywanym jako pollution by data) wynika w szczególności nie tylko z tego, że pokrywa się ono ze znaczeniem terminu digital pollution, lecz także z jednoczesnego istnienia jego pierwotnego znaczenia (czasami przeformułowywanego jako pollution of data, polluted data). Gromadzenie informacji z istniejących zasobów i odtwarzanie ich w kartach terminologicznych opracowanych w ARTES nadaje analizie spójność, uwzględniając szeroki zakres informacji dotyczących terminu (Rysunek 9). 18 DEFINICJA wprowadzanie do zbioru treningowego spreparowanych w złośliwy sposób próbek danych treningowych, powodujące, że system AI uczy się nieprawidłowego modelu, a następnie błędnie klasyfikuje próbki testowe ŹRÓDŁO IATE, Council-EN, na podstawie Yinzhi Cao et al. 2018: 1 ISONYM dane zatrute KOMENTARZ pierwsze znaczenie terminu ŹRÓDŁO Mori et al. 2024: 155 KOMENTARZ nowe znaczenie terminu, występujące w nowszej literaturze ŹRÓDŁO Hasselbalch et al. 2022: 9–10 KOMENTARZ nowe znaczenie terminu, występujące we współczesnej literaturze ZNACZENIE wysokie ŹRÓDŁO Castelluccia & Kaafar 2009: 1 ZNACZENIE średnie ZNACZENIE średnie KOMENTARZ pierwsze znaczenie terminu, występujące w mniej aktualnych dokumentach Rysunek 9. Informacje wybrane z based approach. Figure 10 shows the definitions retrieved from corpora by using discourse markers for definitional contexts (such as ‚is a‛, ‚is the‛, ‚refer to‛, etc.): 1 DEF. KRC Zanieczyszczenie danych to ogół szkód generowanych przez działalność wpływa na nasze środowisko naturalne, społeczne gromadzenie, przechowywanie życia i środowisko osobiste. Jest to niezrównoważona obsługa, środowiska. IATE dla bazy danych ARTES Brak terminu w istniejących bazach terminologicznych ilustruje użyteczność korpusówRELEVANCE high 2 DEF. KRC Zanieczyszczenie danych to wzajemnie powiązany negatywny wpływ, jaki gospodarczą związaną z obsługą danych, a przetwarzanie danych cyfrowych i wykorzystywanie, oddziałując przekrojowo na jednostki oraz ich środowisko dystrybucja i generowanie zasobów danych. 3 generowanie, przechowywanie, DEF. KRC 4 DEF. KRC Treści internetowe (dokumenty, wiadomości e-mail, czaty, obrazy, filmy itp.) nagromadzenia wszystkich Internetu są często rozpowszechniane i powielane na ‚zniekształceń‛, które mogą wynikać z pracy z danymi w dziedzinie generując to, co publikowane w dalszej części termin ‚zanieczyszczenie danych‛ odnosi się do różnych urządzeniach równorzędnych lub serwerach, ‚zanieczyszczeń‛ lub nazywamy zanieczyszczeniem danych. technologii informacyjnej. 19 ŹRÓDŁO Zimmerli 1986: 291 KOMENTARZ pierwsze znaczenie terminu, znalezione w mniej aktualnych dokumentach ŹRÓDŁO Ben-Shahar 2018: 133 ISTOTNOŚĆ wysoka ŹRÓDŁO Ben-Shahar 2018: 104 ISTOTNOŚĆ średnia KOMENTARZ nowe znaczenie terminu, znalezione w najnowszej literaturze Rysunek 10. Konteksty definicyjne pozyskane z korpusu Chociaż znaleziono kilka Druga definicja istotna dla opracowania ukierunkowanej karty terminologicznej pochodzi z białej księgi (Hasselbalch 2022), opublikowanej po monografii (Hasselbalch 2021), w której kwestia zanieczyszczenia danych została omówiona w ramach niezależnej inicjatywy. 15 Konteksty definicyjne 3 i 4 uznaje się za średnio istotne, ponieważ wskazują na pierwotne znaczenie terminu. W kolejnym etapie pozyskiwanie wiedzy o pojęciu zanieczyszczenia danych za pośrednictwem korpusu polegało na analizie konkordancji terminu, a dokładniej na identyfikacji KRC. Analiza korpusu pozwoliła nam pozyskać wiele kontekstów, z których wybraliśmy te najbardziej istotne dla zrozumienia terminu i jego relacji semantycznych z innymi terminami charakterystycznymi dla tego dyskursu. Konteksty te są również przydatne do przedstawienia przykładów użycia terminu. Rysunek 11 przedstawia próbkę zebranych KRC (z wybranymi częściami wyróżnionymi pogrubieniem, przeznaczonymi do interakcji z LLM, zaprezentowanymi w ostatniej sekcji): 1 KRC Uznanie, że zanieczyszczenie danych jest również problemem publicznym degradującym cały ekosystem, a nie jedynie poszczególne sfery dawców danych, oferuje nową i bogatą perspektywę na istniejące rozwiązania — i wprowadza nowe. kontekstów definicyjnych, tylko dwa pierwsze odnoszą się do nowego znaczenia powstałego w wyniku przesunięcia semantycznego. Te konteksty definicyjne, występujące w komunikacji ekspert–ekspert, mają duże znaczenie dla ukierunkowanego opracowywania kart terminologicznych. Pierwszy z nich ma szczególne znaczenie, ponieważ pochodzi z artykułu 2 KRC Informacja cyfrowa jest paliwem nowej gospodarki. Jednak podobnie jak węgiel będący paliwem starej gospodarki, również zanieczyszcza. Szkodliwe „emisje danych” przedostają się do ekosystemu cyfrowego, zakłócając funkcjonowanie instytucji społecznych i interesów publicznych. Niniejszy artykuł rozwija nowatorskie ramy — zanieczyszczenie danych — aby ponownie przemyśleć szkody powodowane przez gospodarkę danych oraz sposób muszą być regulowane. opublikowanego w materiałach międzynarodowej konferencji. 15 Inicjatywa „Zanieczyszczenie danych i władza”. Dostępne na stronie: https://www.datapollution.eu. 20 COMMENT the new meaning of the term, found in recent literature RELEVANCE high 3 KRC Można zatem połączyć dwa tradycyjne zastosowania terminu „zanieczyszczenie danych”. Po pierwsze, zanieczyszczenie danych można rozumieć jako niekorzystny wpływ na środowisko osobiste i społeczne, na przykład na prawa jednostki, takie jak ochrona danych lub prawo do życia prywatnego, a także na instytucje demokratyczne i równowagę skutki dla naszego środowiska naturalnego, np. ślad węglowy, powodowane przez rosnące splątanie nowego znaczenia i pierwotnego znaczenia DEFINITION tego terminu (295 znaków) SOURCE Hasselbalch 2022: 22 COMMENT the new meaning and the original meaning of the term, put in contrast RELEVANCE 4 KRC i istotny negatywny wpływ środowiskowy big data na te środowiska. Jak w białej wpływu środowiskowego, lecz raczej jako wzajemnie powiązane negatywne skutki dla delikatnej równowagi w naszych naturalnych, społecznych i osobistych ekosystemach i środowiskach. Jak opisano, termin zanieczyszczenie danych jest obecnie używany w celu podkreślenia bardzo realnych następstw; celem nowego „zielonego ruchu” na rzecz big księdze, zanieczyszczenie danych jest ujmowane podobnie nie tylko jako jeden rodzaj data jest „zrównoważony rozwój danych”, który przekrojowo odnosi się do celów zrównoważonego rozwoju (SDGs), uwzględniając kwestie zrównoważonego rozwoju związane z różnorodnymi zmianami środowiskowymi powodowanymi przez ilość i różnorodność big data — od ich wpływu na krajobraz naturalny po wpływ na nasze decyzje i demokrację. SOURCE Hasselbalch 2022: 22–25 UWAGA wytwarzanie danych, które przekształca życie zawodowe, społeczne i codzienne wysoka RELEVANCE wysoka Rysunek 11. Pozyskiwanie kontekstów bogatych w wiedzę (KRC) w korpusie specjalistycznym KRC od 1 do 4 ilustrują użycie terminu w nowym znaczeniu. W kolejnym 16 kroku, na podstawie zebranych kontekstów definicyjnych i KRC (rysunki 10–11), możemy zaproponować definicję terminologiczną przedstawioną na rysunku 12: OPRACOWANY określony rodzaj zanieczyszczenia związany z technologiami informacyjnymi i jednostek oraz ich środowisko w sposób, który wydaje się niezgodny z ich możliwościami erą cyfrową, charakteryzujący się sił. Po drugie, zanieczyszczenie danych można rozumieć jako materialne niekorzystne lub potrzebami w zakresie pozyskiwania istotnych informacji. przykład pokazuje AUTOR rekordu terminu źródłowego, na podstawie Mori i in. 2024, Hasselbalch i in. 2022 oraz Ben16 Zebraliśmy również odpowiednie KRC ilustrujące pierwsze znaczenie terminu w celu opracowania rekordu terminu współwystępującego, aby powiązać oba rekordy i zamieścić uwagę na temat związku semantycznego między tymi dwoma terminami. 21 Shahar 2018 ISTOTNOŚĆ wysoka CEL Znalezienie KRC i odpowiednich odniesień MODEL ChatGPT-4-turbo OGRANICZENIE 3 definicje Rysunek 12. Opracowana definicja terminologiczna na podstawie wyszukiwania korpusowego i KRC Na tym etapie naszej analizy eksperymentalnej LLM. Wprowadzanie narzędzi GenAI do procesu analizy terminów Znajdowanie kontekstów bogatych w wiedzę (KRC) i odpowiednich źródeł Najpierw przetestowaliśmy zdolność LLM do znajdowania kontekstów definicyjnych. Celem było napisanie promptu, który zwracałby najbardziej odpowiednie konteksty definicyjne w cudzysłowie, a następnie odniesienie. Po kilku próbach technika promptowania przedstawiona na rysunku 13 przyniosła użyteczne wyniki. Nie zwróciła jednak kontekstów stricte definicyjnych, co w przypadku rozpatrywanego zagadnienia nie jest zaskakujące. Analiza korpusowa wykazała, że konteksty definicyjne dotyczące zanieczyszczenia danych są rzadkie. Prompt zwrócił użyteczne KRC oraz istotne odniesienia na potrzeby projektowania korpusu. Stosując połączenie promptowania systemowego i promptowania typu step-back, not only the results relevant for the new meaning of the term, but also in the desired format. By restricting the search to specific type of literature (scientific) and limiting uzyskujemy liczbę definicji, których należy szukać (trzy), i ograniczamy LLM do wygenerowania najbardziej istotnego wyniku (zob. Prompt 2 na rysunku 13). Ponadto najpierw zadaliśmy jedno pytanie, aby umożliwić LLM aktywowanie wiedzy ogólnej (Prompt 1 na rysunku 13), zanim poprosiliśmy go o znalezienie najbardziej istotnych przykładów. Rysunek 13 przedstawia test przeprowadzony na ChatGPT: zaobserwowaliśmy błąd poznawczy: ograniczenie polegające na zakazie interakcji z LLM przed sfinalizowaniem analizy opartej na korpusie stało się przeszkodą, ponieważ okazało się wymagać znacznej samokontroli. W kolejnym kroku wprowadziliśmy zatem LLM do wyszukiwania KRC i odpowiednich źródeł, opracowywania definicji z uwzględnieniem KRC, korygowania DATE 13/05/2025 TECHNIQUE generation of data which is transforming Step-back prompting, system prompting (ludzkich) definicji terminów oraz opracowywania definicji poprzez interakcję w ‚pętli‛ z PROMPT Jaka jest różnica między 1 ‚zanieczyszczeniem danych‛ zdefiniowanym w tych terminach ‚specyficznym rodzajem pollution related to information technologies and digital era characterised by the increasing professional, social and everyday life of individuals 22 i ich otoczeniem w sposób, który wydaje się niezgodny z ich dotyczące procesu. lub potrzeb związanych z wyszukiwaniem zestawiającą te elementy obok siebie? PROMPT Znajdź trzy literaturze naukowej oraz 2 podaj źródła dla każdej znalezionej najbardziej istotne definicje terminu ‚zanieczyszczenie danych‛ w definicji. Zwróć definicje w formie listy z dokładnym OUTPUT możliwościami, sformułowanie znalezione w tekstach, po którym istotnych informacji‛ oraz ‚zanieczyszczenie cyfrowe‛? URL. Czy Terminy „zanieczyszczenie danych” i „zanieczyszczenie cyfrowe” są 1 powiązane, ale różnią się zakresem i zakresem: Zanieczyszczenie danych Zakres: Szkodliwe skutki nadmiernych ilości danych lub niewłaściwego zarządzania danymi – ich gromadzeniem, przechowywaniem, przetwarzaniem i wykorzystywaniem. Najważniejsze kwestie: Nadmiar nieistotnych, stronniczych lub szkodliwych danych Koszty środowiskowe i społeczne infrastruktur big data Wpływ na ludzką uwagę, prywatność i podejmowanie decyzji Zakłócenia ekosystemów społecznych i informacyjnych Analogia: Porównywalne z zanieczyszczeniem chemicznym – skażenie środowiska informacyjnego szkodliwymi produktami ubocznymi. Zanieczyszczenie cyfrowe Zakres: Szerszy wpływ technologii cyfrowych na środowisko i zasoby. Najważniejsze kwestie: Zużycie energii i ślad węglowy urządzeń, serwerów i sieci E-odpady pochodzące ze sprzętu i urządzeń Wpływ całego cyklu życia na wytwarzanie i utylizację narzędzi cyfrowych Analogia: Porównywalne z zanieczyszczeniem przemysłowym – fizyczne i ekologiczne szkody powodowane przez infrastrukturę cyfrową. Podsumowanie różnicy Zanieczyszczenie danych dotyczy treści i konsekwencji samych danych oraz ich skutków społeczno-środowiskowych. Zanieczyszczenie cyfrowe dotyczy środowiskowego kosztu systemów cyfrowych, które następuje odniesienie bibliograficzne do źródła oraz jego dane chcesz, aby dla jasności przygotować tabelę porównawczą przechowują i przesyłają, OUTPUT ‚Informacja cyfrowa jest paliwem nowej gospodarki. Szkodliwe „emisje danych” przedostają się do ekosystemu cyfrowego, zakłócając Jednak podobnie jak węgiel będący paliwem starej gospodarki, 2 również zanieczyszcza. funkcjonowanie instytucji społecznych i naruszając interes publiczny.‛ Ben-Shahar O. 2018: Data Pollution 679, University of Chicago Public Law & Legal Theory Paper Series. Available at: https://chicagounbound.uchicago.edu/public_law_and_legal_theory/699/ ‚Zanieczyszczenie danych to wzajemnie powiązany negatywny wpływ, jaki generowanie, przechowywanie, obsługa i przetwarzanie danych cyfrowych wywierają na nasze środowisko naturalne, społeczne i osobiste. Jest to niezrównoważone gospodarowanie zasobami danych, ich dystrybucja i generowanie.‛ Hasselbalch G. et al. 2022: Data Pollution & Power – White Paper for a Global Development Agenda on AI. Available at: Sustainable https://www.researchgate.net/publication/362174889_Data_Pollution_Power__White_Paper_for_a_Global_Sustainable_Development_Agenda_on_AI_by_Gry_Hasselbalch _with_contributions_from_the_Data_Pollution_Power_DPP_Group_at_Bonn_Sustainable_AI _Lab 23 ‚Koncepcja zanieczyszczenia danych obejmuje zanieczyszczenie informacyjne lub „infollution” (Özdemir 2016), termin ukuty przez Orama w 1984 roku. Jednak zanieczyszczenie informacji różni się w pewnym stopniu; „zanieczyszczenie źródeł informacji nieistotnymi, zbędnymi, niezamówionymi i mało wartościowymi informacjami” lub, jak cytują Cai i Zhang (1996): „… jest stosem szeroko rozpowszechnionych, lecz niepożądanych wiadomości, które kontekstem definicyjnym, KRC, cytatem, wprowadzające w błąd (składa się z dwóch definicji https://www.academia.edu/76896486/Data_Pollution_and_Taxation VANCE COM-1st nie jest akademicki) pewnego dnia mogłyby głęboko wpłynąć na życie społeczne, niosąc MENT 2nd kontekst definicyjny, cytat, podane źródło i dobrze skonstruowane negatywne wyniki.‛ 3rd nie jest Data Pollution and Taxation 2022. Dostępne pod adresem: RELEhigh kontekstem definicyjnym, KRC, cytatem, podane źródło i dobrze skonstruowane inne określenie), źródło podane, lecz słabo skonstruowane, nie jest to rejestr naukowy (rejestr Rysunek 13. Inżynieria promptów na potrzeby zarządzania terminologią: znajdowanie KRC i odpowiednich odniesień za pomocą ChatGPT Chociaż zwrócono tylko jeden z czterech kontekstów definicyjnych znalezionych za pomocą podejścia opartego na korpusie, wraz z dwoma KRC, wynik jest istotny dla analizy pojęcia zanieczyszczenia danych. Po pierwsze, wynik pokazuje, że nie można pominąć podejścia opartego na korpusie przy wyborze najlepszych kontekstów definicyjnych i KRC, a także przy skutecznej ocenie wyników LLM. Po drugie, ChatGPT zwrócił jedno źródło, którego nie zidentyfikowano podczas etapu projektowania korpusu. Chociaż należy ono do rejestru akademickiego, a nie naukowego, może okazać się 17 użyteczne w dalszej analizie terminów powiązanych semantycznie i posłużyć do rozszerzenia korpusu: marker dyskursywny ‚includes‛ wskazuje, że information pollution jest meronimem data pollution, a markery ‚or‛ i cudzysłowy proste wskazują, że infollution jest synonimem information pollution. Niemniej jednak ta trzecia propozycja przedstawiona przez ChatGPT jako kontekst definicyjny wprowadza w błąd, ponieważ zawiera dwie definicje innego pojęcia (zanieczyszczenia informacyjnego) i nie zawiera definicji poszukiwanego pojęcia. Ponadto w poprzednim poleceniu użyliśmy tej samej instrukcji, nie określając, że oczekiwanym wynikiem są cytaty, co doprowadziło do przeformułowania cytatów i wprowadzających w błąd danych (zob. Rysunek 24 w Aneksie). Opracowywanie definicji oparte na KRC Kolejny test polegał na poproszeniu modeli LLM o opracowanie definicji popartej wyborem KRC. Wybraliśmy 3 KRC: kontekst definicyjny 1 (na Rysunku 10) oraz fragmenty z KRC 1 i 4 (wyróżnione pogrubieniem na Rysunku 11). Rysunek 14 przedstawia ten test z udziałem ChatGPT, DeepSeek i Perplexity. 17 W ramach struktury ARTES konsultuje się prace magisterskie, gdy brakuje źródeł specjalistycznych. Ogólnie rzecz biorąc, nie są używane do tworzenia wyspecjalizowanych korpusów. Uważa się, że należą raczej do rejestru akademickiego niż naukowego. 24 115b bG115a OpracowywDATE 13/05/2025 anie NIQUE 4. definicji na LIMIT 300 znaków PROMPT Opracuj definicję terminologiczną terminu „zanieczyszczenie danych” w nie więcej niż 300 znakach na podstawie tych bogatych w wiedzę kontekstów: Zanieczyszczenie danych to zbiór szkód generowanych przez działalność gospodarczą związaną ze zbieraniem, przechowywaniem i wykorzystywaniem danych, która wywiera przekrojowy wpływ na jednostki i ich środowiska życia. Zanieczyszczenie danych stanowi również problem publiczny, degradujący cały ekosystem, a nie jedynie sfery indywidualne osób przekazujących dane. Zanieczyszczenie danych jest ujmowane nie tylko jako jeden rodzaj oddziaływania na środowisko, lecz raczej jako wzajemnie powiązane negatywne skutki dla delikatnych równowag w naszych naturalnych, społecznych i osobistych ekosystemach oraz środowiskach. Termin „zanieczyszczenie danych” jest obecnie używany w celu podkreślenia bardzo realnego i materialnego negatywnego wpływu dużych zbiorów danych na środowisko. MODEL ChatGPT-4-- turbo DeepSeek-V3 Perplexity WYNIK Zanieczyszczenie danych jest Zanieczyszczenie danych danychsystemowych szkód powiązane z działalnością działalności gospodarcze przechowywanie, gromadzenie, zakłócają degradujących degradują naturalne, so ekosystemy cialne i zarówno na poprzez „Zanieczyszczenie danych odnosi się do szkodliwego szkód systemowych gospodarczą powiązanych z obejmujące dane, takich powodowanych przez przechowywanie i naturalne, społeczne, i naturalne, społeczne i osobiste ekosystemy niekorzystne tems. Jest to (298 znaków) Ujęte kluczowe cechy: 1. Szkoda systemowa – Podkreśla degradację na dużą skalę, a nie tylko skutki indywidualne. 2. Korzeń ekonomiczny – Powiązania z gromadzeniem, przechowywaniem i wykorzystywaniem danych. 3. Oddziaływanie przekrojowe – Wpływa na środowisko naturalne, społeczne i podstawie KRC TECH – zero-shot ments. Poza prywatnością – Posiodnosi się do produktu ubocznego powodowanych przez działalnością gospodarczą jak gromadzenie, działania związane z danymi, wykorzystywanie, które wykorzystywanie, które osobiste osobiste ekosystemy, wpływając problem publiczny jednostki, jak i szersze środowisko oddziaływania środowiskowe, zbiorowe, którego wzajemnie powiązane negatywne w sposób porównywalny z tradycyjnym i indywidualne skutki wykraczają poza skutki dotyczące całych zanieczyszczeniem środowiska. same kwestie prywatności.” jednostki i obejmują całe środo-wiska. 25 osobiste jako kwestia ekologiczna/publiczna. Jest to zgodne z ujmowaniem środowiskowej i wyboru hiperonimu oraz COModpowiednio MENT stosunkowo sformułowane, jasne, dość zwięzłe odpowiednio stosunkowo jasne, zanieczyszczenia danych społecznej, z dodatkowym sformułowane, nieodpowiednio sformułowane dość (dwie wypowiedzi), złożone jako kwestii wyzwaniem (wynikającym z informacji, która jest mniej jednoznaczna). Daj mi znać, czy chciałbyś/chciałabyś wprowadzić jakieś zmiany! Rysunek 14. Inżynieria promptów na potrzeby zarządzania terminami: opracowywanie definicji z uwzględnieniem KRC przy użyciu ChatGPT, DeepSeek i Perplexity Wszystkie trzy wyniki wydają się istotne dla zarządzania terminami, a metodę tę można uznać za odpowiednią do opracowywania definicji terminologicznych przy wsparciu LLM-ów. Istotnie, podanie KRC ukierunkowuje LLM-y na wygenerowanie definicji nowo powstającego znaczenia terminu. Wyniki uzyskane przez ChatGPT i DeepSeek wydają się bardziej odpowiednie w porównaniu z Perplexity. W aneksie, na Rysunku 25, przedstawiamy przykład ryzyka związanego ze stosowaniem niewystarczająco precyzyjnych promptów podczas zarządzania terminami podlegającymi przesunięciu semantycznemu with LLMs. Revising and improving bio-definition by LLMs W kolejnym teście poprosiliśmy narzędzia GenAI o ulepszenie definicji opracowanej przez nas bez pomocy narzędzi AI, na podstawie zebranych informacji, mianowicie różnych KRC, którą proponujemy nazwać „bio-definicją” (Rysunek 15): CEL Ulepszenie bio-definicji DATE 13/05/2025 przykłady, dość zwięzłe VANCE NIQUE LIMIT 300 characters PROMPT Improve this definition of the term ‚data pollution‛: specific type of pollution related to technologie informacyjne i era cyfrowa charakteryzujące się rosnącym wytwarzaniem danych, które przekształca życie zawodowe, społeczne i codzienne jednostek oraz ich otoczenie w sposób, który wydaje się niezgodny z ich możliwościami lub potrzebami w zakresie wyszukiwania istotnych informacji 32 Aby uwidocznić podwójne znaczenie tego terminu, ARTES udostępnia dwa odrębne rekordy: jeden dla pierwotnego znaczenia, a drugi dla nowo powstającego znaczenia (Rysunek 21–22), oraz obszerną uwagę dotyczącą terminów równoległych (Rysunek 22). Rysunek 21. Interfejs bazy danych ARTES przedstawiający dwa rekordy dotyczące zanieczyszczenia danych, aby odróżnić znaczenie pierwotne od nowego Rysunek 22. Interfejs bazy danych ARTES przedstawiający wpis dotyczący zanieczyszczenia danych 2, nowo powstałej koncepcji, wraz z informacjami o zanieczyszczeniu danych 1, zdefiniowanym jako termin równoległy (i koncepcja równoległa), w tym z notą wyjaśniającą Na koniec Rysunek 23 przedstawia następujące elementy schematu opracowanego w celu stworzenia zbioru skutecznych promptów do zarządzania terminologią z pomocą LLM w ramach ARTES, z zastosowaniem podejścia eksperymentalnego: stronę główną interfejsu zbioru promptów, pole tekstowe do rejestrowania zaprojektowanego promptu, pole tekstowe do podania przykładu wygenerowanego wyniku, wymaganą długość wyniku (w znakach lub słowach), ocenę jakości promptu (na podstawie uzyskanego wyniku) oraz rodzaj zastosowanej techniki promptowania. 33 Rysunek 23. Schemat opracowany w celu stworzenia zbioru skutecznych promptów dla zarządzania terminologią wspomaganego przez LLM UWAGI KOŃCOWE W niniejszym badaniu przeanalizowano potencjał integracji narzędzi GenAI z analizą terminologiczną, w szczególności w zakresie opracowywania kart terminologicznych w bazie wiedzy ARTES oraz w ramach dydaktycznych wykorzystywanych do nauczania terminologii studentów studiów magisterskich w zakresie przekładu na Université Paris Cité. Jako studium przypadku wybraliśmy termin data pollution, wykazujący przesunięcie semantyczne, aby przeprowadzić analizę eksploracyjną i opracować protokół skutecznej interakcji z LLM oraz narzędziami GenAI. Protokół ten jest obecnie włączany do programu kształcenia w zakresie terminologii w ramach studiów magisterskich. Przeprowadziliśmy również badanie wśród 50 studentów studiów magisterskich w zakresie przekładu, które wykazało, że połowa studentów korzysta z LLM przy opracowywaniu kart terminologicznych, co dodatkowo podkreśla potrzebę ukierunkowania ich na skuteczne korzystanie z tych narzędzi. Wyniki eksperymentalne naszego badania uwypuklają wartość narzędzi lingwistyki korpusowej we wspomaganiu analizy terminologicznej, umożliwiających konstruowanie i organizowanie wiedzy pojęciowej, a także ocenę jakości wyników działania narzędzi GenAI. Protokół opracowany na potrzeby integracji sztucznej inteligencji z analizą terminologiczną wykazał, że narzędzia GenAI mogą być przydatne do weryfikowania i udoskonalania wstępnie opracowanych przez AI definicji terminologicznych, jednak interwencja człowieka ma kluczowe znaczenie. Wyniki te są zgodne z najnowszymi pracami dotyczącymi integracji AI w nauczaniu i badaniach (por. Kübler et al. 2024; Raus, Mattioda 2024; San Martín 2024; Kübler, Pecman 2025) oraz 34 wzmacniają kluczowe zalecenia z nich wynikające, a mianowicie potrzebę promowania krytycznego podejścia do technologii AI i opracowania skutecznych metod oceny treści generowanych maszynowo. Teoretyczne ustalenia naszego badania podkreślają kluczową rolę analiz eksploracyjnych w obecnym krajobrazie szybko rozwijających się narzędzi AI, zwłaszcza w projektowaniu skutecznych schematów integracji GenAI i LLM. Centralne znaczenie w tym procesie ma potrzeba przeprowadzenia wstępnej analizy przez człowieka. Biegłość w zakresie wiedzy dziedzinowej i danych językowych jest niezbędna do oceny jakości treści generowanych przez GenAI oraz formułowania skutecznych promptów służących korygowaniu niedokładnych odpowiedzi. W kontekście terminologii wymaga to wiedzy specjalistycznej dotyczącej pojęć oraz zastosowania podejść korpusowych do analizy terminów. Korpus linguistics emerges as a key method for informed interaction with GenAI tools and prompt engineering. Istotnym wyzwaniem napotkanym podczas naszego badania było obciążenie poznawcze wprowadzone przez celowe ograniczenie interakcji z LLM, co wymagało znacznej samodyscypliny. W odpowiedzi na to zaproponowany w niniejszym artykule protokół postuluje sekwencyjną integrację narzędzi GenAI na różnych etapach wyszukiwania informacji i analizy terminologicznej. Future research will focus on testing and refining this protocol with translation studentów na kursach terminologii. Naszym celem jest rozszerzenie metodologii tak, aby obejmowała wszystkie etapy opracowywania kart terminologicznych, z zamiarem usprawnienia wyszukiwania i generowania informacji istotnych z punktu widzenia terminologii w interakcji z narzędziami GenAI. Jednym z głównych celów protokołu jest opracowanie wyselekcjonowanego zbioru wysoce skutecznych promptów do tworzenia kart terminologicznych. Nasze badanie stworzyło ku temu podstawy, oferując model konstruowania i oceny promptów dostosowany do uwzględniania różnych modeli językowych, typów zadań i zbiorów danych językowych; model ten będziemy nadal testować, dostosowywać i udoskonalać w kolejnych badaniach. REFERENCES Altameemi Yaser M. 2024: State-of-the-art Review of the Corpus Linguistics Field from the Beginning Until the Development of ChatGPT. – Theory and Practice in Language Studies 14(2), 423–431. Available at: https://doi.org/10.17507/tpls.1402.13. ARTES. Available at: https://artes.app.univ-paris-diderot.fr/artes-symfony/web/app.php. Ballier Nicolas, Cho Dahn, Faye Bilal, Ke Zong-You, Martikainen Hanna, Pecman Mojca, Wisniewski Guillaume, Yunès Jean-Baptiste, Zhu Lichao, Zimina-Poirot Maria 2021: The SPECTRANS System Description for the WMT21 Terminology Task. – ACL Rolling Review, a New Initiative of the Association for Computational Linguistics, 818– 825. Available at: http://www.statmt.org/wmt21/pdf/2021.wmt-1.80.pdf. Bénard Maud, Mestivier Alexandra, Kubler Natalie, Zhu Lichao, Bawden Rachel, de la Clergerie Eric, Romary Laurent, Huguin Mathilde, Nominé Jean-Francois, Peng Ziqian, Yvon François 2023: MaTOS: Traduction automatique pour la science ouverte [MaTOS: Machine Translation for Open Science]. – Actes de l'atelier 35 “Analyse et Recherche de Textes Scientifiques” (ARTS)@TALN 2023, 8–15. Available at: https://aclanthology.org/2023.jeptalnrecital-arts.2.pdf. Boonstra Lee 2025: Prompt Engineering. White paper. Available at: https://www.kaggle.com/whitepaper-prompt-engineering. Bourigault Didier, L’Homme Marie-Claude, Jacquemin Christian 2001: Recent Advances in Computational Terminology, Amsterdam/Philadelphia: John Benjamins. Bourigault Didier, Slodzian Monique 1999: Pour une terminologie textuelle [Towards a Textual Terminology]. – Terminologies nouvelles 19, 29–32. Casal J. Elliott, Kessler Matt 2023: Can Linguists Distinguish Between ChatGPT/AI and Human Writing? A Study of Research Ethics and Academic Publishing. – Research Methods in Applied Linguistics 2(3), 100068. Available at: https://doi.org/10.1016/j.rmal.2023.100068. ChatGPT, based on GPT-4-turbo, released on the 6th November 2023, OpenAI. Available at: https://chatgpt.com. Condamines Anne 2005: Linguistique de corpus et terminologie [Corpus Linguistics and Terminology]. – Langages 157. La terminologie: nature et enjeux, ed. L. Depecker, 36– 47. Condamines Anne 2022: Terminologie, Intelligence Artificielle et Psychologie cognitive: réflexions sur les interactions possibles dans l’étude de la variation en langues spécialisées [Terminology, Artificial Intelligence and Cognitive Psychology: Reflections on Possible Interactions in the Study of Variation in Specialised Languages]. – De Europa. European and Global Studies Journal, Special Issue on Multilingualism and Language Varieties in Europe in the Age of Artificial Intelligence, Università di Torino, 131–148. Condamines Anne, Rebeyrolle Josette 2001: Searching for and Identifying Conceptual Relationships via a Corpus-Based Approach to a Terminological Knowledge Base (CTKB). – Recent Advances in Computational Terminology, ed. D. Bourigault, M.- C. L’Homme, C. Jacquemin, Amsterdam/Philadelphia: John Benjamins, 127–148. Davies Mark 2025: Corpora and AI/LLM: Comparison of the Predictions of LLMs (ChatGPT and Gemini) to Actual Corpus Data (mainly from English-Corpora.org). White paper. Available at: https://www.english-corpora.org/ai-llms/english-corpora-with-aillms.pdf, alongside a video posted on the 18th of March 2025. Available at: https://youtu.be/WAzWoNzhZ9A?si=JT6TAhOMLkXjUoa4. DeepSeek, based on DeepSeek-V3-0324, 深度求索 (DeepSeek). Available at: https://chat.deepseek.com. EMT Competence Framework 2022. Available at: https://commission.europa.eu/system/files/202211/emt_competence_fwk_2022_en.pdf. 36 Falgas Julien, Robert Pascal 2023: Présenter l’IA comme une évidence, c’est empêcher de réfléchir au numérique (repris sur le titre: Comment le discours médiatique sur l’IA empêche d’envisager d’autres possibles) [Presenting AI as a Fact Prevents Reflection on Digital Technologies (based on the title: How Media Discourse on AI Prevents Considering Other Possibilities)]. – The conversation, 19 octobre 2023. Available at: https://theconversation.com/comment-le-discours-mediatique-sur-lia-empechedenvisager-dautres-possibles-211766. Finardi Kyria 2023: The Paradox of our Time and Role of Applied Linguists in it: Conférence donnée à l’occasion du webinaire 2023 de l’AFLA. Available at: http://www.aflaasso.org/webinaire-2023. Gledhill Christopher, Kübler Natalie 2015: How Trainee Translators Analyse LexicoGrammatical Patterns. – Journal of Social Sciences 11(3): Special issue on Phraseology, Phraseodidactics and Construction Grammar(s), ed. M. I. González-Rey, 162–178. Humbley John 2022: The Reception of Wüster’s General Theory of Terminology. – Theoretical Perspectives on Terminology: Explaining Terms, Concepts and Specialized Knowledge, ed. P. Faber, M.-C. L’Homme, Book coll. ‚Terminology and Lexicography Research and Practice‛, Amsterdam/Philadelphia: John Benjamins, 15–36. IATE. Available at: http://iate.europa.eu. IGI Global Dictionary. Available at: https://www.igi-global.com/dictionary. ISO – TC 37 Language and Terminology – ISO Standard 1087:2019(en) Terminology Work and Terminology Science: Vocabulary. Available at: https://www.iso.org/obp/ui/#iso:std:iso:1087:ed-2:v1:en. ISO – TC 37 Language and Terminology – ISO Standard 704:2022(en) Terminology Work – Principles and Methods. Available at: https://www.iso.org/obp/ui/en/#iso:std:iso:704:ed-4:v1:en. ISO/TC 37/SC 3/WG 6 Terminology Management and Artificial Intelligence – ISO Standard 5078:2025(en) Management of Terminology Resources – Terminology Extraction. Available at: https://www.iso.org/obp/ui/en/#iso:std:iso:5078:ed1:v1:en. ISO/TC 37/SC 3/WG 6 Terminology Management and Artificial Intelligence – ISO Standard 12620-1:2022 Management of Terminology Resources – Data Categories – Part 1: Specifications. Available at: https://www.iso.org/obp/ui/en/#iso:std:iso:12620:-1:ed-1:v1:en. Kilgarriff Adam, Baisa Vít, Bušta Jan, Jakubíček Miloš, Kovář Vojtěch, Michelfeit Jan, Rychlý Pavel, Suchomel Vít 2014: The Sketch Engine: Ten Years On. – Lexicography 1, 7–36. 37 Kübler Natalie, Martikainen Hanna, Mestivier Alexandra, Pecman Mojca 2024: Post-editing Neural Machine Translation in Specialised Languages: the Role of Corpora in the Translation of Phraseological Structures. – Recent Advances in Multiword Units in Machine Translation and Translation Technology, ed. I. J. Monti, G. Corpas Pastor, R. Mitkov, C. Manuel Hidalgo-Ternero, Current Issues in Linguistic Theory 366, Amsterdam/Philadelphia: John Benjamins, 57–78. Kübler Natalie, Pecman Mojca 2012: The ARTES Bilingual LSP Dictionary: from Collocation to Higher Order Phraseology. – Electronic Lexicography, ed. S. Granger, M. Paquot, Oxford: Oxford University Press, 187–209. Kübler Natalie, Pecman Mojca 2025: Corpus Linguistics: a Dinosaur or an Elephant in the IA Room? A Word from Terminology and Translation Studies Perspective: Phd Seminar – Winter school – Foreign Literatures and Languages school, 5–6 February 2025, Università di Verona, Italy. Leonardi Natascia 2025: Terminology Science, International Languages, and Knowledge Communication. – Terminology Throughout History. A discipline in the Making, ed. K. Warburton, J. Humbley, Terminology and Lexicography Research and Practice 24, Amsterdam/Philadelphia: John Benjamins Publishing Company, 148– 166. L’Homme Marie-Claude 2024a: Managing Polysemy in Terminological Resources. – Terminology 30(2), 216–249. L’Homme Marie-Claude 2024b: Seven Good Reasons for a Better Account of Fine-grained Polysemy in Terminological Resources. – Terminologija 31, 6–23. Available at: https://journals.lki.lt/terminologija/article/view/2407/2408. Lombard Alizée, Huyghe Richard, Barque Lucie, Gras Doriane 2023: Regular Polysemy and Novel Word-sense Identification. – The Mental Lexicon 18(1), 94–119. Lommel Arle 2024: The Rise of Large Language Models Informed by not so Large Corpora of Training Data. – Digital Translation 11/1, 73–84. Available at: https://doi.org/10.1075/dt.24006.lom. Meyer Ingrid 2001: Extracting Knowledge-Rich Contexts for Terminography: A Conceptual and Methodological Framework. – Recent Advances in Computational Terminology, ed. D. Bourigault, Ch. Jacquemin, M.-C. L’Homme, Amsterdam/Philadelphia: John Benjamins, 279–302. Meyer Ingrid, Bowker Lynne, Eck Karen 1992: Cogniterm: An Experiment in Building a Terminological Knowledge Base. – Proceedings of 5th EURALEX International Congress on Lexicography, Tampere, Finland. Tampere: Studia Translatologica, 159– 172. Michel Jean-Baptiste, Shen Yuan Kui, Aiden Aviva Presser, Veres Adrian, Gray Matthew K., Brockman William, The Google Books Team, Pickett Joseph P., Hoiberg Dale, 38 Clancy Dan, Norvig Peter, Orwant Jon, Pinker Steven, Nowak Martin A., Aiden Erez Lieberman 2011: Quantitative Analysis of Culture Using Millions of Digitized Books. – Science 331(6014), 176–82. Available at: https://pubmed.ncbi.nlm.nih.gov/21163965. Pecman Mojca 2012: Tentativeness in Term Formation: a Study of Neology as a Rhetorical Device in Scientific Papers. – Neology in Specialized Communication, ed. M. Teresa Cabré Castellví, Rosa Estopá Bagot, Maria C. Vargas Sierra. – Special issue of Terminology 18(1), 27–58. Pecman Mojca 2014: Variation as a Cognitive Device: How Scientists Construct Knowledge Through Term Formation. – Terminology 20(1), 1–24. Pecman Mojca 2018: Langue et construction de connaisSENSes. Energie lexico-discursive et potentiel sémiotique des sciences [Language and the Construction of Meaning and Knowledge: Lexico-Discursive Energy and the Semiotic Potential of Science]: monographie, préface de M.-C. L’Homme. Paris: Editions L’Harmattan. Pecman Mojca 2021: 10th Anniversary of the ARTES Terminological and Phraseological Database. – Svijet od riječi: terminološki i terminografski ogledi (“The world of words: Terminological and terminographic discussions), ed. I. Brač, A. Ostroški Anić, Izdavalacko izdanje Instituta za hrvatski jezik i jezikoslovlje (Publication of the Institut of Croatian language and linguistics, Zagreb), 301–324. Pecman Mojca, Kübler Natalie 2011: ARTES: An Online Lexical Database for Research and Teaching in Specialized Translation and Communication. – Proceedings from International Workshop on Lexical Resources (WoLeR) 2011 at ESSLLI, 1–5 August 2011, Ljubljana, Slovenia, 87–93. Available at: http://alpage.inria.fr/~sagot/pub/WoLeR_2011_proceedings.pdf. Pecman Mojca, Kübler Natalie 2022: Text Genres and Terminology. – Theoretical Perspectives on Terminology: Explaining Terms, Concepts and Specialized Knowledge, ed. P. Faber, M.-C. L’Homme, Book coll. Terminology and Lexicography Research and Practice, Amsterdam/Philadelphia: John Benjamins, 263–289. Perplexity, based on GPT-4o/Claude 4.0 Sonnet, released on the 6th of May 2025, Perplexity AI. Available at: https://www.perplexity.ai. Ptasznik Bartosz, Robert Lew 2025: Dictionaries Versus AI Tools Through the Eyes of English Majors: International Journal of Lexicography 38(2), 140–158. Available at: https://doi.org/10.1093/ijl/ecaf005. Rastier François 2021: Data vs corpora. – L’intelligence artificielle des textes. Des algorithmes à l’interprétation [The Artificial Intelligence of Texts: From Algorithms to Interpretation] 15, ed. D. Mayaffre, L. Vanni, coll. Lettres numériques, Paris: Éditions Honoré Champion, 203–246. 39 Raus Rachele, Mattioda Maria Margherita 2024: L’intelligence artificielle en salle de classe: la perception des étudiantes et des étudiants [Artificial Intelligence in the Classroom: Students’ Perceptions]. – Multilinguisme européen et IA: entre droit, traduction et didactique des langues/Multilinguismo europeo e IA tra diritto, traduzione e didattica delle lingue/European Multilingualism and Artificial Intelligence: The Impacts on Law, Translation and Language Teaching, ed. R. Raus, F. Bisiani, M. M. Mattioda, M. Tonti, De Europa, Special Issue, 221–231. Renouf Antoinette 2020: Semantic Neology. Challenges in Matching Corpus-based Semantic Change to Real-world Change. – Corpora and the Changing Society. Studies in the Evolution of English, ed. P. Rautionaho, A. Nurmi, J. Klemola, Amsterdam/Philadelphia: John Benjamins, 79–112. Riehmann Patrick, Gruendl Henning, Potthast Martin, Trenkmann Martin, Stein Benno, Fröhlich Bernd 2012: WORDGRAPH: Keyword-in-Context Visualization for NETSPEAK’s Wildcard Search. – IEEE Transactions on Visualization and Computer Graphics 18(9), 1411–1423. Available at: https://downloads.webis.de/publications/papers/riehmann_2012.pdf. San Martín Antonio P. 2024: What Generative Artificial Intelligence Means for Terminological Definitions. – Proceedings of the 3rd International Conference on Multilingual Digital Terminology Today (MDTT 2024), Granada: CEUR-WS. Available at: https://ceur-ws.org/Vol-3703/paper1.pdf. de Schryver Gilles-Maurice 2023: Generative AI and Lexicography: The Current State of the Art Using ChatGPT. – International Journal of Lexicography 36(4), 355–387. Schulhoff Sander, Michael Ilie, Nishant Balepur, Konstantine Kahadze, Amanda Liu, Chenglei Si, Yinheng Li, Aayush Gupta, HyoJung Han, Sevien Schulhoff, Pranav Sandeep Dulepet, Saurav Vidyadhara, Dayeon Ki, Sweta Agrawal, Chau Pham, Gerson Kroiz, Feileen Li, Hudson Tao, Ashay Srivastava, Hevander Da Costa, Saloni Gupta, Megan L. Rogers, Inna Goncearenco, Giuseppe Sarli, Igor Galynker, Denis Peskoff, Marine Carpuat, Jules White, Shyamal Anadkat, Alexander Hoyle, Philip Resnik 2025: The Prompt Report: A Systematic Survey of Prompt Engineering Techniques. Available at: https://arxiv.org/pdf/2406.06608. Termium Plus. Available at: https://www.btb.termiumplus.gc.ca. UNTERM. Available at: https://unterm.un.org/unterm2/en. Vezzani Federica, Di Nunzio Giorgio, Maria Costa Rute 2023: ISO Standards for Terminology Resources Management. Are They FAIR Enough? – Digital Translation 10/2, Amsterdam/Philadelphia: John Benjamins, 233–252. Available at: https://doi.org/10.1075/dt.00009.vez. Vitrine Linguistique. Available at: https://vitrinelinguistique.oqlf.gouv.qc.ca. 40 Wilkinson Mark D., Dumontier Michel, Aalbersberg IJsbrand Jan, Appleton Gabrielle 2016: The FAIR Guiding Principles for Scientific Data Management and Stewardship. – Scientific Data 3, 160018. Available at: https://doi.org/10.1038/sdata.2016.18. WIPO. Available at: https://wipopearl.wipo.int/fr/linguistic. Wüster Eugen 1968: The Machine Tool./La Machine-Outil. An Interlingual Dictonary of Basic Concepts Comprising an Alphabetcal Dictonnary and a Classified Vocabulary With Definitons and Illustrations: English-French Master Volume, Londres, Technical Press. Aslib, 173 p. Zhu Lichao, Zimina Maria, Bénard Maud, Namdar Behnoosh, Ballier Nicolas, Wisniewski Guillaume, Yunès Jean-Baptiste 2023: Investigating Techniques for a Deeper Understanding of Neural Machine Translation (NMT) Systems Through Data Filtering and Fine-tuning Strategies. – Proceedings of the Eighth Conference on Machine Translation, Singapore, Association for Computational Linguistics, 275–281. References of the texts on data pollution (used for the corpus and/or appearing in the outputs of GenAI tools) Ben-Shahar Omri 2018: Data Pollution. – University of Chicago Public Law & Legal Theory Paper Series 679, 104–159. Cao Yinzhi, Fangxiao Yu Alexander, Aday Andrew, Stahl Eric, Merwine Jon, Yang Junfeng 2018: Efficient Repair of Polluted Machine Learning Systems via Causal Unlearning. – Proceedings of 2018 ACM Asia Conference on Computer and Communications Security, Incheon, Republic of Korea, 4–8 June 2018 (ASIA CCS ’18). Castelluccia Claude, Kaafar Mohamed Ali 2009: Owner-Centric Networking (OCN): Toward a Data Pollution-Free Internet. – Proceedings of the 2009 Ninth Annual International Symposium on Applications and the Internet, 169–172. Gertsen Fred 2022: Data Pollution and Taxation: Master’s Thesis, Executive Master Cyber Security, Defended on the 31st of March 2022, Universiteit Leiden, Netherlands. Hasselbalch Gry 2021: Data Ethics of Power: A Human Approach in the Big Data and AI Era, Glos (UK): Edward Elgar. Hasselbalch Gry 2022: Data Pollution & Power, White Paper for a Global Sustainable Agenda on AI, The Sustainable AI Lab, Bonn University. Mori Leonardo, Francey Alizée, Mettler Tobias 2024: Data Pollution: Definition and Policy Responses. – Proceedings of the 16th IFIP WG 8.5 International Conference, Electronic Participation (ePart 2024), Ghent, Belgium, September 3–5 2024, 147–162. Zimmerli Walther Ch. 1986: Who is to Blame for Data Pollution? On Individual Moral Responsibility With Information Technology. – Philosophy and Technology II: 41 Information Technology and Computers in Theory and Practice, ed. C. Mitcham, A. Huning, Dordrecht/Boston: D. Reidel, 291–305. APPENDIX Figure 24 shows a prompt without the specification ‚with the exact wording found in the texts‛, and the output consisting of two erroneous, made-up contexts, where the definition of information pollution is credited to data pollution. Nevertheless, the proposal by ChatGPT that ‚data pollution encompasses the contamination of information sources…‛, can be regarded as true, if we take into account the semantic relation between data pollution and information pollution revealed by the discursive marker of meronymy ‚encompasses‛, and according to which information pollution is a part of data pollution. The reformulation by LLMs ‚The concept of data pollution includes information pollution‛ into ‚data pollution encompasses [definition of information pollution] …‛ is respectful of knowledge representation. However, in terminological analysis, it is paramount to distinguish semantically related terms, all the more so when they are near-like synonyms. GOAL Finding definitional contexts and their references MODEL ChatGPT-4-turbo DATE 13/05/2025 TECHNIQUE System prompting LIMIT 3 definitions PROMPT Find three most relevant definitions of the term ‚data pollution‛ in scientific literature and provide the sources for each definition found. Return the definitions in the list followed by the bibliographical reference of the source and its URL. OUTPUT Data pollution refers to the harmful ‚data emissions‛ leaked into the digital ecosystem, disrupting social institutions and public interests. This concept rethinks the harms the data economy creates and the way they have to be regulated. Ben-Shahar O. 2018: Data Pollution 679, University of Chicago Public Law & Legal Theory Paper Series. Available at: https://chicagounbound.uchicago.edu/public_law_and_legal_theory/699 Data pollution is the interrelated adverse impact that the generation, storing, handling, and processing of digital data has on our natural environment, social environment, and personal environment. It is the unsustainable handling, distribution, and generation of data resources. Hasselbalch G. et al. 2022: Data Pollution & Power - White Paper for a Global Sustainable Development Agenda on AI. Available at: https://www.researchgate.net/publication/362174889_Data_Pollution_Power__White_Paper_for_a_Global_Sustainable_Development_Agenda_on_AI_by_Gry_Hasselbalc h_with_contributions_from_the_Data_Pollution_Power_DPP_Group_at_Bonn_Sustainable_ AI_Lab