Educational Implications of Lexicographic Misalignment

AI-generated Definitions of English Loanwords in L2 Context

Abstrakt

Tento výzkum replikuje experimentální design Balenoviće a Prorokoviće (2025) na stejném lexikálním datovém souboru a zkoumá, zda model GPT-5 poskytuje přesnější, kontextově vhodnější a jazykově diferencovanější lexikografický výstup, pokud jde o významy a použití anglických přejatých slov v chorvatštině. Cílem je dále zjistit, jak se definice, kontextové příklady a rozdělení významů modelu GPT-5 kvalitativně a kvantitativně liší od těch, které produkuje model GPT-4o. Navzdory zlepšením výsledky ukazují, že model GPT-5 nadále vykazuje systematické slabiny v kontextu L2, zejména u málo frekventovaných přejatých slov. Ačkoli ne výlučně, stejně jako v GPT-4o, méně doložené položky vyvolávají vyšší míru nadměrné generalizace z L1 do L2, což vede k neověřeným nebo sémanticky nepravděpodobným použitím prezentovaným s vysokou mírou jistoty. Studie dospěla k závěru, že ačkoli GPT-5 představuje významný pokrok v lexikografické oblasti, jeho výkonnost zůstává při interpretaci přejatých slov v L2 nejednotná. Jinými slovy, stále se zdá, že existuje potřeba kritického lidského dohledu a vzdělávacího významu gramotnosti v oblasti AI. Nesprávná interpretace návrhu a záměru modelu ze strany modelu znamená, že rozpoznání a oprava takových chyb vyžaduje nejen povědomí uživatele, ale také jazykovou kompetenci.