Проблемы и перспективы применения языкового тестирования в определении носителей русского языка при решении задач профилактики преступности

Аннотация

Исследование посвящено проблеме надежной дифференциации носителей русского языка (НРЯ) и лиц, владеющих русским как иностранным на уровне С1-С2 (ИРЯ), в контексте задач профилактики преступности и оперативно-розыскной деятельности органов внутренних дел; актуальность обусловлена ростом числа лингвистических экспертиз и ограничениями традиционных экспертных подходов, подверженных субъективизму и не пригодных для массового и скоростного анализа. Цель разработать и апробировать комплексную технологическую модель классификации НРЯ/ИРЯ, интегрирующую лексико-грамматические, ошибочные и стилометрические признаки. Материалы включают сбалансированный корпус 7,8 млн словоупотреблений, разделенный на подкорпуса НРЯ (4,2 млн; 500 информантов) и ИРЯ (3,6 млн; 450 информантов с ТРКИ-3/4), содержащие спонтанную речь, эссе и тексты из переписки; все данные анонимизированы и нормализованы; устная речь транскрибирована с разметкой пауз, интонации и темпа. Методы: расчет TTR, длины предложения, индекса синтаксической сложности, распределений частей речи; таксономия более 50 типов ошибок; стилометрия частот служебных слов, п-грамм и пунктуации; построение многомерных векторов признаков (TF-IDF, BOW); обучение SVM, градиентного бустинга и LSTM с 10-кратной кросс-валидацией. Результаты выявили системные различия: у НРЯ ниже TTR при более высоком индексе сложносочиненности, большей доле служебной лексики и длиннее предложения; в группе ИРЯ частоты системных ошибок (вид глагола, предложно-падежное управление, инверсия, частицы) выше в 5-13 раз. Наибольшую прогностическую силу показали стилометрические признаки (профили 100 частотных слов и 3-грамм), обеспечивающие максимальное межгрупповое расстояние. Ансамбль SVM+градиентный бустинг продемонстрировал высокое качество: асccuracy 0,947, precision 0,962, recall 0,928, F1 0,945 на отложенной выборке. Обсуждение подчеркивает, что надежная идентификация невозможна на основании одиночных маркеров и требует синергии разнородных уровней анализа, отражающих автоматизированные речевые привычки. Практическая ценность модели заключается в поддержке принятия решений при экспресс-анализе текстов и аудиозаписей, снижении риска ложных срабатываний и повышении воспроизводимости. Ограничения связаны с доменом корпуса и необходимостью учета просодики; перспективы включают расширение данных, включение фонетических признаков и применение более глубоких архитектур, а также выработку правовых и этических регламентов использования. Практическая реализация предполагает интеграцию модели в ведомственные платформы для скрининга цифровых следов при соблюдении принципов пропорциональности и защиты персональных данных.