RUDN Journal of Language Studies, Semiotics and SemanticsRUDN Journal of Language Studies, Semiotics and SemanticsВестник Российского университета дружбы народов. Серия: Теория языка. Семиотика. Семантика2313-22992411-1236Peoples’ Friendship University of Russia named after Patrice Lumumba (RUDN University)5265910.22363/2313-2299-2026-17-2-534-456LQDNOMARTIFICIAL INTELLIGENCE IN APPLIED LINGUISTICS: CURRENT CHALLENGES AND PROSPECTSАКТУАЛЬНЫЕ ВЫЗОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПРИКЛАДНОЙ ЛИНГВИСТИКЕResearch ArticleModeling Demographically Conditioned Language in Large Language Models: Towards a Synthetic Respondent for Linguistic ResearchМоделирование демографически обусловленной речи в больших языковых моделях: построение синтетического респондента для лингвистических исследованийhttps://orcid.org/0000-0002-1748-76666174-8813VanichkinaAlexandra S.ВаничкинаАлександра Савельевна

PhD in director, Institute of Information Sciences

кандидат филологических наук, директор, Институт информационных наук

alexvanichkina@gmail.comhttps://orcid.org/0009-0006-9151-0269Izyumskaya-KapitonovaVeronika V.Изюмская-КапитоноваВероника Викторовна

Junior Researcher, Corpus Linguistics Laboratory

младший научный сотрудник, лаборатория корпусной лингвистики

v.v.linguist.ik@gmail.comMoscow State Linguistic UniversityМосковский государственный лингвистический университет30092026172ARTIFICIAL INTELLIGENCE IN APPLIED LINGUISTICS: CURRENT CHALLENGES AND PROSPECTSАКТУАЛЬНЫЕ ВЫЗОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПРИКЛАДНОЙ ЛИНГВИСТИКЕ53445606102026Copyright ©; 2026, Vanichkina A.S., Izyumskaya-Kapitonova V.V.Copyright ©; 2026, Ваничкина А.С., Изюмская-Капитонова В.В.2026Vanichkina A.S., Izyumskaya-Kapitonova V.V.Ваничкина А.С., Изюмская-Капитонова В.В.https://creativecommons.org/licenses/by-nc/4.0https://journals.rudn.ru/semiotics-semantics/article/view/52659

Using large language models (LLMs) to construct synthetic respondents is increasingly common in marketing and the social sciences, yet their applicability to modeling demographically conditioned variation in natural language remains underexplored in linguistics. This article aims to assess the extent to which synthetic respondents, instantiated via sociodemographic persona prompting, can reproduce gender-marked features of Russian diary writing. The data comprise diary entries from the Russian National Corpus (RNC) after 1950, split into female and male subcorpora and used as reference data, as well as 108 synthetic diary texts generated by three large language models (GPT-5.2, DeepSeek, GigaChat) across 32 persona-prompt configurations. The methods include corpus-based analysis of gender variation in language using a set of lexico-grammatical and pragmatic features, automated morphological and lexico-pragmatic annotation of synthetic texts with the Stanza library, computation of a parametric and a lexical index of gender proximity, and their aggregation into an integral measure. The results show that specific combinations of models and persona-prompt formulas (above all GPT-5.2 and DeepSeek with direct role adoption and structured or name-based demographic priming) generate texts whose statistical profiles approximate the female diary subcorpus of the RNC, whereas other configurations systematically shift towards the male profile. The study concludes that synthetic respondents can serve as a research instrument for modeling gender-marked language use, but their validity is tightly dependent on the choice of model and persona prompt and requires prior calibration against reference corpora, thereby specifying the scope and conditions for the responsible use of synthetic respondents in linguistics.

Использование больших языковых моделей (LLM) для построения синтетических респондентов активно осваивается в маркетинге и социальных науках, однако их применимость к моделированию демографически обусловленной вариативности естественной речи остается в лингвистике недостаточно исследованной. Целью статьи является оценка того, в какой мере синтетические респонденты, задаваемые с помощью личностного социодемографического промптинга, способны воспроизводить гендерно маркированные параметры русскоязычного дневникового письма. Материалом служат дневниковые записи Национального корпуса русского языка (НКРЯ) после 1950 г., разделенные на женский и мужской подкорпусы и использованные как референсные данные, а также 108 синтетических дневниковых текстов, сгенерированных тремя большими языковыми моделями (GPT-5.2, DeepSeek, GigaChat) по 32 конфигурациям личностного промптинга. Методы включают корпусный анализ гендерной вариативности речи на основе набора лексико-грамматических и прагматических показателей, автоматизированную морфологическую и лексико-прагматическую разметку синтетических текстов с помощью библиотеки Stanza, расчет параметрического и лексемного индексов гендерной близости и их агрегирование в интегральный показатель. Результаты показывают, что отдельные комбинации моделей и формул личностного промптинга (прежде всего GPT-5.2 и DeepSeek при непосредственном принятии роли и структурированной или именной стратегии прайминга) генерируют тексты, статистический профиль которых сближается с женским дневниковым подкорпусом НКРЯ, тогда как другие конфигурации систематически смещаются к мужскому профилю. Заключение. Показано, что синтетические респонденты могут выступать исследовательским инструментом для моделирования гендерно маркированного речевого поведения, но их валидность строго зависит от выбора модели и личностного промпта и требует предварительной калибровки относительно референсных корпусов; тем самым статья уточняет границы и условия ответственного использования синтетических респондентов в лингвистике.

artificial intelligencesemioticssemanticssimulation of meaningperplexitycинтетические респондентыбольшие языковые моделиличностный социодемографический промптинггендерная вариативность речикорпусная лингвистикагенерация синтетических текстовShrestha, P., Krpan, D., Koaik, F., Schnider, R., Sayess, D., & Binbaz, M.S. (2024). Beyond WEIRD: Can Synthetic Survey Participants Substitute for Humans in Global Policy Research? Behavioral Science & Policy, 10(2), 26–5. https://doi.org/10.1177/23794607241311793 EDN: RJHEHBShrestha P., Krpan D., Koaik F., Schnider R., Sayess D., Binbaz M.S. Beyond WEIRD: Can synthetic survey participants substitute for humans in global policy research? // Behavioral Science & Policy. 2024. Vol. 10. Iss. 2. P. 26-45. https://doi.org/10.1177/23794607241311793 EDN: RJHEHBArgyle, L.P., Busby, E.C., Fulda, N., Gubler, J.R., Rytting, C., & Wingate, D. (2023). Out of One, Many: Using Language Models to Simulate Human Samples. Political Analysis, 31(3), 337–351. https://doi.org/10.1017/pan.2023.2 EDN: TOAPUNArgyle L.P., Busby E.C., Fulda N., Gubler J.R., Rytting C., Wingate D. Out of One, Many: Using Language Models to Simulate Human Samples // Political Analysis. 2023. Vol. 31. Iss. 3. P. 337-351. https://doi.org/10.1017/pan.2023.2 EDN: TOAPUNPuzanova, Zh.V., Kozhoridze, G.G., & Kozhoridze, D.G. (2025). AI and Sociology: an Analysis of the Technological Capabilities of Virtual Respondents. Sotsiologiya: Metodologiya, Metody, Matematicheskoe Modelirovanie (Sotsiologiya: 4M), 60, 216–246. (In Russ.). https://doi.org/10.19181/4m.2025.34.1.6 EDN: PRPHTPПузанова Ж.В., Кожоридзе Г.Г., Кожоридзе Д.Г. ИИ и социология: анализ технологических возможностей виртуальных респондентов // Социология: методология, методы, математическое моделирование (Социология: 4М). 2025. № 60. С. 216-246. https://doi.org/10.19181/4m.2025.34.1.6 EDN: PRPHTPAher, G., Arriaga, R.I., & Kalai, A.T. (2023). Using Large Language Models to Simulate Multiple Humans and Replicate Human Subject Studies. In: Proceedings of the 40th International Conference on Machine Learning (Vol. 202, pp. 358–390). PMLR.Aher G., Arriaga R.I., Kalai A.T. Using large language models to simulate multiple humans and replicate human subject studies // Proceedings of the 40th International Conference on Machine Learning. PMLR. 2023. Vol. 202. P. 358-390.Dubnyakova, O.A., & Kashina, T.A. (2017). Communicative and Pragmatic Particularities of Personal Diary. MCU Journal of Philology. Theory of Linguistics. Linguistic Education, 3(23), 43–49. (In Russ.). EDN: YJGTIDДубнякова О.А., Кашина Т.А. Коммуникативно-прагматические особенности личного дневника // Вестник МГПУ. Серия «Филология. Теория языка. Языковое образование». 2017. № 3 (23). С. 43-49. EDN: YJGTIDTannen, D. (1990). You Just Don't Understand: Women and Men in Conversation. New York: Ballantine Books. (In Russ.).Таннен Д. Ты меня не понимаешь! : женщины и мужчины в разговоре / пер. с англ. Т. Печурко. М. : Вече ; Персей ; ACT, 1996.Kirilina, A.V. (1999). Gender: Linguistic Aspects. Moscow: Institute of Sociology, Russian Academy of Sciences. (In Russ.). EDN: OXTFTDКирилина А.В. Гендер: лингвистические аспекты : монография. М. : Ин-т социологии РАН, 1999. EDN: OXTFTDPotapov, V.V. (2002). A Multilevel Strategy in Linguistic Genderology. Topics in the Study of Language, 1, 103–126. (In Russ.). EDN: WVGGEKПотапов В.В. Многоуровневая стратегия в лингвистической гендерологии // Вопросы языкознания. 2002. № 1. С. 103-126. EDN: WVGGEKGender and language: An Anthology. (2005). Moscow: Yazyki slavyanskoy kultury. (In Russ.).Гендер и язык : антология. М. : Языки славянской культуры, 2005.Popova, T.I. (2022). Social Roles of the Speaker in Everyday Communication in Russian: A Gender Perspective [PhD in Philology]. Saint Petersburg: Saint Petersburg State University. (In Russ.).Попова Т.И. Социальные роли говорящего в повседневной коммуникации на русском языке: гендерный аспект : дис.. канд. филол. наук. СПб., 2022.Lutz, M., Sen, I., Ahnert, G., Rogers, E., & Strohmaier, M. (2025). The Prompt Makes the Person(a): a Systematic Evaluation of Sociodemographic Persona Prompting for Large Language Models. arXiv. https://arxiv.org/abs/2507.16076Lutz M., Sen I., Ahnert G., Rogers E., Strohmaier M. The Prompt Makes the Person(a): A Systematic Evaluation of Sociodemographic Persona Prompting for Large Language Models. URL: arXiv.org. 2025. https://arxiv.org/abs/2507.16076Lans, J.C.W. (2025). The “Magic Word” for LLMS: A Study on the Effect of Politeness on LLM Performance [PhD Thesis]. Leiden: Leiden University, Leiden Institute of Advanced Computer Science, Leiden University.Lans J.C.W. The “Magic Word” for LLMs: A Study on the Effect of Politeness on LLM Performance [PhD Thesis]. Leiden : Leiden Institute of Advanced Computer Science (LIACS), Leiden University, 2025.Dobariya, O., & Kumar, A. (2025). Investigating How Prompt Politeness Affects LLM Accuracy (Short Paper). arXiv https://arxiv.org/abs/2510.04950Dobariya O., Kumar A. Investigating how prompt politeness affects LLM accuracy (short paper). URL: arXiv. 2025. https://arxiv.org/abs/2510.04950Qi, P., Zhang, Y., Zhang, Y., Bolton, J., & Manning, C.D. (2020). Stanza: A Python Natural Language Processing Toolkit for Many Human Languages. arXiv. https://arxiv.org/abs/2003.07082Шмелeва Т.В. Речевой жанр (возможности описания и использования в преподавании языка) // Russistik. Русистика: научный журнал актуальных проблем преподавания русского языка. 1990. № 2. С. 20-32.Shmeleva, T.V. (1990). Speech Genre: Possibilities of Description and Use in Language Teaching. Russistik. Russian Language Studies: A Journal of Current Problems of Teaching Russian, 2, 20–32. (In Russ.).Моисеева Т.Ф., Огорелков И.В. Современная автороведческая экспертиза. М. : Российский государственный университет правосудия (РГУП), 2022.Moiseeva, T.F., & Ogorelkov, I.V. (2022). Modern Authorship Examination. Moscow: Russian State University of Justice (RGUP). (In Russ.).