LLM‑Era: Muttersprache in wissenschaftlichen Texten – bleibt sie erhalten?

Mit dem Aufstieg großer Sprachmodelle (LLMs) hat sich die Art und Weise, wie Forscher ihre Arbeiten verfassen, grundlegend gewandelt. Eine neue Untersuchung, die sich auf die ACL Anthology konzentriert, fragt nun, ob diese Entwicklung die sprachliche Vielfalt in wissenschaftlichen Publikationen nivelliert.

Die Forscher haben ein umfangreiches, halbautomatisiertes Dataset erstellt, das die Muttersprache der Autoren anhand von Textmerkmalen identifiziert. Anschließend wurde ein Klassifikator feinabgestimmt, um die sprachlichen Fingerabdrücke der Autoren zuverlässig zu erkennen.

Die Analyse zeigt einen stetigen Rückgang der Erkennungsgenauigkeit über die Zeit hinweg. Besonders im post‑LLM‑Zeitalter tauchen unerwartete Muster auf: Während Chinesisch und Französisch eine überraschende Widerstandsfähigkeit oder abweichende Trends aufweisen, fallen die Erkennungsraten für Japanisch und Koreanisch stärker als erwartet.

Diese Ergebnisse deuten darauf hin, dass LLM‑basierte Schreibunterstützung die sprachliche Identität in wissenschaftlichen Texten beeinflusst, aber nicht gleichmäßig. Die Studie unterstreicht die Notwendigkeit, die Auswirkungen von KI‑Tools auf die sprachliche Vielfalt weiter zu beobachten und gegebenenfalls Gegenmaßnahmen zu entwickeln.