Sử dụng công cụ dịch tự động trong Biên dịch Anh-Việt: Góc nhìn của sinh viên chuyên ngành Biên dịch tiếng Anh
Tập 133 Số 6B (2024), Journal of Social Sciences and Humanities
Tập 133 Số 6B (2024)

Sử dụng công cụ dịch tự động trong Biên dịch Anh-Việt: Góc nhìn của sinh viên chuyên ngành Biên dịch tiếng Anh: no

Journal of Social Sciences and Humanities
https://doi.org/10.26459/hueunijssh.v133i6B.7406
Đã xuất bản 2024-05-09
Tran Thi Thao Phuong
University of Foreign Languages, Hue University

Tóm tắt

Nghiên cứu định tính này tập trung vào tìm hiểu nhận thức của 15 sinh viên chuyên ngành Biên dịch Anh-Việt về việc sử dụng các công cụ Dịch thuật tự động thông qua phương pháp phỏng vấn sâu. Nghiên cứu này đã đưa ra cái nhìn sâu sắc và thực tế về quan điểm cũng như phản hổi của sinh viên  về xu hướng đào tạo dịch thuật hiện tại. Thông qua việc tìm hiểu một số công cụ Dich thuật tự động sinh viên đang sử dụng phổ biến, nghiên cứu đã chỉ ra rằng: trong khi Google Translate vẫn phổ biến, việc sinh viên khám phá và sử dụng các công cụ khác khác như ChatGPT cho thấy một cảnh quan công nghệ đang thay đổi đòi hỏi một sự cân bằng cao. Lợi ích của việc sử dụng các công cụ dịch thuật tự động thể hiện ở khả năg xử lý văn bản lớn hiệu quả và hỗ trợ các phương pháp dịch mới. Tuy nhiên, một quan điểm trái chiều về điểm bất lợi của các công cụ này đã nhấn mạnh nhu cầu hiểu biết sâu ngôn ngữ đích và nguồn để ngăn chặn sự đơn giản hóa quá mức của dịch thuật. Những thách thức, bao gồm việc dịch cá thành ngữ và giới hạn khác đã nhấn mạnh vai trò của các chương trình đào tạo trong giải quyết các vấn đề, giáo dục người dùng và nâng cao tính hiệu quả của các công cụ này. Kết luận của nghiên cứu khuyến khích một sự chuyển đổi giáo dục, thúc đẩy các chương trình đào tạo để nuôi dưỡng tư duy phản biện trong dịch thuật. Những thách thức được nêu rabởi sinh viên có thể là một kim chỉ nan cho sự cân bằng hợp tác giữa học thuật và ngành công nghiệp dịch thuật. Điều này sẽ giúp người dạy chuẩn bị tốt hơn cho sinh viên cho cảnh quan công nghệ đang thay đổi hằng ngày.

https://doi.org/10.26459/hueunijssh.v133i6B.7406

Tài liệu tham khảo

  1. Ali, A. (2016). Machine Translation and Human Translators: A Critical Analysis. International Journal of English Language & Translation Studies, 4(4), 43-50.
  2. Bakay Avar, G., & Yıldız, T. (2019). Deep Learning in Machine Translation: An Overview. Turkish Online Journal of Distance Education, 20(3), 188-204. https://doi.org/10.17718/tojde.593975
  3. Chandra, Y., & Yuyun, Y. (2018). Google Translate as an Alternative Tool in Translating Idiomatic Expressions. Journal of English Language Teaching, 7(3), 147-159. https://doi.org/10.15294/elt.v7i3.26111
  4. García-Martínez, M., Arcanjo, G., & Way, A. (2020). Improving productivity in neural MT through hybrid models. Machine Translation, 34, 1–25.
  5. Hampshire, S. J., & Salvia, J. (2010). Machine Translation Tools: A Case Study. Proceedings of the 2010 International Conference on Information Technology (ITNG), 341-346. https://doi.org/10.1109/ITNG.2010.168
  6. Hutchins, W. J. (2003). Machine Translation: Past, Present, Future. In Computers and Translation: A Translator's Guide (pp. 17-46). John Benjamins Publishing Company. https://doi.org/10.1075/ata.xiv.06hut
  7. Hutchins, W. J. (2003). Machine Translation: Past, Present, Future. In Computers and Translation: A Translator's Guide (pp. 17-46). John Benjamins Publishing Company. https://doi.org/10.1075/ata.xiv.06hut
  8. Hutchins, W. J. (2007). Machine translation: Past, present, future. The Oxford Handbook of Computational Linguistics, 647–671.
  9. Köksal, D., & Yürük, N. (2020). A Critical Review on Machine Translation in the Digital Age. Journal of Computer Science and Technology, 20(1), 25-34. https://doi.org/10.31539/jcst/764006
  10. Koponen, M., Missilä, A., Piitulainen, J., & Turunen, M. (2016). Post-Editing Machine Translation: Efficiency, Strategies, and Revision Processes in Professional Translation Settings. Translation Spaces, 5(1), 79–101.
  11. Krings, H. P. (2001). Repairing Texts: Empirical Investigations of Machine Translation Post-editing Processes. Translators' Journal, 46(3), 389–407.
  12. Niño, A. (2009). Translation and Technology: A Study of Students' Perceptions. Translation Journal, 13(4). Retrieved from https://translationjournal.net/journal/49technology.htm
  13. O'Brien, S. (2017). Human-Computer Interaction in Translation. In Routledge Handbook of Translation and Technology (pp. 170–186). Routledge.
  14. Omar, K. (2021). Machine Translation and Vocabulary Acquisition: The Role of Context. English Language Teaching, 14(1), 15-24. https://doi.org/10.5539/elt.v14n1p15
  15. Sinhal, M., & Gupta, P. (2014). Role of Machine Translation in Second Language Learning. International Journal of English Language, Literature and Humanities, 2(7), 101-111.
  16. Specia, L., Turchi, M., & Rajendran, S. (2018). Quality Estimation for Machine Translation. Synthesis Lectures on Human Language Technologies, 11(3), 1–123.
  17. Wu, D., Zhang, Y., Wei, F., & Zhou, M. (2018). StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 8789–8797).
  18. Zengin, B., & Kaçar, I. G. (2011). Investigating the Usage of Machine Translation in English Language Teaching. Hacettepe University Journal of Education, 41, 420-431.
  19. Zhang, Z., Lan, Y., Zhai, Y., & Huang, L. (2019). Customization of Neural Machine Translation for Domain Adaptation. arXiv preprint arXiv:1902.07127.