Переосмислення Парадигми Підготовки Перекладачів в Україні: Інтеграція з АІ та Відповідність Європейським Стандартам
Анотація
Стаття присвячена аналізу важливих викликів у сфері підготовки перекладачів в Україні, спричинених стрімким розвитком штучного інтелекту (ШІ) та нейронного машинного перекладу (НМП), і наголошує на важливості адаптації національної освіти до міжнародних перекладацьких стандартів. Новітні досягнення у сфері ШІ та нейронного машинного перекладу суттєво підвищили ефективність та точність перекладу, впливаючи на роль перекладачів у світі та актуалізацію необхідності адаптації освітніх підходів. Метою дослідження є виявлення прогалин у мовній підготовці, технологічних компетенціях перекладача та навичках, стійких до автоматизації, в існуючих навчальних програмах з перекладу українських закладів вищої освіти, а також розробка цільових рекомендацій для їх усунення. У дослідженні застосовано змішаний метод аналізу, що охоплює кількісні дані навчальних програм та якісні оцінки документації. Основні результати свідчать про значні розбіжності у початковому рівні мовної підготовки студентів, недостатню інтеграцію технологій перекладу та неадекватну підготовку до пост-редагування машинних перекладів. Висновки дослідження підкреслюють необхідність суттєвого посилення мовної підготовки, що дозволить студентам ефективно виконувати постредагування текстів, створених ШІ, та вирішувати складні завдання, які виходять за межі рутинного перекладу. Запропоновано запровадити стандартизоване тестування мовної компетенції, перебудову навчальних програм за стандартами Європейського магістра перекладу (EMT) та курси з постредагування машинного перекладу (MTPE). Подальші дослідження мають емпірично оцінити ці реформи та порівняти міжнародний досвід.
Завантаження
Посилання
American Translators Association. (n.d.). Machine translation. Retrieved from https://www.atanet.org/client-assistance/machine-translation/
Ayvazyan, N., Hao, Y., & Pym, A. (2024). Things to do in the translation class when technologies change: The case of generative AI. In Y. Peng, H. Huang, & D. Li (Eds.), New advances in translation technology (pp. 125-140). Springer. https://doi.org/10.1007/978-981-97-2958-6_11
Ayvazyan, N., Torres-Simón, E., & Pym, A. (2024). What kind of translation literacy will be automation-resistant? In Y. Peng, H. Huang, & D. Li (Eds.), New advances in translation technology (pp. 141-159). Springer. https://doi.org/10.1007/978-981-97-2958-6_7
Biel, Ł. (2023). From national to supranational institutionalisation: A microdiachronic study of the post-accession evolution of the Polish Eurolect. Perspectives: Studies in Translation Theory and Practice, 31(4), 672–689. https://doi.org/10.1080/0907676X.2022.2025870
Cameron, D. R. (2004). The challenges of EU accession for post-communist Europe. CES Central & Eastern Europe Working Paper No. 60.
Collingridge, T. (2024). An in-depth guide to survey translation. Global Lingo. Retrieved from https://global-lingo.com/an-in-depth-guide-to-survey-translation/
European Commission. (2022). European Master's in Translation (EMT) competence framework 2022. Retrieved from: https://commission.europa.eu/document/download/b482a2c0-42df-4291-8bf8-923922ddc6e1_en?filename=emt_competence_fwk_2022_en.pdf
Hao, Y., Hu, K., & Pym, A. (2024). Who’s afraid of literary post-editing? Performances and reflections of student translators. In Y. Peng, H. Huang, & D. Li (Eds.), New advances in translation technology (pp. 159-175). Springer. https://doi.org/10.1007/978-981-97-2958-6_13
Intento. (2024). The State of Machine Translation 2024: An independent multi-domain evaluation of Machine Translation engines and Large Language Models. Retrieved from https://inten.to/machine-translation-report-2024/
Karaban, V. I., & Karaban, A. V. (2021). Chy nastaie vzhe era khudozhn'oho mashynnoho perekladu?(kontekstual'ni pomylky mashynnoho perekladacha DeepL)? [Is the era of literary machine translation already here (contextual errors of DeepL machine translator)?]. Mova i kul’tura. Kyiv, 23(1), 438-445.
Karaban, V., & Karaban, A. (2024). AI-translated poetry: Ivan Franko’s poems in GPT-3.5-driven machine and human-produced translations. Forum for Linguistic Studies, 6(1). https://doi.org/10.59400/fls.v6i1.1994
Knight, B. (2018). How long does it take to learn a foreign language? Cambridge University Press. Retrieved from: https://www.cambridge.org/elt/blog/wp-content/uploads/2018/10/How-long-does-it-take-to-learn-a-foreign-language.pdf
LanguageWire. (n.d.). Top translation companies by revenue 2024. LanguageWire. Retrieved from https://www.languagewire.com/en/blog/top-translation-companies
Lionbridge. (n.d.). Translation and localization services. Lionbridge. https://www.lionbridge.com/
Marie, B. (2022). An automatic evaluation of the WMT22 general machine translation task. arXiv preprint arXiv:2209.14172.
Ozolins, U. (2003). Language policy and translation in the post-Soviet Baltic States. Multilingual Matters.
POEditor. (2023). Translation statistics: Insights from the industry. Retrieved from https://poeditor.com/blog/translation-statistics/
RWS. (n.d.). AI-enabled technology in translation. Retrieved from https://www.rws.com/
Sánchez-Castany, R. (2024). Industry insights about translation technologies: Current needs and future trends. In Y. Peng, H. Huang, & D. Li (Eds.), New advances in translation technology (pp. 83-101). Springer. https://doi.org/10.1007/978-981-97-2958-6_6
Stepes. (n.d.). Machine translation services and MTPE. Retrieved from https://www.stepes.com/
Wang, H., Wu, H., He, Z., Huang, L., & Church, K. W. (2022). Progress in machine translation. Engineering, 18, 143-153.
Zhu, M. (2023). Sustainability of translator training in higher education. PLoS ONE, 18(5), Article e0283522. https://doi.org/10.1371/journal.pone.0283522