CC BY
53
8. TIME. What Is Monkeypox and Should You Be Worried? Available at: https://time.com/6178541/what-is-monkeypox-and-should-you-be-worried/
9. BBC. What Is Monkeypox and How Do You Catch It? Available at: https://www.bbc.co.uk/news/health-45665821
10. The Guardian. Why are Monkeypox Cases Suddenly Emerging Across the World and Could the Virus Have Mutated? Available at: https://www.theguardian.com/world/2022/ may/24/why-are-monkeypox-cases-suddenly-emerging-across-the-world-and-could-the-virus-have-mutated
11. The New York Times. How Serious Is Monkeypox? Available at: https://www.nytimes.com/article/monkeypox-virus-covid.html?searchResultPosition=2
References
1. Mediascope. Available at: https://mediascope.net/news/1460058/
2. Mejer R. Kak obychnyj amerikanec uznaet novosti. Available at: https://theidealist.ru/how-the-average-american-gets-their-news/
3. Haugen E. The Ecology of language. Essays by Einar Haugen. Stanford: Stanford University Press, 1972.
4. Halliday M.A.K. New Ways of Meaning: The Challenge to Applied Linguistics. The Ecolinguistics Reader: Language, Ecology and Environment. London; New York: Continuum, 2001.
5. lonova S.V. K voprosu o priznakah 'ekologichnosti tekstovoj kommunikacii. Vestnik Volgogradskogo gosudarstvennogo universiteta. Seriya 2: Yazykoznanie. 2011; № 1 (13). Available at: https://cyberleninka.ru/article/n/k-voprosu-o-priznakah-ekologichnosti-tekstovoy-kommunikatsii
6. WHO (World Health Organization). Monkeypox. Available at: https://www.who.int/news-room/fact-sheets/detail/monkeypox
7. ECDC (European Centre for Disease Prevention and Control). Factsheet for Health Professionals on Monkeypox. Available at: https://www.ecdc.europa.eu/en/all-topics-z/ monkeypox/factsheet-health-professionals
8. TIME. What Is Monkeypox and Should You Be Worried? Available at: https://time.com/6178541/what-is-monkeypox-and-should-you-be-worried/
9. BBC. What Is Monkeypox and How Do You Catch It? Available at: https://www.bbc.co.uk/news/health-45665821
10. The Guardian. Why are Monkeypox Cases Suddenly Emerging Across the World and Could the Virus Have Mutated? Available at: https://www.theguardian.com/world/2022/ may/24/why-are-monkeypox-cases-suddenly-emerging-across-the-world-and-could-the-virus-have-mutated
11. The New York Times. How Serious Is Monkeypox? Available at: https://www.nytimes.com/article/monkeypox-virus-covid.html?searchResultPosition=2
Статья поступила в редакцию 07.06.22
УДК 81.25
Li Jiaxin, postgraduate, Higher School of Translation and Interpretation, Lomonosov Moscow State University (Moscow, Russia), E-mail: dlljx999@gmail.com
ANALYSIS OF MACHINE TRANSLATION IN THE LIGHT OF ECO-TRANSLATOLOGY. With the rapid development of artificial intelligence, machine translation technology is also becoming more mature. Measuring the quality of machine translation is the most important indicator for evaluating machine translation and is of great importance for the development of machine translation. In addition, through analysis, we can also find out the current level of machine translation. For this work, the researcher chose the presentation "Knowledge Day 2021" of Moscow State University (hereinafter referred to as MSU), which includes the translation of official documents, translation of titles, translation of slogans, etc. To analyze the translation of the presentation, there are four popular translation programs used - Deepl, Google, Yandex and Baidu. Using Eco-Translatology assessment criteria as a guide, a quantitative analysis of translations is carried out in three areas: the language dimension, the communicative dimension and the cultural dimension.
Key words: machine translation, Deepl, Google translator, Yandex translator, Baidu translator, language dimension, communicative dimension, cultural dimension.
Ли Цзясинь, аспирант, Высшая школа перевода (факультета) Московского государственного университета имени М.В. Ломоносова; г. Москва,
E-mail: dlljx999@gmail.com
АНАЛИЗ МАШИННОГО ПЕРЕВОДА В СВЕТЕ ЭКОПЕРЕВОДОВЕДЕНИЯ
С быстрым развитием искусственного интеллекта технология машинного перевода также становится все более зрелой. А измерение качества машинного перевода является наиболее важным показателем его оценки и имеет большое значение в плане его развития. Кроме того, путем анализа мы также можем выяснить текущий уровень машинного перевода. Для данной работы мы выбрали презентацию «День знаний 2021» Московского государственного университета (далее - МГУ), которая включает в себя перевод официальных документов, заголовков, слоганов и т. д. Для анализа перевода презентации мы использовали четыре популярные переводческие программы - Deepl, Google, Yandex и Baidu. Используя в качестве ориентира критерии оценки экопереводоведения, автор проводит количественный и качественный анализ переводов по трем направлениям: языковое измерение, коммуникативное измерение и культурное измерение.
Ключевые слова: машинный перевод, Deepl, Google Переводчик, Yandex.Переводчик, Baidu Переводчик, языковое измерение, коммуникативное измерение, культурное измерение.
Машинный перевод - это процесс перевода письменных текстов с одного естественного языка на другой с помощью специальной компьютерной програм-мы[1, с. 106]. Как определил китайский ученый Чен Инь, «ЙЯШ^н^ШШ
(«Машинный перевод - это использование компьютеров для перевода одного текста на другой или нескольких текстов на естественном языке. Это междисциплинарная дисциплина, включающая лингвистику, информатику, математику и т.д.») [2, с. 19].
Актуальность этой статьи обусловлена необходимостью определения нового критерия оценки перевода, основанного на экопереводоведении, и использования этого критерия для оценки автоматического (машинного) перевода, чтобы изучить преимущества и недостатки автоматического перевода с помощью определенного проекта и достичь гармонии между человеком и машиной при переводе.
Теоретическая значимость данной работы обусловлена введением в научный обиход нового подхода к критерию автоматического перевода, чтобы машинный перевод имел определенную основу для суждений. Выводы, сформулированные в работе, раскрывают возможности для дальнейшего изучения автоматического перевода.
Практическая значимость заключается в том, что полученные в работе результаты могут быть использованы в педагогической деятельности при подготовке переводчиков на основе машинного перевода. Установление критерия оценки автоматического перевода и демонстрация фактических результатов перевода и
оценки может помочь переводчикам улучшить качество перевода при машинном переводе и снизить свою рабочую нагрузку.
Цель данной статьи - провести сравнительный анализ машинного перевода на примере следующих систем: Goolge, Deeple, Yandex и Baidu. Мы хотим протестировать результаты перевода каждого программного обеспечения в каждом измерении и проанализировать, какое программное обеспечение работает лучше и в каком измерении.
В качестве фактического материала используется презентация МГУ «День знаний 2021».
Цель исследования обусловила решение следующих задач:
1. Установление критерия оценки качества перевода.
2. Использование этого критерии для анализа результатов машинного перевода каждого программного обеспечения и предоставления собственного перевода на основе экопереводоведения.
3. Анализирование в целом ситуации каждого машинного перевода и получение выводов.
Методологическую и теоретическую основу исследования составляют научные труды и идеи по общей теории и истории перевода ученых Китая, России и других стран: Гарбовского Н.К., Костиковой О.И., Кочетковой Н.С, ЙЙФ(Ху Гэншэнь) , (Чен Инь) и др.
Методы, применяемые в данной работе: эксперимент, количественный и качественный анализ, метод сравнения.
Новизна работы заключается в том, что экопереводоведение - это новое направление в теории перевода. Вместе с тем автоматический перевод был предметом обсуждения в последние годы. Нами разработан критерий оценки качества автоматического перевода на основе экопереводоведения для того, чтобы помочь повысить качество перевода.
1. Планирование проекта
«С появлением первых электронных вычислительных машин еще в середине 40-х гг. возникает идея заставить переводить машину. В 1954 г проводится так называемый Джорджтаунский эксперимент, в результате которого получен первый перевод небольшого и несложного текста с одного языка на другой» [3, с. 174]. После этого машинный перевод постепенно приобрел популярность.
С развитием глобализационных процессов и углублением разного рода контактов между странами перевод становится все более и более важным звеном в трансграничном обмене. Н.К. Гарбовский и О.И. Костикова так описали важность и роль перевода в межкультурном общении: «...социальная функция перевода состоит в «утолении информационного голода» и преодолении «коммуникативного дискомфорта», вызванного невозможностью понять другого в силу различия коммуникативных кодов в условиях двуязычной коммуникации» [4, с. 18].
Машинный перевод имеет большое значение для развития перевода вообще. В последние годы был разработан и применен ряд систем машинного перевода. Так, в 2006 году начала работать система Google Переводчик компании Google, а в 2017 году компания, чтобы добиться более качественного перевода, перешла на нейронную сеть. В 2011 году китайская компания Baidu запустила систему машинного перевода Baidu Переводчик, которая может поддерживать перевод между 27 языками, а российская компания Яндекс в том же году запустила собственный статистический машинный перевод. В 2017 году немецкая компания Deepl GmbH запустила бесплатный сервис нейронного машинного перевода, также известный как Deepl. Машинный перевод все чаще и активнее используется в нашей повседневной работе и жизни, а качество переводов становится все выше. Качество перевода некоторых технических текстов даже сравнимо с естественным переводом, поэтому актуализируются вопросы, связанные с соотношением машинного и естественного перевода. Анализ качества перевода является наиболее важным показателем для оценки машинного перевода.
В качестве критерия перевода мы используем критерий экопереводоведения, разделенный на 5 уровней. Как считает Ху Гэншен,
("Успешные переводы являются результатом успешной многомерной адаптации и адаптивного отбора переводчика, и переводы оцениваются в первую очередь по «степени интеграции, отбора и адаптации». Это относится к синтезу степени «адаптивного выбора», которую переводчик выбирает и адаптирует к языку, культуре, коммуникации и другим аспектам при выполнении перевода. Лучший перевод - это перевод с высочайшей степенью интеграции, отбора и адаптации") [5, с. 144].
На основе экопереводоведения нами разработана система критериев машинного перевода, которая содержит в себе три параметра: языковое измерение, коммуникативное измерение, культурное измерение (см. табл. 1).
Для нашего анализа мы выбрали несколько типичных предложений из презентации, которые были на первом этапе переведены нами, а затем с помощью отмеченных выше машинных переводческих систем. Далее результаты перевода мы сравнили с результатами собственных переводов, выполненных в соответ-
ствии с теорией экопереводоведения. Мы выделили жирным шрифтом и курсивом проблемные места в переводах.
2. Анализ проблемы
Нами был проведен следующий эксперимент. Пять участников эксперимента, которые работают в сфере переводов, выставили собственную оценку каждому из них. На основе данных оценок мы вывели среднюю оценку каждому из переводов. Полученные данные проиллюстрируем на примере следующих предложений или фрагментов предложений.
1. После приезда в Российскую Федерацию: очно с соблюдением всех мер защиты.
Deepl Перевод: ШШ
Я.
Google Переводчик: ШШШШШШ-. IfMßMl.
Yandex.Переводчик: тШШШШ-. £ЙШШШШЙ.
Baidu Переводчик: ШЖЯШШШ-. ШтШШШМ.
Наш перевод:
Языковое измерение: все машинные переводы этого фрагмента предложения получают оценку «5» по языковому измерению, машинный перевод характеризуется отсутствием пропусков слов.
Коммуникативное измерение: Deepl и Google Переводчики могут получить 5 баллов, так как они достигли коммуникативной цели оригинального текста. В отличие от этих систем, Яндекс Переводчик и Baidu Переводчик набрали 3,5 балла, так как они не передали смысл фразы «необходимость добраться до определенного места», что повлияло на смысл информации во второй части фрагмента предложения.
Поскольку слово «очно» из оригинального фрагмента используется в контексте «обучаться на очном отделении», но глагол «обучаться» отсутствует, то качество машинного перевода серьезно пострадало из-за того, что слово «очно» было переведено неадекватно.
Культурное измерение: Deepl - 4,5 балла, только словосочетание «йКШ Я» не соответствует китайским правилам. Google Переводчик - 4 балла, словосочетание «SSffii» тоже не соответствует китайским правилам, и между фразами «йй®±» и «Ж^МЙТОМ» отсутствует союз, можно добавить союз « #», чтобы предложение стало логичным. Яндекс.Переводчик и Baidu Переводчик набрали по 3,5 балла каждый, фраза чрезмерно подчеркивает значение «лично», «сам», что является повторением семантического значения.
2. Ношение защитных масок и перчаток в общественном транспорте - обязательно!
Deepl Переводчик:
Google Переводчик: S^ÄÄxSIM^M^nfiDiS! Yandex.Переводчик: МЛЙИДФШЙ^аЩШШМШИ
Baidu Переводчик: й^МЯФШпВД^вМ'Ш!
Наш перевод:
Языковое измерение: все машинные переводы этого предложения получили оценку «5» по языковому измерению: машинные переводы перевели все слова без пропусков.
Коммуникативное измерение: все машинные переводы также получают 5 баллов, так как все они достигли коммуникативной цели оригинала.
Культурное измерение: Google Переводчик оценивается в 5 баллов. Deepl Переводчик, Yandex.Переводчик и Baidu Переводчик оцениваются в 4,5 балла каждый, в части предложения «......fi®Mtti» используется порядок, характерный для русского языка, а не китайского.
Таблица 1
Критерии машинного перевода на основе экопереводоведения
Оценки Критерии
Языковое измерение Коммуникативное измерение Культурное измерение
Перевод соответствует оригиналу Содержание оригинала может быть полностью передано, и перевод полностью достиг коммуникативной цели Полное культурное соответствие, подходящее и абсолютно правильное использование слов
Было переведено 80% контента, но отдельные слова пропущены 80% содержания оригинала может быть передано 80% культурного соответствия, текст перевода понятен, но отдельные слова не адекватны переводу
Было переведено 60% контента 60% содержания оригинала может быть передано 60% культурного соответствия, текст перевода можно понять, но есть много недостатков
§ Переведено лишь несколько фраз или грамматических элементов 40% содержания оригинала может быть передано 40% культурного соответствия, текст перевода с трудом можно понять
Только отдельные слова были переведены Можно получить очень мало информации, но она все равно не служит коммуникативной цели 20% культурного соответствия, текст перевода понимается с трудом
Совсем не переводится Полностью упускает смысл общения Полное отсутствие культурного соответствия, текст перевода совершенно не понятен
3. Получите по электронной почте направление на заселение, сохраните на свой телефон и распечатайте.
Deepl Переводчик: ШШ#А№ШМА#£«#4т±#ТТРРША.
Google Переводчик:
Yandex.Переводчик: ттШШ№й№
ЕРШ*.
Baidu Переводчик: 'т^ШШ&Л&ХЙ, ШШттТРР.
Наш перевод: а»1МЛ«Й,МШ№ШТРРША.
Языковое измерение: Deepl и Google Переводчики получили по 4 балла, так как они неправильно перевели словосочетание «направление на заселение»: «ft #А». У Яндекса - 4,5 балла, поскольку он перевел это словосочетание как «®2 Л-ЁЙЙ#», что не совсем правильно. Baidu получил 4 балла: его перевод этого словосочетания - «Л-ЁАЙ» - дословный, что также не подходит
Коммуникативное измерение: все машинные переводчики получили по 4 балла, и ни один из них не смог выполнить коммуникативную задачу на «отлично». Коммуникативная цель была труднодостижима из-за неправильного перевода словосочетания «направление на заселение», поэтому студенты могут не понять, какие документы им нужно принести для заселения в общежитие.
Культурное измерение: Deepl Переводчик и Google Переводчик получили 5 по баллов, их переводы соответствуют правилам китайского языка, в то время как Yandex и Baidu получили по 4 балла - их переводы словосочетания «направление на заселение» совершенно не соответствуют грамматическим правилам китайского языка.
4. Вам необходимо приобрести полис добровольного медицинского страхования (ДМС), действительный на территории Российской Федерации на весь период обучения в Московском университете.
Deepl Переводчик: (VHI), тШШЙА^
**м+мм. mmmm.
Google Переводчик: ШШттШАт+^ММтттМЙ
тштштт (vhi).
Yandex.Переводчик: Sigft£-$glEffftt(VMI), ШШША^Ш
ш+^тмтттштш.
Baidu Переводчик:
SlEff№(DMS).
Наш перевод: (ДМС),й№4»Ж®ЖМ
Языковое измерение: все машинные переводы этого предложения получили 5 баллов, потому что все слова были переведены без пропусков.
Коммуникативное измерение: все машинные переводы также получают по 5 баллов, так как все они достигли коммуникативной цели оригинала.
Культурное измерение: Deepl Переводчик и Google Переводчик набрали по 3,5 балла, Yandex.Переводчик и Baidu Переводчик набрали по 4 балла. В целом все четыре перевода не соответствуют китайским культурным стандартам и грамматическим правилам. Deepl перевел фразу «полис добровольного медицинского страхования» как «№fift№», что не соответствует действительности: фразу «Ä^Wt» на русский язык следует переводить как «страхование жизни и здоровья», что указывает на критерии обязательность/добровольность. Кроме того, в переведенном предложении отсутствует указательное местоимение «Ё», что также не соответствует китайским языковым правилам.
Google Переводчик перевел фразу «полис добровольного медицинского страхования» как что также неправильно. Термин «-№#-»
означает официальный письменный или электронный сертификат, выданный страховой компанией страхователю (застрахованному лицу) после заключения договора страхования. Использование двух последовательных предложений « 4» без союза и без знаков препинания также является неправильным. Кроме того, вся структура предложения не соответствует нормам китайского языка. И Яндекс Переводчик, и Baidu Переводчик выбрали подходящие слова, но у обоих наблюдаются проблемные структуры предложений. В соответствии с нормами китайского языка вторая часть предложения должна быть разделена на две короткие фразы, в первой половине следует добавить подлежащее «$■№», союз «#» между первой и второй фразами, глагол и позиционный предлог «йЯА».
5. Ознакомительная квест-игра «Я - студент МГУ».
Библиографический список
Deepl Переводчик:
Google Переводчик:
Yandex.Переводчик:
Baidu переводчик:
Наш перевод: вШгМи®^1АА"»
Языковое измерение: оценка Deepl - 4 балла, поскольку аббревиатура МГУ переведена не на китайский, а на английский язык. Все остальные машинные переводы получают по 5 баллов, у них нет пропущенных слов.
Коммуникативное измерение: перевод Deepl оценивается в 4 балла из-за пропущенных слов, что повлияло на коммуникативное измерение. Все остальные машинные переводы получают по оценке «5», так как все они достигли коммуникативной цели оригинала.
Культурное измерение: все машинные переводы набрали только по 3 балла. Мы считаем, что фразу «ознакомительная квест-игра» лучше всего перевести как или «ЙШЙЙ», что больше соответствует китайским язы-
ковым правилам. Отметим, что первый приведенный вариант перевода фразы ближе к оригиналу, а второй имеет более общее значение. Кроме того, поскольку предложение «Я - студент МГУ» - это название игры, то перевод должен быть кратким и привлекательным, но все четыре машинных перевода оказались слишком сложными и неинтересными. Поэтому мы перевели это название как «Sfi ^АА», где слово ^А соответствует аббревиатуре «МГУ». Фраза «студент МГУ нами переводится как «^АА», что целиком соответствует китайским культурным традициям: она обозначает тех, кто работает или работал, учится или учился в этом университете или тех, кто имеет отношение к университету, т. е. китайская фраза имеет более широкую семантику, чем русская.
В результате проведенного анализа мы получили следующие выводы. В целом машинный перевод получил оценку выше 3 баллов во всех областях, следовательно, его можно эффективно использовать.
С точки зрения языкового измерения машинный перевод не пропускает слова, и с его помощью можно перевести целиком все предложение или фрагмент. По коммуникативному измерению Deepl Переводчик и Google Переводчик получили более высокие баллы, а Yandex и Baidu - более низкие. Несмотря на то, что все машинные переводчики смогли выполнить большинство коммуникативных задач в предложениях, они все же имеют недостатки. Поэтому если машинный перевод будет использоваться непосредственно в повседневном общении, то это может повлиять на коммуникативный эффект. Культурное измерение показывает плохие результаты для машинного перевода, и это объяснимо, так как отражение культурных особенностей, исходя из контекста, является одной из трудных задач межкультурного диалога.
Презентация, выбранная нами в качестве фактической базы, заключает в себе большое количество разнообразной, но логичной информации, поэтому переводческая экологическая среда, в которой она находится, имеет много изменений, которые иногда машина не понимает ввиду отсутствия контекста. Это приводит не только к трудностям перевода, но и к непониманию смысла отдельного слова или предложения.
Что касается мнения о том, что развитие машинного перевода может угрожать положению переводчиков, мы пришли к выводу, что, хотя машинный перевод достаточно хорошо работает в языковом измерении, он нуждается в дальнейшем совершенствовании в коммуникативном и культурном измерениях. Н.К. Гарбовский считает, что «развитие цифровых технологий призвано оптимизировать работу переводчиков, и впадать в пессимизм по поводу будущего профессии и ее востребованности по меньшей мере неконструктивно. Действительно, «технологическая безработица», связанная с полной заменой человека машиной, пока угрожает переводчикам лишь в слабой степени» [6, с. 89]. Поэтому, по крайней мере на данный момент, машинный перевод может помочь в переводческой работе, но сам по себе он трудновыполним и требует постредактирования.
Для переводчика машинная поддержка может значительно облегчить работу при выполнении письменного перевода, однако при устном переводе это использование может быть затруднено. Таким образом, проблема изучения взаимодействия человека и искусственного интеллекта в области переводов является перспективной и требует дальнейших исследований.
1. шшвшлштттмшттйлжмт штш. 2020; № 10:19-21.
2. Инь Ч. Сравнительная оценка качества перевода онлайн-машинного перевода финансовых новостей нашей страны с английского на китайский. Английский язык за рубежом. 2020; № 10: 19.
3. Кочеткова Н.С., Ревина Е.В. Особенности машинного перевода. Филологические науки. Вопросы теории и практики: Грамота: в 3-х ч. Тамбов, 2017; Ч. 2, № 6 (72): 106.
4. Гарбовский Н.К. Теория перевода. Moc^a: Издательство МГУ 2007.
5. Гарбовский Н.К., Костикова О.И. Перевод и общество. Вестник Московского университета. Серия 22: Теория перевода. Москва: Издательство Московского университета, 2018; № 1: 18.
6. ¡ВДЯФ. ШЩЦШШШШ. ffltSWfflUtt, 2004. (Ху Г. Теория адаптации и выбора перевода. Образовательная пресса в провинции Хубэй, 2004).
7. Гарбовский Н.К. Четвертая промышленная революция, образование и культура. Педагогика. 2021; № 11: 89.
8. Deepl. Available at: https://www.deepl.com/zh/translator
9. Google Переводчик. Available at: https://translate.google.cn/
10. Yandex.Переводчик. Available at: https://translate.yandex.ru/?utm_source=main_stripe_big
11. Baidu Переводчик. Available at: https://fanyi.baidu.com/?aldtype=16047#auto/zh
References
1. шшвштшттятФшттймть-ям. тш§. 2020; № 10:19-21.
2. In' Ch. Sravnitel'naya ocenka kachestva perevoda onlajn-mashinnogo perevoda finansovyh novostej nashej strany s anglijskogo na kitajskij. Anglijskijyazykzarubezhom. 2020; № 10: 19.
3. Kochetkova N.S., Revina E.V. Osobennosti mashinnogo perevoda. Filologicheskie nauki. Voprosy teoriiipraktiki: Gramota: v 3-h ch. Tambov, 2017; Ch. 2, № 6 (72): 106.
4. Garbovskij N.K. Teoriya perevoda. Mockva: Izdatel'stvo MGU, 2007.
5. Garbovskij N.K., Kostikova O.I. Perevod i obschestvo. Vestnik Moskovskogo universiteta. Seriya 22: Teoriya perevoda. Moskva: Izdatel'stvo Moskovskogo universiteta, 2018; № 1: 18.
6. ШШШШШ&. ffltitWffllKtt, 2004.(Hu G. Teoriya adaptaciii vybora perevoda. Obrazovatel'naya pressa v provincii Hub'ej, 2004).
7. Garbovskij N.K. Chetvertaya promyshlennaya revolyuciya, obrazovanie i kul'tura. Pedagogika. 2021; № 11: 89.
8. Deepl. Available at: https://www.deepl.com/zh/translator
9. Google Perevodchik. Available at: https://translate.google.cn/
10. Yandex.Perevodchik. Available at: https://translate.yandex.ru/?utm_source=main_stripe_big
11. Baidu Perevodchik. Available at: https://fanyi.baidu.com/?aldtype=16047#auto/zh
Статья поступила в редакцию 01.07.22
УДК 398.1
Litsareva A.F., teacher-organizer, Moscow State Budget Educational Establishment "Tsaritsyno" College (Moscow, Russia), E-mail: alya-alysa@yandex.ru
ORAL NARRATIVES ABOUT THE GREAT PATRIOTIC WAR AS A SOURCE OF INFORMATION AND A MEANS OF PATRIOTIC EDUCATION. The article on a current problem tells about a huge resource of oral stories about the war - their educational significance, contribution to the preservation of undistorted history, when the events of the war years are presented through the prism of human perception, specific destinies crippled by the war; and not in the language of numbers. An overview of publications that can be used in the framework of project activities and elective courses is made, taken as a basis when working on collections. Examples of blocks of questions for conducting interviews with people who lived during the Great Patriotic War, as well as with participants of search expeditions are given. Special attention is paid to the work of folklorists with oral narratives. This is explained by the fact that this problem has been little studied and requires further research. The article summarizes new material on the topic under study, shows further prospects of work.
Key words: The Great Patriotic War, oral stories, patriotism, source of information, education.
А.Ф. Лицарееа, педагог-организатор, ГБПОУ «Московский колледж управления, гостиничного бизнеса и информационных технологий
«Царицыно»», г. Москва, E-mail: alya-alysa@yandex.ru
УСТНЫЕ НАРРАТИВЫ О ВЕЛИКОЙ ОТЕЧЕСТВЕННОЙ ВОЙНЕ КАК ИСТОЧНИК ИНФОРМАЦИИ И СРЕДСТВО ПАТРИОТИЧЕСКОГО ВОСПИТАНИЯ
В статье, посвященной актуальной на сегодняшний день проблеме, рассказывается об огромном ресурсе устных рассказов о войне - их воспитательном значении, вкладе в сохранение неискаженной истории, когда события военных лет подаются через призму человеческого восприятия, конкретных судеб, искалеченных войной; а не языком цифр. Сделан обзор изданий, которые можно использовать в рамках проектной деятельности и элективных курсов, взять за основу при работе над сборниками. Приведены примеры блоков вопросов для проведения интервью с жившими во время Великой Отечественной войны людьми, а также с участниками поисковых экспедиций. Особое внимание уделено работе фольклористов с устными нарративами. Это объяснено тем, что данная проблема малоизучена и требует дальнейших исследований. В статье обобщен новый материал по исследуемой теме, показаны дальнейшие перспективы работы.
Ключевые слова: Великая Отечественная война, устные рассказы, патриотизм, источник информации, воспитание.
Устные нарративы о мировых войнах и локальных конфликтах записываются на протяжении многих лет Они по праву стали объектом изучения для историков и культурологов, этнографов и антропологов, филологов (лингвистов, литературоведов, фольклористов), журналистов, психологов и социологов. В наши дни к данным текстам наряду с художественными произведениями, мемуарами, документами той эпохи обращаются педагоги, прежде всего - учителя истории и литературы, классные руководители.
Актуальность изучения устных рассказов связана с незнанием истории Великой Отечественной войны среди большого числа молодых людей нашей страны. Это создает угрозу заполнения данной «ниши» псевдоисторическими свидетельствами, непроверенными фактами из Интернета, фейками и другой искаженной информацией. В результате этого могут повториться страшные события, связанные с возрождением нацизма и фашизма в мире, забывшем о роли советского народа в победе над «коричневой чумой». Именно рассказанные живым языком воспоминания, в которых история страны проходит через личный опыт, освещая в числе прочего интересующие молодежь темы (любовь, дружба, бытовые условия, приготовление пищи), могут создать объемную и яркую картину военных лет Люди, вынесшие на своих плечах все тяготы войны, заслужили право быть героями и образцами для подражания (в отличие от вымышленных супергероев американских боевиков и мультсериалов) для потомков, которые живут в мирное время благодаря им.
Кроме того, для многих подростков становится открытием факт, что героизм в таких рассказах может быть связан не только с совершением общепризнанных подвигов, но и с ежедневными действиями, кажущимися рутиной, позволяющими выжить, сохранить жизни близких людей, помочь партизанам и бойцам, навредить врагу Зачастую такие действия сопряжены с риском для жизни.
Цель исследования - показать, как устные рассказы о Великой Отечественной войне могут быть использованы в качестве источника информации и средства патриотического воспитания молодежи. Задачи: рассказать об особенностях устных рассказов; показать удачные примеры проектов (преимущественно - кон-
курсов, сборников) и интересные ракурсы рассмотрения данной темы (прежде всего, с позиции фольклориста).
Устные рассказы о войне - это повествование о военном прошлом (как правило, о своем или близком человеке, родственнике, в т. ч. в рамках семейных преданий), отражающее историю страны не через статистические данные и официальные сведения, а через восприятие конкретных людей, самые яркие для них события, впечатления, воспоминания. Расписанные с диктофона и литературно не обработанные тексты представляют особую ценность не только в связи с сохранением диалектных, фонетических и других особенностей речи говорящего. Они передают живое волнение и другие человеческие эмоции. Бывают исключения, например, когда старушка с несколькими классами образования говорит как политработник, используя клише, а в целом - лексику, услышанную по радио или вычитанную из местной газетки. Но и подобные тексты ждут своих исследователей, прежде всего лингвистов. Ремарки собирателя, фиксирующего состояние информанта и его реакцию на вопросы, также важны.
Носителями сведений о войне в наши дни становятся участники поисковых экспедиций - мощного движения, начало которого связывается с деятельностью «красных следопытов», ищущих останки красноармейцев для опознания и захоронения. Они нередко становятся гостями на школьных мероприятиях, рассказывают в числе прочего о взаимодействии с ветеранами. В помощь учителям автором статьи разработан вопросник для работы с поисковиками [1].
Педагоги активно используют воспоминания о Великой Отечественной войне в рамках классных часов, исследовательской и проектной деятельности (преимущественно, к сожалению, не записанные самостоятельно, а сгруппированные в сборниках). Как правило, речь идет лишь о любительских проектах: собрании воспоминаний в рамках определенного сообщества (класса, вуза, предприятия и т. п.). С научными трудами и сборниками с необработанными литературно текстами многие не работают из-за того, что не знают об их существовании. Следует выделить издания, в которых сохранены диалектизмы и фонетические особенности информантов [2-6]. В то же время нельзя недооценивать значение и са-
