ИЗ ОПЫТА ОБУЧЕНИЯ ПЕРЕВОДУ: ПЕРСПЕКТИВЫ И ИННОВАЦИИ Текст научной статьи по специальности «Языкознание и литературоведение»

ФИЛОЛОГИЯ

(шифр научной специальности: 10.02.19)

Научная статья УДК 81

doi: 10.18522/2070-1403-2021-89-6-79-83

ИЗ ОПЫТА ОБУЧЕНИЯ ПЕРЕВОДУ: ПЕРСПЕКТИВЫ И ИННОВАЦИИ1

© Марина Васильевна Ласкова1, Анна Васильевна Полоян2

Южный федеральный университет. г. Ростов-на-Дону, Россия 1mvlaskova@sfedu.ru 2avpoloyan@sfedu.ru

Аннотация. Рассмотрены перспективы обучения специалистов в области переводческой практики, в частности, речь идет об активном использовании магистрантами программы «Перевод в сфере правовой и эко -номической коммуникации» продуктов компании Memsource, которая реализуется на кафедре перевода и информационных технологий в лингвистике Южного федерального университета. Позиционируется следующая перспектива: индустрия лингвистических услуг продолжит выстраивать органичное сотрудничество между технологиями искусственного интеллекта и профессиональными переводчиками.

Ключевые слова: автоматизированный перевод, Memsource, система управления переводами, постредактирование.

Для цитирования: Ласкова М.В., Полоян А.В. Из опыта обучения переводу: перспективы и инновации // Гуманитарные и социальные науки. 2021. Т. 89. № 6. С. 79-83. doi: 10.18522/2070-1403-2021-89-6-79-83

PHILOLOGY

(specialty: 10.02.19)

Original article

From the experience of teaching translation: prospects and innovations

© Marina V. Laskova1, Anna V. Poloyan2

Southern federal university, Rostov-on-Don, Russian Federation 1 mvl askova@ sfedu.ru 2avpoloyan@ sfedu.ru

Abstract. It is considered the prospects for training specialists in the field of translation practice, in particular, we are talking about the active use by undergraduates of the program "Translation in the field of legal and economic communication" of the products of the company Memsource, which is implemented at the Department of Translation and Information Technologies in Linguistics of Southern federal university. The following prospect is positioned: the linguistic services industry will continue to build an organic collaboration between artificial intelligence technologies and professional translators.

Key words: automated translation, Memsource, translation management system, post-editing. For citation: Marina V. Laskova, Anna V. Poloyan From the experience of teaching translation: prospects and innovations. The Humanities and Social Sciences. 2021. Vol. 89. No 6. P. 79-83. doi: 10.18522/2070-1403-2021-89-6-79-83

Введение

Одна из древнейших профессий на Земле - профессия переводчика, традиционно отмечает свой праздник 30 сентября (International Translation Day). В католической традиции - это день памяти Святого Иеронима Стридонского. Из всего разнообразия древних и средневековых текстов Библии, дошедших до наших дней, полных разночтений, именно перевод Святого Иеронима считается каноническим. Он официально признан католической церковью в качестве так называемой "Вульгаты" - общепринятой Библии. В западной культуре Святой Иероним считается небесным покровителем всех переводчиков.

'«Проект реализуется победителем Конкурса на предоставление грантов преподавателям магистратуры 2020/2021 благотворительной программы «Стипендиальная программа Владимира Потанина» Благотворительного фонда Владимира Потанина»

Переводческая деятельность сегодня приобретает глобальное значение, соответственно, подготовка квалифицированных специалистов в этой области должна отвечать вызовам настоящего и будущего. Помимо собственно лингвистических и профессиональных компетенций, современная модель деятельности специалиста в области перевода выстраивается на умении активно пользоваться цифровыми технологиями. Так, качественная работа с CAT- программами - это одно из требований, предъявляемых к современному переводчику. В качестве ближайшей перспективы мы отмечаем активную работу в этой сфере с помощью облачных технологий.

Уже сейчас программы переводческой памяти позволяют оптимизировать процесс перевода и реально увеличить его объем, никак не влияя на качество производимого продукта. Учитывая все вышесказанное, профессорско-преподавательский состав кафедры перевода и информационных технологий в лингвистике Южного федерального университета не только осуществляет обзор новейшей литературы по подготовке специалистов в рассматриваемой сфере, принимая во внимание отечественный и зарубежный опыт, но и регулярно осуществляет обзор новых переводческих продуктов, которые в обновленном формате появляются на рынке переводческих услуг. Прогнозируется, что индустрия лингвистических услуг продолжит выстраивать органичное сотрудничество между технологиями искусственного интеллекта и профессиональными переводчиками-индивидами, мотивируя удовлетворенность выбранной профессии выпускниками, поэтому нам представляется, что в последующие годы рост этого сектора будет обеспечен.

Обсуждение

Недавнее плодотворное сотрудничество с компанией Memsource, позволяет обучающимся по нашей программе магистратуры «Перевод в сфере правовой и экономической коммуникации» пройти обучение и получить сертификат международного уровня по программе Memsource Student Certification. Данная программа знакомит студентов с системой управления переводами, обучает работать с памятью перевода, терминологическими базами, с постредактированием машинного перевода. Также в период обучения студенты осваивают такой необходимый навык в письменных переводах, как слепой десятипальцевый метод набора текста. Следуя новым тенденциям в переводоведении и принимая участие в различного рода переводческих мероприятиях (конференции, вебинары, круглые столы и т.д.), магистранты обучаются работать с различными программами обработки звука для создания аудио-перевода, инновационные инструменты перевода Memsource также позволяют эффективно пользоваться лингвистическими ресурсами.

Однако не стоит всецело уповать на автоматизированный перевод в качестве технологической панацеи от «последствий крушения Вавилонской башни». Не стоит и забывать, что очевидные сложности для машинного перевода создают не только художествен -ные тексты, но и эмотивно окрашенные, в частности речь идет о маркетинговых и рекламных материалах, что требует прагматической адаптации текста в качестве эффективного механизма его когниции. Необходимо понимать, что сложные межъязыковые процессы с многочисленными переменными в некоторых случаях не могут быть выражены через запрограммированные алгоритмы, например, лингвистические лакуны, неологизмы, «ложные друзья переводчика», каламбуры и другие языковые явления. Также мы должны учитывать и тот факт, что автоматизированный перевод не всегда способен решить важную коммуникативную задачу - выбрать контекстуально обусловленный вариант перевода. Однако современный переводчик должен не только креативно работать с различными текстами, но и профессионально разбираться с современными программами перевода. Совершенствование технологий в области IT-индустрии позволяет с каждым годом улучшать качество и объем предоставляемых услуг, в том числе и в сфере перевод -ческой деятельности. Еще со времен Джорджтаунского эксперимента в 1954 году человечество не оставляет надежда переложить бремя рутинного перевода на искусственный интеллект. И хотя в 1959 году израильский философ, математик и лингвист Й. Бар-Хиллел

(Yohoshua Bar-Hillel) выступил с заявлением, что «высококачественный полностью автоматический машинный перевод не может быть достигнут в принципе», он, тем не менее, считал перспективным «человеко-машинный симбиоз» [1].

В настоящее время по принципу человеко-машинного симбиоза работает большая часть переводческих приложений. Среди них отдельной линейкой выделяют CAT-инстру-менты (Computer-assisted translation tools): SDL, MemoQ, SmartCat, Memsource и мн. другие. Все подобные инструменты используют технологию «памяти перевода» (Translation Memory - TM): переведенные ранее языковые пары сохраняются в базе данных и впоследствии предлагаются переводчику для повторного использования, если в новом тексте встречается имеющийся в базе сегмент. Также наряду с памятью перевода CAT-программы используют базу терминов (Terra Base - TB). Базы терминов создаются пользователем в необходимом количестве под разные области знаний для многозначных понятий (например, термин «пересадка» в общеупотребительном значении как 'transfer' и в медицинском как 'transplantation').

Применение в переводе терминологических баз и баз памяти перевода позволяют переводчику или переводческой команде придерживаться единообразия в переводе различных онимов, клишированных фраз и т.п. Автоматизированный перевод в данном случае эффективен при работе с однотипной документацией, поскольку со временем переводческая база наполняется необходимой терминологией и время на перевод подобных документов значительно сокращается (например, таможенные декларации, счета-фактуры, договоры купли-продажи и т.п.).

Следует отметить, что текст, полученный в результате применения TM и TB не является машинным переводом. Перевод в данном случае выполнен человеком и лишь предлагается машиной для подстановки в подходящих местах. Однако ряд CAT-программ используют в своем инструментарии и машинный перевод. Например, в пакете программ SDL или Prompt предлагается машинный перевод собственной разработки. А такие программы как, например, OmegaT или Memsource позволяют подключать машинный перевод сторонних разработчиков. В этом случае речь идет уже не об автоматизированном, а об автоматическом переводе.

О правомерности и удобстве использования машинного перевода в работе переводчика идут многолетние споры. Качество полученных текстов в результате использования систем автоматического перевода постоянно сравнивается с переводами, выполненными специалистами вручную [6, 8]. Мнение большинства лингвистов сводится к тому, что тексты с повторяющейся, устоявшейся терминологией, такие как, например, экономической, технической и медицинской направленности, имеют больший потенциал для применения автоматического перевода, нежели тексты художественных произведений, изобилующих лингвоспецифической лексикой [5].

Однозначно лингвисты сходятся во мнении, что после автоматического перевода тексты должны быть проверены и доработаны специалистом вручную (т.е. должно быть применено так называемое постредактирование), но навыку постредактирования необходимо методично и последовательно обучать студентов-переводчиков (Светова, 2018, с. 66).

Согласно определению международной организации по стандартизации, постредактирование (post-editing) - это процесс редактирования лингвистом результата машинного перевода для получения продукта сопоставимого с переводом, выполненным человеком вручную (ISO 18587:2017).

Однако временные затраты на редактирование результата машинного перевода могут существенно различаться в зависимости от многих факторов, в том числе от сложности исходного текста и конечной цели перевода.

Различают две цели постредактирования, влияющие на качество перевода: «полное постредактирование» ('Full post-editing') / «высокое качество» ('publishable quality'), сравнимое с качеством для публикации, и «частичное постредактирование» ('Light post-editing') / «приемлемое качество» ('fit for purpose') для ознакомления [7].

Постредактор должен уметь оценивать текст до того, как возьмется за работу и назовет цену. Он должен понимать основные сложности, которые обычно возникают у систем машинного перевода при обработке текста: машина плохо справляется со сложными конструкциями,

пассивным залогом, аббревиацией, отсутствием артиклей или эллиптическими предложениями. Также переводчику необходимо сразу определить, написан ли текст носителем языка, насколько ему понятна терминология, используемая в тексте оригинала, имеются ли ошибки и опечатки, которые машина может не распознать. После того, как получен машинный перевод, постредактор оценивает синтаксис полученного текста, т.к. правка синтаксиса занимает большое количество времени. Помимо того, что нужно обратить внимание в полученном тексте на грамматику, сочетаемость слов, согласование окончаний, падежей, рода, числа, переводчику следует оценить, понятно ли по тексту машинного перевода, о чем идет речь без прочтения исходника. Если правок предстоит больше, чем будет затрачено времени на перевод текста «с нуля», то от машинного перевода для данного заказа следует отказаться и обоснованно сообщить заказчику, что данный текст лучше переводить, а не постредактировать. Выводы

Все вышеперечисленное говорит о том, что постредактированию нужно обучать студентов старших курсов или магистрантов, владеющих иностранным языком на достаточном для профессиональной оценки текста уровне.

Важно учитывать, что качество машинного перевода зависит от выбранной системы машинного перевода, поэтому рекомендовано подбирать инструменты, позволяющие осуществлять выбор поставщика машинного перевода в зависимости от характера текста. На данный момент компания Memsource предлагает своим пользователям программу Memsource Translate, использующую искусственный интеллект для автоматического подбора оптимального механизма машинного перевода предложенного текста в зависимости от отрасли и языковой пары. Memsource Translate по ключевым словам определяет область (например, MEDICAL: 'patient', 'treatment', 'dose', 'mg', 'clinical'; FINANCE: 'agreement', 'company', 'contract', 'services' и др.), затем, опираясь на внутренний алгоритм оценки качества MT Autoselect, подбирает поставщика машинного перевода среди подключенных к системе по умолчанию или добавленных пользователем: Amazon, Google, Microsoft, DeepL и др. [3].

Работе с любой CAT-программой будущего постредактора нужно обучать. В нашей работе мы используем Memsource как наиболее подходящий, по нашему мнению, для этих целей инструмент. Прежде, чем начать отработку навыка постредактирования студенты проходят следующие этапы:

1. Изучают функционал системы Memsource вначале без использования машинного перевода: загружают документ для перевода, создают TM и TB, пополняют и корректируют их в процессе перевода; добавляют в проект другие однотипные документы для перевода и, производя перевод, анализируют работу системы относительно добавленных документов.

2. Загружают документ на перевод с включенным автоматическим переводом и анализируют качество переведенного текста, отмечают «ошибки» машинного перевода, обсуждают варианты улучшения переведенного текста.

На последующих этапах студенты проводят постредактирование документов и взаимопроверку полученных результатов.

Данное направление обучения переводу мы считаем перспективным, поскольку объем контента, нуждающегося в переводе, неуклонно растет.

Список источников

1. Кольцова Д.А., Кольцов С.В. История и развитие машинного перевода // Русский язык и культура в зеркале перевода. 2019. № 1. С. 130-135.

2. Светова С.Ю., Нечаева Н.В. Постредактирование машинного перевода как актуальное направление подготовки переводчиков в вузах // Вопросы методики преподавания в вузе. 2018. Т. 7. № 25. С. 64-72.

3. Frivaldsky Dalibor. Machine Translation Report. Q3 2021 // Memsource. - URL: https://go.memsource.com/machine-translation-report#form_2 (дата обращения 08.08.2021).

4. ISO 18587:2017(en) Translation services - Post-editing of machine translation output - Requirements // ISO. Online Browsing Platform (OBP). - URL: https://www.iso.org/obp/ui/ #iso:std:iso:18587:ed-1:v1:en (дата обращения 08.08.2021).

5. Lazarev V.A., LaskovaM.V. The Ways of Semiotical Means Realization in Literary Translation // Гуманитарные и социальные науки. 2016. № 4. С. 111-117.

6. Macken L., Prou D., & Tezcan A. (2020). Quantifying the effect of machine translation in a high-quality human translation production process. Informatics, 7(2). DOI: 10.3390/informat-ics7020012.

7. TAUS. MT Post-Editing Guidelines // TAUS. The language data network. - URL: https://www.-taus.net/academy/best-practices/ postedit-best-practices/machine-translation-post-editing-guide-lines (дата обращения 08.08.2021).

8. ZiganshinaL.E., YudinaE.V., GabdrakhmanovA.I., & Ried J. (2021). Assessing human postediting efforts to compare the performance of three machine translation engines for English to Russian translation of Cochrane plain language health information: Results of a randomised comparison. Informatics, 8(1). DOI: 10.3390/informatics8010009.

References

1. Koltsova D.A., Koltsov S.V. History and development of machine translation // Russian language and culture in the mirror of translation. 2019.No. 1.P. 130-135.

2. Svetova S.Yu., Nechaeva N.V. Post-editing of machine translation as an actual direction of training translators in universities // Зкщидуьы of teaching methods in universities. 2018.Vol. 7.No. 25, pp. 64-72.

3. Frivaldsky Dalibor. Machine Translation Report. Q3 2021 // Memsource. - URL: https://go.memsource.com/machine-translation-report#form_2 (дата обращения 08.08.2021).

4. ISO 18587:2017(en) Translation services - Post-editing of machine translation output - Requirements // ISO. Online Browsing Platform (OBP). - URL: https://www.iso.org/obp/ui/ #iso:std:iso:18587:ed-1:v1:en (accessed 08.08.2021).

5. Lazarev V.A., Laskova M.V. The Ways of Semiotical Means Realization in Literary Translation // The Humanities and social sciences. 2016. No 4. P. 111-117.

6. Macken L., Prou D., & Tezcan A. (2020). Quantifying the effect of machine translation in a high-quality human translation production process. Informatics, 7(2). DOI: 10.3390/informat-ics7020012.

7. TAUS. MT Post-Editing Guidelines // TAUS. The language data network. - URL: https://www.-taus.net/academy/best-practices/ postedit-best-practices/machine-translation-post-editing-guidelines (accessed 08.08.2021).

8. Ziganshina L.E., Yudina E.V., Gabdrakhmanov A.I., & Ried J. (2021). Assessing human postediting efforts to compare the performance of three machine translation engines for English to Russian translation of Cochrane plain language health information: Results of a randomised comparison. Informatics, 8(1). DOI: 10.3390/informatics8010009.

Статья поступила в редакцию 18.10.2021; одобрена после рецензирования 30.10.2021; принята к публикации 10.11.2021.

The article was submitted 18.10.2021; approved after reviewing 30.10.2021; accepted for publication 10.11.2021.