机器翻译译后编辑 | 谁害怕文学翻译译后编辑?来自学生译者的表现和思考

机器翻译译后编辑 | 谁害怕文学翻译译后编辑?来自学生译者的表现和思考

黄栋樑 赵乐阳 翻译技术教育与研究

 

2024年07月27日 00:00 

谁害怕文学翻译译后编辑?来自学生译者的表现和思考

Who’s afraid of literary post-editing? Performances and Reflections of Student Translators

作者:Yu Hao, Ke Hu, and Anthony Pym

01
【摘要】
尽管翻译过程的自动化取得了长足发展,仍有人认为人类译者更具优势,尤其是在作为理想概念的文学翻译过程中。本研究对141名学生译者进行文学翻译实验测试,结果表明在对阿加莎·克里斯蒂(Agatha Christie)的作品译文进行译后编辑时,学生译者会先判别机器翻译的优缺点,从而对机翻译文进行权衡取舍。本研究将学生译者分为两个组别:译后编辑者和人工译者,对比二者所呈现的翻译情况。实验结果表明,前者倾向于在不确定的情况下使用风险转移的策略,信任机器翻译的结果;后者倾向于采取冒险的策略,相信个人判断。两种翻译策略导致了不同翻译错误类型:人工译文的错误显著少于译后编辑后的译文,除了人工译文过分采取冒险策略而导致译文发生“偏移”。
02
【引言】

几十年来,职业译者和翻译培训员始终坚信“机器翻译永远行不通”。然而,机器翻译的快速发展正在颠覆这种观点。机器翻译系统已随着技术的更新迭代在不同翻译领域获得了认可。但在文学作品的翻译上,学界仍尚未表明对其的积极态度,仍将其作为抵制机器翻译的案例。有关研究表明,职业译者和翻译培训员对新技术的优点持有怀疑态度,职业译者和学生译者普遍认为虽然译后编辑能够提高翻译效率,但在文学翻译领域中存在负面影响。而对于是否对机翻文学作品进行译后编辑,学生译者的态度尚不明晰。

基于此,本文旨在解决以下研究问题:

(1)学生译者(如研究生)是否仍抵触文学翻译译后编辑?如果抵触,是什么原因所致?

(2)经过译后编辑后的文学作品,其质量如何?

(3)学生译者对文学翻译译后编辑的态度是否与他们的现实做法相吻合?

03
【文献综述】
文中首先回顾了翻译技术在翻译研究的相关发展,然后阐述神经网络机器翻译(NMT)的发展带动机器翻译引擎在文学翻译的应用现状,最后指出对文学翻译译后编辑方面的探讨仍存在空白。
04
【实验过程】
【受试者】本研究遵循自愿等原则,符合实验伦理道德规范,总共选取在墨尔本大学学习“口笔译翻译过程”课程的141名研究生。所有受试均未接受译后编辑相关训练,其中90%为国际生,汉语为第一语言。实验连续收集2020、2021、2022三年数据,受试情况如下:2020,n=58;2021,n=54;2022,n=29。
【实验文本】2020年的实验文本来自阿加莎·克里斯蒂的文学作品《斯泰尔斯庄园奇案》(节选)(共177词);2021、2022年的实验文本来自《东方快车谋杀案》(节选)(共207词)。
【实验组别】一组使用机器翻译引擎DeepL与文本编辑器Microsoft对文学作品进行译后编辑;一组使用文本编辑器Microsoft进行人工翻译。
【实验过程】两组学生需在规定的时间内完成实验。完成实验后,两组学生互相交换译文并做出相应的修改和评价,完成后进行半结构化访谈,调查学生对译后编辑是否适用于文学文本的看法。
05
【实验结果】
1.分为“支持”与“反对”文学翻译译后编辑两组,采用主题分析法对结果进行归纳性编码,形成三个主题:译文完成速度、译文质量、人类中心性。
【实验方法】实验时间按照词/每秒计算,采用独立样本t检验(p=0.05)(见表1)。译文质量由一位拥有NATTI资格证书的中英双语译者评估,使用自下而上的方法,对内容和形式各个层面上的翻译错误进行分类。

2.半结构化访谈结果

(1)超过三分之二的学生对文学机器翻译持否定态度(N=98,69.5%)。

(2)译后编辑者对文学翻译译后编辑的积极态度更为明显。部分学生认为译后编辑反而更耗费时间,而多数学生认为译后编辑加快了翻译速度。

(3)大部分学生认为机器翻译的译文“不自然”。机器翻译引擎会产出看似流畅,实则充满误导性的译文。

(4)几乎所有学生都强调了人类应当在文学翻译中居于中心地位。

总结:人类中心性存在于124条访谈中,研究将收集到的124条访谈按照风格(Voice,N=19)、创造力(N=40)、语境(N=25)、修辞(N=23)、情感(N=17)五个主题进行划分。

3.数据结果

(一)译文完成速度

独立样本t检验显示,译后编辑条件下的译文完成速度比纯人工翻译的速度更快(p<0.001)。译后编辑速度相较于纯人工翻译提升了18%。

(二)译文质量

译后编辑和纯人工翻译在文本风格翻译中具有显著性差异(p<0.001),而在语义层面未存在统计学上的差异(p=0.873)。译后编辑比纯人工翻译存在更多的风格类型错误,但二者在语义类型错误使用上没有显著差异。

译后编辑在译文完成的速度上存在优势,但在风格选择上存在劣势,在语义类型上保持中立。

【错误类型归纳】

研究认为两组存在错误理解原文的含义、增添无关紧要的冗余词、删除原文中的重要内容、参考多个译文而缺失判断力等问题,这也是完成语义错误的主要原因;研究还认为两组存在误用标点符号、未能识别机器译文中的错别字、按照字对字进行翻译、误译人名等问题,而译后编辑组的译文还存在语法错误的问题,这些都是完成译文和原文风格不匹配的原因。

06
【讨论与启示】
本文从定性定量相结合的方式,对所提出的研究问题进行回答。研究发现译后编辑的速度相较于传统模式提高了18%,比Moorkens et al.(2018)所得出的36%要低得多,这可能是因为所选取的文本不一致。

不到三分之一的学生译者认为机器翻译适用于文学作品,这一结果不同于以往的的研究结果,且基数更大。同时,使用机器翻译可以改善对译后编辑的看法。

学生译者也指出机器翻译的结果是“流畅但有误导性的”,会导致译后编辑出错。这是因为在面对重要的翻译取舍时,学生译者不得不冒险进行创造性解释,而译后编辑者可以将风险转移到机器翻译上。译后编辑在大部分时候都比人工翻译更容易犯错,这一事实表明学生译者坚持文学翻译应当坚持人类中心性的必要性。

研究还发现,学生译者对文学翻译译后编辑的态度将向积极靠拢,由于技术与人的交互性更为明显,进一步发挥了人类的主观能动性——DeepL、Lilt等机器翻译引擎能为译者提供多种选择,也能够提供多种不同语序的版本供译者选择。人机交互性得到进一步提升,这也降低了译后编辑过程中过于依赖单个参考译文的风险。

期刊来源:New Advances in Translation Technology Applications and Pedagogy  p263-282

特别说明:本文仅供学习交流,如有不妥欢迎后台联系小编。

翻译技术教育与研究——机器翻译译后编辑专题组致力于普及机器翻译译后编辑(MTPE)相关知识,追踪国内外机器翻译译后编辑教学与研究动态!

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注