بررسی علمی روند کاربرد ترجمه ماشینی در آموزش زبان و فراتحلیل اثر آن

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 184

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEIT-16-2_012

تاریخ نمایه سازی: 28 خرداد 1401

چکیده مقاله:

پیشینه و اهداف: اگرچه تعداد فزاینده ای از پژوهش ها، به مزایای استفاده از فناوری ترجمه ماشینی برای زبان آموزی  پرداخته است؛ لیکن پژوهش های دیگری نیز وجود دارد که بر معایب استفاده از این فناوری در آموزش زبان اشاره داشته است. نگرش کلی در جوامع آموزش زبان، عدم استفاده از ترجمه چه سنتی و چه الکترونیکی برای یادگیری زبان است. بنابراین، پژوهش حاضر، سیر کاربرد این فناوری در زبان آموزی را مورد بررسی قرار داده است تا به این جمع بندی برسد که آیا استفاده از این فناوری در مجموع برای زبان آموزی  مفید است یا خیر.روش ها : یک صد مقاله در خصوص تاثیر ترجمه ماشینی بر آموزش زبان که در سال­های ۲۰۰۰ تا ۲۰۲۰ میلادی منتشر شده اند، مورد بررسی قرار گرفتند. جهت انتخاب این مقالات، کلیدواژگان مهم شناسایی و به­صورت خودکار در بانک های اطلاعاتی مهم جستجو شد؛ سپس به­صورت دستی با جستجو در مجلات مهم در حوزه کاربرد فناوری در آموزش زبان یافت شد. در این پژوهش برای تجزیه و تحلیل داده­ها از دو روش مرور علمی و فراتحلیل استفاده شد. در مرحله اول، اطلاعات آماری مثل تعداد شرکت کنندگان، زبان­های مورد آموزش، جفت زبانی مورد استفاده، متغیرهای مورد نظر و مهارت های زبانی مورد پژوهش استخراج  شد. در مرحله دوم، فراتحلیل تاثیر این فناوری بر زبان آموزی صورت گرفت. از دوازده پژوهش برای انجام فراتحلیل و از مدل تصادفی پیروی از چارچوب فراتحلیل استفاده شد . با توجه به اندازه کوچک نمونه ها ضریب جی هج بر روی کوهن مورد استفاده قرار گرفت.یافته ها: طبق یافته­های این پژوهش، اکثر پژوهش های ترجمه ماشینی تاکید می کنند ترجمه ماشینی ابزاری مفید در زبان آموزی است. یافته­های این پژوهش همچنین نشان داد، زبان آموزان، نظرات متناقضی در مورد استفاده از ترجمه ماشینی برای یادگیری زبان دارند. این یافته ها دیدگاه ها و نگرانی های مختلفی را مطرح نمود. گرچه ترجمه ماشینی می تواند خطا­های واژگانی را در مهارت نوشتاری به زبان خارجی کاهش دهد، اما در نهایت ممکن است الزاما منجر به یادگیری زبان نشود. پژوهش حاضر، فقدان سناریوهای صحیح آموزشی برای پیاده سازی ترجمه ماشینی در آموزش زبان را مشخص نمود. از آنجا که صرفا استفاده از ابزار، یادگیری را تضمین نمی کند، مدرسان زبان ابتدا باید ماهیت ترجمه ماشینی را درک نمایند و سپس سعی کنند روش های مناسبی را برای استفاده از آن با زبان آموزان خود پیدا کنند. بر اساس پژوهش های پیشین، عوامل مختلفی بر کیفیت خروجی ترجمه ماشین تاثیر می گذارد و مدرسان باید این عوامل را  مد نظر داشته باشند. علاوه بر این، تنوع میان زبان آموزان نیز خود مسئله مهمی است که بایستی مورد توجه قرار گیرد. با این حال، طراحی های آموزشی نباید فقط به روش هایی برای استفاده موثر از ترجمه ماشینی در انجام تکالیف زبانی محدود شود بلکه باید به دنبال راه هایی برای پرورش یادگیری زبان آموزان در دراز مدت باشد.نتیجه گیری: وقتی ترجمه ماشینی بسیار دقیق می شود، مدرسان ممکن است با بی انگیزگی زبان آموزان نسبت به یادگیری زبان دیگر روبرو شوند. علاوه بر این، وقتی ترجمه ماشینی چه در زندگی روزمره و چه در محیط های آموزشی شیوع بیشتری پیدا کند، زبان آموزان ممکن است استفاده از ترجمه ماشینی را غیراخلاقی ندانند و ترجمه ماشینی ممکن است در آینده نزدیک به ضرورتی در فرهنگ آموزش زبان تبدیل شود. در این زمینه، مدرسان باید رهنمودهای روشنی در مورد ملاحظات اخلاقی در خصوص استفاده از ترجمه ماشینی به زبان آموزان ارایه دهند.

نویسندگان

وحیدرضا میرزائیان

گروه زبان انگلیسی، دانشکده ادبیات، دانشگاه الزهرا، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alhaisoni E, Alhaysony M. An investigation of Saudi EFL university ...
  • Briggs N. Neural machine translation tools in the language learning ...
  • Garcia I, Pena M. Machine translation-assisted language learning: writing for ...
  • Ducar C, Schocket D. Machine translation and the L۲ classroom: ...
  • Dongyun S. Application of Post-Editing in Foreign Language Teaching: Problems ...
  • Chen M, Huang S, Chang J, Liou H. Developing a ...
  • Tsai S-C. Using google translate in EFL drafts: a preliminary investigation. ...
  • O’Neil E. Online Translator, Dictionary, and Search Engine Use Among ...
  • Williams L. Web-based machine translation: A tool for promoting electronic ...
  • Stapleton P, Kin B. Assessing the accuracy and teachers’ impressions ...
  • Larassati A. Google vs. Instagram Machine Translation: Multilingual Application Program ...
  • Omar A, Gomaa Y. The Machine Translation of Literature: Implications ...
  • Clifford J, Merschel L, Munné J, Reisinger D. The Elephant ...
  • Mirzaeian V. Machine Translation Output Assessment and its Impact on ...
  • Groves M, Mundtb K. Friend or foe? Google Translate in ...
  • Nino A. Machine translation in foreign language learning: language learners’ ...
  • Kim S. Playing with Machine Translation in Language Classroom: Affordances ...
  • Wuttikrikunlaya P, Singhasiri W, Keyuravong S. The use of online ...
  • Chang C-c, Yamada M. Translation Tasks for Learning Collocations: Effects ...
  • Lorenceau A, Marec C, Mostafa T. Upgrading the ICT questionnaire items ...
  • Holt A, Overgaard D, Engel L. Health literacy, digital literacy ...
  • Chon Y, Shin D. Direct writing, translated writing, and machine-translated writing: ...
  • Abdelaal N, Alazzawie A. Machine Translation: The Case of Arabic- ...
  • Yang Y, Wang X. Predicting student translators’ performance in machine ...
  • Motlaq M, Mahadi T. Advantages and Disadvantages of Using Mahine ...
  • Chung S. The Effect of L۲ Proficiency on Post-editing Machine ...
  • Murphy D. Supporting Pre-Service English Teachers’ Academic Reading and Writing ...
  • Fredholm K, editor Effects of online translation on morphosyntactic and ...
  • O’Neill E. Training students to use online translators and dictionaries: ...
  • Bahri H, Mahadi T. Google Translate as a Supplementary Tool ...
  • Kliffer M. Post-editing machine translation as an FSL exercise. Porta ...
  • Lee S. The impact of using machine translation on EFL ...
  • Kelsey W, Heidrich E. Our Policies, Their Text: German Language ...
  • Godwin-Jones R. Contributing, creating, curating: Digital literacies for language learners. ...
  • Garcia I. Learning a Language for Free While Translating the ...
  • Chen X, Acosta S, Adam B. Evaluating the accuracy of ...
  • Jin L. Foreign language learners’ use and perception of online ...
  • Li M, Zhu W. Patterns of computer-mediated interaction in small ...
  • Innes A. How to use Google Translate in the classroom. ...
  • Correa M. Leaving the “peer” out of peer-editing: Online translators ...
  • Bryman A, Cramer D. Quantitative Data Analysis with SPSS Release ۸ ...
  • Johns T. From printout to handout: Grammar and vocabulary teaching ...
  • Shei C-C. Integrating Content Learning and ESL Writing in a ...
  • Ali K. The effect of computer-assisted translation on L۲ leaners’ ...
  • Nino A. Evaluating the use of machine translation post-editing in ...
  • Garcia I. Translating by post-editing: is it the way forward? ...
  • O’Neill E. Measuring the Impact of Online Translation on FL ...
  • Innes A. Differentiating between machine translation and student translation: red ...
  • Rossi C. Introducing Statistical Machine Translation in Translator Training: From ...
  • Siregar R. Exploring the Undergraduate Students Perception on Translation - ...
  • نمایش کامل مراجع