Содержание номера
DOI: https://doi.org/10.29025/2079-6021-2026-2-19-28
Двухуровневая модель формирования компетенций постредактирования
Резюме:
Статья посвящена проблеме формирования профессиональных компетенций постредактирования машинного перевода в условиях доминирования нейросетевых систем. Цель работы — теоретически обосновать и эмпирически верифицировать двухуровневую модель оценки перевода как дидактический инструмент. Методы исследования включают авторский эксперимент по переводу культурно-маркированных единиц системами Google Translate и DeepL, двухуровневый анализ ошибок (технологическая диагностика и коммуникативно-функциональная оценка), количественный и качественный анализ полученных данных, а также сравнительно-сопоставительный и контекстуальный анализ вариантов перевода. Материалом для эмпирической части послужили аутентичные тексты кубанской региональной направленности трех типов: меню ресторана казачьей кухни «СтанЪ», анонс фестиваля в этнокомплексе «Атамань» и фрагмент кубанской балачки. Все единицы переведены через Google Translate и DeepL. Посредством двухуровневого анализа выявлены и классифицированы ошибки технологического слоя (лексикографическая недостаточность, транслитерации, буквализмы) и когнитивно-лингвистического слоя (утрата культурных коннотаций, неверная коммуникативная стратегия). Проведённый количественный и качественный анализ показал, что для большинства рассмотренных единиц системы выдают либо транслитерацию без пояснений, либо семантически неадекватные эквиваленты. Установлено, что стратегия постредактирования должна различаться в зависимости от типа текста и коммуникативной ситуации: для меню ресторана оптимальна транслитерация с функциональным пояснением, для туристического анонса — развёрнутая культурная адаптация, а для диалектных идиом — замена функциональным аналогом. Предложенная модель позволяет системно формировать у обучающихся как технологическую грамотность, так и способность к функционально-прагматической адаптации текста, что отвечает требованиям рынка переводческих услуг и международных стандартов.
Ключевые слова: нейронный машинный перевод, постредактирование, двухуровневая модель, переводческие компетенции, дидактика перевода, культурно-маркированная лексика, коммуникативно-функциональный подход.
Для цитирования: Борисенко Д.А., Катермина В.В. Двухуровневая модель формирования компетенций постредактирования. Актуальные проблемы филологии и педагогической лингвистики. 2026. № 2. С. 19-28. https://doi.org/10.29025/2079-6021-2026-2-19-28.
For citation: Borisenko D.A., Katermina V.V. Two-level model of post-editing competences within the framework of translator training. Current Issues in Philology and Pedagogical Linguistics. 2026, no 2, pp. 19-28. https://doi.org/10.29025/2079-6021-2026-2-19-28 (In Russ.).
Язык: русский
Об авторе:
Д.А. Борисенко1, *В.В. Катермина2
1,2 Кубанский государственный университет; 350040,
Российская Федерация, Краснодар, ул. Ставропольская, д. 149;
1ORCID ID: 0009-0003-9550-3988;
2ORCID ID: 0000-0001-9141-9867;
2Web of Science Researcher ID: L-2817-2017;
2Scopus Author ID: 57191404821;
2SPIN-код: 8749-9598;
*e-mail: katermina_v@mail.ru
Список литературы:
1. Петрова О.В. Теория перевода, теория текста и рынок. Вестник Нижегородского государственного лингвистического университета им. Н.А. Добролюбова. 2019;46:78-87. Доступно по: https://vestnik.lunn.ru/arhiv-zhurnala/2019-god/vypusk-46-2-kvartal-2019-g/46-7/. Ссылка активна на 08.05.2026.
2. Беляева Л.Н., Камшилова О.Н. Лексикографические проблемы систем машинного перевода: на пути от буквального до нейронного. Вестник Волгоградского государственного университета. Серия 2: Языкознание. 2024;23(5):6-19. https://doi.org/10.15688/jvolsu2.2024.5.1.
3. Бредихин С.Н., Сидоренко С.Г. Рекурсивное сравнение как основа поиска трансляционных эквивалентов в агглютинативных и флективных языках. Вестник Волгоградского государственного университета. Серия 2: Языкознание. 2023;22(3):43-56. https://doi.org/10.15688/jvolsu2.2023.3.4.
4. Бредихин С.Н. Стратегическое моделирование сетевой кризисной коммуникации. Актуальные проблемы филологии и педагогической лингвистики. 2022;3:183-195. https://doi.org/10.29025/2079-6021-2022-3-183-195.
5. Сдобников В.В. Коммуникативно-функциональный подход в российском переводоведении: истоки. Вестник Волгоградского государственного университета. Серия 2: Языкознание. 2017;16(3):71-79. https://doi.org/10.15688/jvolsu2.2017.3.7.
6. Сдобников В.В. Стратегия перевода: заблуждения и реальность. Вестник Воронежского государственного университета. Серия: Лингвистика и межкультурная коммуникация. 2022;2:27-34. https://doi.org/10.17308/lic.2022.2/9287.
7. Кузнецов И.А. Лингвокреативный потенциал моделей элиминации в фатических диалогах (по данным Национального корпуса русского языка). Актуальные проблемы филологии и педагогической лингвистики. 2025;2:30-45. https://doi.org/10.29025/2079-6021-2025-2-30-45.
8. Yamada M. The impact of Google Neural Machine Translation on Post-editing by student translators. The Journal of Specialised Translation. 2019;31:87-106. Доступно по: https://jostrans.soap2.ch/issue31/art_yamada.php. Ссылка активна на 08.05.2026.
9. Łoboda K, Mastela O. Machine translation and culture-bound texts in translator education: a pilot study. The Interpreter and Translator Trainer. 2023;17(3):503-525. https://doi.org/10.1080/1750399X.2023.2238328.
10. Yang Y, Liu R, Qian X, Ni J. Performance and perception: machine translation post-editing in Chinese-English news translation by novice translators. Humanities and Social Sciences Communications. 2023;10:793. https://doi.org/10.1057/s41599-023-02285-7.
11. Krüger R, Hackenbuchner J. A competence matrix for machine translation-oriented data literacy teaching. Target. International Journal of Translation Studies. 2024;36(2):245-275. https://doi.org/10.1075/target.22127.kru.
12. Syahdewa BI, Zulhendry Z. Machine Translation Challenges and Cultural Sensitivity. International Journal of Economics, Management and Accounting. 2025;1(4):498-506. https://doi.org/10.61132/ijema.v1i4.830.
13. Nguyen Thi Que. Cultural-Specific Items and Machine Translation: Is Artificial Intelligence Able to Access Cultural Categories? Vietnam Journal of Education. 2025;9(4):331-343. https://doi.org/10.52296/vje.2025.428.
14. Cîndea IE, Wang J. Cultural Sensitivity in AI Translation of Chinese Language: Evaluating AI’s Capability to Grasp Culturally Rich Texts. Studia Universitatis Babeș-Bolyai Philologia. 2025;70(4):179–194. https://doi.org/10.24193/subbphilo.2025.4.11.
15. Малявина А.Н., Сдобников В.В., Шеронов А.А. Постредактирование машинного перевода: теоретический и дидактический аспекты. Вестник Нижегородского государственного лингвистического университета им. Н.А. Добролюбова. 2025;1(69):84-100. Доступно по: https://vestnik.lunn.ru/arhiv-zhurnala/2025-год/выпуск-69-i-квартал-2025-года/постредактирование-маш.... Ссылка активна на 08.05.2026.
16. Machì F. Teaching AI-mediated linguistic translation: Language education and the development of lexicosemantic competence. Italian Journal of Educational Research. 2025;1S:164-178. https://doi.org/10.7346/sird-1S2025-p1564.
17. Li Y, Li X. How digital literacy and ICT self-efficacy shape student perceived post-editing competence. Acta Psychologica. 2025;259:105409. https://doi.org/10.1016/j.actpsy.2025.105409.
18. Alyami N, Alzubi AAF. The Evolving Role of Human Translators in the Age of Artificial Intelligence: Perceptions, Challenges, and Adaptation Strategies. International Journal of Linguistics, Literature and Translation. 2025;8(5):45-56. https://doi.org/10.32996/ijllt.2025.8.5.5.
19. Park S. A case study on metacognitive strategy use in AI-based MTPE translator training. Translation Studies. 2025;29(2):145-164. https://doi.org/10.22844/its.2025.29.2.145.
20. Pym A, Hao Y. How to Augment Language Skills: Generative AI and Machine Translation in Language Learning and Translator Training. Abingdon: Routledge; 2025. Доступно по: https://search.worldcat.org/title/1432446624. Ссылка активна на 12.05.2026.
21. Vishnevskaya EM, Ivanova AM. Comprehension as a dialogue with the text: generative artificial intelligence in translation training. MCU Journal of Philology. Theory of Linguistics. Linguistic Education. 2025;2(58):190-202. https://doi.org/10.24412/2076-913X-2025-258-190-202.
22. Nurullayev B. Post-editing of machine translation: applied and theoretical research perspectives. Moscow University Bulletin. Series 19. Linguistics and Intercultural Communication. 2025. Доступно по: https://sciprofiles.com/publication/view/31211b3e90b9984353506cf4e724885e. Ссылка активна на 12.05.2026.
23. Alqahtani MH, Al-Ahdal AAMH. MTPEAS in the translation classroom: a mixed-methods study with an eye on the future. Journal of Language Teaching and Research. 2025;16(6):2045-2058. https://doi.org/10.17507/jltr.1606.23.
24. Уланова Е.Э., Катермина В.В. Жанровый аспект реализации языковой личности синхронного переводчика. Жанры речи. 2025;20(2)(46):110-117. https://doi.org/10.18500/2311-0740-2025-20-2-46-110-117.
Количество показов: 60
ISBN 2619-029X (Online)