В.Н. Базылев, Московский государственный строительный университет
Философия – способность отдать самому себе отчет в очевидности (Мераб Мамардашвили)
В данной статье мы продолжаем обобщать и интерпретировать материал, полученный в ходе исследовательской работы, посвященной проблеме обучения переводу студентов технического вуза, в частности и контрастивно по отношению к этому виду речевой деятельности у студентов языкового вуза [1-11]. Исследование было начато в 2001 году и проводилось на базе Московского государственного строительного университета. Текущие результаты и свои соображения по названной проблеме мы уже излагали в ряде статей [16 – 19]. В настоящий момент стало возможным высказать мнение, связанное с эффективностью и перспективностью использования машинного перевода в практике преподавания в техническом вузе, а именно: оценить в целом “философию” машинного перевода с позиций сегодняшнего дня, понять то, как студент технического вуза воспринимает компьютерную помощь в процессе перевода учебных текстов, каковыми, наконец, могут быть эффективные методические основы обучения переводу как виду речевой деятельности студентов неязыковых вузов.
Лингвистические программы, обрабатывающие произвольный текст, традиционно считаются вотчиной искусственного интеллекта.
Многие годы обработкой текста занималась “высокая наука”, и результаты работы не были видны обычным пользователям. Пожалуй, первыми коммерческими системами искусственного интеллекта стали электронные переводчики.
Первые опыты по машинному переводу начались в 50-х годах, но уже к середине 60-х стало ясно, что создать хорошую систему перевода очень сложно. Надеждам тех лет не суждено было сбыться.
Поиски новых путей продолжаются, но готовых рецептов нет. У программистов нет математической модели перевода, ведь пока никто не сумел подробно описать, как переводит человек. Если попробовать описать “алгоритм” перевода, то можно выделить три основных подхода: переводчики научно-технической литературы стараются разобраться во всех подробностях, они пропускают текст через себя, иногда даже находят ошибки в первоисточнике – и только потом излагают материал на родном языке с минимальным искажением смысла. Переводчики художественной литературы стараются проникнуться духом произведения, почувствовать характер персонажа, уловить оттенки. Хороший переводчик фактически создает новое художественное произведение, и зачастую оно сильно отличается от оригинала. Но все это касается неспешного, домашнего перевода. Совсем по-другому работают переводчикисинхронисты – у них не бывает времени разобраться во всех подробностях и подобрать самый удачный вариант перевода, они переводят штампами.
Как показало знакомство с приемами работы преподавателей языковых кафедр технического вуза (речь идет о МГСУ), то повсеместное распространен “миф”, излагаемый студентам первого курса: как один опытный переводчик научно-технической литературы рассказывал преподавателю, что всегда “пропускал научный текст через себя” – воссоздавал общую картину в голове, при этом зачастую исправлял ошибки, а потом переносил информацию на бумагу, но уже на родном языке. Анализируя этот миф, хочется сказать следующее – попытка восстановления знаний по тексту всегда является некорректной процедурой. На самом деле в тексте знаний нет и не может быть, а есть только информация. Всякий, кто в своей жизни сдавал экзамены (а эта отсылка весьма убедительно «ФИЛОСОФИЯ» МАШИННОГО ПЕРЕВОДА коммуникация”, 2005, № 2 89 действует на студентов), сталкивался с тем фактом, что информация и знания – разные вещи, и ощущал, насколько мучительным бывает процесс трансформации. Из этого следует совершенно иная “философия” машинного (компьютерного) перевода.
Если бы в тексте были знания, то они не могли бы меняться в зависимости от того, кто именно читает текст. Люди, обладающие различным опытом, при чтении одного и того же текста получают разное количество знаний. В тексте нет смысла, а есть код, запускающий восстановление смысла. Превращение знаний в текст на самом деле есть процесс вырожденный, происходящий с потерей размерности, с потерей смысла. Естественно, он необратим – знания при восстановлении их из текста должны создаваться заново. Компьютеры не в состоянии это делать, потому что у них нет подобного механизма создания смысла. Создание знаний – это некоторый имманентный механизм мозга вообще, и не факт, что его можно будет повторить в компьютерном представлении. Компьютер мыслить не умеет и, скорее всего, не сумеет никогда, поэтому совершенно непонятно, каким образом его можно научить осмысливать тексты. Поскольку он не может породить из текста нечто более размерное, чем сам текст, то единственный путь компьютерного перевода – это прямой перенос с одного языка на другой, минуя человеческую голову. Возможно, в середине этого пути и возникает нечто большее, чем сам текст, например огромное количество омонимов и синонимов, с которыми надо что-то делать. Их потом можно привести к линейному тексту на другом языке, но сравнивать это с тем, что происходит в мозгу человека, абсолютно некорректно. Единственный способ машинной обработки текста – распознавание в нем так называемых кодов смысла, поэтому машинный перевод – это такая же система распознавания, как сканировщик, распознаватель голоса и т.д. Текст должен быть распознан, и выработана реакция, близкая к человеческой. При этом имитировать человека – направление тупиковое. Ведь мы до сих пор имеем очень поверхностное представление о том, как человек переводит. До сих пор не существует модели гипотезы о том, как человек думает, понимает, извлекает смысл. Даже самого определения “смысла” – общепринятого – нет. Оно еще до сих пор не сформулировано, хотя разработкам по искусственному интеллекту уже более 50 лет. Одна из наиболее сильных групп машинного перевода в России – это лаборатория Ю.Д. Апресяна: более двадцати лет там ведутся работы над системой, осуществляющей не только синтаксический разбор, но и семантический. В модели используется теория специальных лексических функций в смысле Мельчука-Жолковского, т.н. модель “смыслтекст”. По этой модели – у каждого члена предложения своя роль, и если эти роли распознать, то можно получить запись для каждого слова, в каких лексических функциях оно может участвовать, и тогда достаточно распознать лексическую функцию на одном языке и применить такую же на другом. В этой модели “промежуточным языком” является язык лексических функций, это как бы обобщенный общечеловеческий язык. Представитель любой нации знает, что одним предметом можно произвести какое-то действие по отношению к другому предмету.
Однако при алгоритмировании этой модели возникают очень большие сложности. Ведь надо строить синтаксическое дерево и потом “на лету” перестраивать его, например, с русского на английский. Это совершенно фантастический по своей сложности алгоритм, который в принципе не может быть отлажен. Он работает как черный ящик, программисты теряются и не понимают, почему он ведет себя так, а не иначе.
Очень многие разработки, широко объявленные в сфере искусственного интеллекта, доказали свою бесперспективность. Но это не значит, что задача машинного перевода в принципе не решаема. Не надо имитировать работу человеческого мозга, ведь каждый человек переводит по-разному. Мы запоминаем отдельные лексические шаблоны и т. д., и большинство людей переводит шаблонами. Это и есть, очевидно, то, что может лечь в основу подготовки научнотехнического переводчика – в первую очередь практика комментария и редактирования “шаблонов по специальности”. В практике работы со студентами возможно использование пары параллельных текстов, в которых вся основная работа по переводу уже проделана человеком. Предположим, что у нас есть два языковых пространства, а перевод – это некоторое преобразование одного в другое. Мы смешиваем эти языковые пространства точками параллельных текстов, параллельных предложений и делаем предположение, что это преобразование непрерывно. Тогда мы можем исходить из предположения, что в небольшой окрестности пары параллельных текстов малая модификация входного предложения отражается в малой модификации выходного предложения. Другими словами, если входное предложение чуть-чуть отличается от эталонного, то, немного подкорректировав выходное, мы получим более-менее адекватный перевод. Мы распознаем близкий фрагмент такого пространства в исходном тексте и подбираем ему эквивалент, а основную работу человека как бы уже проделал, мы только подгоняем изменения. Нерешаемую задачу повторения процесса, происходящего в голове человека, мы вообще удаляем и экономим большие силы на разработке.
Все это оказывается, к сожалению, верно, пока мы имеем дело с небольшими модификациями. Но что следует считать большой деформацией, а что малой модификацией? На самом деле для величины деформации можно ввести метрику на множество слов и как бы взвешивать, близко они находятся друг к другу в обычном языке или нет. Для того чтобы определить величину деформации, в системе следует использовать тезаурус – тезаурус строительного дела, например. У нас такого тезауруса для машинного перевода пока нет. Возможен и иной путь: накопить кластеры слов, близких друг другу, путем сбора статистики на большом количестве специальных (профильных) текстов, то есть выбрать отношения между словами не из тезаурусов, не так называемые прагматические отношения, а просто статистические. Тогда мы сможем самое главное препятствие – омонимию – отсечь сразу. Теперь эти слова можно легко подставить в шаблоны перевода, полученные из параллельных текстов.
Вообще говоря, предлагаемый нами подход очень старый, по-английски это называется транслейшн мемори. В частности, система с похожими принципами разрабатывалась много лет в ВИНИТИ. Возможно, мы ничего принципиально нового не придумали, но дело в том, что поменялись “условия игры” – компьютеры сейчас позволяют хранить данные практически любого размера, поэтому нет необходимости все идеи заталкивать в алгоритмы. Можно так сформулировать некий общий принцип прикладной лингвистики – поменьше лингвистики! Если можно в словаре системы перечислить все слова, то не нужно описывать их категории. Если можно эти слова перечислить вместе со словоформами, то не нужна машинная морфология. Если можно словосочетания перечислить, то не нужно исчисление разных типов словосочетаний и их алгоритмическое определение и т. д. Не нужно писать алгоритм, если можно что-то сделать проще. Понятно, что если бы мы запихнули в машину все варианты текстов с переводами, то она всегда бы переводила правильно и хорошо. Но это невозможно. Вопрос в том, насколько плотно мы могли бы заполнить пространство возможных предложений языка с помощью параллельных текстов. Алгоритмический перевод идет от слов ко всей структуре предложения, строятся “пучки” связей вокруг слов, и из них пытаются собрать предложение. Возможен путь “наоборот”: можно взять большое предложение, и если оно есть в базе, мы его так и переведем. Если предложения нет, то мы попробуем построить оптимальное покрытие его словосочетаниями. Оптимальное в том смысле, что чем длиннее словосочетания и чем меньше их, тем лучше. Потом выравниваем предложения грамматически. И только в последнюю очередь мы применим дословный перевод с последующим грамматическим выравниванием.
Это, безусловно, отдаленная перспектива. Сегодня студенты технических вузов активно пользуются имеющимися программными продуктами, для того чтобы выполнить задание по переводу специальных текстов, которые входят в цикл обучения иностранному языку. Обращает на себя внимание тот факт, что перевод представлен в программах по иностранному языку для студентов неязыковых специальностей в виде неявного (неявленного) вида речевой деятельности, в связи с чем он и не идентифицируется студентом как отдельный, особый, обособленный вид владения языком, а имманентно входит в состав чтения. Федеральный компонент Государственного образовательного стандарта высшего профессионального образования определяет в составе обязательного минимума содержания курс научно-технического перевода, предъявляя требование переводить тексты по специальности со словарем. На практике конкретные программы, в том числе и авторские, в содержание обучения включают только владение ознакомительным чтением и изучающим чтением на первом и втором уровне подготовки специалиста. А на третьем уровне мы сталкиваемся с формулировкой: “… зрелое владение всеми видами чтения литературы разных функциональных стилей и жанров” [12-14]. Руководствуясь подобными формулировками, вряд ли можно успешно решать задачи обучению переводу. На практике мы сталкиваемся с обучением системе и структуре иностранного языка – этим и только этим по сути ограничивается подготовка к тому этапу, на котором студенту предлагается осуществить самостоятельно перевод научно-технической статьи по специальности. Приведем несколько примеров из рекомендаций по организации реального учебного процесса в неязыковом вузе.
Необходимость минимизации и оптимизации учебного материала обусловливается тем, что авторский научный текст сохраняет признаки и особенности индивидуального стиля. Наличие в научных текстах образных выражений, отступающих от нейтрального стиля научной речи, затрудняет их использование в учебных целях… Моделированный текст – это текст, из которого на строго научной основе изъято то, что не может быть скопировано, заучено и употреблено иностранным учащимся… Понятно. Что при целенаправленном обучении иностранным языкам важную роль играет обучение терминологии как обозначение конкретных специальных предметов и явлений, составляющих объект изучения данной отрасли знания. При этом в задачу преподавателя иностранного языка не входит разъяснение студентам содержания термина их специальности.
Эта задача не может быть сведена также к тому, чтобы дать эквиваленты на соответствующем иностранном языке… При обучении языку для специальных целей большое место занимают и проблемы, связанные с преподавание грамматики. При этом исходной является установка на активную и пассивную формы владения иностранным языком… [20].
Не приходится удивляться, что студент технического вуза, получивший подобную подготовку, вынужден уже в силу этого одного обращаться к иным источникам информации, что он успешно делает, будучи студентом именно технического вуза. Любой нормальный студент обращается к автоматическим системам перевода.
С нашей точки зрения, актуальным становится не только и не столько преподавание иностранного языка как системно-структурного образования или когнитивно-коммуникативного феномена, что само по себе важно и нужно, а скорее преподавание редактирования и комментирования переводных текстов, полученных, в том числе, в ходе использования компьютерных систем перевода.
В этой связи конечно же интересно, как студенты оценивают пригодность тех или иных программ для практических нужд. Наша задача состояла в том, чтобы протестировать наиболее распространенные в студенческой среде автоматические переводчики: в студенческой – имеется в виду студенты неязыковых, прежде всего технических, вузов; автоматические переводчики – в качестве “помощника” для выполнения практических переводов.
Напомним, что первые программы машинного перевода появились на нашем отечественном легальном рынке в начале 90х. Они выдавали русский подстрочник, позволявший понять общий смысл большинства английский, а затем немецких, французских и итальянских документов. Конкретная причина, стимулировавшая их появление, заключалась в хлынувшем потоке иностранных товаром, которым срочно понадобилось переводить документацию. Именно для этого – перевода большого простого текста по узкой тематике – и были первоначально предназначены эти программы. И они действительно помогали, но в основном переводчикампрофессионалам, спасая их от рутинной работы. И хотя вслед за дорогими и профессиональными вариантами автоматических переводчиков быстро появились облегченные “персональные” братья, все равно основным их назначением была помощь тем, кто хоть немного, но все же знает язык. Однако постепенно ситуация менялась и к концу 90х в России возникла потребность в переводчиках для широкого круга домашних пользователей. Дело в том, что уровень владения иностранным языком в России продолжает оставаться очень низким, как это ни неприятно констатировать. Причем основную массу “испуганных” составляют именно те студенты технических вузов, которые окончили среднюю общеобразовательную школу, и практически не знают иностранный язык. Естественно, что автоматические переводчики призваны были исправить такое положение. Они его по мере возможности сейчас и исправляют. По опросам, этими программами пользуются 90% студентов Московского государственного строительного университета. Оказалось, что при оценке той или иной программы студенты пользуются следующими критериями:
– смысл передан точно, гладкий текст, практически не нуждающийся в редактировании; все слова переведены, перевод без существенных ошибок;
– общий смысл текста передан правильно, допустимы 2-3 мелких замечания – неудачный выбор синонима, морфологические ошибки; могут быть не переведены специфические термины или имена собственные; нуждается в небольшой редакции, но грубых ошибок нет;
– смысл фразы понять можно, слова в предложении плохо связаны, но разобраться можно; нуждается в значительном редактировании, фразу приходится заново конструировать из переведенных слов; встречаются грубые ошибки – неправильно распознаны устойчивые словосочетания, омонимы, неправильно разобраны сложные конструкции, например, перепутаны объекты с субъектами; много мелких ошибок – от 4 до 6 в одном предложении; несколько второстепенных слов не переведены;
– понять смысл очень трудно или практически невозможно – возможно различное толкование фразы; несколько грубых ошибок; не переведены ключевые слова; можно понять только отдельные фрагменты фразы, при правке приходится сверяться с первоисточником и без знания языка отредактировать фразу невозможно; – смысл понять не удается; ключевые фразы остаются непереведенными, на попытку расшифровать перевод уходит больше времени и сил, чем на перевод “с нуля”; к счастью, такое встречается не часто; в нашем случае такую оценку получили фразы, содержащие игру слов и сложные синтаксические конструкции, но надо признать, что такие тексты могут иногда поставить в тупик и профессионального переводчика.
Поскольку мы ориентировались на студентов технического вуза, которые используют онлайновые переводчики для решения задачи подготовки к занятиям, то мы решили обратиться к онлайновым и персональным переводчикам. Таким образом за кадром остались “большие” и дорогие пакеты типа “ПРОМТ” и “Профессиональный Сократ”. Не говоря уже о всевозможных серверных системах стоимостью в сотни долларов, предназначенных для работы под управлением Windows NT Server или коммерческих UNIX. Мы специально не стали сравнение с западными системами машинного перевода, такими как Systran и Globalink. Известно, что подобное тестирование недавно проводили американцы, в том числе в НАТО и госдепартаменте США, по результатам тестов Stylos опередил Systran и Globalink. Полагаем, что если американцы сами признали поражение своих продуктов, то им можно поверить. Однако стоит упомянуть, что Globalink Web Translator имеет ряд заслуживающих внимание достоинств. Например, он поддерживает популярные браузеры от Netscape, в то время как отечественные продукты работают только с Internet Explorer. Кроме того, помимо гипертекстов, Web Translator может переводить документы многих других форматов и текст в разных кодировках кириллицы.
Качество перевода с точки зрения студента технического вуза применительно к потребностям повседневной учебной практики могло оцениваться по трем позициям:
– осмысленность: можно ли вообще понять смысл предложения, полученного в результате перевода? Как много таких предложений в переведенном документе, от каких фа
– доля слов, оставленных без перевода или переведенных неправильно. Учитывается ли в переводе омонимы оригинала? Насколько велика доля неправильно переведенных омонимов? Насколько уместно используется синонимия, не возникают ли такие ситуации, когда, например, в перевод официальных документов попадают разговорные или просторечные слова и выражения, жаргонизмы?
– морфология. Насколько связь слов в предложении переведенного текста соответствует нормам русского языка.
С этих позиций, например, “Сократ” был признан студентами как дающий более-менее приемлемое качество перевода общественнополитических текстов, беллетристики – примерно 90% случаев перевода нашего текстового фрагмента был понятен. Но он очень медленно переводил объемные документы со сложным оформлением. Подключать дополнительные словари и пополнять основной можно только в том случае, если на компьютере была установлена еще и профессиональная версия “Сократа”. Главный, на студенческий взгляд, недостаток “Сократа” состоял в том, что в переведенном тексте слова в предложениях часто не согласованы, особенно по падежам. Нередки были ошибки при определении частей речи: используются те формы, что были в тексте на исходном языке. Поэтому часто возникают конструкции типа Вы можете разработать их сами со много моделируя функции. Программа образовывала формально правильные формы слова, которые, тем не менее, отсутствуют в русском языке. Например, пронаблюдано. А все это требовало дополнительного времени для редактирования, навык которого у студентов, естественно, отсутствовал, в связи с чем итоговый перевод получался некорректным с точки зрения, помимо всего прочего, норм русского языка. С этих же позиций со студентами шло обсуждение WebView. Главное преимущество данного продукта, по мнению студентов, в том, что к нему легко подключаются дополнительные тематические словари. Их довольно много, как фирменных, так и от сторонних разработчиков. Среди последних есть, например, словарь американизмов, различных профессиональных и корпоративных жаргонов. Кроме того, WebView, в отличие от “Сократа”, позволяет дополнять словарные статьи новыми значениями. Например, слово fan в базовом словаре имеет русский эквивалент только как “вентилятор”, но можно добавить также и другие – “фэн” и “фен”. Это преимущество и было оценено студентами как совершенно неоценимое при работе со специальными текстами. Положительно оценивалась и высокая скорость перевода, что особенно за«ФИЛОСОФИЯ» МАШИННОГО ПЕРЕВОДА коммуникация”, 2005, № 2 93 метно на объемных документах со сложным оформлением. Студентами было отмечено. Что намного реже допускаются ошибки при согласовании слов в предложениях переведенного документа, что облегчает их дальнейшее редактирование. К сожалению для студентов, программа обеспечивает плохое качество перевода набольших фрагментов текста, особенно неполных предложений: WebView очень часто путает омонимы. При этом у WebView относительно малый базовый словарь, что ведет к появлению грубых ошибок в переводе, когда ключевым является неизвестное системе слово. Особенно заметен этот недостаток при переводе общественно-политических текстов, тем более, что по этой тематике отсутствуют дополнительные словари. Очень неудобна и громоздка процедура пополнения словарей. Но важно то, по мнению студентов, что WebView переводит быстрее, что особенно заметно при работе с объемными документами, и на выходе получается довольно связный текст, который обычно легче редактировать. Не стоит забывать также о большом количестве всевозмодных дополнительных словарей и легкости их подключения, что позволяет качесвтенно переводить и специальные документы.
Не стоит забывать, что студенты, владеющие английским языком со школьной скамьи и продолжающие его изучение в техническом вузе хотя и составляют подавляющее большинство, но не исключают студентов со знанием немецкого и французского языка, которые, в свою очередь, должны иметь доступ к информации по специальности, публикуемой в мире на английском языке. Верно и обратное: студенты, владеющие английским языком, должны знакомиться с информацией, существующей на немецком и французском языке. Это как минимум. В рамках подготовки студентов в техническом вузе не может идти речь об освоении ими нескольких иностранных языков. Именно поэтому обучение пользованию компьютерными программами, пожалуй, приоритетное направление в работе кафедры иностранного языка. При этом преподавание подразумевает формирование навыков редактирования и комментирования полученного в результате автоматической обработки текста по специальности. В настоящее время автоматические переводчики поддерживают перевод не только английских, но также немецких и французских текстов. В случае немецких текстов перевод пока оставляет желать лучшего, о качестве перевода на выходе вообще говорить не приходится: очень часто неправильно переводят глаголы с отделяемыми приставками и возвратной частицей sich; ставят в тупик сложные и особенно сложносокращенные слова типа U-Bahn, U-Boot, S-Bahn, которым так богат немецкий язык. Не под силу оказалось перевод даже простых технических документов. Например, переводы документов с сайта фирмы Stardivision оказались практически непонятны, в то время как те же самые тексты с англоязычного сайта этой фирмы оказались переведенными почти безупречно. Студентами было сделано интересное наблюдение: документы одного типа, но составленные теми, для кого английский язык не родной, переводятся лучше. Качество перевода французских текстов было хорошим. Без проблем удавалось переводить не только содержимое собственно французских сайтов, но и франко-канадских и бельгийских. При попытке перевести идентичные по содержанию французские и английские документы их русский перевод был абсолютно одинаковым.
Студенты прибегают, как показал опрос, помимо прочего к таким “персональным толмачам”, как “Персональный Сократ” и “ПРОМТ”. Они нравятся студентам тем, что поддерживают двусторонний перевод с трех языков, имеют возможность подключения дополнительных тематических словарей, позволяют сохранять оформление документа. Но они требуют высоких системных объемов. Нельзя пометить слова как непереводимые. Очень бедный базовый словарь. Процедура перевода не унифицирована, направление перевода не определяется автоматически, нельзя скопировать в буфер и тем самым сохранить более чем 600 символов переведенного текста. Очень неудобная процедура пролистывания переведенного текста; нельзя изменять размеры окошка с переводом. Так что перевести текст объемом более одной экранной страницы можно, но прочитать результат, не говоря уже о том, чтобы его сохранить для дальнейшего использования, практически невозможно. Два серьезный недостатка были отмечены студентами у “Сократа”: не переводятся или (что хуже) переводятся неправильно те слова и предложения, внутри которых имеются спецсимволы (переносы, жесткие концы строк); и полностью теряется оформление при переводе документов, что влечет серьезные сложности для пользователя, если переводится, например, таблица. Встроенный редактор работает только с документами в текстовом формате. При вставке текста через буфер обмена теряются все элементы оформления. Читая русские тексты, очень часто допускает ошибки в ударениях, так как воспринимает как знаки препинания или буквы некоторые служебные символы, например мягкие переносы или типографские кавычки. Сбивается при чтении двуязычных текстов.
В частности, английские цитаты в русском тексте (или русские в английском) читаются неправильно.
Все изложенное еще раз позволяет нам сделать акцент на том, что преподавание иностранного языка в неязыковом вузе подразумевает, помимо прочего, формирование навыков редактирования и комментирования полученного в результате автоматической обработки текста по специальности [ср. 15].
Обратимся к анализу тех методическим приемов, которые были сформулированы нами в ходе экспериментальной работы со студентами МГСУ.
Прежде всего надо было самим себе ответить на некоторые вопросы:
– Что такое комментарий?
– Почему необходимо учить комментированию в неязыковом вузе и что мы под этим понимаем?
– Что способствует такому обучению? Имеет ли смысл поиск новых форм обучения?
Как уже говорилось, специфика обучения языку в неязыковом вузе состоит в развитии умений и навыков чтения научно-технической литературы для получения необходимой информации. В связи с этим были сформулированы основные теоретические положения.
• Интерпретация полученной информации с точки зрения специалиста рассматривается как комментарий.
• Комментарий должен быть информативным, лаконичным и грамотно изложенным на родном или иностранном языках. По нашему мнению, качество комментария зависит не только и не столько от знания языка, сколько от сформированных навыков по извлечению информации и умения облечь ее в нужную словесную форму.
• Важным в комментарии является достоверность и доступность в изложении.
• Практическая деятельность студентов и преподавателей показывает, что комментарий, зачастую, подменяется линейным переводом, неадекватным пониманием содержания прочитанного, хотя понимание текста не требует владения переводом как специальным умением.
• Обучение аннотированию и реферированию как видам комментария только на заключительном этапе нецелесообразно.
В связи с этим был предложен иной подход: многоэтапный “интеллектуальный тренинг”, представляющий собой коллективную форму работы, направленную на развитие нагляднообразного, вербально-логического и других форм мышления студентов.
Первый этап начинается с вводнофонетического курса и завершается зачетом, проведенным нами в форме фонетического конкурса (пилотажный эксперимент). Как известно, фонетика занимает подчиненное положение в неязыковом вузе, в рамках же “интеллектуального тренинга” работа на этом этапе проводится в соответствии с методикой интенсивного обучения языку. Обучение языку осуществляется в процессе непосредственного устного общения в игровых формах. На основе высокой интеллектуальной активности студентов и преподавателя усваивается максимальный объем учебного материала в минимально сжатые сроки.
Разработанный материал фонетического конкурса содержал логико-семантические задания, выполнение которых представляло собой составление комментария. Сравнивая знания студентов разных групп (прошедших “интеллектуальный тренинг” и обычных) можно сделать вывод, что качественный результат первых значительно выше. Это выразилось в умении применить приобретенные навыки в решении мыслительных задач.
Целью следующего – лексико-грамматического этапа – является выработка умений по смысловому пониманию текста и вербальному оформлению полученной информации. Работа над лексико-грамматическим материалом осуществляется в соответствии с методикой интенсивного обучения языку и использованием приёмов редактирования и элементов перевода.
Высокий эмоциональный уровень преподавателя и студентов, динамизм, жёсткие временные рамки и насыщенность языковым материалом позволяют сделать акцент на процесс получения информации свободным личностным путём, тем самым снимая языковое напряжение.
Оговоримся сразу, что деление на этапы весьма условно. Опыт практической деятельности показывает, что последовательное предъявление учебного материала оказывается недостаточно результативным.
Задачи этого этапа:
– расширение разговорной лексики (в ситуациях повседневного общения) – включение профессионально ориентированной лексики (моделирование …деловых ситуаций) – определение значения незнакомых слов из контекста– распознавание грамматических форм и конструкций (в том числе характерных .для научно-технической литературы).
Предъявляемый материал содержал оригинальные тексты из журналов и рекламных проспектов с большим количеством графических изображений (рисунков, чертежей и т. д.) и технических характеристик.
Система лексико-грамматических упражнений и логико-семантических заданий была направлена на развитие языковой догадки и формирование профессионально ориентированного ассоциативного ряда. Именно они формируют представление о тексте, как определённым образом организованной и структурированной информации, понимание и переработка которой реализуется в первичном комментарии.
Вторичный комментарий состоит в вербальном представлении этой информации, выполненной в соответствии с требованиями, предъявляемыми к комментарию: лаконичность, информативность, корректность изложения.
Полученный текст-комментарий редактируется. Эта работа построена таким образом, что все несоответствия исправляют сами студенты.
Комментирование проводится на родном языке, что позволяет снять языковую напряжённость, возникающую вследствие недостаточной языковой компетенции, а также позволяет активизировать знание родного языка.
Лексико-грамматический этап заканчивается зачётом в виде составленного и отредактированного текста-комментария.
Собственно, уже на этом этапе нами были продемонстрированы возможность и целесообразность использования студентами текстов, которые были получены ими в результате использования машинного перевода В качестве подтверждения эффективности предлагаемого подхода изложу результаты проведенного экспериментального исследования восприятия текста компьютерного перевода нашими студентами.
Испытуемым предлагалось после чтения компьютерного перевода немецкоязычного текста представить в письменном виде свой текст комментарий так, как он понят ими. При работе с компьютерным переводом оригинал текста и словарь не использовались.
Компьютерный перевод учебных текстов (научного и научно-популярного) объемом по 1800 п. зн. был подготовлен студентом 2 курса неязыкового вуза на основе программы “PROMPT redactor 1999”. Уровень языковой подготовки испытуемых и автора перевода можно считать идентичным.
Время работы составило 1 час 20 мин. В итоге эксперимента было получено 32 текста.
Восприятие смыслового содержания текста представляет собой сложную аналитикосинтетическую речемыслительную деятельность, которая при работе с компьютерным переводом активизируется и фокусируется на извлечении информации.
Результаты исследований показали, что сюжет научно-популярного текста понят всеми и выстроен в виде логической цепочки (кто? где? что делает? чем заканчивается?), в то время как основная идея научного текста не сформулирована, хотя научный текст более формализован, с точки зрения логики обладает более жесткой структурой в отличие, например, от научнопопулярного текста.
Дополнительная (или уточняющая) информация относительно персонажей, места действия и т.д. делится испытуемыми на релевантную и нерелевантную.
В ходе эксперимента была отмечена способность испытуемых к заполнению лакун, обусловленных “шероховатостями” языка компьютерного перевода. Причем, в научнопопулярном тексте заполнение лакун происходит на локальном уровне в рамках абзаца (фрагмента), в рамках предложения (или части предложения), в научном тексте – как на локальном, так и на контекстуальном уровнях.
Научный текст, как оказалось, является информативным для испытуемых, а текст описательного характера (научно-популярный), очевидно, непригоден для компьютерного перевода на этапе обучения языку.
Анализ полученных текстов свидетельствует о том, что:
1. Реализация информации проявляется на содержательном (семантическом) уровне.
2. Метаязык компьютерной версии, зачастую, с трудом семантизируется, что приводит к разрыву логико-смысловых связей и деструктурации текста. Испытуемые комментируют логико-смысловые связи собственным комментарием, не всегда адекватным содержанию.
3. Дополнительная (или уточняющая) информация элиминируется вследствие ее нерелевантности и/или неотрефлексированности.
4. Вербальные несуразности в компьютерной версии ведут к “размытости” и/или “стиранию” тех семантических компонентов, которые в оригинале могут выступать как доминантные признаки и/или являются показателями (маркерами) культурного контекста.
Фоновые знания в этом случае не актуализируются, и текст не соотносится со страной изучаемого языка. В результате это приводит к непониманию коннотации текста.
На основании изложенного можно сделать лишь предварительный вывод (исследования такого рода проводятся нами впервые) о рассогласовании логического и эмоционального уровней восприятия компьютерного текста, что потребует в дальнейшем учитывать эту особенность в работе с текстом и соответствующим образом выстраивать стратегию формирования первичных умений и навыков перевода.
Рецензент – В.Б. Кашкин
Список литературы
1. Базылев В.Н. Интерпретативное переводоведение/В.Н. Базылев. – Ульяновск: Ульяновский ГУ, 2000.
2. Базылев В.Н. Перераспределение переводов в семиосфере// Вестник Воронежского ГУ. Серия Лингвистика и межкультурная коммуникация. – 2001. – № 2. – С. 75-78.
3. Базылев В.Н. Освоение текстовых жанров в практике подготовке переводчиков// Межкультурная коммуникация и перевод. – М: ИЯ РАН, 2002. – С. 21-25.
4. Базылев В.Н. Поиск смысла в практике переводчика// Смысл и выражение: контроверзы современного гуманитарного знания. – Самара: Издательство 21 век, 2001. – С. 233-235.
5. Базылев В.Н. Поиск смысла в практике переводчика (2) // Актуальные проблемы исследования языка. – Курск: Курский ГУ, 2002. – С. 8-9.
6. Базылев В.Н. Аналитический перевод (из опыта новейших русских переводов австрийской лирической поэзии)// Композиционная семантика. – Тамбов: Тамбовский ГУ, 2002. – С. 163-165.
7. Базылев В.Н. Актуальные субъективные авторские смыслы (закономерности в русских переводах австрийских экспрессионистов ХХ века) // Россия и Австрия. Этнос и культура в зеркале языка и литературы. – М.: Писатель, 2003. – С. 6-10.
8. Базылев В.Н. Гомилетика и обучение переводу // Актуальные проблемы исследования языка: теория, методика и практика обучения. – Курск: Курский ГУ, 2003. – С. 82-85.
9. Базылев В.Н. Выклевывание смысла // Переводческие фрустрации. – М.: МАКС-Пресс, 2004. – С. 6-9.
10. Базылев В.Н. Субъективные авторские и читательские смыслы// Социокультурные проблемы перевода. Вып. 6. – Воронеж: Воронежский ГУ, 2004. – С. 21-30.
11. Базылев В.Н. Рефлексия над смыслами (из наблюдений за подготовкой переводчиков художественной литературы) // Проблемы современного филологического образования. Вып. 6. – Ярославль: Ремдер, 2005. – С. 359-367.
12. Иностранные языки. Примерные и авторские программы для системы высшего образования. – М.: Юристъ, 1998.
13. Минина Н.М. Программа обучения активному владению иностранным языкам студентов неязыковых специальностей и методические рекомендации. – М.: НВИ-Тезаурус, 1998.
14. Примерная программа дисциплины “Иностранный язык” федерального компонента цикла ОГСЭ в ГОС ВПО второго поколения. – М.: МГЛУ, 2000.
15. Рейтблат А.И. Комментарий в эпоху интернета // Новое литературное обозрение. – 2004. - № 66. – С. 82-90.
16. Текст и комментарий // Под ред. В.Н. Базылева. – М.: МАКС-Пресс, 2001.
17. Текст и комментарий – 2 // Под ред. В.Н. Базылева. – М.: МАКС-Пресс, 2002.
18. Текст и комментарий – 3// Под ред. В.Н. Базылева. – М.: МАКС – Пресс, 2003.
19. Текст и комментарий – 4 // Под ред. В.Н. Базылева. – М.: МАКС-Пресс, 2004.
20. Чернышова Л.А. О целенаправленном преподавании иностранных языков в техническом университете/Л.А. Чернышова – М.: Моск. гос. ун-т путей сообщения, 2002.