機器翻譯對中國大學生英語考試寫作的實用性分析

2025-08-28 00:00:00田萌琪

大學教育 2025年8期

［摘要］文章研究機器翻譯對中國大學生英語考試寫作的實用性，挖掘中國英語教學的潛力。文章以英語水平相當的60名中國大學生為調查對象，讓他們在使用DeepL Translator強化訓練21天后，量化其在全國大學英語四、六級考試（CET）中英文寫作能力的變化。結果表明：使用DeepL Translator訓練后，大學生在英文寫作中語法、詞匯和文體的錯誤明顯減少，寫作能力顯著提升。研究結果為大學生提升語言技能和教師創新教學方法提供了有益的啟示，教師可以為學生制定有針對性的英文寫作技巧提升策略，有步驟地提升學生的英語學習能力。

［關鍵詞］英語考試寫作；機器翻譯；實用性

［中圖分類號］G642.0 ［文獻標識碼］A ［文章編號］2095-3437（2025）15-0012-05

在人工智能、大數據和神經科學等高科技影響下，機器翻譯（Machine Translation，MT）已經發展到神經機器翻譯（Neural Machine Translation，NMT）階段[1]。神經機器翻譯工具在外國語學習和教學方面具有巨大潛力，可用于提升第二語言（L2）學習者的語言技能（聽、說、讀、寫）[2]。越來越多的外語學習者運用機器翻譯工具（如谷歌翻譯、百度翻譯、有道翻譯、CNKI翻譯等）來提升外語水平。

一、機器翻譯發展進程

機器翻譯又可稱為電腦翻譯，簡單地說就是以計算機為核心平臺，通過專用軟件工具對原文本進行語言結構的深度解析，再將其映射為目標語言的轉換技術。該技術依托自然語言處理技術，對文本的語法、語義和語用等進行分析，最終通過統計模型或神經網絡生成譯文。相較于傳統人工翻譯，其擁有高效的優勢，翻譯速度可達千字/秒級別，同時可通過海量數據訓練持續優化翻譯質量。機器翻譯最早出現于20世紀30年代。1933年，Georges Artsrouni和Petr Trojanskij分別在法國和俄羅斯申請首個有關機器翻譯的相關專利[3]。機器翻譯至今已經有90多年的歷史。

為提升翻譯文本的可讀性與準確性，翻譯記憶庫（TM）應運而生。不同語言文字體系存在其獨特的邏輯，若僅通過字面直譯機械轉換，易導致語序混亂或語義偏差。在英語中，主謂賓結構、倒裝句式及非謂語動詞等復雜語法現象若采用傳統機器翻譯工具，可能會因忽視上下文關聯而降低譯文質量。在翻譯過程中，翻譯記憶庫自動匹配相似語段并提供參考譯文，既能保持專業術語的一致性，又能減少工作量。對于新翻譯內容，則由人工處理并更新至翻譯記憶庫中，對翻譯生態進行持續優化。該技術的生成極大提升了翻譯效率，縮小了不同譯者的風格差異。計算機輔助翻譯的本質在于使用翻譯記憶庫，讓計算機負責處理原文中的記憶相關任務，例如特定術語的匹配、譯名的一致性以及高度相似句子的重現等。在人工翻譯過程中，譯者缺乏特定專業領域的詞匯儲備，往往會陷入翻譯困境。同時，英語中廣泛存在一詞多義現象，如“capital”在普通語境下表示“資本”，但在商務場景中常指“資金”。這種語言特性要求譯者必須結合上下文精準判斷詞義。值得關注的是，隨著翻譯記憶庫的迭代升級，其通過構建動態雙語對照數據庫，能有效解決上述問題。該技術不僅能存儲歷史翻譯成果、形成可復用資源，還能在翻譯新文本時自動匹配相似語段并提供參考譯文，保持專業術語的跨語境一致性。

中國的機器翻譯起始于1956年，初期以俄漢翻譯為起點，然而受特殊歷史環境影響，在20世紀60—70年代進入低谷，直至1975年中國科學技術情報研究所牽頭成立機器翻譯協作研究組，并隨著改革開放，機器翻譯研究逐步復蘇，例如中國科學院計算技術研究所、哈爾濱工業大學等陸續開展系統研發[4]。20世紀90年代以后，基于統計模型和神經網絡的機器翻譯技術推動行業發展，如今中國在AI翻譯領域（如百度、騰訊、科大訊飛等企業的技術）已處于世界前列[4]?，F在，中國在該領域已實現跨越式發展，智能翻譯機、藍牙耳機、翻譯手機等硬件產品得到廣泛應用，人們可隨時用手機App進行翻譯。中國的機器翻譯整體上形式多樣，用戶人數眾多，使用簡單、方便、快捷。特別是機器翻譯依托長期的行業沉淀與前沿技術積累，已構建起覆蓋多垂直領域的動態擴容型詞典數據庫，能為不同行業的用戶提供更方便、快捷的翻譯服務，受到眾多用戶的支持。未來的人工智能翻譯會在社會實踐中不斷完善，翻譯的準確度將會進一步提高。

二、DeepL Translator

DeepL Translator是由一家專注于開發翻譯工具的德國公司開發的。它主打使用人工智能技術進行自動化翻譯，相較于谷歌翻譯或Bing翻譯（Microsoft Translator），其翻譯結果具有更自然流暢的語意，給人以人工翻譯而非機器翻譯的感覺，在操作上也和其他線上翻譯工具一樣簡單。DeepL Translator使用獨特的類神經網絡架構，通過幾十億次翻譯訓練，讓算法可以根據上下文識別單字，借此產生更為自然順暢的譯文。如果將同一段文章用不同的翻譯工具進行翻譯，會得出略有差異的翻譯結果，而DeepL Translator的譯文在字詞組合上接近人工翻譯的結果，使閱讀者較容易理解。當前DeepL Translator支持的語言包括英語、法語、德語、西班牙語、葡萄牙語、意大利語、荷蘭語、波蘭語、俄語、日語和漢語等，可上傳、翻譯Word（.docx）和PowerPoint（.pptx）文件；翻譯出來的中文結果為簡體中文，尚未支持繁體中文，不過繁體中文使用者也可使用谷歌翻譯將簡體中文轉換為繁體中文。

打開DeepL Translator界面后，系統會自動切換至簡體中文界面。左側區域展示來源文本，用戶可將待翻譯內容直接粘貼于此，系統將自動識別文本語言。右側區域則顯示翻譯結果。此過程與常用的機器翻譯工具或在線翻譯平臺相似，具備簡便且高效的操作特性。

中國大學生較常用的是百度翻譯、有道翻譯等工具，但也有人認為最有效、最可靠的機器翻譯工具是DeepL Translator[5]。DeepL Translator的運行方式是利用人工智能技術和神經網絡來不斷訓練和提升機器翻譯能力。多數外語學習者和教師認為機器翻譯工具可能影響外語學習效果，能力較強的語言學習者能更好地消化、吸收機器翻譯的成果。教師和學生如果能有效使用機器翻譯工具，則會更有助于增強教學效果。

中國大學生在大學階段會面臨全國大學英語四、六級考試（CET）和研究生英語入學考試等，其中英文寫作是很多學生的弱項[6]?？陀^評估機器翻譯對中國大學生英語考試寫作的實用性非常必要，有助于提高學生的英文寫作質量。

三、DeepL Translator評分過程

本研究以鄭州財經學院外國語學院2023年9月入校的大學生為調查對象，從中選擇參加了2023年大學英語入學考試并取得了真實有效的成績、高考英語成績在107～113分之間、英語水平差異不明顯的60名本科生為本次調查樣本（見表1），將其分為2組，每組30人。所選擇的樣本學生之前均沒有接觸過DeepL Translator等機器翻譯工具。

由英語教師指導這60名學生撰寫英文文章的概要。指導內容包括概要的核心內容、結構、正式文體、語法及詞匯使用等方面。DeepL Translator的訓練時間安排為9月10—30日，每晚19：00至19：30。在此期間，選取歷年大學英語四級考試試卷閱讀理解部分的典型文章供參試學生閱讀。學生需用7個以內的中文句子撰寫文章概要，并將其翻譯為英文，字數控制在150字以內。在翻譯過程中，禁止使用詞典或機器翻譯工具。翻譯完成后，要求第二組參試學生使用DeepL Translator重新撰寫概要，糾正文中的語法、詞匯及文體錯誤。

訓練結束后，指導教師選擇一篇難度相當于大學英語六級考試的科技短文，要求所有學生在不使用任何機器翻譯的情況下撰寫一份150字的概要，統計兩組學生上交文本中的語法（形態、句法和拼寫）、詞匯和文體錯誤。計算數據的峰度和偏度，確保數據呈正態分布。使用SPSS 26.0對數據進行均值顯著性檢驗。

四、DeepL Translator評分結果

表2為參與調查的60名學生英文概要錯誤統計表。概要中錯誤項最多的是語法中的拼寫類型，第1組平均有28.5處，第2組平均有13.6處，兩個小組差異顯著。而概要中標點符號錯誤的數量排在了第三位，第1組平均有20.4處，第2組平均有15.5處，兩個小組差異顯著。盡管指導教師建議學生在撰寫概要時要注意標點符號用法，并多次強調了標點符號在文章中的重要性，以及中、英文標點符號的差異性，但考核結果并不理想。

在介詞、詞序、動詞形式、冗詞和代詞使用不當等錯誤項上，第1組和第2組差異均顯著。而在定語從句、詞匯、縮略詞的使用和觀點的表達上，第1組和第2組差異并不顯著。兩個小組均有少數學生在概要中表達了自己的觀點，這是錯誤和不恰當的。總體上看，第1組錯誤項總量約為174個（處），第2組約為98個（處）。從統計上看，兩個小組錯誤數量的差異是顯著的。也就是說，使用DeepL Translator可以顯著提升學生的寫作能力和水平。

五、DeepL Translator評價

據筆者調查，中國大學生大多熟悉常見的幾個機器翻譯應用程序，如百度翻譯（100%）、DeepL Translator（62%）、谷歌翻譯（14%）和其他（50%）。有69%的受訪人員認為DeepL Translator比百度翻譯更準確，而且在翻譯時能提供多個同義詞；DeepL Translator可以提供更多的動詞形式，翻譯復雜的文本更容易理解。但是，100%的受訪人員認為DeepL Translator不能逐字翻譯，并且有可能導致學習動力不足（19%）。94%的受訪人員認為使用DeepL Translator有助于他們提升語言技能、增加詞匯量。

本研究結果表明，DeepL Translator可以使學生的寫作技能得到顯著提升，是培養中國大學生英文寫作技能的有效輔助工具，這與其他研究結果相一致。例如，有文獻認為接受過機器翻譯工具培訓的學生比未接受過翻譯工具培訓的學生取得的成績要好，學生在使用機器翻譯工具時的英文寫作成績也比自己完成的要好等[7]。

本研究結果還揭示了大學生在英文寫作中常犯的錯誤類型。較常見的錯誤包括拼寫錯誤、缺詞和標點符號錯誤等。這些發現與其他關于英文寫作常見錯誤的實驗研究部分一致。例如，有文獻在調查捷克共和國赫拉德茨-克拉洛韋大學信息學與管理學院的學生時發現，他們在英文寫作中最常見的錯誤為拼寫錯誤、使用縮略詞、漏字及標點符號錯誤[8]；此外，有文獻認為冠詞的錯誤使用是常見的錯誤之一[9]。本研究還強調了中國學生在介詞使用方面存在顯著缺陷，這一現象可能與中文中介詞功能較弱有關。

外語教師應根據教學條件適當使用DeepL Translator等輔助工具，幫助大學生增加詞匯量，學習正確的英文語序、詞序和搭配，避免在介詞、定冠詞、不定冠詞和零冠詞的使用上犯錯誤。

六、DeepL Translator和谷歌翻譯結果質量對比

谷歌翻譯是美國谷歌公司為翻譯人員提供的免費翻譯軟件。它可在全球多種語言之間提供即時翻譯結果，同時支持多種語言之間的字、詞、句子甚至是網頁的翻譯。谷歌翻譯可以在數以千萬計的文檔中對比翻譯，進而快速選擇它認定的最佳翻譯。有文獻對DeepL Translator和谷歌翻譯的翻譯結果進行比對，認為DeepL Translator和谷歌翻譯均在文學翻譯上有巨大的缺陷[10]。在英譯中時，兩個翻譯工具對文章上下文的理解失之偏頗、不夠透徹，部分翻譯結果還停留在逐字翻譯的直譯層面；在中譯英時，兩個翻譯工具均存在缺少必要的連接詞問題。下面以DeepL Translator和人工譯員翻譯結果對比舉例。

例：I looked into her clear gray eyes.

DeepL Translator翻譯：我看著她澄澈的灰色眼睛。

人工譯員翻譯：我凝視著她明亮的灰色眼眸。

這里的“look into”是一個標準式的英語動詞短語，該短語的核心在于“look”的深層情感投射，若簡單譯為“看著”，既無法傳遞主語“我”的專注姿態，更難以詮釋隱含的細膩情愫。因此人工譯員采用“凝視”這一更具表現力的詞，既保留了視覺動作的持續性，又暗含主體情感的深度投入。同時，“clear”一詞的翻譯需結合語境進行動態適配，與“eyes”形成語義呼應時，“澄澈”的譯法既精準傳遞了生理狀態的清澈感，又暗含了情感層面的純凈特質，這也是DeepL Translator的獨到之處。此外，本句中的“eyes”如果翻譯為“眼睛”，從中文語境和詩情畫意上講，缺少了些許人情味。DeepL Translator的譯文從客觀上以及句意的理解上是沒有任何問題的?！癳yes”的確是“眼睛”的意思，而相較于直譯“眼睛”，“眼眸”這一譯法通過具象化隱喻，既保留了視覺器官的生理屬性，又暗含了情感投射的深層意蘊，與中文“以目傳情”的文學傳統高度契合。這種翻譯策略通過語義增值，在保留原作情感張力的同時，賦予譯文更強的畫面感和文化意蘊，生動展現了中文“言有盡而意無窮”的獨特魅力。

就其他翻譯結果而言，谷歌翻譯更擅長中譯英，而DeepL Translator的最大失誤是對中文理解得不透[11]；DeepL Translator的長處和優點是英譯中結果較為準確，谷歌翻譯的失誤是在處理英語長句和難句時容易出錯。特別是，谷歌翻譯出現漏譯的概率較DeepL Translator要高得多?？傮w而言，DeepL Translator和谷歌翻譯各具優勢，都有翻譯短板，而用戶也可以根據自己的翻譯目的和內容類型選擇合適的翻譯工具[12]。

七、結語

機器翻譯可以促進學習者認識新的外語詞匯和短語，使其翻譯更快速、準確[13]。在線翻譯工具快捷有效，在語言課程學習中應允許使用這些工具。機器翻譯可以讓學生達到更高的語言熟練程度，但過度依賴機器翻譯可能會導致學生削弱學習和使用外語的動力。學生使用機器翻譯不僅能精進他們的英文寫作技巧，還能提升他們對語言翻譯成果的批判性思維能力。在外國語課堂中運用機器翻譯應遵循四個步驟：介紹、示范、任務分配和反思[14]。機器翻譯的使用有助于大學生提升英語學習能力，提高英文寫作技巧和其他語言技能，增加詞匯量，也有助于啟發教師創新教學方法，為學生制定合適的訓練策略。

本研究雖然設計了對照組并使用了統計的方法，但受條件的限制，調查樣本數量相對較少，還存在一定的局限性。但本研究進一步確認了機器翻譯對中國大學生英文寫作水平提升的作用，并為語言學的進一步研究提供了方向。

［參考文獻］

[1］朱嚴嚴，肖飛.機器翻譯軟件對漢語歧義詞句的譯文處理對比分析：以有道翻譯和DeepL翻譯為例[J].英語廣場，2021（35）：23-25.

[2］陳廷祐.英文漢譯技巧[M].北京：外語教學與研究出版社，2001.

[3］詹衛東，常寶寶，俞士汶.機器翻譯與語言研究[J].語言科學，2002（1）：47-61.

[4］馮志偉.機器翻譯：從實驗室走向市場[J].語言文字應用，1997（3）：75-80.

[5］崔子涵.機器翻譯譯文質量對比：以谷歌翻譯和DeepL為例[J].海外英語，2021（15）：182-183.

[6］蔣躍，余碧燕.《傲慢與偏見》形容詞性物主代詞的人機翻譯對比[J].西安電子科技大學學報（社會科學版），2017，27（2）：147-155.

[7］薛俊杰.基于神經網絡的智能翻譯機器人翻譯質量評估方法[J].自動化與儀器儀表，2022（12）：122-125.

[8］劉娜.英語書面語表達中的拼寫評估研究綜述[J].教育界（高等教育），2017（10）：57-58.

[9］賀志宏.英語學習者冠詞誤用分析及解決策略[J].現代交際，2020（14）：155-157.

[10］范楊玲，馮延群.機器翻譯+譯后編輯模式下《Growing Hope》英譯漢翻譯實踐報告[J].現代語言學，2023（1）：5096-5106.