本文调研分析了外语专业学生机器翻译使用的现状。调研发现，外语专业学生出于不同的动机已经开始广泛
20世纪五十年代，美国科学家开始研究以语言规则和双语词典为基础的基于规则的机器翻译（Rule-basedMT)。80年代前期，日本科学家模仿人类译员的翻译过程，将机器翻译推进到基于例子的机器翻译时代（Example-basedMT）。80年代中后期，IBM将又将机器翻译推向了基于统计的机器翻译新阶段。尽管如此，机器翻译的译文质量仍然有限。
直至本世纪初，NalPhil()提出了基于深度学习的端到端神经机器翻译（End-to-endneuralmachinetranslation），这一翻译模型将计算机科学、心理语言学和认知科学等学科的最新研究成果融为一体，吸纳了包括联结主义、语义网、概念图示、词类的本质属性、知识表示等诸多知识元素。随着语料训练规模的大幅度提升以及垂直领域训练针对性的提高，机器翻译译文质量有了质的飞跃。
尽管机器翻译还存在语法、句法、连贯性等方面的诸多问题，但随着人工智能的普及，机器翻译利用其自身在翻译速度、语音识别和越来越准确的优势必然会一定程度上方便人们的生活和学习。外语专业学生群体尤其是翻译专业学生机器翻译使用的现状怎样？对机器翻译的接受度和预期怎样？基于此，本文做了一个面向外语专业学生的调研，以期掌握学生对机器翻译的使用和认识现状。
一、研究现状
语言服务领域对机器翻译的研究集中在机器翻译的应用前景、译前和译后编辑、译文质量测评、译者身份和主体性、错误类型分析、应用领域等层面。
关于机器翻译对语言服务的影响，研究指出，以神经网络机器翻译和语音识别为代表的新技术将逐步深入的影响并改变传统的语言服务模式（罗华珍、潘正芹、易永忠，）；传统翻译受到机器翻译的挑战，面临变革（王婉琦，?年）。
部分译者
少数学者
近几年来，语言、翻译领域的国内学者对机器翻译译后编辑的应用研究相对比较多，论证译后编辑的必要性和方式、方法。魏长宏、张春柏（）认为，译后编辑是机器翻译系统的有机组成部分，他们从概念、必要性、要修正的错误、实现手段和实施者进行了较为详实的解释。李梅、朱锡明（?）探索了中英译后编辑自动化的问题。崔启亮（）探讨了译后编辑的概念及其应用和研究现状，提出了提高译后编辑质量和效率的实践准则。冯全功、崔启亮?（）撰文分析了译后编辑的焦点与发展趋势，指出译后编辑已发展成为全球语言服务行业的新兴职业。冯全功、高琳（）撰文分析了译前编辑对机器翻译的影响。
机器翻译的错误类型和译后编辑策略也是学者研究的核心问题之一。李梅、朱锡明（）分析了英汉机器翻译的错误类型；崔启亮、李闻（）研究了译后编辑的错误类型。
学者还深入研究了译前或译后编辑在不同文本类型翻译过程中的应用，如科技文本（崔启亮、李闻、；郭高攀，王宗英，?）、非技术文本（徐彬，郭红梅，）、时*类文本（许迪，）、文史类翻译（王萍，）、新闻编译（冯全功、李嘉伟，）、画作简介（冯全功、李嘉伟，）等。
在人机交互大背景下译后编辑素养的构成与培养（冯全功，张慧玉，）、包括机器翻译原理在内的翻译技术能力的培养（崔艳秋?，年）、MTI人才培养译后编辑课程的设置以及译后编辑素养的培养（肖史洁，周文革，年）。王湘玲、贾艳芳（）基于“翻译研究文献目录”和“机器翻译档案馆”两大数据库，全面剖析译后编辑过程及产品评估、译后编辑效率影响因素、译后编辑工具与译后编辑者及人才培养问题。
在机器翻译的应用研究层面，学者探讨机器翻译在汽车技术翻译（李梅，朱锡明，）、档案学术文献翻译（范冠艳，）、大学英语精读课堂教学（高海波，）、法律翻译（庄培妮。）、电信客服（黄河燕，）、对外文化传播（罗慧芳、任才淇，）等领域的应用。
上述研究发现，机器翻译的相关研究还局限在学者的研究层面。随着机器翻译译文质量的快速提升，学生群体对机器翻译的认识和使用现状并无相关研究。
二、调研方法
1.调研目标
此研究研究目的在于了解：外语专业学生对机器翻译的整体使用和认识状况；外语专业学生对机器翻译的信赖度和依赖度；外语专业学生对机器翻译的期待；外语专业学生机器翻译使用情况；机器翻译引擎的使用排序；院校类型对使用频率的影响；学习层次对机器翻译使用的影响；学生群体对机器翻译的改进建议。
2.调研对象
参加此次调研的对象是外语专业尤其是翻译专业学生。
3.问卷设计
采用单选和多选的形式，问卷通过在线表单的形式公开发放。
4.数据统计
数据统计中分人数统计与人次统计两种，人数统计针对单选问题，人次统计针对多选问题。两种统计分别取各自所占总人数或总人次的百分比。
三、调研结果
此次调研共收到人的有效反馈。其中，男生37人，女生人，语种涵盖英（73%）、法（19%）、阿（2.6%）、日（1.5%）及其它（3%）。
1.调研对象的群体分布
参加此次调研的学生，49人（25%）来自专门的翻译学院，69人（35%）来自语言类院校（不含高翻），61人（31%）来自综合性大学的外语学院，另有17人（9%）来自其他类高校。被调研的学生中，研究生达到人（54%），本科生达91人（46%），其中本科一、二年级学生38人（19%），三、四年级达53人（27%）。学生的专业分布为：翻译专业硕士62人（32%）、翻译本科59人（30%）、外语相关专业37人（19%）、翻译学19人（10%）、本科翻译相关专业15人（8%）和其它领域4人（2%）。从职业资格来看，调研群体中获得CATTI二、三级证书和全国外语翻译证书的总计54人次，占总人次的28%。
学生的实践领域按照重要性排序，依次为文学、商业、科学、技术、金融、其它和法律。从学生每周的翻译实践量来看，每周在千字以下有89人（45%），-字之间的有84人（43%），-字之间的19人（10%），超过的仅有4人（2%）。
2.外语专业学生对机器翻译的信赖度和依赖度
从对机器翻译的依赖度和接受度来看，72.9%的学生对机器翻译有较高或相当程度的依赖性。这一群体的学生认为，机器翻译的译文质量非常值得信赖（约3%）或一般（约70%），译者会结合自己的需要进行调整。这一调研结果表明，基于机器翻译的译后编辑会有一定的受众基础。调研对象中，26%的学生表示对机器翻译不太满意，只会参考译文中的少量信息；仅有1%的学生表示十分不满意，完全不想看。
针对不同院校的进一步分析得知，高级翻译学院学生认为译文质量一般或值得信赖的占比达63%；语言类院校占比达65%；综合性大学外语学院学生占比达87%。这一结果表明，翻译和语言类院校学生对机器翻译译文质量的期待值更高，满意度较低；而综合大学外语院校学生则期待值稍低，满意度相对较高。这一结果吻合实际情况。
从学生群体求助机器翻译的应用领域来看，76人次（占总人次的20%，总计人次）表示无论做任何领域的翻译都会借助机器翻译，4人次（1%）表示绝对不会使用机器翻译。从学生群体在翻译不同领域文本时对机器翻译的需求度来看，各领域的排序为：技术、科学、法律、金融、商业、文学。其中，文学领域求助机器翻译的仅有6人次（约2%），其它四个领域在38-62人次（10%-20%之间）。
3.外语专业学生对机器翻译的期待
调研结果显示，学生群体在使用机器翻译时，期待在术语与专有名词（人次，占总人次的44%，总计人次）、句式层面（91人次，31%）和词汇层面（69人次，24%）获得帮助。期待在其它层面获得帮助的仅有2人次（0.7%）。
从机器翻译的使用动机来看，学生群体以提高翻译效率为主要目的（人次，约占41%，总计人次），其次是在翻译任务急、时间紧的情况下使用（82人次，约27%），之后是翻译某种特殊主题的文本时（53人次，约17%），最后时出于对机器翻译的好奇（39人次，约13%）。出于其他目的的占比仅为2%，比如查找术语、不确定如何翻译、不记得相应的英语词汇和表达时。
深入研究发现，相对于综合性大学和其它院校的学生，高级翻译学院和语言类院校学生对机器翻译在提高翻译效率上的依赖度较低（36%vs.50%），但在翻译某种类型文本时求助机器翻译的几率要略高（22%vs.13%），他们对机器翻译结果的好奇度较高（17%vs.6%）。两大群体都会在任务急、时间紧的情况下求助机器翻译，综合性和其它大学学生略微高于语言和翻译院校学生（30%vs.26%）。
4.外语专业学生机器翻译使用情况
从周翻译量与机器翻译的使用频率来看，在周翻译量为字以下的学生译者中，每次翻译都会用机器翻译和频繁使用机器翻译的人约占其总数49%；在周翻译量为-字的测试者中，占比为56%；在周翻译量为-字的测试者中，占比为63%。因为，周翻译量为-0字的只有4人，样本数量少，结果代表性不大。整体观察可以发现,随着周翻译量的增大，学生译者使用机器翻译频率也在不断增加。
调研结果显示，学生群体认为机器翻译在术语和专有名词方面提供的帮助最大（人次，占比52%，总计人次），字词（20%）、句段（19%）、短语（8%）等层面也有帮助。从学生群体对机器译文的采纳上来看，术语和专有名词层面采用最多（52%），句段（19%）和字词（21%）层面略采纳率较低。各院校分布无显著的差异。
从译后编辑的角度来看，学生群体认为机器翻译译文在文本连贯层面遇到的问题最大（人，占比约74%，总计人次），需要投入更大的精力；其次是语法层面（31人次，约16%）；最后是词汇层面（13人次，约7%）。
5.机器翻译引擎的使用排序
从机器翻译引擎的使用情况来看，各大引擎的热度排序如下：谷歌（35%）、有道（27%）、百度（18%）、必应（9%）、翻译君（5%）、其它（4.5%）、（1%）（占总人次）。学生群体使用的其它翻译工作还包括法语助手、德语助手、欧陆词典、金山词霸、搜狗、牛津词典等。
从学生专业与机器翻译引擎选择的关系层面来看，基本上各个专业学生使用频率前三的机器翻译引擎排序为Google翻译、有道翻译、百度翻译。然而，本科专业翻译学生除外，该专业学生使用情况为：有道翻译、百度翻译、Google翻译。另外还能发现，本科翻译专业学生与本科翻译（本地化）专业学生使用必应翻译引擎频率要高于其他专业，而MTI专业学生使用翻译君这一机器翻译引擎的频率则要高于其他专业对其使用情况，而各专业使用这一翻译引擎的少之又少。
6.院校类型对使用频率的影响
从院校类型来看机器翻译的使用频率，高级翻译学院和语言类学校学生频繁使用和每次都会使用机器翻译的人数占该类学校调查总人数的48%，偶尔使用的占比47%，从来不使用的占比4%；综合性大学外语学院的学生频繁使用和每次都会使用机器翻译的人数占该类学校调查总人数的67%，偶尔使用的为34%，从来不用的占比为0%。由此可知，在本次所有接受调研的学生中，综合性大学外语学院学生更倾向于频繁使用甚至在每次翻译时都使用机器翻译，且他们往往都会使用机器翻译来辅助自己翻译。而来自高级翻译学院和语言类大学的调查对象中，分别由8%和1%的学生表示从来都不使用机器翻译。（详见表2）
表2：不同类型院校机器翻译的使用频率
学校种类
使用频率
从来不用
偶尔使用
频繁使用
每次都用
高级翻译学院
8%
41%
41%
10%
语言类学校
1%
52%
39%
7%
综合性大学的外语学院
0%
34%
44%
21%
其他院校
6%
47%
29%
18%
7.学习层次对机器翻译使用的影响
从学生学习层次对机器翻译使用情况来看，从来不用机器翻译的学生中，研究生占总人数（人）的1%，本科生占比2.5%，其中本科一、二年级学生占比2%，本科三、四年级学生占比0.5%。在偶尔使用这一项中，研究生占比22%，本科生占比21%，本科一、二年级占比8%，本科三、四年级占比13%。而在频繁使用和每次都用这两项中，研究生占比30%，本科生占比24%，本科一、二年级占比10%，本科三、四年级占比14%。综合来看，可以发现，本科一、二年级从不使用机器翻译比例相对较高，随着学习层次的增长，三个群体每次都用、频繁使用和偶尔使用的比率都一致呈现上升趋势（详见表3）。这表明，学生学习层次越高，机器翻译使用越频繁。
表3：学习层次对机器翻译使用频率的影响（人数/总人数）
使用频率\学习层次
本科一、二年级
本科三、四年级
研究生
从来不用
2%
0.5%
1%
偶尔使用
8%
13%
22%
频繁使用
9%
11%
21%
每次都用
1%
3%
9%
从专业资格证对机器翻译使用情况的影响来看，获得各项专业资格证明的学生中皆为选择偶尔使用人数最多，频繁使用次之，每次都会用再次之，最后为从来不用。其中，以二级、三级翻译资格证书这一专业资质证明为例，共有47名学生获得该证书，其中有24人每次或频繁使用，22人偶尔使用，1人从不使用（详见表4），获得其他类证书的学生较少，但使用趋势相同。
表4：专业资格证对机器翻译使用频率的影响
使用频率\资格证书
CATTI二、三级证书
全国外语翻译证书
中级口译
从来不用
1
0
0
偶尔使用
22
6
1
频繁使用
18
2
0
每次都用
6
0
0
总计
47
8
1
8.学生群体对机器翻译的改进建议
在所有调研中，约15%的调研对象表示没有改进建议，约3%表示机器翻译会影响翻译行业、翻译行业堪忧甚至让人产生危机感。通过调研结果聚类分析发现，外语专业学生认为，机器翻译的主要问题还是集中在准确度、连贯度、词汇使用不准确、句法、语法不准确、术语翻译不准确、不吻合译出语表达习惯、译文质量有待进一步提升等层面；稍次之的问题集中在输出方式不灵活、上下文语境不匹配、非通用语种翻译质量差、文学文化领域翻译质量差、断句错误、语料不充实、过于直译、俗语习惯用语翻译质量差、输入输出形式比较单一等方面；在辅助方式、便捷性、百科知识、例句等方面有待改进。
结束语
调研发现，现阶段外语专业学生出于不同的动机已经开始广泛
机器翻译质量的大幅度提升可以在不同层面和一定程度上减轻译者的工作压力和工作强度。但是，机器翻译提供的译文翻译质量还存在句法、连贯性和贴切程度等诸多方面的缺陷，这些缺陷需要借助译前、译后编辑等人机交互来完善，以达到交流沟通目的、优化交际效果。
基金项目：
本文为国家社科基金项目“ICT环境下的计算机辅助口译学习系统研究”（项目编号：13BYY）和北京语言大学梧桐创新平台资助课题（中央高校基本科研业务费专项基金）（项目编号：16PT02）的部分研究成果。
参考文献：
NalK.PhilB.().Recurrentcontinuoustranslationmodels[J].EMNLP,volume3,.
陈津.().机器翻译时代人工译者身份的再认识[J].湖州师范学院学40(03),92-96.
崔启亮,李闻.().译后编辑错误类型研究--基于科技文本英汉机器翻译[J].中国科技翻译28(04),19-22.
崔启亮.().论机器翻译的译后编辑[J].中国翻译35(06),68-73.
崔艳秋.().翻译技术能力的培养——以南洋理工大学《翻译科技》课为例[J].中国科技翻译30(1):23.
范冠艳.().机器翻译在档案学科的应用研究--以ITrust北美团队最新学术成果为例[J].档案学研究(03),-.
冯全功,崔启亮.().译后编辑研究,焦点透析与发展趋势[J].上海翻译(06),67-74,89,94.
冯全功,高琳.().基于受控语言的译前编辑对机器翻译的影响[J].当代外语研究(02),63-68,87,.
冯全功,李嘉伟.().新闻翻译的译后编辑模式研究[J].外语电化教学(06),74-79.
冯全功,张慧玉.().全球语言服务行业背景下译后编辑者培养研究[J].外语界,(01),65-72.
高海波.().机器翻译在大学英语精读课堂教学中的应用研究[J].黑河学院学报9(04),-.
郭高攀,王宗英.().机器翻译的译前与译后编辑在科技文本翻译中的探究[J].浙江外国语学院学报(03),76-83.
黄河燕.().浅析语言智能处理在电信客服领域的应用.电信工程技术与标准化31(01),1-4.
李梅,朱锡明.().译后编辑自动化的英汉机器翻译新探索[J].中国翻译34(04),83-87.
罗华珍,潘正芹,易永忠.().人工智能翻译的发展现状与前景分析[J].电子世界(21),21-23.
罗慧芳,任才淇.().本地化和机器翻译视角下的对外文化传播[J].中国科技翻译31(02),24-26,54.
王晶杰.().基于Google机器翻译译文的测评[J].戏剧之家(6),-.
王萍.().机器翻译下预编辑和译后编辑在文史翻译中的作用[J].硕士毕业论文，山东师范大学.
王婉琦.().人工智能在语言服务业中的应用现状与前景研究[J].南方论刊(05),22-23.
王湘玲,贾艳芳.().21世纪国外机器翻译译后编辑实证研究[J].湖南大学学报(社会科学版)32(02),82-87.
魏长宏,张春柏.().机器翻译的译后编辑[J].中国科技翻译(03),22-24,9.
吴建清.().浅析机器翻译中的译者主体性.校园英语.
肖史洁,周文革.().论MTI培养方案增设译后编辑课程.海外英语(01),-,.
徐彬,郭红梅.().基于计算机翻译技术的非技术文本翻译实践[J].中国翻译36(01),71-76.
许迪.().汉译英译后编辑的策略研究--基于时*类文本机器翻译[J].语文学刊(11),18-19.
周海林、沈志贤.().谷歌神经机器翻译质量现状分析[J].科技资讯16(1),-.
祝朝伟.().机器翻译要取代作为人的译者了吗?--兼谈翻译人才培养中科技与人文的关系[J].外国语文34(03),-.
庄培妮.().浅析机器翻译与法律翻译的兼容性[J].校园英语(2).
作者简介：许明，博士，硕士研究生导师。研究领域集中在翻译学、认知心理学和语言学的跨学科研究，研究方向包括口笔译认知过程研究、术语学、机器翻译译文质量评估、语篇理解与知识构建等。
联系方式：xuming.china
gmail.
