Кемерово, Россия
ВАК 5.9.8 Теоретическая, прикладная и сравнительно-сопоставительная лингвистика
Контекст исследования заключается в растущей потребности в эффективных методах оценки текстов в аспекте их сложности, понятности и переводимости. Один из таких методов – обратный машинный перевод, позволяющий выявить потенциальные точки напряженности в интерпретации текста. Теоретической основой статьи выступает гипотеза, согласно которой переводимость и понятность являются соположенными лингвокогнитивными понятиями, которые могут взаимно корректировать друг друга в текстовых и лексических измерениях текстов в целом и их отдельных компонентов. Подтверждение данной гипотезы осуществляется в работе путем сопоставления прямых апелляций к языковому и метаязыковому сознанию носителей языка, выявленных экспериментальным способом (опросом). Важное место в названном сравнении занимает исследование Э. С. Клышинского, который осуществил лингвокогнитивный эксперимент на понимаемость текстов на славянских языках носителями русского языка. Научная новизна исследования заключается в разработке алгоритмов использования цифрового метода, включающего обратный машинный перевод и программы сравнения текстов на схожесть. Это обстоятельство является основанием для использования обратного машинного перевода текста для его измерения и оценки с точки зрения простоты / сложности, ясности, доступности. Машинный перевод является одним из способов реализации цифровой методики обработки текстов. Цель – доказать, что цифровые методы способны выступать в роли инструментов для оценки сложности, понятности и переводимости текстов. Помимо обратного машинного перевода используются программы сравнения текстов на схожесть. В работе его результаты верифицируются результатами опроса-эксперимента. Такая логика исследования позволяет сопоставить две модели понимания: одну, существующую в рамках естественного языкового сознания, и другую, функционирующую в контексте искусственного интеллекта. Материалом послужило стихотворение А. С. Пушкина «Клеветникам России». Результаты показали, что тексты с высокой сложностью восприятия и понимания становятся менее понятными при обратном машинном переводе. Полученные данные позволяют сделать вывод о прямо пропорциональной соотнесенности понятности и переводимости. Результаты опроса-эксперимента совпали с экспериментом, построенным на использовании метода обратного машинного перевода: респонденты не поняли те же слова / словосочетания во фрагментах стихотворения, что и искусственный интеллект. Выводы исследования подтверждают возможность использования обратного машинного перевода для выявления помех в понимании текстов среднестатистическим носителем языка.
сложность текста, транслятивная лингвистика, переводимость, обратный машинный перевод, сложность, понятность
1. Бабкина М. Д. Ясный язык как средство обеспечения доступности информации. Рекомендации по применению. Предварительный национальный стандарт. М.: Наш солнечный мир, 2021. 144 с.
2. Болдырев Н. Н. Когнитивный подход в лингвистике и смежных областях знания. Вопросы когнитивной лингвистики. 2020. № 2. С. 5–25. https://doi.org/10.20916/1812-3228-2020-2-5-25
3. Голев Н. Д. Источниковый потенциал обратного машинного перевода. Вестник Кыргызско-Российского Славянского университета. 2018. Т. 18. № 1. С. 36–45. https://elibrary.ru/yspbud
4. Голев Н. Д. Транслятивная лингвистика (аспектуализированный обзор исходных положений). Часть 1. Гносеология перевода. Вестник Кемеровского государственного университета. 2022. Т. 24. № 6. С. 717–734. https://doi.org/10.21603/2078-8975-2022-24-6-717-734
5. Иркова А. В. Изучение степени юридизированности лексики текстов закона цифровыми методами. Филология, иностранные языки и медиакоммуникации: XVII (XLIX) Междунар. науч. конф. студентов, аспирантов и молодых ученых. (Кемерово, 1–30 апреля 2022 г.) Кемерово: КемГУ, 2022. С. 545–549. https://elibrary.ru/lcacya
6. Катышева Л. В. «Простой и понятый язык» как новый тренд коммуникации государства и общества. Коммуникология. 2022. Т. 10. № 2. С. 85–94. https://doi.org/10.21453/2311-3065-2022-10-2-85-94
7. Клышинский Э. С. Статистический метод количественной оценки понятности иностранных славянских языков для русскоязычного читателя. Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2021. Т. 19. № 1. С. 61–79. https://doi.org/10.25205/1818-7900-2021-19-1-61-79
8. Колмогорова А. В., Залевская Е. Д. Компьютерное моделирование как инструмент анализа художественного текста. Филологический класс. 2023. Т. 28. № 2. С. 22–33. https://elibrary.ru/lthcot
9. Кушнина Л. В., Литвинова С. В., Перлова И. В., Пермякова К. В. Интерпретирующая функция переводческого понимания как отражение индивидуальной переводческой картины мира. Лингвориторическая парадигма: теоретические и прикладные аспекты. 2019. № 24. С. 48–56. https://elibrary.ru/vqswwj
10. Масленникова Е. М. Традиционные подходы к переводу: новое о старом. Вестник ТвГУ. Серия: Филология. 2007. № 9. С. 46–53. https://elibrary.ru/jvdfid
11. Мельникова В. С. Измерение степени понятности текста с помощью обратного машинного перевода (на материале центрального стихотворения сборника «Пейзаж с наводнением» (1993) И. А. Бродского). Инновационный конвент «Кузбасс: образование, наука, инновации»: XII Инновационный конвент. (Кемерово, 8 февраля 2024 г.) Кемерово: КемГУ, 2024. С. 513–517. https://elibrary.ru/fxiykd
12. Мельникова В. С. Измерение степени сложности текста закона с помощью компьютерных программ: к постановке проблемы. Филология, иностранные языки и медиакоммуникации: XVI (XLVIII) Междунар. науч. конф. студентов, аспирантов и молодых ученых. (Кемерово, 1–30 апреля 2021 г.) Кемерово: КемГУ, 2021. С. 31–33. https://elibrary.ru/nxrxii
13. Микони С. В. Оценивание понятности научных русскоязычных работ. Компьютерная лингвистика и вычислительные онтологии. 2021. № 5. С. 61–69. https://doi.org/10.17586/0000-0000-2020-4-00-00
14. Раздобудько-Чович Л. И. Перевод как интерпретация и импровизация. На материале сербских переводов мемуаров и В. Набокова с двух «оригиналов»: английского (Speak, memory) и русского («Другие берега»). Вестник Московского университета. Серия 22: Теория перевода. 2012. № 2. С. 72–80. https://elibrary.ru/pemzhb
15. Сичинава Н. Г., Данелия Б. Лексические особенности «Сказки о рыбаке и рыбке» А. С. Пушкина и ее грузинских переводов. Journal of Science. Lyon. 2022. № 33. С. 17–22. https://doi.org/10.5281/zenodo.6967190
16. Солнышкина М. И. Сложность текста: status quo или движение вперед? Технологическая независимость и конкурентоспособность Союзного Государства, стран СНГ, ЕАЭС и ШОС: VI Междунар. науч.-техн. конф. (Минск, 6–8 декабря 2023 г.) Мн.: БГТУ, 2023. С. 421–430. https://elibrary.ru/vjubal
17. Фатеева Н. А. Передача образности в переводе поэзии как результат интерпретации контекста (на примере перевода стихотворения Э. Багрицкого «Осень» (1915) на английский язык). Иностранные языки в высшей школе. 2019. № 4. С. 65–73. https://elibrary.ru/jfzkqk
18. Шмелев А. Д., Зализняк А. А. Реверсивный перевод как инструмент лингвистического анализа дискурсивных слов. Компьютерная лингвистика и интеллектуальные технологии: Ежегодная Междунар. конф. «Диалог». (Москва, 31 мая – 3 июня 2017 г.) М.: РГГУ, 2017. С. 394–406. https://elibrary.ru/xnfzzf
19. Щерба Л. В. О трояком аспекте языковых явлений и об эксперименте в языкознании. In: Щерба Л. В. Языковая система и речевая деятельность. М.: Наука, 1974. С. 24–39.
20. Benjamin W. Die Aufgabe des Übersetzers. In: Benjamin W. Gesammelte Schriften. Suhrkamp, 1972, IV.1, 9–21.
21. Kolmogorova A. V., Margolina A. V. Written vs generated text: "Naturalness" as a textual and psycholinguistic category. Research result. Theoretical and Applied Linguistics, 2024, 10(2): 71–99. https://doi.org/10.18413/2313-8912-2024-10-2-0-4
