Estudi analític de les percepcions de l'estudiantat sobre l'ús de ChatGPT en la traducció de llengües
##plugins.themes.bootstrap3.article.main##
Resum
Aquest estudi explora les percepcions dels usuaris i la feina pràctica de ChatGPT Translation entre estudiants implicats en tasques de traducció anglès-àrab. Per al mètode de la part quantitativa, s'han recollit dades d'un conjunt divers de 102 participants, que incloïen consultes demogràfiques i un qüestionari construït amb una escala Likert de 20 ítems. Les dades recollides es van classificar i examinar críticament en cinc constructes principals: Eficàcia, Precisió, Facilitat d'ús, Fiabilitat i Preferència general. Els resultats indiquen una percepció predominantment positiva de ChatGPT entre els participants. A més, l'anàlisi detallada revela aspectes nous, com la valoració considerable del paper de ChatGPT en la millora de l'eficàcia de la traducció i l'alt nivell de confiança expressat en la seva capacitat per mantenir la confidencialitat del treball traduït. Una altra troballa significativa és l'avantatge competitiu de l'eina, ja que els participants prefereixen ChatGPT a altres eines de traducció. A més, els resultats subratllen la importància d'ampliar el panorama de la investigació sobre eines de traducció assistida per IA. Així, l'ampliació de la investigació sobre plataformes de traducció assistida per IA afavoreix la seva integració efectiva a la indústria i la comprensió del seu impacte potencial en el futur de la pedagogia de la traducció.
Descàrregues
##plugins.themes.bootstrap3.article.details##
Referències
References
Almahasees, Zakaryia. (2023). Analysing English-Arabic Machine Translation: Google Translate, Microsoft Translator and Sakhr. Routledge.
Almahasees, Z., & Mahmoud, S. (2022). Evaluation of google image translate in rendering arabic signage into English. World Journal of English Language, 12(1).
Almahasees, Z. M. (2017). Assessing the translation of Google and Microsoft Bing in translating political texts from Arabic into English. International Journal of Languages, Literature and Linguistics, 3(1), 1-4.
Almahasees, Z. M. (2018). Assessment of Google and Microsoft Bing translation of journalistic texts. International Journal of Languages, Literature and Linguistics, 4(3), 231-235.
Archila, P. A., & de Mejía, A. M. T. (2020). Bilingual teaching practices in university science courses: How do biology and microbiology students perceive them?. Journal of Language, Identity & Education, 19(3), 163-178.
Bowker, L. (2020). Chinese speakers' use of machine translation as an aid for scholarly writing in English: a review of the literature and a report on a pilot workshop on machine translation literacy. Asia Pacific Translation and Intercultural Studies, 7(3), 288-298.
Cerdá Suárez, L. M., Núñez-Valdés, K., & Quirós y Alpera, S. (2021). A systemic perspective for understanding digital transformation in higher education: Overview and subregional context in Latin America as evidence. Sustainability, 13(23), 12956.
Deng, X., & Yu, Z. (2022). A systematic review of machine-translation-assisted language learning for sustainable education. Sustainability, 14(13), 7598.
Han, C., & Lu, X. (2023). Can automated machine translation evaluation metrics be used to assess students' interpretation in the language learning classroom?. Computer Assisted Language Learning, 36(5-6), 1064-1087.
Hasyim, M., Saleh, F., Yusuf, R., & Abbas, A. (2021). Artificial Intelligence: Machine Translation Accuracy in Translating French-Indonesian Culinary Texts. Available at SSRN 3816594.
Kirov, V., & Malamin, B. (2022). Are Translators Afraid of Artificial Intelligence?. Societies, 12(2), 70.
Klimova, B., Pikhart, M., Benites, A. D., Lehr, C., & Sanchez-Stockhammer, C. (2023). Neural machine translation in foreign language teaching and learning: a systematic review. Education and Information Technologies, 28(1), 663-682.
Lee, S. M. (2020). The impact of using machine translation on EFL students' writing. Computer assisted language learning, 33(3), 157-175.
Li, H., & Chen, H. (2019). Human vs. ai: An assessment of the translation quality between translators and machine translation. International Journal of Translation, Interpretation, and Applied Linguistics (IJTIAL), 1(1), 1-12.
Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C., Mishkin, P., ... & Lowe, R. (2022). Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems, 35, 27730-27744.
Peng, K., Ding, L., Zhong, Q., Shen, L., Liu, X., Zhang, M., ... & Tao, D. (2023). Towards making the most of chatgpt for machine translation. arXiv preprint arXiv:2303.13780.
Pym, A. (2013). Translation skill-sets in a machine-translation age. Meta, 58(3), 487-503.
Sujarwo, S. (2020). Students' perceptions of using machine translation tools in the EFL classroom. Al-Lisan: Jurnal Bahasa (e-Journal), 5(2), 230-241.
Van Lieshout, C., & Cardoso, W. (2022). Google Translate as a tool for self-directed language learning.
Xu, J. (2020). Machine Translation for Editing Compositions in a Chinese Language Class: Task Design and Student Beliefs. Journal of Technology & Chinese Language Teaching, 11(1).