Estudio analítico de las percepciones de los estudiantes sobre el uso del CHATGPT en la traducción de idiomas

Contenido principal del artículo

Zakaryia Almhasees
Hussein Abu Rayyash
Sameer Olimat
Dana Mahadin

Resumen

Este estudio explora las percepciones de los usuarios y el uso práctico de ChatGPT Translation entre estudiantes implicados en tareas de traducción inglés-árabe. Para el método de la parte cuantitativa, se recogieron datos de un conjunto diverso de 102 participantes, que incluían consultas demográficas y un cuestionario construido con una escala Likert de 20 ítems. Los datos recogidos se clasificaron y examinaron críticamente en cinco constructos principales: Eficacia, Precisión, Facilidad de uso, Fiabilidad y Preferencia general. Los resultados indican una percepción predominantemente positiva de ChatGPT entre los participantes. Además, el análisis detallado revela aspectos novedosos, como la valoración considerable del papel de ChatGPT en la mejora de la eficacia de la traducción y el alto nivel de confianza expresado en su capacidad para mantener la confidencialidad del trabajo traducido. Otro hallazgo significativo es la ventaja competitiva de la herramienta, ya que los participantes prefieren ChatGPT a otras herramientas de traducción. Además, los resultados subrayan la importancia de ampliar el panorama de la investigación sobre herramientas de traducción asistida por IA. Así, la ampliación de la investigación sobre plataformas de traducción asistida por IA favorece su integración efectiva en la industria y la comprensión de su impacto potencial en el futuro de la pedagogía de la traducción.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Almhasees, Z., Abu Rayyash, H., Olimat, S., & Mahadin, D. (2024). Estudio analítico de las percepciones de los estudiantes sobre el uso del CHATGPT en la traducción de idiomas. Language Value. https://doi.org/10.6035/languagev.7925
Sección
Artículos

Citas

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).