1. 引言
近年来现代信息技术取得了突飞猛进的发展，人工智能深入到包括教育领域在内的社会生活各个领域。机器翻译试图用计算机来模拟人的翻译能力，成为人工智能的一个重要分支[1]。语音识别是人工智能感知环节的关键技术，包括语音识别、语音合成、语音交互、语音评测、人机对话和声纹识别等技术[2]。语音识别和机器翻译进入英语课堂成为当下语言教学的发展趋势，而同声传译课程中最核心的两个环节即听力理解和即时翻译也是受到人工智能冲击最大的两个环节，给传统同声传译课程的教学方式和评价方式带来新的挑战，亟待形成与新兴人工智能技术相匹配的全新同声传译教学模式。鉴于此，本研究将语音识别和机器翻译等人工智能手段融入翻译自主学习的过程，通过实证研究探讨语音识别和机器翻译等人工智能技术对同声传译自主学习过程的影响。
2. 理论综述
自主学习的概念由来已久，Holec最早将自主学习概念引入语言教学领域[3]，自此自主学习研究在语言教学领域兴起。美国最著名的自主学习学者之一齐莫曼提出自主学习模型[4]。齐莫曼认为，自主学习是由自我、行为和环境三者相互作用的结果。自我(内在)过程指的是自主学习者对内在学习过程作出主动控制和调节，包含了时间安排、目标设定、内在兴趣、自我评估、认知策略等方面；行为过程指的是自主学习者基于内在的认知和设定而开展的显性的学习行为，包含了自我监控、自我观察、自我记录等自主学习行为；环境包括物质性环境和社会性环境。物质性环境包括自习室、图书馆等。社会性环境包括榜样、教师以及其他社会资源。就自主学习的内部心理过程来讲，可以按其发生顺序划分为三个阶段，即计划阶段(forethought phase)、行为或意志控制阶段(performance/volitional control phase)和自我反思阶段(self-reflection phase) [5]。
齐莫曼是自主学习理论最早的研究者之一，也是目前在该领域影响力最大的研究者；齐莫曼自主学习模型获得了较高的认可，也被付诸大量的实践[6]。该理论提出了许多影响自主学习的因素，但没有对自主学习过程作出详细描述[7]。本研究重在将人工智能技术融入同声传译自主学习的各个因素和各个阶段，从微观因素到宏观过程，对人工智能融入同声传译自主学习的过程展开实证研究。
随着自动语音识别和神经机器翻译技术的快速发展，机器同传越来越受到人们的重视。微软、腾讯、搜狗、科大讯飞等公司推出了机器同传系统[8]。技术的发展为语音识别和机器翻译融入同声传译自主学习过程提供了可能性和可行性。人工智能的发展给同声传译教育赋予了新的内涵，口译教学应“考察口译教育所经历的信息化变革，探索人工智能技术与人才培养的深度融合路径”[9]。苏雯超、李德凤将翻译专业本科生和职业译员开展对比实验，发现在同声传译中运用技术辅助，能提高译文准确度[10]。因此，将语音识别和机器翻译融入同声传译自主学习过程的探索是人工智能在口译教学领域开展融合的积极尝试。
3. 研究设计
3.1. 研究问题
1) 人工智能如何融入同声传译自主学习过程？
2) 人工智能融入同声传译自主学习后，是否对同声传译自主学习过程有正向影响？
3.2. 研究对象
本研究选择了北京市某工科高校英语专业研究生作为研究对象。共有2个教学班的51名学生参与研究：自主学习组25人，自主学习&人工智能组26人。
自主学习组在同声传译学习过程中运用自主学习模式；自主学习&人工智能组在自主学习模式中引入了语音识别和机器翻译等人工智能工具。
3.3. 控制手段
1) 在入学的研究生新生中，选出英语水平无明显差异的51名学生参与本研究。
2) 两个班使用相同授课资料且学时和进度相同(每周2学时，16个教学周)。
3) 不同实验组上课时间和地点独立，且学生并未被告知在参与一项教学实验，避免了霍桑效应的影响。
3.4. 实验过程
3.4.1. 自主学习模式下的子过程
依据Zimmerman的自主学习子过程[11]，结合所在高校学生实际情况，按照计划阶段、行为或意志控制阶段和自我反思三个阶段，开展同声传译自主学习模式教学。
计划阶段分为任务分析和自我动机信念两个方面。在课程的第一周，两组学生参加了有关同声传译的方法的讲座1场，有关同声传译就业前景和发展方向的讲座1场。另外，自主学习&人工智能组额外参加了有关人工智能技术在在口译教学中的应用的讲座1场。这种交流和讲座与课堂学习一样，都是非常有效的学习方式[12]，能加深学生的情感激励，为学生做好策略准备，提高学生自我效能感。具有高自我效能感的学生会设定更高的学习目标，更愿意通过自主学习实现预定目标[13]。
行为或意志控制阶段主要包含自我控制和自我观察过程。其中自我控制包含自我指导、心理表象、集中注意和任务策略；自我观察包含自我记录和自我实验。在此阶段，语音识别和机器翻译可以扮演重要的辅助作用。孙海琴等通过实证研究发现，搭载人共智能语音识别、转写、翻译等技术的系统有可能对译员起到辅助作用[14]。传统口译过程基本包括输入和理解、判断和输出三个阶段[15]。人工智能技术可以帮助学生降低学习门槛，减少入门压力，从而提升训练效率。融入人工智能技术的同声传译行为或意志控制阶段如图1所示。第一环节为输入和理解，语音识别软件将演讲者的语音信息转化为文本信息，译员在此基础上完成源语言的理解；第二环节为判断和输出，机器翻译软件完成语音识别文档的翻译，译员需要判断译文的准确性和恰当性，在此基础上输出译文。
Figure 1. AI assisted simultaneous interpretation mode
图1. 人工智能辅助同声传译模式
自我反思阶段涉及自我判断和自我反应。引入人工智能工具后，学生的同传表现普遍有所提升，自主学习组&人工智能组要求学生基于人工智能辅助下的同传表现撰写反思日志。在此阶段，学生基于演讲者发言的语音或视频资料和自己同传输出的录音，进行反思和查证。在输入阶段，学生需要听写演讲者发言的内容，并判断语音识别软件是否有误；在输出阶段，学生需要将自己听写的内容进行笔头翻译，并同机器翻译进行对比，判断机器翻译是否有误。对语音识别软件和机器翻译软件的错误之处，学生需要进行查证，并补充相关的词汇、语法或背景知识。
3.4.2. 人工智能融入大学英语翻译自主学习过程
本研究将人工智能融入同声传译自主学习教学模式的各个环节，实现课上课下互相影响、互为补充的有机过程，构建人工智能融入翻译自主学习教学的新模式，见图2。课上教师给定难度适中的材料，在人工智能辅助下开展同传实战训练，教师对学生表现开展评价；课下每班学生分成5组，每组5人左右，学生在自主学习模式下对同声传译学习内容进行自主选材，基于语音识别和机器翻译软件的错误在微信群中展开讨论，通过反思日志对自己的同传表现给出自我评价。通过课上和课下形成的有机闭环，形成人工智能辅助、赋能和评价的逐步深入链条，构建出AI评价、自我评价、教师评价三位一体的立体评价体系。
Figure 2. AI integrated simultaneous interpretation autonomous learning process
图2. 人工智能融入同声传译自主学习过程
在自主选材和译文评价两方面，机器翻译能一定程度上给学生赋能：机器翻译能帮助学生迅速识别感兴趣的内容，确定自主选材的文章；能提供线索，让学生查找更多背景知识；能帮助学生能解决一些基本的词汇和语法问题，获取文章大意。基于查证和批判性思考，学生能识别某些语音识别和机器翻译的错误，更客观地展开译文评价。
4. 实验结果与讨论
学期结束后，任课教师收集整理了本学期自主学习&人工智能组和自主学习组两组学生的分组讨论记录1590条，同传反思日志507份。分析发现，人工智能的引入对翻译自主学习过程中自主选材、分组讨论和译文评价三方面都产生了积极影响。
4.1. 自主选材
本学期两组学生课下自主选材共647篇。从两组学生自主选材类别来看，自主学习&人工智能组选材更趋多样：选材数量最多(33%)是领导人发言、名人演讲；选材数量排名第二(22%)的是专业会议发言、产品发布会发言等；选材数量排名第三(11%)的是时事新闻节目。相比之下，自主学习组更多地选择了教材练习(37%)和翻译专业资格考试试题(19%)。总体来看，自主学习&人工智能组的同声传译自主学习的选材更具有广泛性和多样性。
4.2. 分组讨论
基于分组微信群导出的1590条讨论记录，归纳出有效问题数量共计92个。从分组讨论的数据看，如表1所示，自主学习&人工智能组较多地讨论并自主解决了与语音识别和机器翻译相关的问题，自主解决的比例分别为71.4% (15/21)和78.6% (11/14)。在与词汇和语法相关问题方面，两组讨论情况相当，且都处于较高水平。除此之外，自主学习&机器翻译组比自主学习组更多地讨论了与背景知识相关的问题，数量为自主学习组的5倍，且这些问题中有90% (9/10)通过组内讨论都得到了有效的解答。整体上看，自主学习&人工智能组能更充分地发挥讨论小组的作用，小组成员之间的榜样引领作用也能突出，并且人工智能工具能一定程度上激发学生对背景知识相关问题的思考和查证。
Table 1. Statistics of group discussion question categories
表1. 分组讨论问题类别统计
数量 |
自主学习&人工智能组 |
自主学习组 |
与语音识别相关的问题 |
15/21 |
0/0 |
与机器翻译相关的问题 |
11/14 |
0/0 |
与词汇相关的问题 |
14/15 |
14/14 |
与语法相关的问题 |
6/8 |
5/8 |
与背景知识相关的问题 |
9/10 |
1/2 |
与背景知识相关的问题 |
9/10 |
1/2 |
4.3. 译文评价
在译文评价方面，本研究收集了两组学生10个教学单元的反思日志507份，并进行了分类评估和统计，统计分析得出平均每位学生每单元反思日志情况，结果如表2。从输入层面来看，自主学习&人工智能组在有效辨别原文意群数量和有效背景知识分析数量上高于自主学习组，分别为8.8个和5.1个；在有效词义辨析分析数量和有效语法知识分析数量上两组相当，且都处于中等水平。从输出层面来看，自主学习&人工智能组在译文表达流畅性分析数量上，明显高于自主学习组，分别为4.7个和0.7个。总体而言，自主学习&人工智能组能更高效地从输入和输出两个层面展开译文评价，且在输出层面的译文表达流畅性分析上占绝对优势。
Table 2. Statistics of reflection journal per student per unit
表2. 平均每位学生每单元反思日志作业统计
|
自主学习&人工智能组 |
自主学习组 |
输入 |
有效辨别原文意群数量 |
8.8 |
3.1 |
有效词义辨析分析数量 |
4.1 |
4.3 |
有效背景知识分析数量 |
5.1 |
2.8 |
有效语法知识分析数量 |
2.1 |
1.9 |
输出 |
译文表达准确性分析数量 |
3.8 |
3.9 |
译文表达流畅性分析数量 |
4.7 |
0.7 |
5. 结论
本研究结果表明：以语音识别和机器翻译为代表的人工智能工具可以较为有效地融入同声传译自主学习过程，并且能对自主学习过程中的自主选材、分组讨论和译文评价等方面产生正向影响。而这三方面分别对应齐莫曼自主学习的计划阶段、行为或意志控制阶段和反思阶段，因此人工智能工具在自主学习的三个内部心理过程中都能产生积极影响。在自主选材方面，人工智能工具能帮助学生降低学习门槛，敢于选择一些较高难度的材料；在分组讨论方面，学生对语音识别和机器翻译的软件有较高兴趣并且能就人工智能的结果展开讨论；在译文评价方面，机器翻译对学生在译文表达流畅性分析方面提供了较大助力。虽然人工智能工具在某些情况下会发生错误，但总体上学生能识别并纠正人工智能的错误，充分发挥人工智能在同声传译自主学习中的作用。由于本实验的时间和样本有限，未来还需要更多研究来优化人工智能融入同声传译自主学习的过程，探讨人工智能对同声传译自主学习过程的其他方面如何产生积极影响。
基金项目
中国矿业大学(北京) 2024年研究生教育教学改革项目(项目编号：YJG2024020)。