نوع مقاله : مقاله پژوهشی

نویسندگان

• Asghar Moulavinafchi ¹
• ریحانه سادات شادپور ²
• یاسر حازم قاسم قاسم ³

¹ استادیار زبان و ادبیات انگلیسی، دانشکده ادبیات و علوم انسانی، دانشگاه حکیم سبزواری، سبزوار، ایران

² مدرس مدعوِ زبان و ادبیات انگلیسی، گروهِ زبان و ادبیات انگلیسی، دانشکدهٔ ادبیات و علوم انسانی، دانشگاه حکیم سبزواری، سبزوار، ایران.

³ دانشجوی دکتری آموزش زبان انگلیسی، دانشکده ادبیات و علوم انسانی، دانشگاه حکیم سبزواری، سبزوار، ایران

چکیده

هم‌زمان با شتاب گرفتن پیشرفت‌ها در حوزه هوش مصنوعی، این پژوهش کیفی بررسی می‌کند که مترجمان حرفه‌ای مزیت‌ها، چالش‌ها و مسیرهای احتمالی آینده ترجمه یاری‌گرفته از هوش مصنوعی را چگونه می‌بینند؛ برای گردآوری داده‌ها با بیست مترجم دارای دست‌کم سه سال سابقه از تخصص‌ها و محیط‌های کاری گوناگون مصاحبه‌های نیمه‌ساختاریافته از طریق سامانه‌های دیدار تصویری انجام شد، متن مصاحبه‌ها کلمه‌به‌کلمه پیاده‌سازی و بر پایه دستورالعمل‌های براون و کلارک با روش تحلیل مضمونی بررسی گردید، و برای افزایش اعتبار، کدگذاری توسط همکار باتجربه بازبینی شد؛ یافته‌ها چهار فایده برجسته را نشان داد: افزایش سرعت از راه پیش‌نویس‌سازی و خودکارسازی بخش‌های تکراری، مقرون‌به‌صرفه بودن برای پروژه‌های بزرگ یا در مواردی که ضیق وقت وجود دارد، بهبود انسجام و کنترل دقیق‌تر اصطلاحات به‌ویژه در متون فنی، و تسهیل همکاری از طریق حافظه‌ها و واژه‌نامه‌های مشترک؛ در کنار این‌ها، مخاطرات و چالشهای مهمی نیز گزارش شد: دشواری همیشگی در بازنمایی ظرافت‌های فرهنگی و کاربردشناختی و در ایجاد اثرگذاری بلاغی، خطر اتکای بیش‌ازحد که می‌تواند به فرسایش مهارت‌ها و افزایش توقعات مشتریان بینجامد، خستگی ناشی از پساویرایشِ برون‌دادهای نامأنوس یا مبهم، نگرانی‌های اخلاقی درباره حریم خصوصی داده، محرمانگی، مؤلفیت و امنیت شغلی، و محدودیت‌های فنی در زبان‌های کم‌منبع یا گونه‌های پیچیده زبانی؛ با جمع‌بندی شواهد همسو و ناهمسو، الگوی «انسان در حلقه با محوریت شخصی‌سازی و بهره‌وری» پیشنهاد می‌شود که در آن هوش مصنوعی به‌عنوان همیار در پوشش آموزشی و حرفه‌ایِ انسان‌محور به کار گرفته می‌شود و خبرگی انسانی همچنان در صورت‌بندی مسئله، سازگار کردن متن با مخاطب، تضمین کیفیت و تصمیم‌های ارزش‌مدار تعیین‌کننده می‌ماند؛ دلالت‌های عملی شامل توسعه حرفه‌ای هدفمند در زمینه سواد هوش مصنوعی، راهبردهای پساویرایش و آگاهی از سوگیری، بازطراحی برنامه‌های آموزش مترجمی برای پرورش شایستگی‌های ترکیبی و ارزیابی انتقادی برون‌دادهای هوش مصنوعی، و تدوین سیاست‌های سازمانی و بخشی درباره حاکمیت داده، شفافیت و جبران خدمت منصفانه است. در مجموع، نتایج از افتادن به دام بدبینی نسبت به فناوریهای روز و شورزدگی و تعصب کورکورانه پرهیز می‌دهد و بر همکاریِ سنجیده انسان و هوش مصنوعی تأکید می‌کند؛ همکاری‌ای که از این فناوری در جایی بهره می‌گیرد که ارزش می‌افزاید و هم‌زمان ژرفای فرهنگی، یکپارچگی اخلاقی و عاملیت خلاقانه مترجم حرفه‌ای را پاس می‌دارد.

کلیدواژه‌ها

• ترجمه با کمک هوش مصنوعی
• مترجمان حرفه‌ای
• ترجمه ماشینی عصبی/زایشی
• پس‌ویرایش
• همکاری انسان–هوش مصنوعی
• اخلاق

موضوعات

• برای مشاهده مقالات مرتبط با موضوع، روی نام موضوع کلیک کنید.

عنوان مقاله [English]

Unveiling the Future of Translation: A Qualitative Study on the Benefits, Challenges, and Future Venues of Translation with AI

نویسندگان [English]

• اصغر مولوی نافچی ¹
• Reyhane Sadat Shadpour ²
• Yasir Hazim Qasim Qasim ³

¹ Assistant Professor of English Language and Literature, Faculty of Literature and Humanities, Hakim Sabzevari University, Sabzevar, Iran

² Adjunct Lecturer in English Language and Literature, Department of English Language and Literature, Faculty of Literature and Humanities, Hakim Sabzevari University, Sabzevar, Iran.

³ Ph.D. Student of TEFL, Faculty of Literature and Humanities, Hakim Sabzevari University, Sabzevar, Iran

چکیده [English]

Against the backdrop of rapid advances in artificial intelligence, this qualitative study examines how professional translators perceive the benefits, challenges, and likely future trajectories of AI-assisted translation. Semi-structured interviews were conducted via videoconferencing platforms with twenty translators—each with at least three years of experience—drawn from diverse specializations and work settings. Interviews were transcribed verbatim and analyzed thematically following Braun and Clarke’s guidelines; to enhance credibility, the coding was reviewed by an experienced colleague. The findings highlight four salient advantages: (1) increased speed through drafting and automation of repetitive segments; (2) cost-effectiveness for large projects or under tight deadlines; (3) improved consistency and tighter terminological control, especially in technical texts; and (4) facilitation of collaboration via shared translation memories and glossaries. Alongside these gains, participants reported notable risks and challenges, including persistent difficulties in representing cultural and pragmatic nuance or achieving rhetorical effect; the danger of over-reliance that may erode skills and inflate client expectations; fatigue associated with post-editing unfamiliar or ambiguous outputs; ethical concerns regarding data privacy, confidentiality, authorship, and job security; and technical limitations in low-resource languages or complex language varieties. Synthesizing convergent and divergent evidence, the study proposes a “human-in-the-loop” model oriented toward personalization and productivity, in which AI functions as an assistant within a human-centered educational and professional scaffold, while human expertise remains decisive for problem formulation, audience adaptation, quality assurance, and value-laden judgment. Practical implications include targeted professional development in AI literacy, post-editing strategies, and bias awareness; the redesign of translator-training curricula to cultivate hybrid competencies and critical appraisal of AI outputs; and the articulation of organizational and sectoral policies on data governance, transparency, and fair remuneration. Overall, the results caution against both techno-pessimism and uncritical hype, and instead advocate for judicious human–AI collaboration that deploys AI where it adds value while safeguarding the cultural depth, ethical integrity, and creative agency of professional translators.

کلیدواژه‌ها [English]

• AI-Assisted Translation
• Professional Translators
• Generative/Neural MT
• Post-editing
• Human–AI Collaboration
• Ethics