Bối cảnh và vấn đề nghiên cứu

Trong xu thế hội nhập quốc tế và toàn cầu hóa sâu rộng, nhu cầu chuyển ngữ tài liệu và giao tiếp đa ngôn ngữ gia tăng nhanh chóng. Dịch thuật truyền thống đòi hỏi nhiều thời gian, công sức và vốn hiểu biết sâu rộng về cả ngôn ngữ nguồn lẫn ngôn ngữ đích. Sự phát triển của công nghệ thông tin và trí tuệ nhân tạo đã tạo ra bước chuyển biến lớn trong lĩnh vực dịch thuật, đưa các công cụ dịch máy (Machine Translation - MT) trở thành trợ thủ phổ biến cho người học ngôn ngữ.

Đối với sinh viên chuyên ngành ngoại ngữ, kỹ năng dịch thuật là một học phần quan trọng nhưng thường đi kèm nhiều khó khăn. Để giải quyết các bài tập dịch thuật Anh - Việt, sinh viên có xu hướng tìm đến các công cụ dịch máy trực tuyến như Google Translate, Microsoft Bing, iTranslate hay U-dictionary. Tuy nhiên, việc sử dụng các công cụ này hỗ trợ đến mức độ nào và chất lượng đầu ra đạt được ra sao vẫn cần được khảo cứu cụ thể.

Khóa luận tốt nghiệp của tác giả Dương Thị Vân Anh (chuyên ngành Tiếng Anh Thương mại, Khoa Ngoại ngữ, Trường Đại học Kinh tế Quốc dân) tập trung giải quyết 2 câu hỏi nghiên cứu:

  1. Những công cụ dịch máy nào phổ biến trong sinh viên khóa 61 Khoa Ngoại ngữ (FFL - NEU)?
  2. Các công cụ này mang lại hiệu quả như thế nào trong việc hỗ trợ quá trình dịch thuật của sinh viên K61 Khoa Ngoại ngữ?

Đối tượng và phạm vi nghiên cứu:

  • Nội dung nghiên cứu: Thói quen sử dụng công cụ dịch máy trong dịch văn bản Anh - Việt và đánh giá hiệu quả của các công cụ này trên các khía cạnh ngữ pháp, ngữ cảnh, thuật ngữ và thành ngữ.
  • Đối tượng khảo sát: 72 sinh viên năm cuối (seniors K61) thuộc Bộ môn Tiếng Anh Thương mại, Khoa Ngoại ngữ, Trường Đại học Kinh tế Quốc dân.
  • Phạm vi không gian: Trường Đại học Kinh tế Quốc dân (Hà Nội).
  • Phạm vi thời gian: Nghiên cứu và thu thập dữ liệu được thực hiện từ tháng 02/2023 đến tháng 03/2023.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết

Tác giả đã hệ thống hóa nền tảng lý luận về dịch thuật học và công nghệ dịch máy qua các công trình nghiên cứu trong nước và quốc tế:

  1. Khái niệm và quy trình dịch thuật:

    • Dịch thuật được định nghĩa là quá trình chuyển đổi thông điệp từ ngôn ngữ nguồn (Source Language - SL) sang ngôn ngữ đích (Target Language - TL) nhằm tái tạo tương đương tự nhiên gần nhất về mặt ngữ nghĩa và phong cách (Nida, 1969; Hatim & Munday, 2004; Wiratno, 2003; Newmark, 1988).
    • Mô hình quy trình dịch thuật 3 giai đoạn của Nida & Taber (1969) gồm: Phân tích thông điệp ở ngôn ngữ nguồn (Analysis) $\rightarrow$ Chuyển giao ý nghĩa (Transfer) $\rightarrow$ Tái cấu trúc thông điệp ở ngôn ngữ đích (Restructuring).
    • Yếu tố văn hóa và cơ chế kiểm soát thông tin trong dịch thuật được củng cố bằng quan điểm của Kridalaksana (1983) và Vuorinen (1995).
  2. Bản chất và phân loại dịch máy (Machine Translation - MT):

    • Dịch máy là một phân ngành của ngôn ngữ học tính toán, sử dụng hệ thống máy tính để tự động chuyển ngữ văn bản từ ngôn ngữ nguồn sang ngôn ngữ đích có hoặc không có sự can thiệp của con người (Lin & Chien, 2009; Hutchins & Somers, 1992).
    • Bốn cấp độ tương tác dịch thuật gồm: Dịch thủ công hoàn toàn (Human Translation), Dịch có máy trợ giúp (Machine-Assisted Human Translation), Dịch máy có người trợ giúp (Human-Assisted Machine Translation) và Dịch máy tự động hoàn toàn (Fully Automatic Machine Translation).
    • Bốn thế hệ công nghệ dịch máy chính:
      • RBMT (Rule-Based Machine Translation): Dịch dựa trên tập luật ngữ pháp và từ điển song ngữ.
      • SMT (Statistical Machine Translation): Đề xuất bởi Warren Weaver (1949), sử dụng mô hình xác suất thống kê trên kho ngữ liệu song ngữ lớn.
      • HMT (Hybrid Machine Translation): Kết hợp giữa phương pháp dựa trên luật và mô hình thống kê.
      • NMT (Neural Machine Translation): Ứng dụng mạng nơ-ron nhân tạo sâu, xử lý toàn bộ ngữ cảnh câu mà không phân mảnh văn bản.
  3. Tổng quan về 5 công cụ dịch máy được chọn lọc:

    • Google Translate: Phát triển bởi Google, hiện ứng dụng công nghệ NMT cho hầu hết các cặp ngôn ngữ, hỗ trợ dịch trực tuyến và ngoại tuyến.
    • iTranslate: Ứng dụng hỗ trợ hơn 100 ngôn ngữ, tích hợp dịch giọng nói, văn bản ngắn và hình ảnh (công nghệ Lens).
    • Microsoft Bing: Hệ thống dịch thuật hướng dữ liệu kết hợp mô hình học máy và mạng nơ-ron, hỗ trợ hơn 105 ngôn ngữ.
    • Yandex Translate: Ra mắt năm 2011 từ nền tảng SMT và nâng cấp lên hệ thống lai (Hybrid - kết hợp SMT và NMT) từ năm 2017.
    • U-dictionary: Ra mắt năm 2016, hỗ trợ dịch văn bản, dịch ảnh quét qua camera và tích hợp dữ liệu từ điển Collins và Wikipedia.

Phương pháp nghiên cứu

  • Phương pháp thu thập dữ liệu: Phương pháp định lượng (Quantitative research method) thông qua bảng câu hỏi khảo sát trực tuyến.
  • Quy trình khảo sát: Bảng hỏi gồm 12 câu hỏi trắc nghiệm nhiều lựa chọn và thang đo Likert 5 mức độ (từ Very low đến Very high, hoặc từ Strongly disagree đến Strongly agree). Bảng hỏi được gửi đến 72 sinh viên năm cuối ngành Tiếng Anh Thương mại (K61) theo hình thức ẩn danh để đảm bảo tính khách quan.
  • Nguồn dữ liệu: Dữ liệu sơ cấp thu nhận từ 72 phản hồi hợp lệ của sinh viên Khoa Ngoại ngữ - NEU.

Nội dung chính theo từng chương

Chapter 1: Introduction

Chương mở đầu trình bày bối cảnh chuyển đổi số trong giáo dục ngôn ngữ và vai trò của kỹ năng dịch thuật. Tác giả nêu rõ tính cấp thiết của việc đánh giá mức độ thâm nhập của các phần mềm dịch máy trong học tập của sinh viên đại học. Chương này xác lập 2 câu hỏi nghiên cứu, phạm vi khảo sát (72 sinh viên K61 ngành Tiếng Anh Thương mại, NEU từ 02/2023 - 03/2023), và tóm tắt phương pháp khảo sát định lượng.

Chapter 2: Literature Review

Chương 2 tổng thuật hệ thống lý thuyết về dịch thuật học và công nghệ dịch máy. Tác giả làm rõ các định nghĩa dịch thuật (Nida, Newmark, Hatim & Munday), quy trình xử lý thông điệp 3 bước của Nida & Taber (1969), vai trò cầu nối văn hóa của hoạt động dịch. Tiếp đó, chương này phân tích 4 giai đoạn lịch sử phát triển của dịch máy từ thập niên 1950 đến nay (theo Kübler, 2007; Boilet, 2007), so sánh nguyên lý hoạt động của 4 công nghệ lõi (RBMT, SMT, HMT, NMT) và mô tả chi tiết chức năng của 5 công cụ: Google Translate, iTranslate, Microsoft Bing, Yandex, U-dictionary.

Chapter 3: Findings and Analysis

Chương 3 trình bày toàn bộ số liệu khảo sát thực chứng trên 72 sinh viên, phân chia thành hai nhóm nội dung chính:

  • Thói quen và mức độ nhận diện công cụ MT: Mức độ nhận biết, tần suất sử dụng thực tế và đơn vị văn bản mà sinh viên thường nhập vào công cụ (từ/cụm từ, câu đơn, đoạn văn, toàn văn bài dịch).
  • Đánh giá chất lượng và hiệu quả hỗ trợ dịch thuật: Đánh giá mức độ hài lòng chung (tính nhất quán, chuyển tải ý nghĩa, độ chính xác ngữ pháp) và hiệu quả cụ thể trên 4 khía cạnh: ngữ cảnh (context), ngữ pháp (grammar), thuật ngữ chuyên ngành (terminologies), thành ngữ (idioms), cùng khả năng tiết kiệm thời gian.

Chapter 4: Conclusion

Chương kết luận tổng hợp các phát hiện chính của đề tài, khẳng định công cụ dịch máy là công cụ hỗ trợ hữu ích về tốc độ và ngữ pháp nhưng không thể thay thế năng lực dịch thuật của con người. Chương này chỉ rõ các giới hạn về cỡ mẫu, phương pháp thu thập dữ liệu và đề xuất định hướng nghiên cứu mở rộng trong tương lai.


Kết quả và đóng góp

Kết quả khảo sát thực tế

Dữ liệu khảo sát từ 72 sinh viên năm cuối Khoa Ngoại ngữ - NEU ghi nhận các kết quả cụ thể sau:

  1. Mức độ nhận diện và thói quen sử dụng:
    • Google Translate đạt mức độ nhận diện cao nhất với 71/72 sinh viên (98,6%), tiếp theo là iTranslate (47 sinh viên - 65,3%), Microsoft Bing (43 sinh viên - 59,7%), U-dictionary (27 sinh viên - 37,5%) và Yandex (16 sinh viên - 22,2%). Ngoài ra, một số công cụ khác được nhắc đến với tỷ lệ nhỏ như English to Vietnamese translation (20,8%), tracau.vn (5,6%), Babelxl (1,4%), Tflat (1,4%), DeepL (1,4%).
    • Về tần suất sử dụng: Hơn 50% sinh viên cho biết luôn luôn (Always) sử dụng Google Translate trong quá trình dịch, gần 30 sinh viên sử dụng thường xuyên (Frequently), chỉ có 1-2 sinh viên hiếm khi hoặc không bao giờ dùng. Ngược lại, Microsoft Bing và Yandex có khoảng 50% sinh viên chưa từng sử dụng.
    • Về quy mô đơn vị dịch: Sinh viên sử dụng công cụ dịch máy nhiều nhất để dịch đoạn văn (>50 sinh viên dùng Google Translate, >20 sinh viên dùng iTranslate và U-dictionary) và câu đơn (~40 sinh viên dùng Google Translate). Việc dịch toàn bộ văn bản (the whole text) chỉ xuất hiện chủ yếu ở Google Translate (~40 sinh viên), trong khi nhu cầu dịch từ/thành ngữ đơn lẻ qua các công cụ này chiếm tỷ lệ thấp.
Tiêu chí khảo sát Google Translate iTranslate Microsoft Bing Yandex U-dictionary
Mức độ nhận diện ($n=72$) 71 (98,6%) 47 (65,3%) 43 (59,7%) 16 (22,2%) 27 (37,5%)
Tần suất sử dụng chủ đạo Luôn luôn / Thường xuyên Thỉnh thoảng (~20 SV) Chưa từng dùng (~50% SV) Chưa từng dùng (~50% SV) Thỉnh thoảng (~20 SV)
Đánh giá dịch ngữ pháp Cao (35 SV) / TB (25 SV) Trung bình (>25 SV) Trung bình (20 SV) Trung bình (15 SV) Trung bình (24 SV)
Đánh giá dịch ngữ cảnh Trung bình (23 SV) / Thấp (>20 SV) Thấp (20 SV) Thấp (15 SV) Trung bình (~20 SV) Trung bình (16 SV) / Thấp (>15 SV)
Đánh giá dịch thuật ngữ Thấp (>25 SV) / TB (20 SV) Thấp (20 SV) Thấp (15 SV) Trung bình (15 SV) Thấp (18 SV)
Đánh giá dịch thành ngữ Thấp (30 SV) / Rất thấp (15 SV) Thấp (~25 SV) Thấp (15 SV) Trung bình (15 SV) Thấp (20 SV)
  1. Đánh giá hiệu quả hỗ trợ dịch thuật:
    • Tiết kiệm thời gian: Đây là lợi ích được đồng thuận cao nhất (18 sinh viên hoàn toàn đồng ý - Strongly agree, hơn 10 sinh viên đồng ý - Agree, không có sinh viên nào phản đối).
    • Độ chính xác ngữ pháp: Khoảng 20 sinh viên đồng ý bản dịch máy chính xác về mặt cấu trúc ngữ pháp. Google Translate được đánh giá vượt trội về khả năng xử lý ngữ pháp nhờ công nghệ NMT (35 sinh viên đánh giá mức High).
    • Hạn chế về ngữ cảnh, thuật ngữ và thành ngữ: Đa số sinh viên không đồng tình với độ chính xác của máy dịch ở 3 khía cạnh này:
      • Dịch ngữ cảnh: Phần lớn đánh giá ở mức trung bình hoặc thấp (Google Translate nhận 23 phiếu trung bình và hơn 20 phiếu mức thấp).
      • Dịch thuật ngữ chuyên ngành: Số phiếu đánh giá mức thấp chiếm ưu thế ở hầu hết các công cụ (Google Translate nhận hơn 25 phiếu mức thấp).
      • Dịch thành ngữ: Bị đánh giá thấp nhất trong tất cả các hạng mục; riêng Google Translate có 30 lượt đánh giá thấp và 15 lượt đánh giá rất thấp.

Đóng góp của nghiên cứu

  • Cung cấp bức tranh thực nghiệm về thực trạng sử dụng công cụ dịch máy của sinh viên chuyên ngành Tiếng Anh Thương mại tại một trường đại học khối kinh tế hàng đầu (NEU).
  • Làm rõ khoảng cách giữa năng lực xử lý kỹ thuật số (tốc độ, ngữ pháp cơ bản) và sự thiếu hụt về tư duy ngữ cảnh, thuật ngữ kinh tế và biến thể thành ngữ của các hệ thống dịch máy hiện nay.
  • Khẳng định vai trò thiết yếu của khâu hiệu đính hậu dịch máy (Post-editing) do con người đảm trách.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  1. Giới hạn thời gian và quy mô mẫu: Nghiên cứu chỉ khảo sát được 72 sinh viên năm cuối của Khoa Ngoại ngữ tại NEU, chưa thể bao quát toàn bộ sinh viên trong khoa hoặc các trường đại học khác.
  2. Phương pháp thu thập đơn lẻ: Dữ liệu hoàn toàn dựa trên bảng hỏi tự đánh giá (khảo sát nhận thức cá nhân), thiếu nguồn kinh phí và nguồn lực để triển khai kiểm chứng thực nghiệm chéo.
  3. Tính chủ quan trong đánh giá: Các tiêu chí đánh giá chất lượng bản dịch phụ thuộc vào cảm nhận và trình độ chủ quan của từng sinh viên tham gia trả lời.

Hướng nghiên cứu tiếp theo

  • Mở rộng khảo sát sang các công cụ dịch máy trực tuyến chuyên dụng cho lĩnh vực kinh doanh, thương mại điện tử.
  • Nghiên cứu sâu hơn về các dạng lỗi dịch thuật cụ thể bằng phương pháp phân tích lỗi (Error Analysis) dựa trên sản phẩm dịch thực tế của sinh viên khi sử dụng bản dịch máy thô kết hợp hậu biên tập.

Giá trị tham khảo

  • Đối với sinh viên chuyên ngành Ngôn ngữ Anh và Tiếng Anh Thương mại: Cung cấp thông tin tham khảo về ưu thế và giới hạn của từng công cụ dịch máy, từ đó hình thành thói quen sử dụng hợp lý, tránh phụ thuộc máy móc khi xử lý thuật ngữ và thành ngữ.
  • Đối với giảng viên giảng dạy biên - phiên dịch: Cung cấp dữ liệu thực tế về thói quen dịch thuật của sinh viên, hỗ trợ thiết kế bài giảng tích hợp kỹ năng hậu biên tập (post-editing) và hướng dẫn sinh viên kiểm chứng nguồn thuật ngữ.
  • Đối với các nghiên cứu học thuật liên quan: Cung cấp khung tài liệu tổng quan và bảng số liệu khảo sát tham chiếu về mức độ tương thích của các hệ thống dịch máy NMT, SMT, HMT đối với cặp ngôn ngữ Anh - Việt.

Câu hỏi thường gặp

1. Trong 5 công cụ dịch máy được nghiên cứu, công cụ nào được sinh viên sử dụng phổ biến nhất?

Google Translate là công cụ phổ biến nhất, với 98,6% (71/72) sinh viên nhận diện và hơn 50% sinh viên khẳng định luôn luôn sử dụng trong quá trình làm bài dịch.

2. Khía cạnh nào của bản dịch máy được sinh viên đánh giá đạt chất lượng cao nhất?

Khía cạnh cấu trúc ngữ pháp (grammar) và khả năng tiết kiệm thời gian (saving time) được đánh giá cao nhất. Riêng về ngữ pháp, có 35/71 sinh viên đánh giá Google Translate ở mức chất lượng cao (High).

3. Công cụ dịch máy gặp khó khăn lớn nhất ở khía cạnh dịch thuật nào theo khảo sát?

Dịch thành ngữ (idioms) và dịch thuật ngữ chuyên ngành (terminologies) là hai điểm yếu lớn nhất. Dịch thành ngữ nhận tỷ lệ đánh giá "Thấp" và "Rất thấp" cao nhất (Google Translate có 30 lượt đánh giá thấp và 15 lượt rất thấp).

4. Sinh viên Khoa Ngoại ngữ - NEU thường sử dụng công cụ dịch máy để dịch đơn vị văn bản nào?

Sinh viên chủ yếu dùng máy dịch để dịch đoạn văn (paragraphs) và câu đơn (sentences). Nhu cầu dùng máy để dịch từng từ/cụm từ hoặc dịch toàn bộ bài luận dài chiếm tỷ lệ thấp hơn.

5. Khóa luận được thực hiện trên cỡ mẫu bao nhiêu và trong khoảng thời gian nào?

Khảo sát được thực hiện trên mẫu gồm 72 sinh viên năm cuối (K61) ngành Tiếng Anh Thương mại thuộc Khoa Ngoại ngữ, Trường Đại học Kinh tế Quốc dân, trong khoảng thời gian từ tháng 02/2023 đến tháng 03/2023.


Kết luận

Khóa luận tốt nghiệp của tác giả Dương Thị Vân Anh đã phản ánh thực trạng ứng dụng công cụ dịch máy trong sinh viên chuyên ngành Tiếng Anh Thương mại tại Trường Đại học Kinh tế Quốc dân. Kết quả nghiên cứu khẳng định Google Translate chiếm vị trí áp đảo về mức độ nhận biết và tần suất sử dụng nhờ khả năng xử lý ngữ pháp tương đối chuẩn xác và tốc độ nhanh. Dù vậy, các công cụ dịch máy hiện hành vẫn bộc lộ hạn chế lớn khi xử lý ngữ cảnh, thuật ngữ kinh tế và thành ngữ, đòi hỏi người dịch phải duy trì năng lực ngôn ngữ độc lập và kỹ năng hiệu đính cẩn trọng.