Details

Статья посвящена проблеме семантической и когнитивно-прагматической адекватности нейронного машинного перевода при передаче культурно-маркированных инвективных единиц, содержащихся в политических медиатекстах. Актуальность исследования определяется широким внедрением нейронных систем перевода в процессы медиапроизводства, направленного на оперативное распространение информации на различных языках. Цель исследования заключается в сопоставительном анализе переводов, выполненных профессиональными переводчиками онлайн-СМИ и системами нейронного машинного перевода (Google Translate, DeepL, Yandex Translate) для выявления типичных ошибок машинного перевода при обработке культурно маркированной инвективной лексики и необходимости их постредактирования человеком. Материал исследования включает фрагменты политических медиатекстов на русском, английском и армянском языках, содержащих имплицитно и эксплицитно выраженные культурно маркированные элементы речевой агрессии (зоометафоры-инвективы, этнодисфемизмы, псевдоэтнические номинации, пейоративную лексику и др.), а также их переводы на целевые языки. При этом исходный язык варьируется в зависимости от конкретного примера. Применялась сравнительно-сопоставительная методология с использованием дискурс-анализа, а также межкультурного и переводческого анализа для выявления различий как на семантическом и прагматическом уровнях, так и на уровне культурно обусловленных когнитивных компонентов текста. Выявлено, что системы нейронного машинного перевода допускают системные ошибки, связанные с преобладанием буквального принципа перевода, что приводит к утрате или, напротив, к усилению речевой агрессии, к нарушению коммуникативного воздействия, а также к неадекватной передаче когнитивных фреймов, динамически изменяющихся значений, иронии, сарказма и языковой игры. Результаты анализа свидетельствуют о частичном или полном отсутствии семантической, культурной и прагматической адаптации в системах машинного перевода, что указывает на ограничения данных систем в передаче культурно и прагматически маркированного содержания текста. Исследование показало, что полный переход на системы нейронного машинного перевода без последующего постредактирования человеком является преждевременным.

The article focuses on semantic and cognitive-pragmatic adequacy of neural machine translation in transmitting political media texts containing culturally marked invective units. The relevance of the study is determined by the widespread integration of neural machine translation systems into media production processes aimed at the rapid dissemination of information in multiple languages. The aim of the study is a comparative analysis of translations performed by professional translators of online media outlets and neural machine translations (Google Translate, DeepL, Yandex Translate) to identify typical machine translation errors in rendering culturally marked invective vocabulary and the need for their post-editing by humans. The research material includes fragments of political media texts in Russian, English, and Armenian containing implicitly and explicitly expressed culturally marked elements of verbal aggression (zoometaphor-invective, ethnodysphemism, pseudo-ethnic nomination, pejorative vocabulary etc.), as well as their translations into the target languages. The source language varies depending on the specific case. A comparativecontrastive methodology was applied, combining discourse analysis, cross-cultural and translationoriented approaches, to identify differences at the semantic and pragmatic levels, as well as at the level of culturally conditioned cognitive components of the text. It was revealed that neural machine translation systems produce systematic errors associated with the predominance of the literal translation principle, resulting in either the loss or, on the contrary, to the intensification of verbal aggression, the disruption of communicative impact, and the inadequate rendering of cognitive frames, dynamically shifting meanings, irony, sarcasm, and wordplay. The findings indicate a partial or complete absence of semantic, cultural and pragmatic adaptation in machine translation systems, which points to the limitations of these systems in conveying culturally and pragmatically marked textual content. The study demonstrates that a complete transition to neural machine translation systems without subsequent human post-editing is premature.

Terra Linguistica. — Санкт-Петербург: СПбПУ, 2022-. — Электрон. журнал. — Периодичность: 4 раза в год. — Свободный доступ из сети Интернет (чтение, печать, копирование).

Terra Linguistica. — Санкт-Петербург: СПбПУ, 2022-. Т. 17, № 2, 2026. — 1 файл (4,89 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j26-345.pdf>.