Page 158 - 基于大数据的英语翻译精准教学及实现路径

基于大数据的英语翻译精准教学及实现路径
Accurate English Translation Teaching and Implementation Path Based on Big Data

1. 翻译教学多元评价技术的价值逻辑
“学习评价是依据学习目标，对学习内容、学习进展情况、学习结果进行观察、
记录、测量，对学习效果做出鉴定和价值判断，并对学习目标进行反思和修订的

活动。”评价引导教和学，评价的反拨效应可以间接影响学生的认知和感受，并
对课程实施发挥作用。因此，不同于翻译批评和翻译行业的 TQA，翻译教学中
TQA 的目标是为教学服务，教学目的决定 TQA 的理论基础和评价方法。从翻译
教学的角度来看，学生翻译的 TQA 可分为过程性评价和终结性评价，前者以目

标达成度指标为评价依据，以作业等为主要手段考查学生的翻译能力的阶段性水
平曲线。而终结性评价是对学生翻译能力的回溯性判断和评估，具有鼓励和诊断
作用。近年来，为改变以往教育评价片面化、功利化和工具化的倾向，研究者提

倡注重教育的个性化和差异化，存留教育的成效证据，并探索增值性评价路径。
增值性评价不止关注学生当下考试成绩，更关注学生的学习起点和发展程度，是
考察学校教育对学生影响的“净效应”。三种评价方式若只是人工操作，不但收
集和管理评价数据的难度大，评价主体单一，还因选择评价数据的目的性使得评
价主观性较强，其作用有限。而技术工具可以无介入地规模化、持续性、系统化

收集分析教育数据，为翻译教学增效提质，主要反映在以下方面。
第一，技术增效重复性批改。自动评分翻译的技术虽然还不成熟，但可以为
重复性批改增效。这方面可充分参照翻译行业较为成熟的错误扣分评估方式。业

界经多年探索发展，错误扣分模型愈加完善，且评估信度更高。正如“译学家”
平台的做法，通过技术工具进行错误罚分和权重赋值，储存、统计分析错误类型
的分布范畴，提供即时的可视化数据和分析，可以高效精准地判断学生翻译水平。
量化统计分析是技术助力精准、高效、即时评价的独特优势。
第二，技术增效过程性和增值性评价。终结性评价以测试为主，其收集的数

据来源单一、类型单一，忽视音频、视频、图像等非结构化数据，缺乏连续性，
无法反映学生的发展状况和趋势。过程性评价以连续性的多次评价为观测点，可
很好地弥补终结性评价的缺点。但若收集较长时间的、连续的、多模态的过程性

评价数据，凭借教师人工的力量无法高效完成，也难以持续。大数据技术可以实
时无损采集、储存、整理、分析不同教育设备上的教育全场景数据，并迅速反馈
教学。更为重要的是，技术可以辅助建立学生的个人电子学情档案，并综合全体
学生群体画像，能够描述一段时期、一门课程、一个专业的学情，以海量的教育

150