当代外语研究 . 2025 (01) : 125-138

深度学习与知识融合：翻译技术教学模式构建路径研究

摘要：随着技术的不断迭代升级，翻译教学模式变得更为多元复杂，其知识体系也愈发深刻。然而，学习者对翻译技术的掌握与运用并未与技术发展同轨，学科知识体系也未能达到应有的深度。过去贯行的浅层学习模式已难以满足当前翻译技术教学中对多维知识体系形成、翻译能力培养与技术迁移能力培养的需求。因此，本文以知识翻译学为理论指导，重新界定翻译技术教学中的“深度学习”概念、内涵及外延，以此提出联结深度学习与知识的翻译技术教学模式，重点诠释面向学习者的高效科学的翻译技术思维培养路径，推动技术赋能下知识翻译体系在翻译技术教学中的发展与接受，探索翻译技术人才培养的路径和方法。

关键词：

知识翻译学;深度学习;翻译技术教学模式;翻译技术思维;

基金资助：

国家社科基金研究项目“神经网络机器翻译质量提升研究”(编号22BYY042)的阶段性成果；

专辑：

哲学与人文科学

专题：

中国语言文字

分类号：

H059-4

在线公开时间：

2025-01-17 10:51

Deep Learning and Knowledge Infusion:

An Inquiry into Constructing the Path for Translation-Technology Teaching Model

DAI Guangrong, SHEN Siyi, HUANG Dongliang

Abstract: In the era of Language Intelligence, translation pedagogy ushers into a more diverse and complex landscape, knowledge within this system broadens deeper than ever, but students’ learning didn’t go to depth with the development of technology. The shallow learning-based education model is no longer suitable for the current translation pedagogy and its knowledge translation production and spreading. This paper aims to explore innovative pathways to address the predicament in talent cultivation. With Transknowletology as its core, this paper elucidates the concept, content and scope of deep learning and puts forward the model for translation technology education combined with deep learning and knowledge system. Lastly, this paper attempts to construct an efficient and scientific path of enhancing translation technological thinking skills, in a bid to enhance the knowledge translation development and acceptance.

Key words: Transknowletology, Deep Learning, Model for Translation Technology Education, Translation Technological Thinking

0.     引言

为发挥翻译活动在“知识管理、信息过滤、系统控制方面的功能”（张生祥 2022：58），翻译技术的应用已成为必然要求。生成式人工智能（GenAI）技术构建了具有“类人”智慧的新型人机交互式的知识生产模式，重塑了知识翻译模式，极大拓宽了知识的生产、传播途径（戴光荣、黄栋樑 2023），进而引起翻译教学的转型和发展。然而，当前的翻译技术教学并未达到预期的成效，对技术的期待仍局限于浅层的应用，并未深入挖掘其中蕴含的知识体系，把握住知识翻译在其中的重要性与必要性，从而导致技术与翻译教学之间存在脱节的现象（戴光荣、黄栋樑 2024）。在计算语言学领域，语言知识的生产范式经历了一系列的发展，目前迎来了生成式人工智能所引领的新范式，这一过程展现了语言知识生产技术的持续进步与深化（冯志伟、张灯柯 2024）。当下翻译教学的知识生产范式也相应地受生成式人工智能的影响。杨枫（2021a，2021b）提出的“知识翻译学”，诠释了知识、语言和翻译三者之间的学理关系，重新定义了翻译的性质、内涵与特征，将视角转化成知识集合体，认为知识是翻译成果的转换结果和价值增值的一种手段。戴光荣、黄栋樑（2024）立足于当下技术时代，提出“知识翻译技术学”理论框架，为实现知识翻译学的学科价值、拓宽知识翻译学的研究路径提供有力指引。数智化时代，传统的以记忆为导向的浅层学习模式已不再适应当下的翻译技术教学，“知识的生产、管理和转化应呈现螺旋式、双向交互式、非线性的关系”（覃江华 2022：67）。

为解决此问题，融合知识与深度学习的翻译技术教学模式亟需学界展开深入细致的讨论，以智能技术为特征，不断延伸至人类认知、情感、行为等领域，通过人机融合不断推动人类深度学习（胡航、王家壹 2024）。当下，深度学习这一概念广泛用于机器学习领域，教学研究对此鲜有探讨。基于此，本文结合知识的表征模式与本体蕴涵，阐述深度学习的内涵、概念与外延，以当下机器翻译、生成式人工智能、语料库等为技术核心，尝试构建科学高效的翻译技术教学模式框架，以寻求新时代翻译技术人才培养的路径。

1.     知识赋能深度学习：概念、内涵与外延

深度学习（deep learning）是人工智能领域和教育领域共同关注的话题（陈德鑫等2019）。前者作为机器学习算法中的一项新技术，通过多层的神经网络结构实现不同类型的数据特征提取，即“通过对人类的认知过程、情感状态、信息加工方式等的模拟和计算，表征为模式识别、专家系统等能直接为人所用的智能技术，直接服务于人类的需求”（胡航、王家壹 2024：69）。后者则指对知识的深层次了解，促使学习者开拓思维并注重学习者自身的思维养成，两者之间的关系可参阅图1。与仅关注知识理解、记忆等低阶思维模式的浅层学习不同，深度学习着重于“知识迁移、应用、分析和创造等高阶思维的发展”（Marton & Saljo 1976：10）。“深度学习的本质是理解与批判、联系与构建、迁移与应用”（何玲、黎加厚 2005：30）。深度学习可被视为一种模式，而非方法或状态，要求学习主体拥有高投入的主动学习状态并实现高阶知能的发展（张浩、吴秀娟 2012；陈婷、李兰 2024）。

图1 AI 领域和教育领域中深度学习概念的关系（陈德鑫等 2019：69）

翻译是跨语言的知识加工、重构和再传播的文化行为和社会实践（杨枫 2021a：2），技术则是加速这一过程的助燃器（戴光荣、黄栋樑 2023）。知识是人们基于经验、实践活动产生的对世界的认识与理解，构成人的生存需要（杨枫，2021b：2）。知识既是翻译的所有存在，又是翻译存在的目的（杨枫 2022：1）。知识翻译活动涵盖知识的生产、流通、传播、转移、转化等多个环节，译者在这一活动中扮演关键角色。显而易见，深度学习的发生离不开作为教学核心的知识，知识的理解与掌握是深度学习的起点和基础，通过逻辑内化构建的知识体系比知识的表面记忆更为重要（Pellegrino & Hilton 2012）。深度学习是基于知识理解而展开的学习过程与结果的统一体，需要批判性地进行知识加工、建构、迁移、运用，而非简单的理解和记忆，需要反思性、意义性和情境性的认知与处理。深度学习要求对知识的深层理解与挖掘，形成稳固的知识结构和体系，培养高阶知能以及对实践活动进行分析和推理的能力。

“翻译既是一种知识迁移（knowledge transfer），也是知识创造（knowledge-making）”（覃江华 2022：61），是一种价值创造的认知活动。知识迁移与知识创造是深度学习的核心，知识迁移的广度和深度是衡量深度学习效果的依据。知识迁移与知识应用二者之间存在着紧密的联系，知识迁移能够打破浅层学习的知识获取和知识本身的束缚，不再聚焦于知识的简单记忆与机械应用，知识应用则将碎片化知识加工成完整的、有意义的知识链，将知识迁移所获取的新知识加工成有逻辑条理的知识网，并与知识链相结合形成综合的知识库，以实现学习者高阶思维的发展，拓展知识的深度与广度，实现“转识成智”和“学以致用”，达成深度学习的效果。深度学习的最终目标是整体知识的创造与创新。当下智能时代，知识种类和数量呈指数式增长，对学习者知识创造提出挑战。深度学习需要顺应人工智能快速发展的趋势，敢于批判、质疑，不断完善甚至推翻已有知识，探索未知知识，完成从“理解知识，深度加工知识”，到“迁移运用知识，彰显知识价值”，再到“创造知识，解决问题”的飞跃。

2.     翻译技术教学中的深度学习

随着人工智能技术在人类知识生产活动中的深度参与，知识生产主体、知识形态以及传播方式等随之发生变化。传统的知识生产往往依靠人的大脑思维，根据自身经验对已有的知识进行理解与反思，人类在此过程中发挥主体作用。人工智能的发展让知识生产走向多元化，人工智能技术凭借不断优化的算法对信息进行加工处理并输出知识，成为人类知识生产体系中的新成员（顾小青、郝祥军 2022）。换言之，传统的知识生产受制于人类的智识与生理机能，而机器可以从丰富的信息资源中获取、选择相关知识，并对其进行多次解码编码，自主进行知识生产。人工智能已经在逐步分担人类的智慧型劳动甚至以协同方式向主体地位靠近（同上 2022）。人工智能通过对语言知识的技术性、规律性分析，实现对翻译知识的自动化生产（史芸 2023），翻译知识不再以译者个体的脑力输出呈现，而是以人工翻译和机器翻译等技术共同呈现。其次，知识的不确定性增加。智能时代，技术对于知识领域的扩张不仅提升了知识输入和输出的开放性，也增加了知识内容的不确定性和知识结构的复杂性（顾小青、郝祥军 2022）。

翻译技术教学涉及到翻译教学与翻译技术两方面，深度学习主要作用于这两个方面。翻译教学涉及到知识体系的构建和传播，“技术与知识的本质关系为合作”（戴光荣、黄栋樑 2023：14）。翻译教学中的深度学习通过深层次地挖掘其中的知识本体与表征，对当中的陈述性知识或描述性知识进行提炼与把握，以培养学科知识体系的构建能力；翻译技术中的深度学习则通过操作性知识的落地与运用，一方面将所掌握的翻译教学中的陈述性知识体系融会贯通，指导操作性知识体系的搭建，一方面将操作性知识作用于学科知识体系的构建，加速陈述性知识的更新迭代与其体系的系统升华。

从知识与技术之间的联结关系看，技术可分为硬知识与软知识（Siemens 2005；戴光荣、黄栋樑 2023）：硬知识指经过专家学者加工处理过的系统化、结构化的知识，被大众广泛接受的知识，而软知识指源于实践的，正处在形成过程中的知识，强调实用性、时效性和情境性，尚未被专家学者加工整理成系统化的知识。信息大爆炸时代，网络上充斥着大量未经证实的软知识，它们与硬知识交织构成智能时代知识新形态，但前提是这些软知识需能够通过证实和加工成有价值、有意义的知识。网络之中，不仅有被证实的权威知识、硬知识，也充斥着未经验证的大众创造的知识，乃至机器创造的知识。而在人工智能翻译中，对自然语言知识的获取与收录已形成开放性格局（史芸 2023）。ChatGPT等生成式人工智能深入翻译知识创新创造领域，成为全球学界热议的话题。由于这类大语言模型信息输出的准确性与预训练语料的质量密切相关，其并不具备道德和伦理判断，因此当翻译涉及文化与意识形态等方面时，大语言模型可能会导致知识失真、误解等问题。

Ackoff（1989）提出了数据智慧的四层框架，呈现了人类智慧发展的途径，即从数据到信息、从信息到知识、从知识到智慧的逐步演进过程。换言之，“数据是信息的源泉，信息是知识的基石，知识是智慧的基础和条件，而智慧是知识的应用和生产性使用”（荆宁宁、程俊瑜 2005：1790）。浅层学习到深度学习的框架为理解翻译教学行为中的知识属性提供了清晰的路径（杜娟等 2013）：学生要经历从数据收集与分析、信息理解到知识建构与创新的全过程，实现浅层学习到深度学习的转向。浅层学习表现为数据的获得、信息的单向获取，而深度学习是浅层学习的深化与升华（见图2）。

图2 浅层学习到深度学习（杜娟等 2013：16）

翻译活动本质上是“新知识与旧知识兼容、继承性与开新性相连、生成性与范例性并举的高阶思维过程”（李瑞林 2022：55），包含知识生产的一系列过程。杨枫（2023）提出，学界应该以翻译学科知识再生产的本质要求重置翻译课程、重建翻译秩序，不断反思翻译学科建设和人才培养模式。传统翻译技术教学多集中在单一操作维度，知识以零散化、碎片化的方式呈现，学生的思维依然停留于低阶模式，尚未存在“行为者之间有关知识的碰撞、交融、更新”（戴光荣、黄栋樑 2024），往往为了迎合技术而使用技术，止步于记忆、理解和运用的低阶思维能力（程维、魏子航 2021），无法对技能知识的掌握进行重构和创造。深度学习是关于知识学习广度、深度和关联度充分性的问题（Egan 2011），深度学习的教育目标在于培养学生对知识的深度理解和深度认知、对新知识的主动建构能力、信息加工整合能力、高阶思维、问题解决能力、终身学习能力与深度情感（陈婷、李兰 2024）。近年来，尽管计算机辅助翻译技术得到广泛应用，但许多有关的教学工具仍停留在教师对其操作的直接指导，且对技术工具学习效果的检验大多停留在翻译准确性、语言质量上（Zhang & Nunes Vieira 2021），师生互动不足导致双方对翻译技术教学的方向把握不准，无法完成技术思维从低阶到高阶的跨越。

翻译技术教学中的深度学习不仅是对已有语言知识、文化知识、技术知识的深层次掌握，更是一个涉及知识获取、加工、迁移、应用和创新的复杂过程。知识结构化是学科内部建制的核心所在（戴光荣、黄栋樑 2024），翻译技术是连接翻译教学与技术实践的重要纽带。在知识翻译学框架下，技术具有强指向性（戴光荣、黄栋樑 2023），能够正向作用于知识从地方性到世界性的蝶变，借助语料库、机器翻译、大语言模型等技术，推动知识迁移。知识迁移与知识应用以高阶思维为支撑点，同样也是翻译技术教学关注的核心内容。Bowker（2002）将翻译技术定义为译者在翻译过程中使用的任意计算机化工具，包括人工翻译、计算机辅助翻译和机器翻译中使用的翻译技术工具，如文字处理软件和电子资源等计算机信息处理工具、语料库分析工具和术语管理系统等。翻译技术教学不仅需要传授翻译技术的软硬知识，还需要培养高阶技术思维能力以适应技术的迭代更新，强调“学习目标对学习过程和学习结果及学习者个人的学习均具有重要的导向和约束作用”（安富海 2020：122），提高学习者的思维品质和学习效能（张浩、吴秀娟 2012）。在翻译技术学习中，学生要实现思维进化和技术知识的升级，即从简单记忆技术操作到创新创造技术知识、灵活运用技术工具解决翻译难题。这一过程以核心技术知识为中心，向各个方向拓展，并通过交叉整合形成多维度的升级。为实现深度学习，学习内容应不再是简单的信息组合，而是基于问题的多维知识整合。翻译技术课程不应只是简单的工具使用指南，而是应以实际问题为核心，构建系统化的知识框架，因此翻译技术学习内容应具有“弹性化”和“框架式”等特征。翻译技术课程通过情境化、项目化的方式将复杂的翻译问题融入教学中，促进学习者形成强关联的迁移能力和结构化的专家思维。翻译技术的深度学习结果指向知识结构化以及问题解决能力的提升。知识结构化是对知识进行有逻辑、有层次和个性化的加工，使之有序地聚集在一个网络之中，从而促进知识的有效储存和高位迁移（安富海 2020）。问题解决能力要求学习者在相似的情境中做到“举一反三”，而不是在新情境中机械、含糊地运用已学的知识，要在新情境中判断差异、实现理性决策、创造性地解决翻译问题。高阶技术思维的培养依赖于这种高位迁移能力，需要在学习中不断建立知识与实践的深层链接，从而发展出结构化的专家思维模式。这种思维模式不仅能提高问题解决的能力，还能推动学习者成为翻译技术创新的应用者。

3.     知识与深度学习为核心要素的翻译技术教学模式

翻译技术和工具的飞速发展给翻译人才的培养带来了新的机遇和挑战。翻译活动作为一种跨语言知识转移活动，总是充满不确定性的问题（李瑞林 2022）。随着生成式人工智能技术、神经网络翻译、多模态/多语种语料库在翻译中的运用，“客观性知识可能得以较大程度的保留，而主观性知识可能随之大幅减弱，也就意味着译者的创造性减少”（金山 2023：21），译者如何在多元技术共生的环境下发挥主观能动性是首要难题。其次，随着人工智能深度介入翻译过程，译者不仅面临技术操作的转变，更面临着复杂的伦理问题。“随着知识输入端的主题增加，共享空间的知识以多种方式加入自然语言知识的语料库中”（史芸，2023：160），为满足客户需求，译者们纷纷转向“机器翻译+译后编辑（MTPE）”的模式，这种人机融合的知识生产方式虽然提高了翻译效率，但也使得翻译的伦理底线面临挑战。因此，在技术时代的冲击下，译者如何坚持“以真求知”“以善立义”“以美行文”的翻译原则，把“知识的同一性追求整合在文本、作者、译者、读者多元协同的开放系统中”（杨枫、李思伊 2024：12），是学界面临的主要挑战。

技术对人类而言是实现知识从抽象认知转化为具体认知和实践认知的强大工具（戴光荣、黄栋樑 2023）。随着人工智能与翻译技术的深度融合，新时期翻译技术教学发生了深刻变革。翻译人才培养理念进一步转变，语言服务行业越来越强调信息技术能力的重要性。对翻译技术的讨论已经从“人工译员是否会被技术取代”转变成“如何拥抱技术，实现人机共生”。各培养单位不再将双语转换能力作为培养的首要目标，而是强调“培养会翻译、通技术、懂专业的新型翻译人才”（王立非、林旭 2023：75）。最初翻译技术教学关注计算机辅助翻译工具的使用，而现在教学重点转向培养学生的译后编辑能力、团队协作能力、项目管理能力等高阶思维能力，以解决技术所带来的教学困难与挑战。虽然学习者能意识到翻译技术的重要性，但多数并未积极使用（Pym & Hao 2025）。面对翻译技术和工具的快速发展，翻译教育者要积极探索更符合现实需求的教育策略，唤醒学生的学习内驱力，注重翻译技术的发展，使学生能从容应对综合化、复杂化的翻译新业态。

深度学习理念的引入打破了传统翻译技术教学中技术知识本位的发展模式，能够从更高的角度重构“教”“学”“测”三方面的核心内容，借助技术手段赋能三方面的落地，提质增效知识获取、知识辨别、知识迁移、知识运用等环节，实现翻译技术教学中最优化人机耦合模式。面向深度学习的翻译技术教学重视语言知识、翻译知识、技术知识等综合知识体系的建构与高阶思维培养与实践，倡导的教学逻辑强调师生之间、学生之间的互动，以及人与技术的协同，以此实现知识与实践的融合。融合知识和深度学习的翻译技术教学模式以发展“全人教育”为目标，促进学生的深度参与、深度思考，构建在“做中学”“学中思”“思中悟”的教学模式，全面加强翻译技术思维能力以构建整体的知识体系。

（1）以“全人教育”为理念指引

Miller（1993）提出全人教育（Holistic Education），包含智能、情感、身体、社会、审美、精神潜能等六个方面。深度学习并未摒弃“人文”，而全盘关注于“科技”，翻译技术教学的理念指引依旧以“全人教育”为主，在此基础上融入技术，让知识—技术—翻译三者形成闭环，相互作用于彼此，形成积极的内在学习动机、正确的价值观，成为语言功底扎实、技术素养深厚、国际视野开阔并且厚植“中国情怀”，自觉维护国家和民族利益的翻译“全人”人才。

（2）以深度学习为教学环境

人工智能时代重构了原有的学习环境，为深度学习提供了支持。学习环境会影响学生职业翻译能力发展，也会影响学习者学习投入（董洪学等 2022），深度学习要求的物质环境应该具有体验性、交互性等特征（安富海 2020）。技术时代给翻译教学带来了多元的视角和教学方法，教学环境也愈发复杂，已不再只是通过同质化的教学手段达到学生的知识记忆效果。在教与学的全周期中，技术的应用正变得日益精细化和个性化（李锡阳等 2024：48）。教学的信息化环境搭建应该以技术为核心，不再以知识记忆和理解为主要教学目标，而是构建以知识习得与内化、迁移运用为目标的教学环境，确保知识迁移能够达到较高的接受度和传播度，实现“利用技术教好技术”。教师应提供多样化的表达和交流方式，帮助构建学习共同体，实现对知识的智慧学习与深度学习（祝智庭等 2022）。

（3）以高阶技术思维为教学培养目标

智能时代，机器赋能翻译，传统的以师生为主体的知识传授和知识生产模式发生改变。翻译技术工具在翻译教学过程中不仅是翻译知识的传授者，更与学生组成学习共同体，通过互动、协商和探究等活动实现知识创造（李海峰、王炜 2020）。在学习过程中，学习者发挥人类主体性和自身价值以实现技术知识的内化，离不开高阶翻译技术思维。He & Tao（2022）将翻译技术思维能力定义为在使用翻译技术以及探索可使用的翻译技术过程中反思和推理的能力，实现记忆、理解、应用、分析、评价和创造等一系列认知目标，具有高阶翻译技术思维的译者能实现对机器翻译的有益补充，满足高质量教学要求。基于此，本文尝试建立翻译技术教学体系中的思维模式培养框架，重点关注高阶技术思维的培养（见图3）。

图3  翻译技术思维模式培养框架

翻译活动中需要综合运用各种形式的思维（范武邱、钟含春 2023），需对已有思维观念做出批判性反思，找到新的突破口，发展新的思维观念。翻译技术教学中的思维培养由原始的低阶思维向最终高阶技术思维转换，通过形成自身的技术、语言等知识体系，培养塑造集技术—知识—语言全方位素质于一身的个体。高阶技术思维是实现从“硬式背诵、理解、运用知识获取技术能力”到“灵活选取、迁移、创新知识习得技术能力”跳跃的必要条件，对应观察力、理解力、判断力、迁移力、反思力、建构力的思维能力，涉及了为什么用技术、用什么技术、怎么用技术、什么时候用技术等问题的解决。这些问题的深入探索也能在一定程度上预测进一步的技术发展（O’Brien & Rodriguez Vazques 2020）。知识翻译学认为翻译是知识迁移、话语重构和价值创造（杨枫 2021b），技术则是这一环节的助燃器（戴光荣、黄栋樑 2023，2024），下文将分三个阶段展开详细分析与探讨，即1）低阶思维到低阶技术思维；2）低阶技术思维到高阶思维；3）高阶思维到高阶技术思维。

第一阶段是从低阶思维到低阶技术思维的跨越过程，知识融合深度学习中的翻译技术高阶思维以真实情境问题驱动为发生机制。在翻译教学过程中，建构教学情境以激发教学任务，形成低阶思维模式，推动观察力、理解力的形成。知识的获取首先依赖于记忆这一低阶思维的力量，并在新的问题情境中辅助理解能力，充分理解后便有助于记忆及后续思维的培养，记忆与理解形成闭环，共促己方的发展，理解这一行为是解除死记硬背、培养高阶思维培养的必经之路。当下生成式人工智能发展势头迅猛，翻译技术的教学与运用需根植于问题情境，以问题为导向贯穿深度学习的翻译技术教学。翻译是人类知识传承和更新的重要途径（覃江华 2022），也是所有知识生产和流通的核心机制（Baker 2018），更彰显了翻译中的知识本质，体现了反思、批判、阐释和建构（杨枫 2021a）。技术、语言等知识不是独立于问题情境的客观实体，其获得是在理解基础上的知识解码与转码。人工智能时代，翻译过程中的技术化程度不断提高，“机器翻译+译后编辑”或“合作翻译（Collaborative Translation）”已然成为各行各业的普遍运作模式。翻译技术教学应先注重语言知识、翻译知识、机器翻译技术（背景、发展历程、引擎类型等）等相关陈述性知识的记忆和理解，形成自身的具象认知思维后，通过不断地观察和理解，从而向程序性知识转换，在先前基础上拥有较好的判别能力。程序性知识是完成译后编辑等翻译任务时所需的信息检索、问题决策等多种能力（王律、王湘玲 2023：17），能够运用先前所掌握的知识判断、分析、掌握新事物、新技术。这体现了低阶技术思维的重要性，也完成了低阶思维向低阶技术思维的靠拢。需要说明的是，图3中的“记忆”与“理解”二者是并列关系，“应用”与“分析”虽归在同一列中，但之间蕴含有递进的逻辑关系。

第二阶段是低阶技术思维跨越到高阶思维的过程，知识融合深度学习中的翻译技术高阶思维以低阶思维和低阶技术思维驱动为发生机制。目前，大语言模型凭借其强大的数据基础和自主性的使用方式，为计算机辅助翻译技术开拓了新模块，神经网络机器翻译可嵌入相应的大语言模型。这造成了原本易操作的机器翻译引擎变得更为复杂，但能更高效、更快速、更多元地解决翻译问题。在复杂真实的问题情境下，学生通过观察获取信息，不断完成理解、加工、解构问题的过程，在“双师”（即AI教师与真人教师）的协同帮助下，充分利用已学的技术知识自行探索技术工具的更多功能，如实现CAT工具与AIGC工具的集成，以此打破单一情境的限制，深入挖掘各知识之间的内在联系，有助于多维度生成与深度理解所需知识。这种直观体验的技术知识学习模式有助于使学生从被动的知识接受者转变为主动的知识迁移者，深化思考层级，培养迁移能力。知识价值的完全体现并不等同于拥有多少知识，而是知道如何正确使用、看待评价知识，有效使用知识的思维将是翻译技术教学的核心所在。因此，第一阶段、第二阶段的跨越仍不足以实现通过利用技术赋能和指导翻译这项互动以创造、管理、运用知识。

第三阶段是从高阶思维跨越到高阶技术思维的过程，知识融合深度学习中的翻译技术高阶思维以低阶思维、低阶技术思维、高阶思维驱动为发生机制。在翻译技术课堂中，学生实现“拥有知识”到“实践行动”的深度转化有赖于翻译技术判断力、迁移力和反思力。无论是神经网络机器翻译还是ChatGPT类生成式人工智能，其对知识的解码与编码从来都不是简单的机械性重复过程，而是通过不断反思总结形成最终的知识体系（Kiraly 2003）。Angelone（2010）提出翻译问题解决过程主要包括识别问题、分析问题、策略选择与反思。在使用翻译技术工具解决翻译问题的过程中，要能在界定问题性质、类型，分析问题条件，确定问题空间的基础上，形成对问题的认知表征并列入自身知识框架（贺莺 2016）。将新的技术知识条件化、结构化，从不同角度思考问题，在新情境中分析判断差异并将原则思路迁移运用，从而解决知识与经验相互转化的问题。在实现技术迁移的前提下，能够综合运用多种手段对最后产品、成效进行反思、评估与管理，能审慎地对待机器生成的产品，运用多种手段验证其内容，确保产品正确、合理、逻辑连贯。深度学习理念关注知识迁移、反思能力及建构能力，倡导基于情境和基于问题解决的学习模式。传统的翻译技术教学采取以教师为中心的侧重终结性评价模式（王少爽、邹德艳 2022），难以充分调动学生学习翻译技术的积极性，培养学生的技术建构力。教学过程中可根据教学情景搭建深度学习环境、构建技术能力框架，抓住“技术的更新迭代无一例外会触发教学方式的创新”这一命题（李锡阳等 2024），翻译技术的快速迭代与更新并非会阻碍翻译教学和培训的发展，而会修正原有的思维定势，增强整体生产力和效率（Kornacki & Pietrzak 2025）。翻译技术的建构力是翻译技术教学最深层的目标，其需要综合多方能力和思维，以多维度融合技术达到多管齐下的效果。神经网络机器翻译引擎、大语言模型都依赖于大型数据库，其数据的优劣、大小均会直接影响其最后生成的结果。语料库技术的发展，与其他技术相互协同并进，必定会进一步扩大神经网络机器翻译引擎和大语言模型的算力，加速知识的生产、传播，而翻译技术建构力将推动技术反思技术、技术学习技术。

翻译技术思维的最终结果指向高阶技术思维的培养和建构，实现“利用技术学习”和“从技术中学习”两大功能，从而走向有意义的知识体系集合。翻译技术不仅是工具，也是内容，高阶翻译技术学习是为了构建高阶知识而展开，是个体经过摸索、转化、蜕变之后形成新的知识体系，经过记忆、理解、分析、应用等分解过后的知识与新信息进行匹配，同时将相互关联的新旧知识通过聚集、组织、归纳和聚合进一步形成结构化、系统化的知识，最终生成适应新问题的解决策略（马淑凤、杨向东 2022）。良好建构力能帮助学习者从零散的翻译技术现象中抽离、理解、分析和反思技术应用的效果，从而确定翻译问题解决方案，实现知识与学习的进阶。在机器翻译技术的使用中，高阶技术思维能为机器数据训练提供更多的高质量垂直领域平行语料，能将先验知识融入机器建模过程（戴光荣、刘思圻 2023），在与机器的交互和知识生产中实现人机深度学习，实现人机之间的双向赋能，最终实现解决翻译问题的目标。在当下知识爆炸的时代，翻译教育有必要聚焦培养具备翻译技术思维等一系列高阶知能的“全人”译者，以推动知识的丰富化表达和多样化生成。

4.     结语

翻译技术的飞速进步正引领翻译教学领域经历一场前所未有的深刻变革，对翻译人才的专业素养与能力结构提出了更为严苛的标准。面对生成式人工智能、大数据等前沿技术的蓬勃兴起，翻译实践正逐步转型为人机协同的知识密集型生产活动，传统翻译教学模式在应对新兴语言服务市场需求时显得力不从心。鉴于此，本研究创新性地提出融合知识的翻译技术深度学习框架，旨在探索一条契合时代需求的翻译人才培养新路径。该模式不仅关注技术的工具性应用，更强调在复杂多变的翻译情境中，促进学生从单纯的知识接受者向积极的知识探索者与创造者转变。通过深度介入翻译技术的实践与学习，学生不仅能够掌握先进的翻译技术工具，还能在问题解决过程中锻炼批判性思维、创新思维及跨学科整合能力。本研究的重要性在于，通过深度融合翻译技术与学科知识，为翻译技术教学模式提供新路径。它不仅能够有效缓解当前翻译教育与市场需求之间的脱节问题，还能培养出具备高阶翻译技能、深厚文化底蕴及卓越创新能力的复合型翻译人才，为语言服务业的可持续发展注入强大动力。

参考文献

[1]      Ackoff，R.L.1989.From data to wisdom [J].Journal of Applied Systems Analysis（16）：3-9.

[2]      Angelone，E.2010.Uncertainty, uncertainty management and metacognitive problem solving in the translation task [A].In Shreve，G.M.& E.Angelone（eds.）.Translation and Cognition [C].Amsterdam：John Benjamins Publishing Company.17-40.

[3]      Baker，M.2018.Editorial：Translation and the production of knowledge [J].Alif：Journal of Comparative Poetics（38）：8-10.

[4]      Bowker，L.2002.Computer-Aided Translation Technology：A Practical Introduction [M].Ottawa：University of Ottawa Press.

[5]      Egan，K.2011.Learning in Depth: A Simple Innovation That Can Transform Schooling [M].London：The Althouse Press.

[6]      He，Y.& Tao，Y.L.2022. Unity of knowing and acting：an empirical study on a curriculum approach to developing students’ translation technological thinking competence [J].The Interpreter and Translator Trainer（3）：348-366.

[7]      Kiraly，D.C.2003.From Teacher-Centered to Learning-Centered Classrooms in Translator Education：Control, Chaos or Collaboration? [A].In Pym，A.，C.Fallada，J.R.Biau et al.（eds.）.Innovation and E-learning in Translator Training：Reports on Online Symposia [C].Tarragona：Universitat Rovira I Virgili.27-31.

[8]      Kornacki，M.& P.Pietrzak.2025.Hybrid Workflows in Translation：Integrating GenAI into Translator Training[M].London：Routledge.

[9]      Marton，F.& R.Säljö.1976.On Qualitative Differences in Learning：I—Outcome and Process [J].British Journal of Educational Psychology（1）：4-11.

[10]    Miller，J.P.1993.The Holistic Curriculum [M].Toronto：OISE Press.

[11]    O’Brien，S.& S.Rodriguez Vazques.2020. Translation and technology [A].In Laviosa，S.& M.González-Davies（eds.）.The Routledge Handbook of Translation and Education [C].London：Routledge.264-277.

[12]    Pellegrino，J.& M.L.Hilton.2012.Education for Life and Work：Developing Transferable Knowledge and Skills in the 21^st Century [M].Washington：The National Academies Press.

[13]    Pym，A.& Y.Hao.2025.How to Augment Language Skills：Generative AI and Machine Translation in Language Learning and Translator Training[M].London：Routledge.

[14]    Siemens，G.2005.Connectivism: A learning theory for the digital age [J].International Journal of Instructional Technology and Distance Learning（1）：3-10.

[15]    Zhang，X.C.& L.Nunes Vieira.2021.CAT teaching practices：an international survey [J]. The Journal of Specialised Translation（36）：99-124.

[16]    安富海.2020.人工智能时代的教学论研究:聚焦深度学习[J].西北师大学报（社会科学版）（5）：119-126.

[17]    陈德鑫、占袁圆、杨兵.2019.深度学习技术在教育大数据挖掘领域的应用分析[J].电化教育研究（02）：68-76.

[18]    陈婷、李兰.2024.基于问题提出的深度学习过程模型[J].中国电化教育（3）：101-108.

[19]    程维、魏子杭.2021.翻译技术教学中的高阶思维培养[J].上海翻译（3）：39-44，94.

[20]    戴光荣、黄栋樑.2023.知识翻译学的技术路径探讨[J].外语电化教学（6）：12-19，107.

[21]    戴光荣、黄栋樑.2024.知识翻译技术学：体系框架初构[J].外语教学（6）：86-93.

[22]    戴光荣、刘思圻.2023.神经网络机器翻译：进展与挑战[J].外语教学（1）：82-89.

[23]    董洪学、初胜华、张坤媛，等.2022.MTI学生职业翻译能力发展及影响因素研究[J].外语电化教学（2）：88-95，118.

[24]    杜娟、李兆君、郭丽文.2013.促进深度学习的信息化教学设计的策略研究[J].电化教育研究（10）：14-20.

[25]    范武邱、钟含春.2023.从思维形态的多样性看机器翻译亟待突破的瓶颈[J]. 外语教学（1）：75-81.

[26]    冯志伟、张灯柯.2024.计算语言学中语言知识生产范式的变迁[J].当代修辞学（2）：23-44.

[27]    顾小清、郝祥军.2022.从人工智能重塑的知识观看未来教育[J].教育研究（9）：138-149.

[28]    何玲、黎加厚.2005.促进学生深度学习[J].现代教学（5）：29-30.

[29]    贺莺.2016.高阶思维取向的翻译问题解决机制研究[J].外语教学（5）：86-90.

[30]    胡航、王家壹.2024.从人机融合走向深度学习：范式、方法与价值意蕴[J].开放教育研究（2）：69-79.

[31]    金山.2023.知识翻译学中“知识”的内涵、外延与定义[J].外语电化教学，（6）：20-24，108.

[32]    荆宁宁、程俊瑜.2005.数据、信息、知识与智慧[J].情报科学（12）：1786-1790.

[33]    李海峰、王炜.2020.人机学习共生体——论后人工智能教育时代基本学习形态之构建[J].远程教育杂志（2）：46-55.

[34]    李瑞林.2022.知识翻译学的知识论阐释[J].当代外语研究（1）：47-59，161.

[35]    李锡阳、彭丽华、金慧.2024.技术赋能的人机协同翻译教学模式构建研究[J].外语界（3）：43-50.

[36]    马淑凤、杨向东.2022.什么才是高阶思维？——以“新旧知识关系建立”为核心的高阶思维概念框架[J]. 华东师范大学学报（教育科学版）（11）：58-68.

[37]    覃江华.2022.翻译与知识生产、管理和转化——知识翻译学刍议[J].当代外语研究（1）：60-71.

[38]    史芸.2023.人工智能翻译的知识伦理与知识建构[J].当代外语研究（6）：156-165.

[39]    王立非、林旭.2023.国外翻译技术研究进展及其对翻译教学的启示[J].外语教学理论与实践（6）：66-77，41.

[40]    王律、王湘玲. 2023.ChatGPT时代机器翻译译后编辑能力培养模式研究[J].外语电化教学（4）：16-23，115.

[41]    王少爽、邹德艳.2022.新媒体环境下翻译技术学习评价模式创新研究[J].外语界（2）：72-79.

[42]    王湘玲、沙璐.2021.基于动态评价理论的翻译技术教学评价模式构建[J].外语界（5）：58-65.

[43]    杨枫.2021a.知识翻译学宣言[J].当代外语研究（5）：2，27.

[44]    杨枫. 2021b.翻译是文化还是知识? [J].当代外语研究（6）：2，36.

[45]    杨枫.2022.知识的地方性与翻译的世界性[J].当代外语研究（3）：1-2.

[46]    杨枫.2023.知识翻译学论纲[J].当代外语研究（4）：1-2.

[47]    杨枫、李思伊.2024.真善美：作为方法论的中和翻译[J].中国翻译（1）：9-15，189.

[48]    张浩、吴秀娟.2012.深度学习的内涵及认知理论基础探析[J].中国电化教育（10）：7-11，21.

[49]    张生祥.2022.基于知识翻译学的翻译研究与知识转化[J].当代外语研究（2）：58-67.

[50]    祝智庭、罗红卫、王诚谦，等.2022.外语教育数字化转型与融合创新[J].外语电化教学（4）：7-17，110.

【以上文字为发表前的修订稿，正式稿件请参考下面附录的pdf文档】

深度学习与知识融合：翻译技术教学模式构建路径研究_戴光荣.pdf