加快翻译硕士专业改革创新推进国家应急语言体系建设

近年来,国内院校招收翻译硕士(MTI)学生的数量有所增加,翻译硕士已成为中国增长最快的专业硕士学位之一,MTI的培训机制和办学模式没有跟上MTI机构数量的增长。虽然国内高校MTI教育起步较晚,存在一定的发展差距,但这种差距是上升空间,语言服务业的发展空间和市场潜力巨大。语言服务作为一种商业形式已经提出十多年了。2015年初,对外经济贸易大学国际语言服务与管理学院成立以来,以语言服务为研究对象的高校科研机构和人才培养基地的规模越来越大,随着新型冠状病毒肺炎的爆发,P>P>2020,这是一场重大的公共危机,使语言服务,尤其是急诊科语言服务问题成为语言学界的重中之重。2020年8月15日,由教育部语言文字信息管理司组织、国家应急语言服务集团筹备秘书处承办的首批应急语言服务科研项目示范会在网上举行。关于应急语言服务和教育体系建设的研究正迅速成为学术界研究的热点。在本科翻译专业学位(BTI)、硕士翻译专业学位(MTI)甚至未来的博士翻译专业学位(DTI)中增加紧急语言服务相关课程和研究方向,而应急语言服务及相关研究专业人才的培养,不仅为国家应急语言服务的建设提供了强有力的支持,也为MTI专业的发展提供了新的视角。随着全球化驱动下语言服务业规模的不断扩大,MTI的办学模式必将逐步实现从翻译专业到外语专业的范式转换,语言服务专业和应急语言专业

一、从传统翻译向语言服务的转变——培养模式的创新定位

首先,语言服务是传统翻译教学随着时代背景和市场需求的变化而做出的必然调整。这种范式转变是对MTI教育目标的重新审视和定位。这与以课堂理论教学为中心的翻译人才培养模式有着显著的不同。这表明,MTI人才培养范式突出了翻译行为的社会属性,专业翻译和专业翻译取代了传统的强调人文属性的语境化翻译。目前,翻译硕士(MTI)课程无法摆脱传统观念。主要课程为基础外语能力培训,外加翻译理论和翻译实践。即使涉及翻译技术、语言服务,甚至科技翻译,这些课程也具有普遍性。因此,除了翻译能力略强之外,毕业生与外语专业的毕业生没有其他区别。转型范式下的MTI课程应该从语言服务产业链的宏观角度进行,整合ESP理论、专业知识和相关硬科学领域的语言知识,如增加相关服务专业和行业的选修课,或允许学生跨部门选课等。MTI教育的人才培养必须适应时代的需要。虽然语言服务的基本能力是翻译能力或双语能力,但具有较强的口译和翻译能力以及信息转换能力的双语能力却不能胜任真正的语言服务。研究特定专业或行业领域中社区话语的表达方式和具体内涵也很有必要。可以说,从传统文学翻译向为各行各业提供语言服务的转变,已成为不可抗拒的历史趋势:

强>两个,新型冠状病毒肺炎,<

>P>2020爆发的新时代。加深了我们对语言服务和翻译教育的理解。新型冠状病毒肺炎是急诊科语言教育的一个新的发展方向,也是我们面临的挑战。专业人才是应对突发公共事件提供语言援助的重要应急力量。因此,培养和储备应急语言人才是应急管理基本语言能力建设和社会协同反应语言能力建设的重要方面。目前,急诊科急诊科2019冠状病毒疾病的培训和储备未列入中国市的应急工作日程,亟待加强语言文字专业人才队伍建设,<

>,COVID-19已发布志愿者招募令,成立防疫、防疫志愿者队伍。在这方面,大学和学院的MTI教师和学生是志愿者团队的骨干。这不仅为MTI人才培养的有效性提供了卓有成效的经验,也为MTI未来的教育提供了新的方向。从语言服务到紧急语言服务的转变不仅仅是专业名称的改变。不同的需求和不同的框架决定了他们在课程体系、培训能力和培训规格上的差异。如果传统的翻译教学仍然让我们停留在努力提高学生的翻译水平和能力上,然后,从国家安全的角度出发的应急语言服务,使我们培养翻译人才的理念逐渐转向提高学生的综合素质,如家庭和国家感情、社会责任感、,职业道德和应急服务能力三、在应急外语服务框架下建立MTI人才培养联动机制。MTI教育将人才培养目标纳入国家发展和安全的视野。特别是在应急外语服务框架下,MTI教育不仅需要增加专门课程或专业方向,要做好语言服务技能培训,还要储备多种语言、跨学科的应急语言服务人才,以满足重大突发事件中语言沟通、语言翻译、语言智能、语言安全、语言舒适等方面的需求。无论是MTI人才培养还是应急语言服务体系建设,都是一项复杂的系统工程,需要高校、科研院所和语言服务业的共同合作,在国家和政府的政策支持和保障下

从MTI翻译硕士专业向应急语言专业的范式转变是真正实现“产、学、研、传”的紧密结合。这不仅是构建创新型人才培养体系的关键,同时也是为了响应国家应急语言服务建设的迫切需要

本文是天津外国语大学2020年科研规划应急外语服务专项的成果之一(MTI翻译硕士专业范式转换研究——以应急语言专业为例)

发表评论

您的电子邮箱地址不会被公开。

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据