Intégration du soutien à la traduction assistée par l’intelligence artificielle dans les cours d’anglais : effets sur la précision de la traduction, le stress perçu et l’anxiété

Résumé

Cette étude examine comment un soutien structuré à la traduction assistée par intelligence artificielle peut être intégré dans les cours d’anglais afin d’améliorer la précision de la traduction tout en réduisant le stress et l’anxiété perçus chez les étudiants de l’enseignement supérieur.

Résumé

La compétence en traduction anglaise est une compétence académique importante dans l’enseignement supérieur, pourtant de nombreux étudiants rencontrent d’importantes difficultés linguistiques, une charge cognitive et une pression psychologique lors des tâches de traduction. Cette étude à méthodes mixtes a examiné si un soutien structuré à la traduction assistée par intelligence artificielle intégré dans les cours d’anglais était associé à des changements dans la précision de la traduction, le stress perçu et l’anxiété chez les étudiants universitaires. Au total, 525 étudiants de premier et de troisième cycle ont participé à une intervention pédagogique de huit semaines. Les évaluations de base et post-intervention comprenaient un test de précision de traduction, l’échelle de stress perçu et l’échelle du trouble anxieux généralisé-7. L’analyse quantitative a été réalisée à l’aide de comparaisons par paires, d’analyses de corrélation, d’analyse de régression et de comparaisons par groupes, et a été complétée par des entretiens qualitatifs pour explorer les expériences d’apprentissage des élèves. Après l’intervention, les participants ont montré une meilleure précision de la traduction et des niveaux de stress et d’anxiété perçus plus faibles. Une fréquence d’utilisation plus élevée de l’outil était associée à de meilleures performances de traduction, bien que le plan de l’étude ne soutienne pas une forte inférence causale. Les résultats qualitatifs ont également indiqué que la pratique structurée assistée par des outils a aidé à réduire la surcharge cognitive, à soutenir les processus de révision et à améliorer l’engagement dans les tâches de traduction. Ces résultats suggèrent que l’intégration d’un soutien à la traduction assistée par l’intelligence artificielle dans les cours d’anglais pourrait offrir une approche pédagogique pratique pour renforcer la performance en traduction tout en soutenant le bien-être des élèves. L’étude apporte des preuves empiriques aux discussions actuelles sur la pédagogie de la traduction améliorée par la technologie et offre un cadre pédagogique adaptable aux contextes de l’enseignement supérieur.

Introduction

La compétence en traduction anglaise est devenue de plus en plus importante dans l’enseignement supérieur, les universités cherchant à préparer les étudiants à des échanges académiques mondiaux, à la communication professionnelle internationale et à la production de connaissances^{interculturelles 1}. Pourtant, la traduction n’est pas un exercice purement linguistique. Cela nécessite également un jugement contextuel, une médiation culturelle et un contrôle cognitif soutenu, ce qui en fait une forme de travail académique exigeante pour de nombreux^{apprenants 2}. En classe, ces exigences génèrent souvent une pression considérable, notamment pour les étudiants de disciplines telles que la linguistique, la littérature et les études internationales, où les tâches de traduction sont étroitement liées à l’évaluation de la performance et à l’identité^{académique 3}. L’enseignement traditionnel de la traduction, bien que pédagogiquement précieux, peut donc devenir chronophage, cognitivement lourd et psychologiquement éprouvant lorsque les étudiants doivent gérer des textes sources complexes avec un soutien immédiat limité⁴.

Les développements récents dans les technologies de langage assistées par l’intelligence artificielle ont créé de nouvelles possibilités pour relever ces défis pédagogiques⁵. Dans l’apprentissage de la traduction, ces outils peuvent fournir un soutien lexical, syntaxique et sémantique rapide, aidant ainsi les élèves à réduire l’incertitude lors de la rédaction et^{de la révision 6}. Certaines études portant sur l’anglais langue étrangère ont suggéré que l’apprentissage assisté par la technologie pourrait améliorer la performance linguistique, renforcer la confiance des apprenants et soutenir la régulation émotionnelle lors de tâches^{exigeantes 7,8}. Parallèlement, la littérature existante a également soulevé des inquiétudes concernant une dépendance excessive à la production automatisée, une réduction de l’engagement critique, et le besoin persistant de conseils enseignants lorsque ces outils sont introduits dans les environnements d’apprentissage^{formels 9}. En conséquence, la valeur éducative du soutien à la traduction assistée par intelligence artificielle ne peut être comprise uniquement en termes d’efficacité de production. Il doit également être examiné en fonction de la structure de ce soutien, de la manière dont les élèves y interagissent, et de la manière dont il influence à la fois la performance et l’expérience psychologique pendant l’apprentissage.

Malgré un intérêt croissant pour la traduction assistée par intelligence artificielle, une lacune importante subsiste dans la littérature actuelle. Une grande partie des recherches existantes s’est concentrée soit sur la qualité de la traduction, soit sur les attitudes générales envers la technologie éducative, tandis que relativement peu d’études ont examiné ensemble les résultats académiques et psychologiques dans une intervention en classe clairement^{structurée 10}. En particulier, des preuves limitées sont disponibles quant à savoir si l’utilisation guidée d’un soutien à la traduction assistée par l’intelligence artificielle dans les cours universitaires d’anglais est associée non seulement à une amélioration de la précision de la traduction, mais aussi à une réduction du stress et de l’anxiété perçus sur une période d’enseignement prolongée. Cet écart est important car la valeur pédagogique de ces outils dépend non seulement de la qualité des traductions des élèves, mais aussi du fait que le processus d’apprentissage devient plus gérable, confiant et durablement éducatif.

En conséquence, la présente étude a étudié l’intégration d’un soutien structuré à la traduction assistée par intelligence artificielle dans les cours d’anglais universitaires sur une période de huit semaines. L’étude avait deux objectifs : d’abord, examiner si la précision de la traduction, le stress perçu et l’anxiété des élèves avaient changé après l’intervention ; et deuxièmement, d’explorer si les schémas d’utilisation des outils étaient associés à la performance de traduction et à l’expérience des élèves. Nous attendions en outre que la mise en œuvre structurée, plutôt que l’exposition non guidée aux outils, serait associée à de meilleurs résultats de traduction et à des réponses psychologiques plus favorables. La nouveauté de l’étude réside dans son évaluation combinée des dimensions cognitives et psychologiques au sein d’un même plan pédagogique, utilisant à la fois l’évaluation quantitative et l’enquête qualitative pour examiner comment la traduction assistée par l’intelligence artificielle soutient les fonctions dans la pratique réelle en classe.

Protocole

Cette étude a été menée au sein de l’École des Sciences Humaines et des Arts de l’Université de Vol de l’Aviation Civile de Chine, en utilisant des données éducatives désidentifiées collectées dans le cadre du cours. Aucune information personnelle directement identifiable n’a été incluse dans l’ensemble de données analytique. Tous les participants ont été informés de l’objectif et des procédures de l’étude, et un consentement éclairé écrit a été obtenu avant la participation. La participation était volontaire, et la non-participation ou le retrait de la composante recherche n’affectaient pas la fréquentation, les notes ou l’accès à l’enseignement régulier. Dans le cadre applicable des pratiques de recherche de l’Université de vol de l’aviation civile de Chine, les études basées sur des données éducatives à risque minimal désidentifiées peuvent ne pas nécessiter d’examen éthique formel. Tous les documents désidentifiés étaient stockés dans des fichiers protégés par mot de passe accessibles uniquement à l’équipe de recherche. L’éthique et le flux des participants sont présentés à la Figure 1.

1. Recrutement des participants et profilage de référence

Au total, 525 étudiants ont été recrutés dans des cours universitaires liés à l’anglais ou à la traduction. Les étudiants de premier et troisième cycle issus de disciplines telles que la linguistique, la littérature et les études internationales étaient inclus. Tous les bénévoles ont été sélectionnés avant l’inscription. Seuls les étudiants qui suivaient actuellement un cours d’anglais ou de traduction et avaient au moins une maîtrise intermédiaire de l’anglais basée sur les dossiers de placement institutionnels, les cours antérieurs ou des preuves académiques équivalentes étaient inclus. Les étudiants ayant une expérience professionnelle importante en traduction ont été exclus. L’âge, le sexe, le niveau académique, le domaine d’études, l’expérience préalable avec le soutien à la traduction assistée par IA et la fréquence de base d’utilisation des outils ont été enregistrés. Les caractéristiques des participants ont été présentées dans le tableau 1.

2. Conception pédagogique et flux de travail d’intervention

Une intervention en classe de huit semaines a été mise en place, dans laquelle l’enseignement de la traduction conventionnelle est resté le mode d’enseignement principal et le soutien à la traduction assistée par IA a été utilisé comme un échafaudage complémentaire^{structuré 11}. Lors de la semaine 0, l’évaluation de base a été terminée. De la semaine 1 à la semaine 8, une tâche de traduction était assignée chaque semaine, et tous les participants devaient suivre la même séquence d’instructions. À la fin de la semaine 8, la batterie d’évaluation utilisée au début de la séance a été répétée. Après la phase quantitative, des entretiens semi-structurés ont été menés avec un sous-groupe sélectionné de manière intentionnelle. Le flux de travail global est montré à la Figure 2.

3. Évaluation de base

Toutes les mesures de référence ont été administrées dans une classe supervisée sous les mêmes instructions et conditions de temps. Une tâche de traduction basée sur un texte source d’environ 300 mots a été utilisée. Un passage contenant des segments littéraux et culturellement nuancés a été choisi afin que les élèves soient tenus de démontrer la précision lexique, le contrôle syntaxique, la fidélité sémantique et la compréhension^{contextuelle 12}. L’utilisation d’outils externes était interdite lors des tests de référence. Tous les scripts terminés étaient anonymisés avant la mise en musique. Chaque script a été noté indépendamment par deux évaluateurs formés utilisant une grille d’évaluation couvrant la précision lexicale, l’adéquation grammaticale et syntaxique, la complétude sémantique et la contextualisation culturelle. Si la différence de score dépassait la plage de tolérance prédéfinie, une discussion était nécessaire jusqu’à ce qu’un score consensuel soit atteint.

Après la tâche de traduction, l’échelle de stress perçu de 10 items a été administrée et notée selon la procédure standard, avec des scores plus élevés indiquant un stress perçu plus^{élevé 13}. L’échelle de 7 items du trouble anxieux généralisé a ensuite été administrée et notée selon la méthode publiée, avec des scores plus élevés indiquant une plus grande gravité^{de l’anxiété 14}. Enfin, une courte mesure de confiance en traduction a été administrée en utilisant un format Likert à cinq points. Les items représentatifs, les fourchettes de scores et les définitions des variables étaient fournis dans le tableau 2.

4. Intégration hebdomadaire standardisée du support de traduction assistée par IA

Au cours de chaque semaine d’intervention, une tâche de traduction était assignée, adaptée au plus fidèle possible en genre et en difficulté aux autres tâches hebdomadaires. Les élèves devaient accomplir la tâche dans le même ordre chaque semaine. Premièrement, le texte source était lu indépendamment, et des éléments lexicaux difficiles, des structures syntaxiques ou des expressions culturellement chargées étaient marqués. Ensuite, un premier brouillon ou une brève note décrivant les problèmes de traduction anticipés était préparé. Troisièmement, la consultation des systèmes de traduction assistée par IA approuvés n’était autorisée que lors de la rédaction et de la révision. La soumission directe de sorties non éditées générées par la machine n’était pas autorisée.

Les élèves devaient évaluer chaque semaine toutes les suggestions de machines conservées ou rejetées en utilisant les mêmes quatre critères : ajustement lexical, naturalité syntaxique, cohérence du discours et adéquation culturelle. La soumission du texte source marqué, du brouillon assisté par machine et de la traduction révisée finale étaient nécessaires pour chaque tâche hebdomadaire. Après la soumission, une discussion structurée entre pairs était organisée chaque semaine en utilisant les mêmes sujets afin que les élèves expliquent où la production automatisée était utile, trompeuse, trop littérale ou inappropriée dans le contexte. Cette conception s’appuie sur les preuves actuelles montrant que la traduction automatique est la plus utile sur le plan éducatif lorsqu’elle est intégrée dans la comparaison et la révision guidées, plutôt que comme un remplacement du jugement^{humain 15}.

5. Surveillance et catégorisation de l’utilisation des outils

L’utilisation des outils assistés par l’IA a été suivie tout au long de l’intervention de huit semaines. Après chaque devoir hebdomadaire, les participants devaient remplir un bref journal d’utilisation en ligne indiquant si un support automatisé avait été utilisé, quelle fonction il remplissait, la fréquence de consultation et à quel stade il était entré dans le processus de traduction. Des catégories de réponses standardisées ont été proposées lors de la première semaine afin que les participants utilisent les mêmes critères de déclaration tout au long de l’étude. À la fin de la semaine 8, les relevés hebdomadaires ont été agrégés, et la fréquence d’utilisation globale a été classée en usage quotidien, hebdomadaire ou occasionnel. Les définitions opérationnelles de ces catégories sont présentées à la Figure 3.

6. Évaluation post-intervention

À la fin de la semaine 8, la même batterie d’évaluation utilisée au départ a été répétée. Un texte de traduction post-intervention a été utilisé, adapté aussi fidèlement que possible au texte de base en longueur, genre et difficulté. Les conditions administratives, le calendrier, la grille d’évaluation et le flux de travail de l’évaluateur ont été maintenus cohérents avec les procédures de référence. La même échelle de stress perçu, la même échelle du trouble anxieux généralisé et la même mesure de confiance en traduction ont été administrées dans le même ordre qu’au départ.

7. Procédures d’entretien qualitatives et analyse thématique

Après l’évaluation post-intervention, 40 étudiants ont été sélectionnés de manière délibérée pour des entretiens semi-structurés, assurant une variation de genre, de niveau académique et d’expérience préalable avec un soutien à la traduction assistée par IA. Les entretiens ont été menés en face à face ou via un format de réunion en ligne approuvé, utilisant le même guide d’entretien pour tous les participants. Des questions ont été posées sur les stratégies d’utilisation des outils, la perception de la charge cognitive, les changements de confiance, l’évaluation de la production des machines et les préoccupations concernant la dépendance excessive. Tous les entretiens ont été enregistrés en audio avec le consentement des participants et transcrits mot pour mot.

Les transcriptions ont été analysées à l’aide d’une analyse thématique. Deux chercheurs ont été invités à lire toutes les transcriptions de manière indépendante, à générer des codes initiaux, à comparer les résultats de codage, à fusionner les codes qui se chevauchent et à affiner les thèmes candidats par une revue répétée des transcriptions. Après la phase initiale de codage, un accord inter-évaluateurs a été calculé, et le kappa de Cohen a été rapporté. La logique analytique suivait des procédures établies pour l’analyse thématique en recherche qualitative¹⁶.

8. Analyse quantitative et méthodes mixtes

Des statistiques descriptives ont été utilisées pour résumer les caractéristiques des participants et les scores de base. Des comparaisons par échantillons appariés ont été utilisées pour tester les différences avant la publication de la précision de la traduction, le stress perçu, l’anxiété et la confiance. Des modèles de régression multiples ont été utilisés pour identifier les prédicteurs de la précision de la traduction post-intervention, avec la performance de base, la fréquence d’utilisation des outils assistés par l’IA et les variables psychologiques saisies comme variables indépendantes. Les tests chi-carrés ont été utilisés pour examiner les associations entre catégories d’utilisation et résultats catégoriques, et les coefficients de corrélation de Pearson ont été utilisés pour évaluer la direction et la force des associations entre la précision de la traduction, la fréquence d’utilisation, le stress perçu, l’anxiété et la confiance. La signification statistique a été fixée à alpha = 0,05 à l’aide de tests à deux côtés. Les résultats quantitatifs et qualitatifs ont été intégrés au stade de l’interprétation selon les procédures standard de méthodes^{mixtes 17}.

Résultats

Résultats principaux

L’objectif principal de cette étude était de déterminer si la précision de la traduction, le stress perçu, l’anxiété et la confiance en traduction avaient changé au cours de la période d’intervention de huit semaines. Les analyses basées sur 525 participants ont montré des différences significatives avant la période post-examen entre les quatre variables principales de critères. Comme montré dans le tableau 3, la précision de la traduction...

Discussion

La présente étude a examiné si l’utilisation structurée d’outils de soutien à la traduction dans les cours universitaires d’anglais était associée à des changements dans la performance de la traduction et des résultats psychologiques sur une période de huit semaines. Les résultats ont montré des différences significatives avant la fin des résultats dans les quatre principaux résultats. La précision de la traduction a augmenté après l’intervention, tandis que le stress et l’anxiété perçus...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Plateforme d'assistance linguistique et de traduction assistée par l'IA	OpenAI (web)	Service web; consulté selon le calendrier de l'étude	Utilisé pendant les tâches hebdomadaires de rédaction et de révision pour générer des suggestions de traduction et des retours linguistiques
Stations de travail / ordinateurs portables	Équipement disponible au sein de l'institution	Équivalent acceptable	Utilisé pour les tâches de traduction, la saisie de données, le codage et l'analyse statistique
Enregistreur audio numérique / dispositif d'enregistrement	Équipement disponible au sein de l'institution	Équivalent acceptable	Utilisé pour enregistrer des entretiens quand nécessaire
Échelle de trouble d'anxiété généralisée (7 items)	Développeurs originaux: Spitzer et al.	Instrument standard	Utilisé au point de départ et après l'intervention pour évaluer l'anxiété
Casques pour la transcription et la vérification	Équipement disponible au sein de l'institution	Équivalent acceptable	Utilisé pendant la transcription et la vérification des codeurs
Plateforme de traduction en ligne	Google LLC (web)	Service web; consulté selon le calendrier de l'étude	Utilisé comme source supplémentaire de soutien à la traduction pendant l'intervention
Échelle de stress perçu (10 items)	Développeurs originaux: Cohen et al.	Instrument standard	Utilisé au point de départ et après l'intervention pour évaluer le stress perçu
Logiciel de codage qualitatif	QSR International	Version 14	Utilisé pour l'organisation thématique et le soutien au codage pendant l'analyse des entretiens
Logiciel d'analyse statistique	IBM Corp.	Version 31	Utilisé pour les statistiques descriptives, les tests d'échantillons appariés, la régression, les tests du chi-carré et les corrélations de Pearson
Textes sources pour la précision de la traduction	Développé pour l'étude	Version 1.0	Passages d'environ 300 mots, appariés en longueur et en difficulté
Mesure de confiance en traduction	Développé pour l'étude	Version 1.0	Mesure d'auto-évaluation à trois items utilisant un format Likert à 5 points
Rubrique d'évaluation de la traduction	Développé pour l'étude	Version 1.0	Quatre domaines analytiques : précision lexicale, adéquation grammaticale/syntaxique, fidélité sémantique, contextualisation culturelle
Journal d'utilisation hebdomadaire	Développé pour l'étude	Modèle v1.0	Utilisé pour enregistrer l'étape de la tâche, la fréquence et la fonction de l'utilisation de l'outil de soutien