摘  要：随着人工智能技术及其应用领域的快速发展，“人工智能+”全面赋能高等教育，以大语言模型为代表的翻译技术不断创新和重塑翻译教学形态，但同时也潜藏着文化霸权的风险。文章分析了大语言模型时代翻译教学中面临的文化霸权陷阱，阐释数据霸权、算法霸权、价值霸权和话语霸权的表现形式，并基于当前课程思政教育理念，从构建多元语料数据集、审慎评估算法逻辑、强化文化批判意识及构建中文话语体系等方面，提出相应的抵抗策略。研究认为，翻译教育应积极应对大语言模型带来的挑战，破除西方中心主义的文化霸权，增强文化自信，推动翻译教学的健康发展，为维护国家文化安全和提升文化软实力贡献力量。

关键词：大语言模型；翻译教学；文化霸权；课程思政教育；抵抗策略1

近年来，人工智能技术正以前所未有的速度重塑高等教育的各个领域，推动高等教育迈入智能化的新常态。技术与教育相生相长，国家教育部高等教育司深入推进教育数字化战略行动，将“人工智能+高等教育”理念融入教育工作，“数字时代， 教育何为”已成为世界各国共同思考的时代命题（王繁等，2024）。其中，以ChatGPT为代表的大语言模型技术迅猛发展，其强大的文本生成和语言理解能力给翻译领域带来了革命性的变革，显著提升了翻译教学的整体质量。大语言模型能够快速、高效地处理海量文本信息，自动生成高质量译文，为翻译教学提供了前所未有的机遇。大语言模型在促进翻译学习和提升翻译效率方面展现出巨大的潜力，大幅度降低了传统翻译教学的人力成本，正逐步改变传统的翻译教学模式和理念，开辟未来翻译教育的全新路径。

然而，机遇与挑战并存。当前翻译教学中普遍使用国外（以美国为主）开发的大语言模型，这些模型的训练数据和算法设计不可避免地带有西方文化偏见，潜藏着文化霸权的风险。长期使用这些模型进行翻译教学，可能会导致学生不自觉地接受西方文化视角和价值观，弱化对本土文化的认同，甚至损害国家文化安全。国外大语言模型在处理涉及中国历史、文化和政治元素的文本时，可能会给出带有偏见的表述，一定程度上会误导受众对中国的理解。因此，翻译教育必须警惕大语言模型的文化霸权问题，积极探索有效的应对策略，确保教学生态的多样化和公正性。

近年来对大语言模型的探讨和应用越来越多，相关研究成果日益增多。下面主要对“大语言模型与翻译教育”及“课程思政教育与翻译教育”相关研究进行梳理，总结学界对“大语言模型、课程思政教育及翻译教育”的研究情况。

首先，在“大语言模型与翻译教育”研究中，学者们主要关注大语言模型对翻译教学的影响，以及大语言模型在翻译教学中的应用两方面。在翻译教学影响方面，研究涉及大语言模型对翻译教学的促进和优化，如个性化教学（周忠良，2023）、教学模式的混合化、教学资源的数字化、教学过程的数据化、教学评估的自动化（王华树、谢斐，2024），阐述ChatGPT的语言智能环境对教学的影响，并结合翻译应用案例探讨新技术给教学实践带来的深刻影响（王洪华，2023）。同时，研究关注大语言模型给翻译教学带来的负面影响，包括削弱学习自主性，疏远教学主体关系，损害学术诚信，引发知识安全风险、伦理风险和意识形态风险（周忠良，2023），以及意识形态渗透、事实偏差误导、过度依赖技术导致教学能力退化和数据隐私安全等问题（王华树、谢斐，2024）。除教师视角外，一项关于人工智能对澳门地区高等翻译教育影响的调研，关注学生如何评价人工智能在葡中翻译中的应用（Amaro & João Pires，2024），同时研究结合生成式人工智能对翻译和创作的影响，设计专门的写作模块，以提升学生的创造力和适应力（Guerberof & Asimakoulas，2024）。在翻译教学应用方面，相关研究较多关注大语言模型技术在教学设计、教学实施、教学评估（王华树、谢斐，2024）方面的应用，以及在翻译教学中的局限性及应用前景（盛晖，2023）。学生可以应用大语言模型拓展翻译思维、提高翻译能力（Huang & Li，2023），教师可以通过大语言模型生成摘要、翻译文本、解释词汇、改变表达风格等协助教学（Kasneci et al., 2023）。此外，相关研究分析语言教师在使用ChatGPT时必备的责任因素，帮助教师在语言教学中借助ChatGPT产生更多创新的语言教学方法和途径（Rahimi & Sevilla-Pavón，2024），将机器翻译与大语言模型技术结合起来构建新型学习模型用于英语课堂（Sugiyama & Yamanaka，2023），强调在翻译教育中适度使用GPT，同时结合人类译员的优势，在提升翻译教学质量的同时保持人类的创造力和文化意识（Abu-Rayyash，2023）。

其次，“课程思政教育与翻译教育”的融合研究也取得了一定的进展。越来越多的学者认识到，翻译教学不仅要传授翻译技能，更要培养学生的价值观和文化自信。近年来，一些学者尝试将课程思政教育融入翻译教学中，研究涉及教学的多个方面：在教材的选择与建设方面，不少学者认为需要自觉坚定文化自信、增强文化认同感（许悦婷等，2024；夏洋等，2023；徐锦芬，2021）；在教学目标方面，提高学生对中国文化的认同及培养学生“讲好中国故事”的能力成为学界的共识（张亦凝等，2024；刘秉栋、冯蕾，2022）；在教学设计与课程设置方面，王俊菊、卢萍（2024）基于产出导向法探索外语思政教学设计，郑丽钦、李金云（2024）提出将超语实践作为外语思政教学的理论基础，潘小波（2023）从模因传播视角进行相关课程探索，刘秉栋、冯蕾（2022）主张“X+思政元素”的课程设置方案；在教学内容方面，提出将思想政治要素融入翻译教学内容中（Li & Cao，2023；Meng，2021；司显柱，2021），Cao & Huang（2023）更是创新性地提出在翻译技术课程中加入思想政治教育，朱巧莲（2022）则研究了口译教学的课程思政教育；在教学评价方面，一部分学者关注外语课程思政理念的综合性研究，如胡杰辉（2024）、张敬源、王娜（2020），另一些学者则是从宏观角度评估课程思政教学质量，如周丽敏、祁占勇（2023），以及周丽敏等（2022）。

总体看来，当前研究对大语言模型在翻译教育中的应用做了深入探索，对课程思政教育在翻译教学中的意义也做了不同维度的分析。相关研究也探讨了大语言模型技术可能引发的问题，但鲜有研究关注大语言模型技术可能引发的文化霸权问题。本研究聚焦于大语言模型时代翻译教学中的文化霸权问题，结合课程思政教育理念，提出相应的抵抗策略，以期为翻译教学的健康发展提供理论指导和实践参考。

在大语言模型创新、重塑翻译教学的同时，也潜藏着文化霸权的风险。文化霸权的概念源于意大利马克思主义学者安东尼奥·葛兰西（Antonio Gramsci）的理论，指的是一种通过文化、意识形态和价值观来控制社会的力量，使得被影响的文化处于从属和被动状态（Gramsci，1971）。在中国语境下，翻译教学中普遍使用国外大语言模型，更需要警惕其带来的文化霸权，这些霸权问题会渗透到教学的各个环节和场景中，潜移默化地影响学生的文化认知和价值判断。本文的文化霸权是指西方文化通过大语言模型技术，在翻译教学中对中国文化的潜在影响，集中在数据、算法、价值和话语四个方面。其中，数据霸权为文化霸权的基础，算法霸权是数据霸权的延伸，价值霸权和话语霸权则是算法霸权的具体体现。

ChatGPT等国外大语言模型的潜在问题之一是，这些模型的预训练语料库主要来自西方社会和文化，容易带有西方中心主义的偏见（文旭、田亚灵，2024）。鉴于大语言模型强大的理解能力和交互能力，其在翻译教学中的应用逐渐增加。翻译教学中涉及大量的文字转换工作，包含丰富的中国传统文化信息，将国外大语言模型应用于翻译教学存在数据霸权风险。一方面，借助国外大语言模型辅助翻译案例分析，模型对中国特色文化内容的翻译与解读可能与原文内涵意义产生偏颇，误导学生对中国文化的理解，久而久之使学生产生对自身文化的不安全感。另一方面，在跨文化翻译中，国外的大语言模型可能会忽略或曲解中国学者的观点，不利于中国学术文化思想的传播。例如，由于训练数据中西方文化内容占主导，大语言模型会将中国文化中象征祥瑞的“龙”误译为西方文化中代表邪恶的“dragon”，导致文化符号的严重错位，不仅使译文失真，而且还会引发文化误解甚至是文化冲突。

大语言模型的训练数据集问题会导致偏见、观点霸权、刻板印象、文化片面性等问题，这些问题会在算法训练过程中进一步体现（陈昌凤、张梦，2023），国外大语言模型在算法设计上的种种问题会导致翻译结果倾向于西方文化视角和表达方式，这在涉及政治意识形态的翻译中尤为突出。例如，大语言模型在翻译政治术语“中国特色社会主义道路”时，会简单地将其处理为“socialism with Chinese characteristics”，将“‘新四化’道路”直译为“new four modernizations”，这种翻译方式忽略了中国特定的历史背景、发展历程和独特内涵，无法准确传达原语丰富的政治和文化意义，影响学生对中国政治制度和发展道路的正确理解。张华平等（2023）在对ChatGPT的功能测试中发现，ChatGPT生成的内容中存在对中国的大量偏见言论，也不会对涉及中国的政治言论进行回避或拒绝回答。在处理政治立场、意识形态等敏感话题时，国外大语言模型带有固有的偏见或歧视，其翻译结果会带有西方意识形态的色彩，影响学生对相关议题的客观理解。例如，关于“台湾问题”的翻译，外媒通常会译为“Taiwan issue”，将台湾问题视为“有争议的国际问题”。事实上，台湾问题属于中国内政，不容任何国家和外部势力的干涉（文旭、田亚灵，2024）。使用国外大语言模型（如ChatGPT）对“台湾问题”进行翻译，译文也没有对“Taiwan issue”和“Taiwan question”进行区分，并且通常将其视为国际性的问题。这些因算法问题而导致的译文偏见不仅限制了国外大语言模型在翻译中的准确性和全面性，还会阻碍翻译教育中的信息传播，使学生在无形中被置于文化霸权的影响之中，进而制约不同文化之间的平等对话，削弱文化的多样性和全球性。

学生仍处于价值观和世界观的塑造期，使用国外大语言模型时，易受到西方价值观的影响，其主体性能力和价值批判能力被遮蔽，从而促进西方价值霸权的形成。例如，大语言模型会从其训练数据中吸收霸权世界观，一些英语语言模型的训练数据中关于种族主义、厌女症、歧视残障人士等数据信息占比过高（Bender et al., 2021），此类大语言模型会将错误的价值观传达给使用者。

在借助国外大语言模型辅助翻译教学时，西方价值观常会被无意识地植入教学过程，影响学生的价值判断。这种价值霸权的渗透呈现隐蔽性和持久性，通过各种翻译实践活动，逐渐影响学生的价值观形成。尤其在是在文本涉及意识形态、民族文化、社会伦理、道德规范等方面时，国外大语言模型会自主选择西方文化的价值标准对内容进行评判，影响中国传统文化和价值观的正向传播。例如，在翻译关于“集体主义”相关内容时，国外大语言模型更倾向于强调个体权利和自由主义，弱化集体利益和社会责任，这与中国传统文化中“以和为贵”“舍小家为大家”的价值观相悖，也与社会主义核心价值观中“爱国、敬业、诚信、友善”的理念不符。这种价值观的偏差会微妙地影响学生对中国社会和文化的理解，削弱学生对中国特色社会主义道路的认同感。

此外，国外大语言模型在翻译中的选词用词、信息呈现等方面带有一定的西方媒体价值取向，会影响学生对客观事实的理性判断。例如，在翻译中国的“一带一路”倡议时，一些大语言模型会将其翻译为“Belt and Road Initiative”，但同时添加带有偏见的描述，如“China's controversial global infrastructure project”（中国具有争议的全球基础设施项目）。这种翻译不仅增加了原文中不存在的评价性词语，还会使不了解中国国情的读者对该倡议产生质疑。这种潜在的偏见会使学生对世界各国文化和国际事务产生误解，对某些政策或倡议产生认知缺陷，影响学生树立正确的世界观。

借助强大的生成能力，大语言模型会主导网络空间的话语生产，对话语生态产生结构性影响，改变传统思想政治教育话语的传播方式，进而造成翻译教育中诸多话语生态失衡问题。ChatGPT及类似的大语言模型产品所吸纳的数据材料主要来自西方世界，走在业界前列的人工智能模型也基本上以英文为主，这将进一步强化美国的文化与话语霸权（戚凯，2023）。翻译教学中过度依赖ChatGPT等国外大语言模型会强化英语在语言世界的主导地位，既不利于其他语言和文化的传播和发展，也不利于发挥主流价值观的引领作用，这种话语霸权在翻译教学的各个方面都有所体现。

首先，借助国外大语言模型收集翻译材料，会导致翻译教师与学生过度关注英语世界的热点话题和流行文本，忽视其他语言的文化内容。这不仅会限制学生接触多元文化的机会，还会制约学生的翻译视野。其次，在语言风格上，国外大语言模型会在翻译过程中自动引入西方的修辞手法和语言风格，生成的译文会失去源语的文化特色，导致不同语言的翻译风格单一化、同质化，减弱教学中师生对主流话语的认同，削弱主流话语叙事权威。最后，依赖国外大语言模型评估译文翻译质量时，翻译的评判依据会越来越趋向于西方标准，不同文化背景下的翻译策略和表达方式会被逐渐忽视，不利于翻译方法的创新发展。

更重要的是，在涉及中国国家形象的文本时，某些国外大语言模型会基于西方的价值观，用粗鄙语言、夸张修辞等方式拆解以中国特色社会主义的主流价值为载体的对象，否定具有真实崇高价值的对象，甚或直接刻意丑化或贬低中国。例如，在翻译“中国崛起”时，一些模型会使用“China threat”（中国威胁论）这样的带有偏见的表达方式，将中国的快速发展渲染成一种威胁，这与中国坚持和平发展道路的理念相悖，也损害了中国在国际社会中的形象。这种话语霸权不仅桎梏学生的思维，还将成为中国文化走出去的壁垒，不利于提升中国文化软实力，甚至可能被用来进行意识形态渗透。

为应对大语言模型时代翻译教学中出现的文化霸权陷阱，需要结合课程思政教育理念，积极探索有效的抵抗策略，培养学生的文化自觉和文化自信，维护文化多样性，推动翻译教学中意识形态的健康发展。

国家应积极推动本土化大规模训练数据集的建设，确保数据集的多样性和兼容性，减少因数据不均衡带来的偏见和误译问题，打破西方中心主义的数据集构建模式，“打破美国和西方国家在语言服务等重要话语权领域的垄断和对我们的封堵”（王克非，2022），掌握文化传播的主动权。中国具有大规模的数字市场，积累了海量的数据资源，在算法等领域具有国际领先企业（戚凯，2023），同时中国拥有丰富的语言和文化资源，这为构建本土化的中文大语言模型提供了得天独厚的优势。具体来讲，国家应鼓励高等院校与企业、科研机构合作构建大规模、高质量的中文训练数据集，建立跨文化数据集共享机制，吸收不同文化视角的数据和表达方式，减少西方中心主义带来的偏见问题，以此为翻译教学提供更可靠、更符合中国文化需求的平台。除此之外，国家还应支持高等院校与国际翻译机构、学术团体合作整合、共享不同文化背景的数据，打造更加多元、包容的数据生态系统。

相关高等院校可以与国家政策制定部门通力合作，确保大语言模型训练数据集的科学性和公正性。一方面，高等院校可结合课程思政建设相关理论框架，对数据集进行评估和改进，确保模型在处理数据时保持公正、可靠；另一方面，高等院校应在国家政策和资金支持的基础上，鼓励翻译教学科研人员和学生积极参于训练数据集的建设，收集并整理中国古典文学、现当代文学、哲学思想、历史典籍等反映中国文化价值观的特色数据资源，不断丰富大语言模型的知识库。与此同时，教师和学校要注重培养学生的文化自觉和文化自信，增强学生对文化霸权的辨识和抵抗能力。

人的翻译能力很大程度上依赖于双语转换能力，需要在大量有针对性的训练中习得，而智能翻译“能力”的底层逻辑是基于人类提供的数据按预训练提取的规则生成的内容（王贇、张政，2024）。翻译教学应引导学生理性看待大语言模型技术，避免盲目依赖和崇拜技术，避免引发“信息茧房”效应。学生应批判性地审视大语言模型的算法逻辑，明确算法会受到开发者文化背景和价值观的影响，并非绝对中立客观。在借助大模型翻译时，学生应结合自身专业知识验证并优化其输出的翻译结果，规避文化曲解等原则性错误。

翻译教学中应有选择性地利用大语言模型，例如，在翻译学习过程中，ChatGPT等大语言模型可以在整个翻译任务中为学习者提供宝贵的指导和支持。翻译教学可以引入“AI翻译+译后编辑（AIPE）”的模式，让学生在实践中了解AI翻译的优势和局限性，并通过人工编辑和校对提升翻译质量。此外，教师还可以设计一些具有挑战性的翻译任务，例如文学翻译，引导学生思考如何用目标语言准确传达原文的意境和韵味，并鼓励学生尝试不同的翻译策略，比较AI翻译和人工翻译的效果，从中体会算法的局限性和人工翻译的创造性。

神经机器翻译（Neural machine translation，NMT）系统采用监督学习训练方式，且训练语料为对齐的源语言和目标语言句子组成的平行语料库，而ChatGPT等大语言模型采用的是无监督学习训练方式，即在无特定翻译示例的情况下，从大量文本数据中学习（Cai，2024），因此，大语言模型用于翻译，其底层的翻译规则是不透明的。高等院校可与大语言模型技术研发企业合作，制定科学、全面、可操作的评估指标体系，涵盖准确性、流畅性、风格和文化适宜性等多个维度，建立持续评估机制，跟踪模型性能变化，及时发现问题并进行优化；组建由语言学、翻译学、文化研究等领域专家组成的团队，对涉及中国文化和政治体系的译文进行严格审核，加强对模型的文化语境训练，提高模型对文化差异的敏感度，确保大语言模型更加准确和公正，减少文化和意识形态偏见，维护公平的翻译生态。

本文转载自