The Effect of Data-Driven Feedback, AI-Assisted Error Analysis, and Translation Knowledge on Trainee Translators’ Performance

أمينة عبد المنعم البنغازي; نعيمة الصويعي علي

doi:10.36602/faj.2026.n21.19

المؤلفون

أمينة عبد المنعم البنغازي جامعة طرابلس،كلية الاداب اللغات، قسم اللغة الإنجليزية، ليبيا
نعيمة الصويعي علي جامعة طرابلس،كلية الاداب و اللغات، قسم الترجمة، ليبيا

DOI :

https://doi.org/10.36602/faj.2026.n21.19

الكلمات المفتاحية:

التغدية الراجعة ، الذكاء الاصطناعي، الطلاب المتدربون، مقياس التقييم METEOR ، التقييم

الملخص

بالرغم من الدور المحوري الذي تلعبه التغذية الراجعة في تحسين نتائج التعلم، لا سيما في التعليم الجامعي، إلا أن تقديمها للمتدربين لا يزال يعتمد بشكل كبير على المدرب المختص، مما يضع عبئاً كبيراً على الأساتذة الجامعيين. ومع التطور التكنولوجي المتسارع، فإن دمج أدوات الذكاء الاصطناعي في تقديم التغذية الراجعة -خاصة تلك الناتجة عن نماذج اللغة المتقدمة- لم يحظَ بالاهتمام الكافي في سياق التعليم الأكاديمي. إن تعزيز هذا النوع من التغذية الراجعة يمكن أن يسهم بشكل كبير في تحسين فعالية التعلم وتقليل العبء على الأستاذ الجامعي، خصوصاً عند تدريس مواد اللغات والترجمة. يهدف هذا البحث إلى دراسة تأثير التغذية الراجعة المعتمدة على البيانات في تحسين أداء المترجمين المتدربين بقسم الترجمة في جامعة طرابلس. كما يسعى لاستكشاف دور أدوات الذكاء الاصطناعي في دعم وتحليل مهام الترجمة؛ بهدف تعزيز كفاءة المتعلمين وتحقيق نتائج تعلم أفضل. اعتمدت الدراسة على إجراء اختبارات قبلية وبعدية لتقييم أداء (20) متدرباً، مع استحداث برنامج تدريبي يرتكز على التعليم التعاوني ودعم المتدربين بمعرفة المجال الترجمي، من خلال تعزيز المعرفة المسبقة عبر القراءة والنقاش البناء حول موضوع الترجمة أولاً. تمت الاستعانة بنموذج ChatGPT-4 لتحليل وتبيان الأخطاء في النصوص المترجمة من قبل المتدربين. وفي المرحلة الأخيرة، ومن أجل تأكيد موثوقية العمل، تم تقييم جودة الترجمة باستخدام مقياس METEOR الآلي. أظهرت النتائج أن النهج الأكثر فعالية لتمكين مدربي الترجمة من تحقيق أهدافهم ومتابعة تقدم المتدربين يتمثل في توظيف الأدوات التكنولوجية الحديثة. وبناءً على نتائج الاختبارات، يمكن تكييف أدوات الذكاء الاصطناعي ومقاييس التقييم لتكون مورداً تربوياً فعالاً يوفر تقييماً أولياً لعملية الترجمة، ويقيس فعاليتها عند دمجها مع التعزيز البشري.

السير الشخصية للمؤلفين

أمينة عبد المنعم البنغازي ، جامعة طرابلس،كلية الاداب اللغات، قسم اللغة الإنجليزية، ليبيا

Amina Al Benghazi is a Libyan academic with a solid background in education and translation. She holds a Bachelor's Degree in Translation Studies and a Master's Degree in English Linguistics from Tripoli University, Libya. She worked as a translator at the Sunni Office for Legal Translation and at the Al Massar company for Studying Abroad. Additionally, she served as an English teacher in international schools and at the NRC organisation for refugees. Currently, I work as a lecturer at the University of Refaq.

نعيمة الصويعي علي، جامعة طرابلس،كلية الاداب و اللغات، قسم الترجمة، ليبيا

Dr Naeimah Sweii Ali is a Libyan academic and educator with extensive experience in English language teaching, translation studies, and teacher training. She holds a PhD in Specialised Translation (Translation and Technology) from Medea University, Algeria. Dr Ali has served as a lecturer at the University of Tripoli, where she held leadership positions as Head of the Department of Translation, Head of the Department of Research, Training, and Consultation. Dr Ali worked as a TOT with the National Teacher Training Centre and the Ministry of Education, delivering teacher training programs at national and international levels.

المراجع

Al-Ghamdi, R. (2024). Exploring the impact of ChatGPT-generated feedback on technical writing skills of computing students: A blinded study. Education and Information Technologies, 29, 18901–18926. DOI: https://doi.org/10.1007/s10639-024-12594-2

Alghamdi, L. H., & Alghizzi, T. M. (2025). Educators’ reflections on AI-automated feedback in higher education: A structured integrative review of potentials, pitfalls, and ethical dimensions. Frontiers in Education, 10. DOI: https://doi.org/10.3389/feduc.2025.1704820

Bruton, A. (2007). Vocabulary learning from dictionary referencing and language feedback in EFL translational writing. Language Teaching Research, 11(4), 413–431. DOI: https://doi.org/10.1177/1362168807080961

Carvalho, C., Martins, D., Santana, L. E., & Feliciano, L. (2014). Teacher feedback: Educational guidance in different school contexts. Procedia - Social and Behavioral Sciences, 159, 219–223. DOI: https://doi.org/10.1016/j.sbspro.2014.12.360

Catford, J. C. (1965). A linguistic theory of translation. Oxford University Press.

Cui, Y., Schunn, C. D., & Gai, X. (2022). Peer feedback and teacher feedback: A comparative study of revision effectiveness in writing instruction for EFL learners. Higher Education Research and Development, 41(6), 1838–1854. DOI: https://doi.org/10.1080/07294360.2021.1969541

Garzón, J., Patiño, E., & Marulanda, C. (2025). Systematic review of artificial intelligence in education: Trends, benefits, and challenges. Multimodal Technologies and Interaction, 9(8). DOI: https://doi.org/10.3390/mti9080084

Guasch, T., Espasa, A., Alvarez, I. M., & Kirschner, P. A. (2013). Effects of feedback on collaborative writing in an online learning environment. Distance Education, 34(3), 324–338. DOI: https://doi.org/10.1080/01587919.2013.835772

Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. DOI: https://doi.org/10.3102/003465430298487

Hurtado Albir, A. (2015). The acquisition of translation competence: Competences, tasks, and assessment in translator training. Meta, 60(2), 256–280. DOI: https://doi.org/10.7202/1032857ar

Lee, K.-F., & Yuan, S. (2025). Integration of cultural competence and intercultural communication skills in translation training to promote diversity and inclusivity: A narrative review. In Global perspectives on translation and interpreting (pp. 121–160). IGI Global. DOI: https://doi.org/10.4018/979-8-3693-6463-5.ch005

Li, X., & Ke, P. (2022). An empirical study of peer feedback in translation didactics: Quality, response and student perceptions. Assessment & Evaluation in Higher Education, 47(8), 1231–1244. DOI: https://doi.org/10.1080/02602938.2022.2044013

Lu, Q., Yao, Y., Xiao, L., Yuan, M., Wang, J., & Zhu, X. (2024). Can ChatGPT effectively complement teacher assessment of undergraduate students’ academic writing? Assessment & Evaluation in Higher Education, 49(5), 616–633. DOI: https://doi.org/10.1080/02602938.2024.2301722

Lyu, Y., & Han, Z. (2023). Applying data-driven learning in self-translation of academic discourse: A case study of a Chinese medical student. Frontiers in Psychology, 14, 1071123. DOI: https://doi.org/10.3389/fpsyg.2023.1071123

Man, D., Zhu, C., Chau, M. H., & Maruthai, E. (2022). Contextualizing assessment feedback in translation education: A corpus-assisted ecological approach. Frontiers in Psychology, 13. DOI: https://doi.org/10.3389/fpsyg.2022.1057018

Mindner, L., Schlippe, T., & Schaaff, K. (2023). Classification of human- and AI-generated texts: Investigating features for ChatGPT. In International Conference on Asian language processing (pp. 110–125). Springer. DOI: https://doi.org/10.1007/978-981-99-7947-9_12

Narciss, S. (2008). Feedback strategies for interactive learning tasks. In J. M. Spector, M. D. Merrill, J. van Merriënboer, & M. P. Driscoll (Eds.), Handbook of research on educational communications and technology (3rd ed., pp. 125–144). Lawrence Erlbaum Associates.

Newmark, P. (1988). A textbook of translation. Shanghai Foreign Language Education Press.

Nguyen, T. T. H. (2023). EFL teachers’ perspectives toward the use of ChatGPT in writing classes: A case study at Van Lang University. International Journal of Language Instruction, 2(3), 1–47. DOI: https://doi.org/10.54855/ijli.23231

Schmidt-Fajlik, R. (2023). ChatGPT as a grammar checker for Japanese English language learners: A comparison with Grammarly and ProWritingAid. AsiaCALL Online Journal, 14(1), 105–119. DOI: https://doi.org/10.54855/acoj.231417

Sheen, Y. (2011). Corrective feedback, individual differences and second language learning. Springer. DOI: https://doi.org/10.1007/978-94-007-0548-7

Shi, H., & Aryadoust, V. (2024). A systematic review of AI-based automated written feedback research. ReCALL, 36(2), 187–209. DOI: https://doi.org/10.1017/S0958344023000265

Sun, S.-C. (2015). The importance of professional knowledge in translation. OALib, 02(03), 1–6. DOI: https://doi.org/10.4236/oalib.1101331

Thorp, H. H. (2023). ChatGPT is fun, but not an author. Science, 379(6630), 313. DOI: https://doi.org/10.1126/science.adg7879

Washbourne, K. (2014). Beyond error marking: Written corrective feedback for a dialogic pedagogy in translator training. The Interpreter and Translator Trainer, 8(2), 240–256. DOI: https://doi.org/10.1080/1750399X.2014.908554

Zhang, A., Gao, Y., Suraworachet, W., Nazaretsky, T., & Cukurova, M. (2025). Evaluating trust in AI, human, and co-produced feedback among undergraduate students. British Journal of Educational Technology.

Zhang, K. (2023). LLM: From Transformers to ChatGPT. Robert H. Smith School of Business, University of Maryland

Zheng, Y., Zhong, Q., Yu, S., & Li, X. (2020). Examining students’ responses to teacher translation feedback: Insights from the perspective of student engagement. SAGE Open, 10(2). DOI: https://doi.org/10.1177/2158244020932536