Взаимодействие «человек - компьютер» в переводческой деятельности: проблемы беглости машинного перевода

Обложка

Цитировать

Полный текст

Аннотация

Цифровизация - один из важнейших отличительных признаков современного общества, где все большее количество функций делегируется искусственному интеллекту. Насколько эффективна компьютерная замена человеческой деятельности в разных сферах? В статье эта проблема раскрывается на примере интеграции компьютерных технологий в переводческую деятельность. В центре внимания исследование качества машинного перевода (МП) юридических текстов в языковой паре английский - словацкий. Материалом исследования послужил Уголовный кодекс на словацком языке, переведенный человеком-переводчиком на английский язык, а затем с помощью системы машинного перевода Google Translate (GT) обратно на словацкий. Для оценки качества МП, то есть выявления расхождений, неправильных переводов и неизбежных различий между исходным и целевым (переведенным) текстом, используется метод обратного перевода - перевод уже переведенного текста на исходный язык. Качество МП оценивается в соответствии со стандартами многомерных показателей качества (Multidimensional Quality Metrics, MQM), при этом особое внимание уделяется параметру «Беглость перевода». Для определения ошибок МП, относящихся согласно MQM к параметру «Беглость перевода», частота которых значимо отличается друг от друга, применяется статистический метод множественных сравнений. В результате установлено, что ошибки, связанные с согласованием и неоднозначностью слов, статистически значимо чаще встречаются в МП по сравнению с другими ошибками (например, ошибки, связанные с нарушением порядка слов, пунктуацией, связностью и др.). Большое количество ошибок МП в согласовании слов вызвано межъязыковыми различиями: английский принадлежит к числу аналитических языков, а словацкий - синтетических. Ошибки МП, вызванные многозначностью слов, скорее всего, связаны с типом переводимого текста: для юридических текстов типичны сложные формулировки, обилие специальных терминов; кроме того, к основным требованиям юридического стиля относятся точность и однозначность. Таким образом, машинный перевод может передать пользователю основную информацию, содержащуюся в тексте. В то же время большинство фрагментов текстов, переведенных компьютером, нуждается в доработке и/или исправлении, в таких случаях обязательно вмешательство человека для последующего редактирования.

Об авторах

Катарина Велницова

Университет Константина Философа в Нитре

Автор, ответственный за переписку.
Email: kwelnitzova@ukf.sk

PhD, ассистент кафедры переводоведения

Словацкая Республика, 949 01, Нитра, ул. Стефаникова, д. 67

Барбара Якубичкова

Университет Константина Философа в Нитре

Email: baja.jakubickova@gmail.com

докторант кафедры переводоведения

Словацкая Республика, 949 01, Нитра, ул. Стефаникова, д. 67

Роман Кралик

Общество Кьеркегора в Словакии; Казанский федеральный университет

Email: kierkegaard@centrum.cz

профессор философии, президент Общества Кьеркегора в Словакии и Центральноевропейского исследовательского института Серена Кьеркегора (Сала, Словакия); старший научный сотрудник Научно-образовательного центра педагогических исследований Казанского федерального университета (Казань, Россия)

Словацкая Республика, 927 01, Сала, ул. Гурбанова, д. 18; Российская Федерация, 420008, Казань, ул. Кремлевская, д. 18

Список литературы

  1. Absolon, J., Munková, D., & Welnitzová, K. (2018). Machine Translation: Translation of the Future? Machine Translation in the Context of the Slovak Language. Praha: Verbum.
  2. Aranberri, N., Labaka, G., Arantza Díaz De, I., et al. (2014). Comparison of post-editing productivity between professional translators and lay users. Proceedings of the Third Workshop on Post-Editing Technology and Practice (WPTP-3), 20-33.
  3. Azizi, M., Tkacova, H., Pavlikova, M., & Jenisova, Z. (2020). Extensive Reading and the Writing Ability of EFL Learners: The Effect of Group Work. European Journal of Contemporary Education, 9(4), 726-739. https://doi.org/10.13187/ejced.2020.4.726
  4. Bocquet, C. (1994). Pour une méthode de traduction juridique. prilly: cb service.
  5. Bojar, O. & Tmachyna, A. (2011). Improving translation model by monolingual data. Proceedings of the Sixth Workshop on Statistical Machine Translation, 330-336.
  6. Brislin, R.W. (1970). Back-Translation for Cross-Cultural Research. In Journal of Cross-Cultural Psychology, 1(3), 185-216. https://doi.org/10.1177/135910457000100301
  7. Brislin, R.W. (1986). The Wording and Translation of Research Instruments. In W.L. Lonner, & J.W. Berry (Eds.), Field Methods in Cross-Cultural Research (pp. 137-164). Newbury Park, CA: Sage.
  8. Carl, M., & Kay, M. (2012). Gazing and Typing Activities during Translation: A comparative study of translation units of professional and student translators. Meta, 56(4), 89-111. https://doi.org/10.7202/1011262ar
  9. Čulo, O., Gutermuth, S., Hansen-Schirra, S., et al. (2014). The Influence of Post-Editing on Translation Strategies. In Sh. O’Brien et al. (Eds.), Post-editing of Machine Translation. Processes and Applications (pp. 200-218). Newcastle upon Tyne: Cambridge Scholars Publishing.
  10. Dept, S., Ferrari, A., & Halleux, B. (2017). Translation and cultural appropriateness of survey material in large-scale assessments. In P. Lietz, J.C. Cresswell, K.F. Rust & R.J. Adams (Eds.), Implementation of Large-Scale Education Assessments, 153-172. Hoboken, NJ: John Wiley & Sons. https://doi.org/10.1002/9781118762462.ch6
  11. Dolník, J. (2013). Všeobecná Jazykoveda. Opis a Vysvetľovanie Jazyka. Bratislava: Veda.
  12. Ďuricová, A. (2013). Typológia právnych textov justičných orgánov. Od textu k prekladu VIII. Praha: Jednota tlumočníků a překladatelů.
  13. García, I. (2010). Is machine translation ready yet? Target, 22(1), 7-21.
  14. Goutte, C., Cancedda, N., Dymetman, M., & Foster, G. (2009). Learing Machine Translation. The MIT Press.
  15. Gromová, E., & Müglová, D. (2005). Kultúra - interkulturalita - translácia. Nitra: Univerzita Konštantína Filozofa v Nitre.
  16. Guerberof, A. (2014). Correlations between productivity and quality when post-editing in a professional context. Machine translation, 28(3-4), 165-186. https://doi.org/10.1007/s10590-014-9155-y
  17. Harkness, J., & Schoua-Glusberg, A. (1998). Questionnaires in translation. In J. Harkness (Ed.), Cross-Cultural Survey Equivalence (pp. 87-126). Manheim: Zuma-nachrichten spezial 3.
  18. Harkness, J., Villar, A., & Edwards, B. (2010). Translation, adaptation, and design. In J.A. Harkness, M. Braun, B. Edwards, T.P. Johnson, L. Lyberg, P.P. Mohler & T.W. Smith (Eds.), Wiley series in survey methodology. Survey methods in multinational, multiregional, and multicultural contexts (pp. 115-140). Hoboken, NJ: John Wiley & Sons.
  19. Hoang, C.D., Koehn, P., Haffari, G., & Cohn, T. (2018). Iterative Back-Translation for Neural Machine Translation. Proceedings of th 2nd Workshop on Neural Machine Translation and Generation, 18-24.
  20. Chidlow, A., Plakoyiannaki, E., & Welch, C. (2014). Translation in cross-language international business research: beyond equivalence. Journal of International Business Studies, 45(5), 562-582. https://doi.org/10.1057/jibs.2013.67
  21. Khonamri, F., Ahmadi, F., Pavlikova, M., & Petrikovicova, L. (2020). The Effect of Awareness Raising and Explicit Collocation Instruction on Writing Fluency of EFL Learners European. Journal of Contemporary Education, 9(4), 786-806. https://doi.org/10.13187/ejced.2020.4.786
  22. Koponen, M., & Salmi, L. (2015). On the correctness of machine translation: A machine translation post-editing task. Journal of Specialised Translation, 23, 118-136.
  23. Melby, A., Fields, P.J., & Housley, J. (2014). Assessment of Post-Editing via Structured Translation Specifications. In Sharon O’Brien et al. (Eds.), Post-editing of Machine Translation. Processes and Applications (pp. 274-299). Newcastle upon Tyne: Cambridge Scholars Publishing.
  24. MQM. (2016). Multidimensional Quality Metrics (MQM) Definition. Retrieved July, 2019, from http://qt21.eu/mqm-definition
  25. Müglová, D. (2009). Komunikácia Tlmočenie Preklad alebo Prečo spadla Babylonská veža? Nitra: ENIGMA.
  26. Munkova, D. (2013). Prístupy k strojovému prekladu (modely, metódy a problémy strojového prekladu). Nitra: Univerzita Konštantína Filozofa v Nitre.
  27. Munkova, D., & Munk, M. (2016). Evalvácia strojového prekladu. Nitra: Univerzita Konštantína Filozofa v Nitre.
  28. Newmark, P. (1982). Approaches to Translation. Oxford: Pergamon Press Ltd.
  29. O’Brien, S., Balling, L. W., et al. (2014). Post-editing of Machine Translation: Processes and Application. Cambridge Scholars Publishing, Newcastle upon Tyne.
  30. Ondruš, S., & Sabol, J. (1984). Úvod do štúdia jazykov. Bratislava: SPN.
  31. Plitt, M., & Masselot, F. (2010). A Productivity Test of Statistical Machine Translation Post-Editing in a Typical Localisation Context. The Prague Bulletin of Mathematical Linguistics, 93, 7-16.
  32. Popović, M., Lommel, A., Burchardt, A., et al. (2014). Relations between different types of post-editing operations, cognitive effort and temporal effort. Proceedings of the 17th Annual Conference of the European Association for Machine Translation, EAMT 2014, 191-198.
  33. Prunč, E. (2007). Entwicklungslinien der Translationwissenschaft: Von den Asymmetrien der Sprachen du den Asymmetrien der Macht. Verlag: Frank & Timme.
  34. Schneiderová, A. (2013). Klasifikácia právnych textov a problematika ich prekladu. Od textu k prekladu VIII. Praha: Jednota tlumočníků a překladatelů.
  35. Son, J. (2018). Back translation as a documentation tool. The International Journal for Translation and Interpreting, 10(2), 89-100. https://doi.org/10.12807/ti.110202.2018.a07
  36. Svoboda, T. (2015). Hodnocení kvality strojového překladu. Kvalita a hodnocení překladu: Modely a aplikace. Olomouc: Univerzita Palackého v Olomouci.
  37. TAUS. (2010a). Machine Translation Post-editing Guidelines. Technical report. Retrieved July, 2019, from https://www.taus.net/academy/best-practices/postedit-best-practices/machine-translation-post-editing-guidelines
  38. TAUS. (2010b). Post-editing in Practice. A TAUS Report. Technical report. Retrieved July, 2019, from https://www.taus.net/think-tank/reports/postedit-reports/postediting-in-practice
  39. Vanko, J., & Auxova, D. (2015). Morfológia slovenského jazyka. Nitra: UKF.
  40. Welnitzová, K. (2020). Chybovosť v predikatívnosti a kvalita strojového prekladu. Jazyk a Kultúra, 11(41-42), 160-172.
  41. White, J.S. (2003). How to evaluate machine translation. In H. Somers (Ed.), Computers and Translation: A translator's guide, 211-244.
  42. Zehnalová, J., Chromá, M., et al. (Eds.). (2015). Kvalita a hodnocení překladu: Modely a aplikace. Olomouc: Univerzita Palackého v Olomouci.
  43. Zhechev, V. (2014). Analysing the Post-Editing of Machine Translation at Autodesk. In Sh. O’Brien et al. (Eds.), Post-Editing of Machine Translation. Processes and Applications (pp. 2-13). Newcastle upon Tyne: Cambridge Scholars Publishing.

© Велницова К., Якубичкова Б., Кралик Р., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах