Ali sploh še potrebujemo prevajalce?

Strojno prevajanje iz francoščine v slovenščino

Avtorji

  • Adriana Mezeg Univerza v Ljubljani, Filozofska fakulteta

DOI:

https://doi.org/10.4312/ars.17.1.139-154

Ključne besede:

strojno prevajanje, popravljanje strojnih prevodov, Google, DeepL, francoščina, slovenščina

Povzetek

Zaradi izboljšanja strojnih prevajalnikov v zadnjih letih se pogosto sprašujemo, ali bi ta orodja nekoč lahko nadomestila človeškega prevajalca. V članku predstavimo rezultate ankete o uporabi strojnih prevajalnikov med študenti francoščine ljubljanskega Oddelka za prevajalstvo, nato pa se posvetimo analizi napak v prevodih štirih besedil iz francoščine v slovenščino, ki smo jih pridobili z Google Prevajalnikom in DeepLom. Analiza je pokazala, da je DeepL nekoliko boljši od Google Prevajalnika, ki se je z leti sicer izboljšal, vendar kakovost strojnega prevoda iz francoščine v slovenščino še vedno ni na ravni človeškega, pri čemer izstopajo leksikalne napake pred slovničnimi in slogovnimi napakami. Večina študentov si pri prevajanju iz francoščine v slovenščino pomaga s prevajalniki in meni, da so zaradi tega njihovi prevodi boljši, obenem pa ne vedo, ali imajo dovolj znanja za njihovo popravljanje. Zato ni dovolj, da študente naučimo zgolj to, da bodo sami znali odlično prevajati, temveč se moramo pri njihovem izobraževanju osredotočiti tudi na razvoj kompetenc za popravljanje strojnih prevodov, saj obstaja velika verjetnost, da bodo prevajalci v prihodnosti večinoma postali popravljalci strojnih prevodov.

Prenosi

Podatki o prenosih še niso na voljo.

Literatura

Canfora, C. idr., Risks in Neural Machine Translation, Translation Spaces 9 (1), 2020, str. 58–77. DOI: https://doi.org/10.1075/ts.00021.can

Castilho, S. idr., Is Neural Machine Translation the New State of the Art?, The Prague Bulletin of Mathematical Linguistics 108, 2017, str. 109–120. DOI: https://doi.org/10.1515/pralin-2017-0013

DeepL, Press Information, b. d. https://www.deepl.com/press.html#press_history_article, 13. 4. 2023.

do Carmo, F., ‘Time is Money’ and the Value of Translation, Translation Spaces 9 (1), 2020, str. 35–57. DOI: https://doi.org/10.1075/ts.00020.car

Donaj, G. idr., Prehod iz statističnega strojnega prevajanja na prevajanje z nevronskimi omrežji za jezikovni par slovenščina-angleščina, v: Zbornik konference Jezikovne tehnologije in digitalna humanistika (ur. Fišer, D. idr.), Ljubljana 2018, str. 62–68.

ELIS, European Language Industry Survey 2022, 2022, str. 1–43. https://elis-survey.org/, 13. 4. 2023.

Ginovart Cid, C. idr., Language Industry Views on the Profile of the Post-editor, Translation Spaces 9 (2), 2020, str. 293–313. DOI: https://doi.org/10.1075/ts.19010.cid

Guerberof-Arenas, A. idr., The Impact of Post-editing and Machine Translation on Creativity and Reading Experience, Translation Spaces 9 (2), 2020, str. 255–282. DOI: https://doi.org/10.1075/ts.20035.gue

Hu, K. idr., A Comparative Study of Post-editing Guidelines, Baltic Journal of Modern Computing 4 (2), 2016, str. 346–353.

Hutchins, W. J., Machine Translation: A Brief History, v: Concise History of the Language Sciences: From the Sumerians to the Cognitivists (ur. Koerner, E. F. K. idr.), Oxford 1995, str. 431–445. DOI: https://doi.org/10.1016/B978-0-08-042580-1.50066-0

ISO 18587:2017(en), Translation Services — Post-editing of Machine Translation Output — Requirements, 2017. https://www.iso.org/obp/ui/#iso:std:iso:18587:ed-1:v1:en, 13. 4. 2023.

Kenny, D. idr., Machine Translation, Ethics and the Literary Translator’s Voice, Translation Spaces 9 (1), 2020, str. 123–149. DOI: https://doi.org/10.1075/ts.00024.ken

Kolšek, T., Strojno prevajanje tehničnih besedil s področja avtomobilizma na primeru navodil za uporabo vozila, magistrsko delo, Ljubljana 2022.

Mezeg, A., Parallel Corpus vs. Bilingual Dictionary: Their Usefulness in Translator Training, v: Translating and Comparing Languages: Corpus-based Insights (ur. Granger, S. idr.), Louvain-la-Neuve 2020, str. 123–140.

Moorkens, J., What to Expect from Neural Machine Translation: A Practical In-class Translation Evaluation Exercise, The Interpreter and Translator Trainer 12 (4), 2018, str. 375–387. DOI: https://doi.org/10.1080/1750399X.2018.1501639

Nurminen, M., Machine Translation and Fair Access to Information, Translation Spaces 9 (1), 2020, str. 150–169. DOI: https://doi.org/10.1075/ts.00025.nur

Pym, A., Translation Skill-Sets in a Machine-Translation Age, Meta 58 (3), 2013, str. 487–503. DOI: https://doi.org/10.7202/1025047ar

Vaupot, S., Analyse des erreurs de traduction automatique pour la combinaison de langues slovène-français et perspectives pour une formation en post-édition, Matices en lenguas extranjeras 14 (2), 2020, str. 83–110. DOI: https://doi.org/10.15446/male.v14n2.91299

Vintar, Š., Sodobne prevajalske tehnologije in prihodnost prevajalskega poklica, Uporabna informatika 21 (4), 2013, str. 221–227.

Vintar, Š., Z nevronščino v prihodnost, Alternator: misliti znanost, 9. december 2021, https://www.alternator.science/sl/daljse/z-nevronscino-v-prihodnost/, 13. 4. 2023. DOI: https://doi.org/10.3986/alternator.2021.49

Prenosi

Objavljeno

6. 09. 2023

Številka

Rubrika

Študije – Tretji del: Aktualni pedagoški in tehnološki izzivi

Kako citirati

Mezeg, A. (2023). Ali sploh še potrebujemo prevajalce? Strojno prevajanje iz francoščine v slovenščino. Ars & Humanitas, 17(1), 139-154. https://doi.org/10.4312/ars.17.1.139-154