Title (deu)
Evaluation von Übersetzungen wirtschaftlicher Fachtexte in DeepL
Author
Džemila Ribić
Advisor
Dagmar Gromann
Assessor
Dagmar Gromann
Abstract (deu)
Maschinelle Übersetzungssysteme sind in der heutigen schnelllebigen Welt als Hilfsmittel für das stetig wachsende Übersetzungsvolumen unabdingbar. Der neueste Ansatz dafür ist die neuronale maschinelle Übersetzung (NMÜ). In dieser Arbeit werden wirtschaftliche Fachtexte unterschiedlicher Komplexität genutzt, die vorher in die Schwierigkeitsstufen leicht, mittel und schwer abgestuft wurden. Nach der Abstufung werden die Texte mit dem auf neuronalen Netzten basierenden online-Übersetzungsprogramm DeepL übersetzt. Anschließend wird eine Fehleranalyse durchgeführt. Hierfür wird eine menschliche Evaluationsmethode verwendet. Die Autorin der Arbeit und zwei weitere Annotatorinnen analysieren die übersetzten Textproben mithilfe der SAE-J2450-Qualitätsmetrik. Nach Abschluss der Analysearbeit werden die Werte mit Cohen’s Kappa nach Fleiss ausgewertet. Das Ergebnis liefert einen Übereinstimmungswert. Ziel dieser Arbeit ist es festzustellen, ob es Qualitätsunterschiede in Übersetzungen im Sprachenpaar Englisch-Deutsch von Wirtschaftsfachtexten verschiedener Abstufungen in der Fachsprachlichkeit, die mit dem vollautomatisierten Übersetzungsprogramm DeepL übersetzt wurden, gibt. Ein weiteres Ziel ist es auszumachen, ob in DeepL-Übersetzungen von Texten mit einer niedrigen Anzahl fachsprachlicher Merkmale ein höherer Qualitätsgrad als in Texten mit einer hohen Anzahl an selbigen Merkmalen gefunden werden kann. Die Studie ergab, dass die Qualität der maschinellen Übersetzung immer noch fehlerbehaftet ist. Die Ergebnisse der Studie zeigten, dass anspruchsvollere und weniger anspruchsvolle Texte einen ähnlichen Qualitätsgrad in den Übersetzungen aufwiesen.
Keywords (deu)
Neuronale maschinelle ÜbersetzungDeepLWirtschaftsfachtexteSAE-J2450-Quallitätsmetrik
Subject (deu)
Type (deu)
Persistent identifier
Extent (deu)
VI, 73 Seiten : Diagramme
Number of pages
79
Study plan
Masterstudium Translation Deutsch Englisch
[UA]
[070]
[331]
[342]
Association (deu)
Title (deu)
Evaluation von Übersetzungen wirtschaftlicher Fachtexte in DeepL
Author
Džemila Ribić
Abstract (deu)
Maschinelle Übersetzungssysteme sind in der heutigen schnelllebigen Welt als Hilfsmittel für das stetig wachsende Übersetzungsvolumen unabdingbar. Der neueste Ansatz dafür ist die neuronale maschinelle Übersetzung (NMÜ). In dieser Arbeit werden wirtschaftliche Fachtexte unterschiedlicher Komplexität genutzt, die vorher in die Schwierigkeitsstufen leicht, mittel und schwer abgestuft wurden. Nach der Abstufung werden die Texte mit dem auf neuronalen Netzten basierenden online-Übersetzungsprogramm DeepL übersetzt. Anschließend wird eine Fehleranalyse durchgeführt. Hierfür wird eine menschliche Evaluationsmethode verwendet. Die Autorin der Arbeit und zwei weitere Annotatorinnen analysieren die übersetzten Textproben mithilfe der SAE-J2450-Qualitätsmetrik. Nach Abschluss der Analysearbeit werden die Werte mit Cohen’s Kappa nach Fleiss ausgewertet. Das Ergebnis liefert einen Übereinstimmungswert. Ziel dieser Arbeit ist es festzustellen, ob es Qualitätsunterschiede in Übersetzungen im Sprachenpaar Englisch-Deutsch von Wirtschaftsfachtexten verschiedener Abstufungen in der Fachsprachlichkeit, die mit dem vollautomatisierten Übersetzungsprogramm DeepL übersetzt wurden, gibt. Ein weiteres Ziel ist es auszumachen, ob in DeepL-Übersetzungen von Texten mit einer niedrigen Anzahl fachsprachlicher Merkmale ein höherer Qualitätsgrad als in Texten mit einer hohen Anzahl an selbigen Merkmalen gefunden werden kann. Die Studie ergab, dass die Qualität der maschinellen Übersetzung immer noch fehlerbehaftet ist. Die Ergebnisse der Studie zeigten, dass anspruchsvollere und weniger anspruchsvolle Texte einen ähnlichen Qualitätsgrad in den Übersetzungen aufwiesen.
Keywords (deu)
Neuronale maschinelle ÜbersetzungDeepLWirtschaftsfachtexteSAE-J2450-Quallitätsmetrik
Subject (deu)
Type (deu)
Persistent identifier
Number of pages
79
Association (deu)
License
- Citable links
- Other links
- Managed by
- Details
- Metadata
- Export formats