ТЕХНОЛОГІЇ ПОСТРЕДАГУВАННЯ МАШИННОГО ПЕРЕКЛАДУ
Анотація
У статті розглянуто технології постредагування машинного перекладу у перекладі технічної документації з особливою увагою до продуктивності, якості перекладу та професійного досвіду перекладачів. Актуальність дослідження зумовлена зростанням використання MTPE у технічній комунікації, де насиченість термінологією, складний синтаксис і функціональна точність роблять перекладацькі помилки особливо значущими. Дослідження ґрунтується на змішаному дизайні, що поєднує кількісний аналіз ефективності постредагування з якісним вивченням рішень і сприйняття перекладачів. Одинадцять професійних перекладачів, які працювали з мовними парами англійська – українська та англійська – французька, здійснювали постредагування автентичних фрагментів посібників користувача програмного забезпечення, API-документації та статей із усунення технічних несправностей. Зібрані дані охоплювали час, витрачений на кожен сегмент, моделі редагування та підсумкову якість перекладу, оцінену незалежними експертами. Напівструктуровані інтерв’ю додатково дали змогу з’ясувати, як перекладачі виявляють помилки, працюють із технічною термінологією та оцінюють баланс між продуктивністю та якістю. Результати засвідчують, що ефективність постредагування істотно варіюється залежно від типу контенту: API-документація виявилася найшвидшою в опрацюванні, тоді як матеріали з усунення несправностей потребували найбільших зусиль і, в окремих випадках, постредагувалися повільніше, ніж перекладалися з нуля. Хоча більшість постредагованих сегментів досягла прийнятного рівня якості, стійкими проблемами залишалися термінологічна неузгодженість, порушення плавності викладу та тонкі семантичні спотворення. У дослідженні також виявлено помилки, зумовлені машинним перекладом, які залишалися непоміченими, оскільки згенеровані машиною варіанти видавалися правдоподібними. Особливо важливим результатом є те, що знання технічної предметної галузі суттєво впливають як на продуктивність, так і на якість, оскільки, перекладачі з релевантною фаховою підготовкою працювали ефективніше й демонстрували вищу впевненість у процесах MTPE. У статті зроблено висновок, що постредагування у технічному перекладі слід розуміти не як суто механічне виправлення машинного результату, а як когнітивно напружену й професійно складну діяльність, що вимагає мовної компетентності, технологічної обізнаності та предметно-галузевих знань
Завантаження
Посилання
2. Daems J., Vandepitte S., Hartsuiker R., Macken L. Identifying the machine translation error types with the greatest impact on post-editing effort. Frontiers in Psychology. 2017. Vol. 8. Article 1282. DOI: https://doi.org/10.3389/fpsyg.2017.01282
3. Moorkens J., O'Brien S. Assessing user interface needs of post-editors of machine translation. Human issues in translation technology / ed. by D. Kenny. London ; New York : Routledge, 2017. P. 109–130. DOI: https://doi.org/10.4324/9781315648934
4. Rossi C., Chevrot J. P. Uses and perceptions of machine translation at the European Commission. The Journal of Specialised Translation. 2019. No. 31. P. 177–200.
5. Vieira L. N. Post-editing of machine translation. The Routledge handbook of translation and technology / ed. by M. O'Hagan. Routledge, 2020. P. 319–335. DOI: https://doi.org/10.4324/9781315311258
6. Yamada M. The impact of Google Neural Machine Translation on post-editing by student translators. The Journal of Specialized Translation. 2019. No. 31. P. 87–106. URL: https://www.scirp.org/reference/referencespapers?reference id=3944819

Ця робота ліцензована відповідно доCreative Commons Attribution 4.0 Міжнародної ліцензії.

