Detailansicht
Aus dem Englischen übersetzt von Maschine und Mensch
der Einfluss von Fehlerkategorien auf die Postedition einer literarischen maschinellen Übersetzung und ihre Qualität
Katharina Schuhmann
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Zentrum für Translationswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Translation Deutsch Englisch
Betreuer*in
Waltraud Kolb
DOI
10.25365/thesis.70881
URN
urn:nbn:at:at-ubw:1-11273.10527.421620-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Das Ziel der vorliegenden Masterarbeit zum Thema der literarischen maschinellen Über-setzung bestand erstens darin, anhand der DeepL-Übersetzung aus dem Englischen ins Deutsche eines literarischen Ausgangstextes Fehlerkategorien für diese Art von maschinellen Übersetzungen zu entwickeln. Zweitens sollte untersucht werden, inwiefern sich die Verwendung dieser Fehlerkategorien während des Posteditings der DeepL-Übersetzung aus dem Englischen ins Deutsche eines ähnlichen Ausgangstextes auf die resultierende Postedition und ihre Qualität auswirkt.
Die Fehlerkategorien wurden durch eine genaue Analyse der ersten DeepL-Übersetzung entwickelt und beim Postediting der zweiten DeepL-Übersetzung von einer Übersetzungs¬studierenden eingesetzt, während eine zweite Studentin ohne diese Kategorien posteditierte. Die resultierenden Posteditionen wurden von der Verfasserin dieser Arbeit in Bezug auf die vorgenommenen Korrekturen analysiert und gemeinsam mit der publizierten Human¬übersetzung des Ausgangstextes von anderen Übersetzungsstudierenden einer Qualitäts¬bewertung mittels mehrerer Ratings unterzogen.
Die Analyse der ersten DeepL-Übersetzung ergab zehn Fehlerkategorien. Der Einfluss von vier dieser Kategorien (Bedeutung, Interpunktion, romanspezifische Terminologie, Tonfall und Register) auf die Posteditorin, die sie benutzte, war in ihrer Postedition deutlich sichtbar. Außerdem unterschieden sich die Posteditionen bzgl. der Kategorie Stil und v. a. der vielen nicht notwendigen Korrekturen, die beide durchführten, was die Rolle des Subjektivitätsfaktors beim Postediting verdeutlichte. In den Ratings bewerteten die Studierenden gesamt gesehen die Postedition, die ohne Fehlerkategorien angefertigt wurde, am besten, gefolgt von der publizierten Humanübersetzung und der zweiten Postedition. Die Verwendung der Fehlerkategorien durch eine Posteditorin schien sich demnach eher negativ auf die Qualität ihrer Postedition auszuwirken, wobei aber auch ihr eigener Posteditingstil eine große Rolle gespielt haben dürfte.
Abstract
(Englisch)
The aim of this Master’s thesis on the topic of literary machine translation was twofold: first of all, using the DeepL translation from English to German of a literary source text, error categories for this kind of machine translation output were to be developed. Secondly, it was to be studied how the use of these error categories during post-editing of the DeepL translation from English to German of a similar literary source text would affect the resulting post-edition and its quality.
The error categories were developed by closely analysing the first DeepL translation. Then, a translation student used these error categories during post-editing of the second DeepL translation, while another student post-edited the translation without these categories. The corrections made in the post-editions were analysed by the author of this thesis, and other translation students rated the post-editions as well as the published human translation of the source text for quality.
The analysis of the first machine translation yielded ten error categories. The influence of four of these categories (meaning, punctuation, novel-specific terminology, tone and register) on the post-editor who used them was clearly visible in her post-edition. Moreover, the post-editions differed with regard to the category style and, most importantly, the many unnecessary corrections both post-editors made, which underlined the role subjectivity plays in post-editing. From the ratings, it could be deducted that, overall, the post-edition that was made without the error categories was the best translation according to the students, followed by the published human translation and the second post-edition. Therefore, the use of the error categories during post-editing seemed to have a rather negative impact on the quality of the resulting post-edition, but the post-editing style of the respective post-editor probably also had a significant role to play in this.
Schlagwörter
Schlagwörter
(Englisch)
literary machine translation post-editing quality evaluation neural machine translation NMT DeepL Harry Potter Red Rising
Schlagwörter
(Deutsch)
literarische maschinelle Übersetzung Postediting Qualitätsbewertung neuronale maschinelle Übersetzung NMT DeepL Harry Potter Red Rising
Autor*innen
Katharina Schuhmann
Haupttitel (Deutsch)
Aus dem Englischen übersetzt von Maschine und Mensch
Hauptuntertitel (Deutsch)
der Einfluss von Fehlerkategorien auf die Postedition einer literarischen maschinellen Übersetzung und ihre Qualität
Paralleltitel (Englisch)
Translated from English by machine and human
Paralleluntertitel (Englisch)
the impact of error categories on the post-edition of a literary machine translation and on its quality
Publikationsjahr
2021
Umfangsangabe
195 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Waltraud Kolb
AC Nummer
AC16520729
Utheses ID
61367
Studienkennzahl
UA | 070 | 331 | 342 |