Detailansicht
Wahrnehmung der Übersetzungsqualität von Koch- bzw. Backrezepten verschiedener Systeme der neuronalen maschinellen Übersetzung durch Kochbegeisterte
Melanie Leko
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Zentrum für Translationswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Translation Deutsch Englisch
Betreuer*in
Dagmar Gromann
DOI
10.25365/thesis.79309
URN
urn:nbn:at:at-ubw:1-16839.82176.651059-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die vorliegende Masterarbeit untersuchte die Wahrnehmung der Übersetzungsqualität von Koch- beziehungsweise Backrezepten verschiedener Systeme der neuronalen maschinellen Übersetzung durch Kochbegeisterte. Hierbei wurde folgende Forschungsfrage behandelt: Wie bewerten Kochbegeisterte die Übersetzung von Rezepten aus dem Englischen ins Deutsche durch zwei NMÜ-Systeme? In diesem Zusammenhang sollte herausgefunden werden, welches NMÜ-System die besseren Ergebnisse erzielt, inwiefern die maschinell übersetzten Rezepte eine erfolgreiche Zubereitung der Gerichte gewährleisten und welche Einschränkungen dabei festgestellt werden können sowie inwiefern das kulinarische Hintergrundwissen der Befragten die Bewertung beeinflusst. Zur Beantwortung der Forschungsfrage wurde eine Online-Umfrage erstellt, in der die Teilnehmer*innen zunächst zu ihrer Person, Koch- und Backerfahrung sowie Erfahrung mit MÜ befragt wurden. Für die Bewertungsaufgabe wurden insgesamt acht Rezepte von den britischen Köchen Gordon Ramsay und Jamie Oliver ausgewählt und vier Sets mit je zwei vergleichbaren Rezepten erstellt. Pro Set wurde jeweils ein Rezept mit DeepL und Google Translate aus dem Englischen ins Deutsche übersetzt. Den Befragten wurden die maschinellen Übersetzungen ohne die Ausgangstexte vorgelegt, welche sie anhand von allgemeineren Aussagen auf einer Likert-Skala von 1 (= stimme überhaupt nicht zu) bis 5 (= stimme völlig zu) bewerten sollten. Abschließend konnten die Befragten ihre Gedanken zur Umfrage sowie zur MÜ im Allgemeinen mitteilen. Die MÜ erzielte insgesamt positive Ergebnisse und wurde als akzeptabel und gebräuchlich beurteilt. Aus Sicht der Befragten stellten die Übersetzung von Zutaten, im deutschsprachigen Raum ungewöhnlichen Maßeinheiten und mehrdeutigen Termini sowie die inkonsistente Terminologieverwendung die größten Herausforderungen für die MÜ-Systeme dar. Die Übersetzungen enthielten darüber hinaus zahlreiche nicht idiomatische Ausdrücke und unübliche Begriffe, die jedoch überwiegend verständlich waren. Google Translate schnitt im Gesamteindruck besser als DeepL ab, wobei beide MÜ-Systeme ähnliche Ergebnisse erzielten und mit denselben Problemen konfrontiert waren. Die Auswertungsergebnisse zeigten weiters, dass Personen mit einem höheren Grad des prozeduralen Wissens die MÜ schlechter beurteilen und als weniger akzeptabel beziehungsweise gebräuchlich ansehen als Personen mit einer niedrigeren Koch- und Backbegeisterung. Aufgrund der kulturellen Merkmale von Rezepten und der terminologischen Inkonsistenz der Übersetzungen herrscht hinsichtlich der MÜ-Qualität jedoch weiterhin Verbesserungsbedarf.
Abstract
(Englisch)
This master's thesis researched the perception of the translation quality of recipes from different neural machine translation systems by cooking enthusiasts. The following research question was discussed: How do cooking enthusiasts evaluate the translation of recipes from English into German by two NMT systems? In this context, the aim was to find out which NMT system achieves the better results, to what extent the machine-translated recipes ensure a successful preparation of the dishes and which limits can be identified in this area, as well as to what extent the culinary background knowledge of the respondents influences the evaluation. To answer the research question, an online survey was created in which the participants were first asked about their person, their cooking and baking experience and their experience with MT. For the evaluation task, a total of eight recipes from the British chefs Gordon Ramsay and Jamie Oliver were selected and four sets of two comparable recipes were created. For each set, one recipe was translated from English into German using DeepL and one using Google Translate. The respondents were presented with the machine translations without the source texts, which they were asked to rate on a Likert scale from 1 (= strongly disagree) to 5 (= strongly agree) based on rather general statements. Finally, the respondents were given the opportunity to reflect on the survey and on MT in general. Overall, the MT achieved positive results and was assessed as acceptable and useable. From the respondents' point of view, the translation of ingredients, unusual measurement units in the German-speaking region and ambiguous terms as well as the inconsistent use of terminology represented major challenges for the MT systems. The translations also contained numerous unidiomatic expressions and unusual terms, which were, however, largely intelligible. In general, Google Translate performed better than DeepL, with both MT systems achieving similar results and facing the same problems. The evaluation results also showed that people with a higher level of procedural knowledge rated the MT less favourably and considered it less acceptable or useable than people with a lower level of enthusiasm for cooking and baking. However, taking into account the cultural characteristics of recipes and the terminological inconsistency of the translations, there is still room for improvement in terms of MT quality.
Schlagwörter
Schlagwörter
(Deutsch)
Übersetzungsqualität Qualität maschinelle Übersetzung neuronale maschinelle Übersetzung Kochrezept Backrezept Rezept Wahrnehmung Kochbegeisterte
Autor*innen
Melanie Leko
Haupttitel (Deutsch)
Wahrnehmung der Übersetzungsqualität von Koch- bzw. Backrezepten verschiedener Systeme der neuronalen maschinellen Übersetzung durch Kochbegeisterte
Paralleltitel (Englisch)
Perception of the translation quality of recipes from different neural machine translation systems by cooking enthusiasts
Publikationsjahr
2025
Umfangsangabe
165 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Dagmar Gromann
Klassifikation
17 Sprach- und Literaturwissenschaft > 17.45 Übersetzungswissenschaft
AC Nummer
AC17642883
Utheses ID
77682
Studienkennzahl
UA | 070 | 331 | 342 |