| 1 |
Maschinelle Übersetzung (MT) für den Notfall : Ratgeber zum Einsatz von MT Tools für die Kommunikation mit Flüchtlingen aus der Ukraine ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 2 |
Neuronale maschinelle Übersetzung für ressourcenarme Szenarien ... : Neural machine translation for low-resource scenarios ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 5 |
Automated creation of domain-specific bilingual corpora for machine translation, focusing on dissimilar language pairs
|
|
|
|
BASE
|
|
Show details
|
|
|
| 6 |
Evaluation von Übersetzungen wirtschaftlicher Fachtexte in DeepL
|
|
|
|
BASE
|
|
Show details
|
|
|
| 7 |
Gender bias in machine translation
|
|
|
|
Abstract:
In den letzten Jahren haben sich ForscherInnen im Bereich Maschinelle Übersetzung (MÜ) auf Gender-Bias konzentriert, nämlich das Phänomenon aufgrund dessen MÜ-Systeme sexistische Übersetzungen liefern. Stereotypische Männer- und Frauenberufe werden deswegen oft mit der falschen Geschlechterform versehen. Die vorliegende Arbeit untersucht die Auswirkungen von sich auf Geschlechterrollen beziehenden Adjektiven auf die Übersetzung von Berufsbezeichnungen. Zu diesem Zweck wurden drei Korpora auf Englisch erstellt, die aus kurzen Sätzen mit weiblichen und männlichen Akteuren und Berufsbezeichnungen bestehen. Das zweite Korpus enthält auch Adjektive und das dritte weist hingegen längere Sätze mit weiterem Kontext auf. Die Korpora wurden ins Italienische mittels Google Translate und DeepL übersetzt. Daten über die Anzahl von korrekten Übersetzungen wurden aufgenommen und die Leistungen der zwei verwendeten MÜ-Tools wurden verglichen. Aus der Studie hat sich unter anderem ergeben, dass (1) beide Google Translate und DeepL Gender-Bias aufweisen, insbesondere gegenüber Frauen, (2) die Verwendung von Adjektiven Übersetzungen verbessern oder verschlechtern kann, was die Geschlechtsform angeht, (3) die Verbesserungen stattgefunden haben, wenn stereotypische Männerberufe in die weibliche Form zu übertragen waren, (4) die Verschlechterungen stattgefunden haben, wenn stereotypische Frauenberufe in die männliche Form zu übertragen waren. Die wichtigste Schlussfolgerung der vorliegenden Masterarbeit ist nicht nur, dass die Verwendung von Adjektiven sich auf die Übersetzung auswirkt, sondern auch, dass die damit verbundenen Geschlechterrollen berücksichtigt werden müssen (z.B. werden Männerberufe öfter in die weibliche Form übersetzt, wenn sich das gemeinsam auftretende Adjektiv auf eine weibliche Rolle bezieht). ; In the last few years scholars have concentrated on gender bias in the field of machine translation (MT), namely the phenomenon why MT-tools produce sexist outputs. As a consequence, male and female-dominated professions are often rendered in the false gender form. The current work focuses on the effect of adjectives related to gender roles on the translation of professions. To this end, three corpora were created in English and they are composed of simple sentences with male and female subjects as well as of professions. The second corpus also comprises adjectives whereas the third corpus incudes longer sentences with more context. The corpora were translated into Italian with Google Translate and DeepL. Data on the amount of correct translations were collected and the performances of the two MT-tools were compared. Some of the results of the study were that: (1) both Google Translate and DeepL translations result in being gender bias, especially against women, (2) the use of adjectives can either improve or worsen translation outputs in terms of gender form, (3) outputs improved, when male-dominated professions were to be translated in the female form, (4) outputs got worse, when female-dominated professions were to be translated in the male form. The main conclusion of the work is that not only adjectives impact on translation outputs, but the related gender roles must also be taken into account (e.g. male-dominated professions are more likely to be translated in the female form if the co-occurring adjective also relates to a female role).
|
|
Keyword:
17.25 Soziolinguistik: Sonstiges; 17.45 Übersetzungswissenschaft; Gender Bias / Machine Translation; Gender-Bias / Maschinelle Übersetzung
|
|
URL: http://othes.univie.ac.at/63718/
|
|
BASE
|
|
Hide details
|
|
|
| 8 |
Qualitätsunterschiede zwischen maschineller und computergestützter Übersetzung
|
|
|
|
BASE
|
|
Show details
|
|
|
| 11 |
Comparative Quality Estimation for Machine Translation. An Application of Artificial Intelligence on Language Technology using Machine Learning of Human Preferences ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 12 |
Comparative Quality Estimation for Machine Translation. An Application of Artificial Intelligence on Language Technology using Machine Learning of Human Preferences
|
|
|
|
BASE
|
|
Show details
|
|
|
| 13 |
Neuronale maschinelle Übersetzung und Post-Editing vs. menschliche Übersetzung
|
|
|
|
BASE
|
|
Show details
|
|
|
| 15 |
Syntaktische und semantische Fehler in den von OnlineÜbersetzungsprogrammen übersetzten Texten - Sprachkombination Deutsch-Türkisch/Türkisch-Deutsch [Online resource]
|
|
|
|
In: Diyalog : interkulturelle Zeitschrift für Germanistik / Organ des türkischen Germanistenverbandes GERDER 2016 (2016) 2, 40-55
|
|
Linguistik-Repository
|
|
Show details
|
|
|
| 18 |
Decoding strategies for syntax-based statistical machine translation ... : Dekodierstrategien für syntaxbasierte statistische maschinelle Übersetzung ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 19 |
Decoding strategies for syntax-based statistical machine translation ; Dekodierstrategien für syntaxbasierte statistische maschinelle Übersetzung
|
|
|
|
BASE
|
|
Show details
|
|
|
|
|
