What to expect from Neural Machine Translation: a practical in-class translation evaluation exercise

Moorkens, Joss

doi:10.1080/1750399x.2018.1501639

Cited by 62 publications

(40 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…La présence accrue de ce type d'outils sur le marché oblige néanmoins les formations en traduction à aborder le sujet et il importe de former les étudiants à ce nouvel outil. Une réflexion doit donc avoir lieu sur la façon d'intégrer cette nouvelle technologie au sein des formations (Moorkens 2018 ;Massey et Ehrensberger-Dow 2017).…”

Section: Conséquences Pour La Formation Des Futurs Traducteurs ?unclassified

Traduction automatique et usage linguistique : une analyse de traductions anglais-français réunies en corpus

Loock

2019

meta

View full text Add to dashboard Cite

Cet article propose une analyse linguistique d’un corpus de français traduit de façon automatique depuis l’anglais, en comparaison d’un corpus de français original. Deux outils de traduction automatique ont été retenus pour cette étude, l’un générique, grand public et neuronal tandis que l’autre est un outil spécifique, utilisé par une grande organisation internationale et à base de statistiques. Selon la méthodologie de la traductologie de corpus, à travers une analyse quantitative de phénomènes linguistiques (lexicaux et grammaticaux) connus pour poser problème aux traducteurs anglais-français, nous montrons que l’usage linguistique, au-delà des règles et dont le respect permet d’atteindre la fluidité et l’idiomaticité de la langue cible attendues sur le marché, n’est pas pris en compte par les outils de traduction automatique actuels. L’objectif est de mettre au jour la valeur ajoutée de la traduction humaine, tout particulièrement auprès des traducteurs en formation.

show abstract

Section: Conséquences Pour La Formation Des Futurs Traducteurs ?unclassified

Traduction automatique et usage linguistique : une analyse de traductions anglais-français réunies en corpus

Loock

2019

meta

View full text Add to dashboard Cite

show abstract

“…Task-based instruction models typically combine the first two, with short lectures followed by practical hands-on sessions where students work individually or in groups, normally with the teacher's support. Exercises conducted during labs may vary from the classical inspection of the functionalities of a given tool to more advanced evaluation activities, such as the assessment of the utility of CAT tools in a specific context of use (Starlander and Morado Vázquez 2013) or the comparison of different MT systems in terms of post-editing effort, adequacy and error typology (Moorkens 2018). These in-class activities can be also accompanied by reflective exercises which invite students to think about different aspects related to the use of the tools they have just tested and prevent them from blindly following instructions.…”

Section: Pedagogic Approaches and Methodsmentioning

confidence: 99%

Translation and technology

O’Brien¹,

Vázquez²

2019

The Routledge Handbook of Translation and Education

View full text Add to dashboard Cite

INTRODUCTIONTranslation Technology, Translation Tools, Translation Environment Tools (or TEnTs) andComputer-Aided Translation (or CAT) are frequently used as synonyms. In its broadest sense translation technology is understood to include a large array of computer tools that help translators do their jobs, including word processors, spell, style and grammar checkers, the World Wide Web, corpus compilation and analysis tools, terminology management tools, translation memory tools (TM), translation management systems (TMS) and machine translation (MT). Bowker (2002 p. 7) arranges these tools along a continuum from less automated (human translation) to more automated (machine translation), with CAT positioned in the middle. In the human translation rubric, she includes, for example, word processors and spell checkers, and in CAT, translation memory, corpus analysis tools, terminology management systems, data capture tools, localisation and web-page translation tools, and diagnostic tools. The MT rubric includes only machine translation systems. This extensive list is evidence of how technologised the translation profession is. For the sake of clarity throughout this chapter, we refer to translation technology broadly speaking as Computer-Aided Translation -CAT. Where machine translation is specifically meant, we use that term.Likewise, when we want to draw attention to a specific type of tool, we use the exact term, e.g. terminology management tool or translation memory (TM).Over the last decades, parts of the translation profession have moved from deploying hardly any technology (in the 1980s), to embracing of Translation Memory and Terminology Management (in the 1990s), to the introduction of MT and its convergence with TM tools.Industry commentators predict a move towards Fully-Automatic Useful Translation -or FAUT -by 2030 (Massardo and van der Meer 2017). Currently, translators are still expected to produce high quality translation and that is often done with the aid of CAT tools. For this reason, it is important that translation technology is firmly embedded in the translator training curriculum. As Bowker (2002) points out, knowledge of CAT increases employability of graduates, but there are additional benefits to the teaching of translation technology: students can become more attuned to their own and to peer approaches to translation, data is created for research into translation, and reflections on the impact of technology on process, product and profession can be generated (ibid).This chapter will first discuss early considerations on teaching translation technology. We select a subset of examples to give an overview of what these early considerations entailed. A number of formal translator competence models are examined so as to illustrate the place of translation technology in these models. Next, we provide a synopsis of research concerns relating to translation technology. Then, we review the pedagogical approaches adopted these days for CAT teaching before turning to conclusions, where we outline curre...

show abstract

“…Todas estas complejidades y características del lenguaje jurídico tienen una relevancia muy grande a la hora de aplicar la ta a los textos jurídicos, ya que implican problemas que las máquinas deben solucionar (Mileto, 2019). Ya hay estudios sobre la aplicación de la ta en la formación de traductores, que arrojan beneficios prometedores para los estudiantes, incluso en lenguajes especializados como el que nos ocupa (Kenny y Doherty, 2014;Mellinger, 2017;Moorkens, 2018;Nitzke et al, 2019;Wiesmann, 2019). El presente estudio colabora de este modo en esta rama de las tecnologías de la traducción en lenguajes especializados e investiga la ta como herramienta para el aula de traducción jurídica, teniendo en cuenta el rumbo de la industria de la traducción actual.…”

Section: El Concepto Calidad En Traducciónunclassified

Traducción humana vs. traducción automática: análisis contrastivo e implicaciones para la aplicación de la traducción automática en traducción jurídica

Briva-Iglesias

2021

Mutatis Mutandis

View full text Add to dashboard Cite

En el contexto actual de avances tecnológicos y desarrollo de la inteligencia artificial, la digitalización de las sociedades y las mejoras tecnológicas transforman nuestras vidas en todos los ámbitos. La traducción no es una excepción. Con la aparición de la traducción automática neuronal —un nuevo paradigma de traducción automática—, la calidad que ofrece dicho sistema ha mejorado sustancialmente, incluso llegando a afirmarse que iguala o supera la calidad de la traducción humana en determinados ámbitos como las noticias. No obstante, los lenguajes de especialidad entrañan complejidades intrínsecas. En traducción jurídica, el anisomorfismo del lenguaje jurídico puede ser una brecha muy difícil de salvar para las máquinas: términos dispares para un mismo concepto en sistemas jurídicos diferentes, equivalencia cero o parcial, etc. Así, el objetivo del presente trabajo es estudiar la utilidad de la traducción automática como recurso formativo en el aula de traducción jurídica, teniendo en cuenta las características y tendencias del sector de la traducción profesional. Para ello, en este estudio se hace una evaluación humana de tres traducciones humanas de contratos societarios inglés-español y de una traducción generada por un motor de traducción automática neuronal. Los resultados apuntan a 1) que la traducción automática podría constituir una herramienta didáctica muy útil en la clase de traducción jurídica; 2) que la identificación de las competencias podría potenciarse con un enfoque de esta naturaleza; 3) la forma de incorporación de la traducción automática a la formación en Traducción Jurídica, y 4) las ventajas que tendría aquella sobre métodos de enseñanza-aprendizaje tradicionales.

show abstract

What to expect from Neural Machine Translation: a practical in-class translation evaluation exercise

Cited by 62 publications

References 18 publications

Traduction automatique et usage linguistique : une analyse de traductions anglais-français réunies en corpus

Traduction automatique et usage linguistique : une analyse de traductions anglais-français réunies en corpus

Translation and technology

Traducción humana vs. traducción automática: análisis contrastivo e implicaciones para la aplicación de la traducción automática en traducción jurídica

Contact Info

Product

Resources

About