Makine çevirisi sonrası düzeltme işleminin zamansal ve teknik efor açısından incelenmesi: Google ve DeepL Çeviri
An analysis of temporal and technical effort in post-editing: Google and DeepL Translate
- Tez No: 924196
- Danışmanlar: DOÇ. DR. ÖZGÜR ŞEN BARTAN
- Tez Türü: Yüksek Lisans
- Konular: Mütercim-Tercümanlık, Translation and Interpretation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İngilizce Mütercim Tercümanlık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Bu çalışmanın amacı, makine çevirisi sonrası düzeltme eforunu incelemek ve nöral makine çevirisi sistemleri arasında bu eforu etkileyen bir fark olup olmadığını araştırmaktır. Araştırmada ayrıca makine çevirisi sonrası düzeltme sürecindeki algılanan efor ile gerçek efor farklılıkları incelenmiştir. Çalışmada, bir karma yöntem türü olan açımlayıcı sıralı desen kullanılmıştır. Deneyde kullanılmak üzere seçilen akademik metnin çalışma katılımcılarının seviyesine uygunluğunu belirlemek üzere okunabilirlik kriterinden yararlanılmıştır. Çalışma katılımcılarını 19 kız ve 7 erkek İngilizce Mütercim ve Tercümanlık anabilim dalı lisans öğrencisi oluşturmuştur. Metnin çevirisi iki farklı nöral makine çeviri sistemi ile yapılmıştır. Deney, elde edilen bu makine çevirisi çıktıları üzerinde Google ve DeepL çeviri sistem grubu olmak üzere öğrenciler iki gruba ayrılarak yapılmıştır. Deneyde, makine çevirisi sonrası düzeltme işlemi yapılabilmesi için bir bilgisayar destekli çeviri programı kullanılmıştır. Makine çevirisi çıktıları söz konusu bilgisayar destekli çeviri programına yüklenmiş ve katılımcıların makine çevirisi sonrası kısmi düzeltme yapması sağlanmıştır. Makine çevirisi sonrası düzeltme eforu ölçümü için düzenleme mesafesi, aktif saniye ve tuş vuruşu verileri kaydedilmiştir. Deneyden sonra öğrencilerin makine çevirisi sürecine dair görüşleri anket yoluyla alınmıştır. Araştırma sonucunda DeepL makine çevirisi çıktısı üzerinde çalışan grubun düzenleme mesafesinin daha düşük olduğu gözlemlenmiştir. Ayrıca öğrencilerin algıladığı efor ile gerçekte harcadığı eforun farklılık gösterdiği ve oldukça az düzenleme yapmalarına rağmen yüksek efor harcadıklarını düşündükleri görülmüştür. Bu çalışmanın farklı nöral makine çevirisi sistemleri arasında makine çevirisi sonrası düzeltme eforu açısından farklar olabileceğini ortaya koyması ve makine çevirisi sonrası düzeltme sürecinde harcanan bilişsel eforun sorgulanması konusunda farkındalık kazandırması beklenmektedir.
Özet (Çeviri)
The aim of this study is to examine the post-editing effort and to determine whether differences between neural machine translation systems impact this effort. The study also compares the perceived effort with the actual effort during the post-editing process. An exploratory sequential design, a mixed-method approach, was employed. Readability criteria were used to determine the suitability of the academic text selected for the experiment to the level of the study participants. The study participants consisted of 19 female and 7 male undergraduate students of English Translation and Interpreting department. The text was translated by two different neural machine translation systems. The experiment was conducted on these machine translation outputs by dividing the students into two groups: Google and DeepL translation group. In the experiment, a computer-aided translation program was used for light post-editing, and data on post-editing effort—such as edit distance, active seconds, and keystrokes—were recorded. After the experiment, the students' opinions on the machine translation process were collected through a questionnaire. As a result of the study, the editing distance of the group working on the DeepL machine translation output was lower. Results indicate that the edit distance for the group using DeepL's output was lower. Furthermore, participants' perceived effort differed from the actual effort; they reported high effort despite minimal editing. This study aims highlight potential differences in post-editing effort across neural machine translation systems and to encourage further exploration of translators' cognitive perceptions in the post-editing process.
Benzer Tezler
- A descriptive study on the effects of post-editing on lexical diversity
Makine çevirisi sonrası düzeltme işleminin kelime çeşitliliği üzerindeki etkilerine dair betimleyici bir inceleme
BÜŞRA GÜNDOĞDU DÜZGÜN
Yüksek Lisans
İngilizce
2022
Mütercim-Tercümanlıkİstanbul 29 Mayıs ÜniversitesiMütercim Tercümanlık Ana Bilim Dalı
DOÇ. DR. SENEM ÖNER BULUT
- The effect of post-editing on the attitudes and performance of translation students
Makine çevirisi sonrası düzeltme işleminin çeviri öğrencilerinin tutum ve çeviri performanslarına etkisi
CANER ÇETİNER
Doktora
İngilizce
2019
Mütercim-TercümanlıkGazi ÜniversitesiMütercim Tercümanlık Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KORKUT ULUÇ İŞİSAĞ
- Machine translation post-editing in video game localization
Bilgisayar oyunlarının yerelleştirilmesinde makine çevirisi sonrası düzeltme
HULUSİ ALP SIRKINTI
Yüksek Lisans
İngilizce
2022
Mütercim-Tercümanlıkİstanbul 29 Mayıs ÜniversitesiMütercim Tercümanlık Ana Bilim Dalı
DOÇ. DR. SENEM ÖNER BULUT
- Neural language modelling approaches for post-ocr text processing
Optik karakter tanıma sonrası metin işleme adımı için sinirsel dil modelleri yaklaşımları
AYŞE İREM TOPÇU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- A faithfulness-aware pretraining strategy for abstractive text summarization
Soyutlayıcı metin özetleme için sadakat-farkında bir ön eğitim stratejisi
MOHANAD ALREFAAI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN