صادق علی زاده تهرانی
خطاهای انسجامی در ترجمه ماشینی فارسی به انگلیسی وتاثیر آن بر درک مخاطب
- دانشجو
- صادق علی زاده تهرانی
- استاد راهنما
- ثمر احتشامی
- استاد مشاور
- میرسعید موسوی رضوی
- استاد داور
- فرزانه فرحزاد
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- ادبیات فارسی و زبانهای خارجی
- شماره ساختمان محل ارائه
- ۱۷
- نام کلاس محل ارائه
- کلاس ۲۰۷[۲۰۲۰۷]
- شماره کلاس محل ارائه
- ۳۰۷
- تاریخ دفاع
- ۲۸ شهریور ۱۴۰۱
- ساعت دفاع
- ۱۱:۰۰
- چکیده
-
اساسا در دنیای امروز، از فناوری های رایانه ای در حوزه ترجمه نظیر سیستم های ترجمه ماشینی به جهت افزایش سرعت و دستیابی به کیفیت به مراتب بالاتر در ترجمه با توجه به حجم بالای پروژه های ترجمه و بازه های زمانی محدود استفاده میشود. هدف اصلی در این تحقیق، شناسایی خطاهای انسجامی ارتکاب یافته در ترجمه ماشینی، ارزیابی میزان اثر گذاری آنها بر زنجیره های انسجامی و همچنین بر میزان درک پذیری خروجی های ترجمه شده ماشینی است. در این تحقیق، داده ها از سه سیستم ترجمه ماشینی مختلف جمع آوری شدند و به دنبال آن از سی دانشجوی کارشناسی ارشد آموزش زبان انگلیسی بعنوان مشارک در این پژوهش به جهت بازترجمه کمیتی منتخب از متون ترجمه شده ماشینی به جهت ارزیابی کیفیت و میزان درک پذیری متون مربوطه استفاده شد. مبتنی بر نتایج بدست آمده معین شد که سیستم ترجمه ماشینی گوگل به دلیل برخورداری از کیفیت بهتر و کمیت خطاهای انسجامی ارتکاب یافته کمتر جایگاه نخست را به خود تخصیص داد. از سوی دیگر، آبادیس با تفاوتی نسبتا اندک در مقایسه با نحوه عملکرد گوگل به لحاظ کیفیت و کمیت خطاهای ارتکاب یافته جایگاه دوم را بخود تخصیص داد که موید عملکرد بمراتب بهتر آن نسبت به بینگ بوده است. علاوه بر ان، در مورد خطاهای انسجامی موثر روی میزان درک پذیری متون ترجمه شده ماشینی میتوان گفت که از میان شش نوع خطای انسجامی شناسایی شده، خطای کلمه مفقوده و خطای کلمه ترجمه نشده به ترتیب از بیشترین و کمترین میزان تاثیر روی میزان درک پذیری مشارکین مربوطه از متون ترجمه شده ماشینی برخوردار بوده اند.
- Abstract
-
Basically, nowadays, such translation-based computer technologies as machine translation systems are employed so as to increase the speed and achieve far higher quality in translation due to the high volume of translation projects and limited time periods. The main goal of this research is to identify the cohesion-based errors committed in machine translation, to evaluate their impact upon the chains of the cohesive devices and also upon the intelligibility of machine translated outputs. In this research, the data was collected from three different machine translation systems, followed by ۳۰ master students of TEFL as the participants in this research were employed in order to back translate a selected quantity of machine translated texts so as to evaluate the quality and the level of intelligibility. Based on the obtained results, it was determined that Google machine translation system assigned the first position due to its better quality and the less proportion of cohesion-based errors committed. On the other hand, Abadis, with a relatively small distinction compared to Google's performance in terms of the quality and the statistic of committed errors, allocated the second position, which confirmed its far better performance than Bing. In addition, regarding the cohesion-based errors affecting the intelligibility of the machine translated texts, it could be argued that among the six types of cohesion-based errors identified, the missing-word error and the non-translated word error were taken into account with the highest and the lowest impact upon the participants' intelligibility of the machine translated texts.