1327

ENG2 733

Abolfazl Khorasani Zadeh Gazki

ابوالفضل خراساني زاده گزكي

كارشناسي ارشد

23-11-2024

132 p.

داريوش نژاد انصاري مهابادي

محمد امير يوسفي

ترجمه ماشيني , گوگل ترنسليت , مِيت‌كَت , ارزيابي كيفيت ترجمه , خروجي ترجمه ماشيني

Technological advancements have led to the advent of numerous machine translation systems. This study aimed to examine how Google Translate an‎d MateCAT improve translation quality. This study also aimed to determine whether MateCAT an‎d Google Translate can reduce user translation timing. This study also aimed to compare MateCAT an‎d Google Translate, two MT systems. The final objective of the present study was to examine participants’ perceptions concerning MT system utilization. This pre-experimental study ran‎domly selec‎ted two classes from Islamic Azad University of Qom. The first experimental group used Google Translate, an‎d the other used MateCAT. Google Translate opted for the current study since it is one of the most popular MT systems available, while MateCAT is a much more complex one, which also gave users the option of choosing the domain of the text. The MateCAT group included sixteen participants, whereas Google Translate had eleven participants. Following their pre-test, both groups translated a 250-word religious text using only their dictionaries. The religious genre was chosen because it enjoyed significant value in Qom, where this study was conducted. The participants who utilized MateCAT in their post-test phase uploaded the whole text into the MT system due to its interface, while the group who utilized Google Translate used the MT system differently; some used the MT system for specific parts, while some fed the whole text into the MT system. They then took a placement test. The Oxford Placement Test showed that both Google Translate an‎d MateCAT participants are homogeneous an‎d at the intermediate level. After enough instruction, students used their allotted MT system to translate the exact text as the post-test. The quality of the translation task done by the two groups in both phases, which was eva‎luated by two raters, was assessed using Waddington’s translation quality assessment model. The dependent t-tests showed that Google Translate significantly sped up translation but didnʹt considerably enhance quality. MateCAT significantly enhanced translation quality an‎d shortened the translation procedure. Thirdly, the independent t-test indicated no significant differences between Google Translate an‎d MateCAT regarding translation quality an‎d timing. Finally, participants enjoyed both systemsʹ simplicity an‎d applicability to religious terminology an‎d grammar. Participants liked to use both MT systems more an‎d thought they were helpful. This study has implications for translators, translation trainers, an‎d translation students.

پيشرفت تكنولوژي منجر به پيدايش سيستم هاي ماشين ترجمه متعددي شده است. اين مطالعه به بررسي بهبود كيفيت ترجمه توسط گوگل ترنسليت و ميت‌كت مي‌پردازد. همچنين در اين مطالعه، محقق به تعيين اينكه آيا ميت‌كت و گوگل ترنسليت مي‌توانند زمان ترجمه كاربران را كاهش دهند يا خير، مي‌پردازد. همچنين محقق برآن است كه ميت‌كت و گوگل ترنسليت، را با يكديگر مقايسه كند. هدف غايي اين مطالعه بررسي نگرش شركت كنندگان اين تحقيق در مورد استفاده از سيستم‌هاي ترجمه ماشيني است. در اين مطالعه پيش‌تجربي، به‌طور تصادفي دو كلاس از دانشگاه آزاد اسلامي قم را انتخاب شده است. گروه اول از گوگل ترنسليت و گروه ديگر از ميت‌كت استفاده كردند. گوگل ترنسليت به دليل محبوبيت گسترده آن و ميت‌كت به دليل پيچيدگي بيشتر و امكان انتخاب حوزه متني توسط كاربران، براي اين مطالعه انتخاب شدند. گروه ميت‌كت شامل شانزده شركت‌كننده بود، در حالي كه گروه گوگل ترنسليت يازده شركت‌كننده داشت. در آزمون پيش‌تست، هر دو گروه يك متن مذهبي 250 كلمه‌اي را فقط با استفاده از ديكشنري‌هاي خود ترجمه كردند. انتخاب متن مذهبي به دليل اهميت زياد اين حوزه در شهر قم صورت گرفت. سپس آزمون تعيين سطح انجام شد. آزمون تعيين سطح آكسفورد نشان داد كه شركت‌كنندگان در هر دو گروه گوگل ترنسليت و ميت‌كت همگن و در سطح متوسط هستند. در مرحله پس‌آزمون، شركت‌كنندگان گروه ميت‌كت كل متن را به دليل سيستم كاربري اين ماشين، درون آن بارگذاري كردند، در حالي كه گروه گوگل ترنسليت روش‌هاي متفاوتي را براي استفاده از سيستم داشتند؛ برخي از آن براي بخش‌هاي خاصي از متن استفاده كردند و برخي كل متن را وارد سيستم كردند. پس از آموزش كافي، دانش‌آموزان از سيستم ترجمه ماشيني تخصيص‌يافته خود براي ترجمه همان متن در آزمون پس‌تست استفاده كردند. كيفيت ترجمه‌هاي انجام‌شده توسط هر دو گروه در هر دو مرحله توسط دو ارزياب بر اساس مدل ارزيابي كيفيت ترجمه وادينگتون بررسي شد. آزمون‌هاي t وابسته نشان داد كه گوگل ترنسليت به‌طور معناداري سرعت ترجمه را افزايش داده است، اما كيفيت را به‌طور معناداري بهبود نبخشيده است. ميت‌كت كيفيت ترجمه را به‌طور معناداري بهبود بخشيد و فرايند ترجمه را كوتاه كرد. همچنين آزمون t مستقل نشان داد كه تفاوت معناداري بين گوگل ترنسليت و ميت‌كت از نظر كيفيت و زمان ترجمه وجود ندارد. در نهايت، شركت‌كنندگان از سادگي و قابليت كاربرد هر دو سيستم براي واژگان مذهبي و دستور زبان لذت بردند. شركت‌كنندگان تمايل داشتند بيشتر از هر دو سيستم استفاده كنند و فكر مي‌كردند كه اين سيستم‌ها مفيد هستند. اين مطالعه مي‌تواند براي مترجمان، مدرسان ترجمه، و دانشجويان ترجمه مفيد واقع شود.

ابوالفضل خراساني زاده گزكي

4011724017

ترجمه

زبان و ادبيات انگليسي

121827

121828

5

121829

121830

121831

121832

121833

121834

121835

121836

121837

121838

Machine Translation , Google Translate , MateCAT , Translation Quality eva‎luation , Machine Translation Output

<‎Records‎><‎Record RowID="1"‎><‎Field name="english descriptor" Value="Machine Translation" PreSign=" " PostSign=" "/‎><‎/Record‎><‎Record RowID="2"‎><‎Field name="english descriptor" Value="Google Translate" PreSign=" " PostSign=" "/‎><‎/Record‎><‎Record RowID="3"‎><‎Field name="english descriptor" Value="MateCAT" PreSign=" " PostSign=" "/‎><‎/Record‎><‎Record RowID="4"‎><‎Field name="english descriptor" Value="Translation Quality eva‎luation" PreSign=" " PostSign=" "/‎><‎/Record‎><‎Record RowID="5"‎><‎Field name="english descriptor" Value="Machine Translation Output" PreSign=" " PostSign=" "/‎><‎/Record‎><‎/Records‎>