Oldal 30 [30]
OCR
LESZNYÁK MÁRTA munkatársai, ? Benjamin Screen?"), és időben sem feltétlen különbözik a két munkaforma, bár ebből a szempontból nagyon fontosak a fordítási helyzet jellemzői, például a szöveg típusa, a gépi fordítás outputjának minősége, a fordítás iránya vagy az utószerkesztő egyéni preferenciái (Nora Aranberri és munkatársai,” Yangfang Jia és munkatarsai,”° Ventislav Zhechev,”’ Ana Guerberof Arenas, ? Philipp Koehn és Ulrich Germann,” Carla Parra Escartin és Manuel Arcedillo*°). A hibatípusokra irányuló kutatások azt mutatják, hogy bármilyen jó minőségű az utószerkesztés, a célnyelvi szöveg magán viseli a neurális gépi fordítás nyomait: így a terminológiai pontatlanság, a szintaktikai monotónia, az interferen20» cia és a forrásnyelvi szöveghez való , tapadás" nagyobb valószínűséggel jelennek meg az utószerkesztett szövegben, mint a hagyományos humán fordításokban (Oliver Culo &s Jean Nitzke,?! Michael Carl &s Moritz Schaeffer,? Srinivias # Yangfang Jia - Michael Carl - Xiangling Wang: How does the post-editing of neural machine translation compare with from-scratch translation? A product and process study, The Journal of Specialised Translation, vol. 31, 2019, 60-86. Benjamin Screen: What effect does post-editing have on the translation product from an enduser’s perspective, The Journal of Specialised Translation, vol. 31, 2019/3, 133-157. Nora Aranberri — Gorka Labaka — Arantza de Ilarraza — Kepa Sarasola: Comparison of postediting productivity between professional translators and lay users, in Sharon O’Brien — Michael Simard — Lucia Specia (eds.): Proceedings of the Third Workshop on Post-Editing Technology and Practice, Association for Machine Translation in the Americas, 2014, 20-33. Yangfang Jia — Michael Carl - Xiangling Wang: How does the post-editing of neural machine translation compare with from-scratch translation? A product and process study, The Journal of Specialised Translation, vol. 31, 2019, 60-86. Ventislav Zhechev: Analysing the Post-Editing of Machine Translation at Autodesk, in Sharon O’Brien - Laura Winther-Balling - Michael Carl - Miachel Simard — Lucia Specia (eds.): Postediting of Machine Translation: Processes and Applications, Newcastle, Cambridge Scholars Publishing, 2014, 2-13. Ana Guerberof Arenas: Correlations between productivity and quality when post-editing in a professional context, Machine Translation, vol. 28, 2014/3-4, 165-86. Philipp Koehn - Ulrich Germann: The impact of machine translation quality on human postediting, in Ulrich German — Michael Carl — Philipp Koehn — German Sanchis-Trilles — Francisco Casacuberta — Robin Hill - Sharon O’Brien (eds.): Proceedings of the EACL 2014 Workshop on Humans and Computer-assisted Translation, Gothenburg, Association of Computational Linguistics, 2014, 38-46. Carla Parra Escartin — Manuel Arcedillo: A fuzzier approach to machine translation evaluation: A pilot study on post-editing productivity and automated metrics in commercial settings, in Bogdan Babych — Kurt Eberle — Patrik Lambert — Reinhard Rapp — Rafael Banchs — Marta Costa-jussä (eds): Proceedings of the Fourth Workshop on Hybrid Approaches to Translation (HyTra), Beijing, Association of Computational Linguistics, 2015, 40-45. Oliver Culo — Jean Nitzke: Patterns of terminological variation in post-editing and of cognate use in machine translation in contrast to human translation, Baltic Journal of Modern Computing, vol. 4, 2016/2, 106-114. Michael Carl — Moritz Schaeffer: Why Translation Is Difficult: A Corpusbased Study of Nonliterality in Post-editing and From-scratch Translation, Hermes, vol. 56, 2017, 43-57. D à 9 Ÿ w w S + 28 +
