Die Entwicklung der maschinellen Übersetzung und ihre Implikation für den Übersetzungsunterricht: Eine Pilotstudie zur automatischen Evaluation des Effektes der Textsorte bei deutsch-chinesischen Übersetzungen

從機器翻譯文類效果看翻譯教學的未來：以德漢翻譯的自動評測分析為例

顏徽玲(Huei-Ling Yen)

Maschinelle Übersetzung (MT) ； Post-Editing ； Übersetzungsunterricht ； Textsorten ； deutsch-chinesische Übersetzung ； 機器翻譯 ； 後編輯 ； 翻譯教學 ； 文類 ； 德漢翻譯

臺德學刊

28期（2021 / 07 / 01）

69 - 99

德文

Mit der Anwendung neuronaler maschineller Übersetzungssysteme hat die Qualität der maschinellen Übersetzung eine neue Epoche erreicht. Sowohl professionelle Übersetzer als auch Sprachstudenten nutzen die webbasierte maschinelle Übersetzung, um Texte verschiedener Sorten zu übersetzen. Die Effektivität der maschinellen Übersetzung verschiedener Textsorten variiert jedoch stark, was zu merklichen Unterschieden ihrer Lesbarkeit und Genauigkeit führt. Bei der menschlichen Nachbearbeitung (Post-Editing) sind daher auch die unterschiedlichen sprachlichen Dimensionen der verschiedenen Textsorten zu beachten. Bisher stützte sich die Entwicklung der maschinellen Übersetzung in hohem Maße auf Trainingsdaten aus Nachrichtenkorpora, während lehrbezogene Forschungsergebnisse aus technologischen Texten wie Benutzerhandbüchern abgeleitet wurden. Es mangelt aber an vergleichender Forschung zu anderen Textsorten. Diese Studie gibt einen Überblick über die aktuelle Forschung und analysiert die Effektivität der maschinellen Übersetzung verschiedener Textsorten mit Hilfe moderner Methoden. Dabei lassen sich Unterschiede der Qualität der maschinellen Übersetzung von Geschäftsbriefen, medizinischen und literarischen Texten feststellen. Auch unterschiedliche Übersetzungssysteme und Satzlängen haben einen Einfluss auf die Ergebnisse. Pädagogische Implikationen für den Übersetzungsunterricht werden diskutiert.

自從神經機器翻譯系統問世以來，機器翻譯的品質有了劃時代的進步。不管是專業譯者或是學生，都早已開始使用線上機器翻譯翻譯各種文類文本。然而，機器翻譯翻譯各類文本的效能不一，譯文可能因為文本特性造成可讀性與精確度的差異；應用機器翻譯後編輯時要注意的語言特性，也會因文類有所差異。當前機器翻譯研究的語料取材自新聞居多，德漢機器翻譯教學相關研究的材料，多為使用說明書之類的科技文本，較少關注其他類型及來源的文本。有鑒於此，本研究除了考察文獻、更新研究現況，也以書籍翻譯語料的自動評測為例，分析商務信函、醫療報導及小說等文類。結果指出，文類、句長及系統皆會影響機器翻譯的結果。論文中並討論其對翻譯教學的啟示。

1. Lee, J.,Liao, P.(2011).A Comparative Study of Human Translation and Machine Translation with Post-editing.Compilation & Translation Review,4(2),105-149.
   連結：
2. Shei, C.-C.(2002).Teaching machine translation and translation memory systems.Studies of Translation and Interpretation,7,297-322.
   連結：
3. Shih, C. L.(2007).Mapping out Students’ Translation Process: A MT-specific comparative study.Studies of Translation and Interpretation,163-190.
   連結：
4. Shih, C. L.(2013).Bilingual and Bicultural Sense Development: A Hybrid Translation Teaching Approach.English Teaching & Learning,37(2),1-45.
   連結：
5. Shih, C. L.(2003).The customized editing training in MT education.Studies of Translation and Interpretation,8,1-27.
   連結：
6. Shih, C.-L.(2002).Materials development and task design for an MT course.Studies of Translation and Interpretation,7,1-28.
   連結：
7. 史宗玲(2013)。電腦輔助商務翻譯教學─ MT 及 TM 之案例研究。編譯論叢，6，113-145。
   連結：
8. Natural Language Toolkit (NTLK). (2019). https://www.nltk.org/
9. Association for Computational Linguistics=ACL(2016).DEVELOPMENT DATA ACL 2016.First Conference on Machine Translation (WMT16)
10. Bahdanau, D.,Cho, K.,Bengio, Y.(2015).Neural machine translation by jointly learning to align and translate.International Conference on Learning Representations,San Diego:
11. Ballwieser, D.,Le Ker, H.(2014).Ein rätselhafter Patient. Die aufregende Suche nach der richtigen Diagnose - 55 wahre Geschichten.Hamburg:Kiepenheuer & Witsch.
12. Bawden, R.,Cohen, K. B.,Grozea, C.,Yepes, A. J.,Kittner, M.,Krallinger, M.,Siu, A.(2019).Findings of the WMT 2019 Biomedical Translation Shared Task: Evaluation for MEDLINE Abstracts and Biomedical Terminologies.Proceedings of the Fourth Conference on Machine Translation
13. Carl, M.,Báez, M. C. T.(2019).Machine translation errors and the translation process: a study across different languages.Journal of Specialised Translation,31,107-132.
14. Correa, M.(2014).Leaving the "peer" out of peer-editing: Online translators as a pedagogical tool in the Spanish as a second language classroom.Latin American Journal of Content & Language Integrated Learning,7(1),1-20.
15. Daems, J.,Vandepitte, S.,Hartsuiker, R. J.,Macken, L.(2017).Identifying the machine translation error types with the greatest impact on post-editing effort.Frontiers in psychology,8,1282.
16. Daems, J.,Vandepitte, S.,Hartsuiker, R.,Macken, L.(2017).Translation methods and experience: A comparative analysis of human translation and post-editing with students and professional translators.Meta: Journal des traducteurs/Meta: Translators’ Journal,62(2),245-270.
17. Ducar, C.,Schocket, D. H.(2018).Machine translation and the L2 classroom: Pedagogical solutions for making peace with Google translate.Foreign Language Annals,51(4),779-795.
18. Enkin, E.,Mejías-Bikandi, E.(2016).Using online translators in the second language classroom: Ideas for advanced-level Spanish.Latin American Journal of Content & Language Integrated Learning,9(1)
19. Guerberof Arenas, A.(2008).Productivity and quality in the post-editing of outputs from translation memories and machine translation.Localisation Focus The International Journal of Localisation,7(1),11-21.
20. Junczys-Dowmunt, M.,Dwojak, T.,Hoang, H.(2016).Is neural machine translation ready for deployment? A case study on 30 translation directions.The International Workshop on Spoken Language Translation
21. Koehn, P.,Knowles, R.(2017).Six challenges for neural machine translation.Proceedings of the First Workshop on Neural Machine Translation,Vancouver, Canada:
22. Koponen, M.(2016).Is machine translation post-editing worth the effort? A survey of research into post-editing and effort.The Journal of Specialised Translation,25,131-148.
23. Koponen, M.(2012).Comparing human perceptions of post-editing effort with post-editing operations.Proceedings of the seventh workshop on statistical machine translation,Montréal, Canada:
24. Läubli, S.,Fishel, M.,Massey, G.,Ehrensberger-Dow, M.,Volk, M.(2013).Assessing post-editing efficiency in a realistic translation environment.MT Summit XIV Workshop on Post-editing Technology and Practice,Nice:
25. Lee, S. M.(2019).The impact of using machine translation on EFL students’ writing.Computer Assisted Language Learning,1-19.
26. Li, P.-H.,Fu, T.-J.,Ma, W.-Y.(2020).Why Attention? Analyze BiLSTM Deficiency and Its Remedies in the Case of NER.34th AAAI Conference on Artificial Intelligence (AAAI 2020)
27. Ma, W.-Y.,Chen, K.-J.(2003).Introduction to CKIP Chinese Word Segmentation System for the First International Chinese Word Segmentation Bakeoff.Proceedings of the Second SIGHAN Workshop on Chinese Language Processing
28. O’Brien, S.(2005).Methodologies for measuring the correlations between post-editing effort and machine translatability.Machine translation,19(1),37-58.
29. Odendahl, W.(2012).CAT im Unterricht. Die Vermittlung computerunterstützter Übersetzung in der Deutsch-Ausbildung.Foreign Language Studies,17,83-112.
30. Papineni, K.,Roukos, S.,Ward, T.,Zhu, W. J.(2002).BLEU: a method for automatic evaluation of machine translation.Proceedings of the 40th annual meeting on association for computational linguistics
31. Plitt, M.,Masselot, F.(2010).A productivity test of statistical machine translation post-editing in a typical localisation context.The Prague bulletin of mathematical linguistics,93,7-16.
32. Sanchez-Torron, M.,Koehn, P.(2016).Machine translation quality and post-editor productivity.Proceedings of AMTA
33. Schätzing, F.(2004).Der Schwarm.Köln:Kiepenheuer & Witsch.
34. Stapleton, P.,Kin, B. L. K.(2019).Assessing the accuracy and teachers’ impressions of Google Translate: A study of primary L2 writers in Hong Kong.English for Specific Purposes,56,18-34.
35. Tatsumi, M.(2009).Correlation between automatic evaluation metric scores, post-editing speed, and some other factors.MT Summit XII: proceedings of the twelfth Machine Translation Summit
36. Temnikova, I. P.(2010).Cognitive Evaluation Approach for a Controlled Language Post--Editing Experiment.The International Conference on Language Resources and Evaluation,Valletta, Malta:
37. Tezcan, A.,Hoste, V.,Macken, L.(2019).Estimating post-editing time using a gold-standard set of machine translation errors.Computer Speech & Language,55,120-144.
38. White, K. D.,Heidrich, E.(2013).Our Policies, Their Text: German Language Students' Strategies with and Beliefs about Web‐Based Machine Translation.Die Unterrichtspraxis/Teaching German,46(2),230-250.
39. 巴維瑟, D.,勒克, H.,顏徽玲（譯）(2016).醫生,我到底生了什麼病？：「怪醫豪斯」真實版！讓醫生也驚奇的怪病推理事件簿.台北:平安文化.
40. 史宗玲(2081)。線上機器翻譯：東南亞新住民語言服務芻議。編譯論叢，11(2)，31-60。
41. 李忠民(2010).德語商務信函寫作.北京:北京大学出版社.
42. 秦穎(2018)。基於神經網絡的機器翻譯質量評析及對翻譯教學的影響。外語電化教學，2，51-56。
43. 國家圖書館（2019）。108年台灣圖書出版現況及趨勢報告。https://nclfile.ncl.edu.tw/files/202003/3b3aff87-782e-4ffb-a0a8-026684c27232.pdf
44. 陳子瑋,林慶隆,何承思,彭致翎,吳培若,張舜芬(2011)。國家教育院研究報告國家教育院研究報告,未出版
45. 陳子瑋,林慶隆,陳碧珠,郭俊桔,史宗玲(2018)。翻譯實務、工具及教育跨域發展論壇。編譯論叢，11(1)，111-126。
46. 陳欣蓉(2007)。評論現行機器翻譯譯文修飾研究之缺失並且研擬譯文修飾研究之具體研究步驟。國立編譯館館刊，35(3)，97-109。
47. 曾靜,王燕(2020)。英漢機譯錯誤類型分析——基於醫學文本語料庫。海外英語，2，39-41+47。
48. 褚東偉(2010)。常規對應、數據關聯與Google翻譯評價。廣東外語外貿大學學報，21(4)，50-53。
49. 薛慶, F.,朱劉華（譯）,顏徽玲（譯）(2007).群.臺北:野人文化.