Ziņu diskurss un ziņu rakstu mašīntulkošana

Abstract

Pēdējā desmitgadē mašīntulkošana ir ievērojami attīstījusies un tiek plaši izmantota tulkošanas nozarē, lai izpildītu pieaugošo pieprasījumu pēc ātrākiem tulkojumiem un samazinātu izmaksas. Lai maksimāli palielinātu mašīntulkošanas efektivitāti un iegūtu augstas kvalitātes tulkojumu, mašīntulkošanas darbplūsmā parasti tiek iekļauti divi papildus procesi: rediģēšana pirms un pēc mašīntulkošanas. Pētījuma mērķis ir izpētīt gan latviešu, gan angļu ziņu diskursu, kā arī salīdzināt divu mašīntulkošanas rīku – Google Translate un Tilde Translator – efektivitāti, tulkojot ziņu rakstus no angļu valodas latviešu valodā. Darbā tiek pielietotas teorētiskas un praktiskas pētniecības metodes. Teorētiskās metodes ietver pētījumu par mašīntulkošanu un ziņu diskursa tulkošanas pārskatu, ziņu avotu izpēti, angļu un latviešu ziņu diskursa salīdzinājumu un biežāk izmantoto metožu ziņu rakstu tulkošanai no angļu valodas latviešu valodā noteikšanu. Praktiskās metodes ietver angļu un latviešu ziņu rakstu tulkošanu ar mašīntulkošanas rīkiem Google Translate un Tilde Translator un piedāvāto tulkojumu rediģēšanu un nepieciešamā rediģēšanas līmeņa noteikšanu, izmantojot tulkošanas rediģēšanas likmes (Translation Edit Rate – TER) metodi. Teorētiskās daļas rezultāti liecina, ka latviešu ziņu portālos un laikrakstos izmantotā valoda ārzemju ziņu atspoguļošanai ir daudz neitrālāka nekā angļu valodas ziņu avotos izmantotā valoda un visbiežāk izmantotā tulkošanas metode ir tiešs tulkojums. Praktiskās daļas rezultāti liecina, ka ar mašīntulkošanas rīku Tilde Translator no angļu valodas latviešu valodā tulkotie ziņu raksti prasa mazāku rediģēšanas (TER) daudzumu – vidēji 19.43 %, bet Google Translate – 26.04 %. Vislielākos izaicinājumus mašīntulkošnas rīkiem sagādā tēlaini izteicieni un vārdi ar abstraktu nozīmi, jo liela daļa vārdu tiek tulkoti burtiski, neņemot vērā kontekstu.

In the last decade, MT has progressed significantly and has therefore become highly prevalent in the translation industry as a solution to meet increasing demands for higher turnaround times and to reduce translation costs. To maximize the effectiveness of MT and to obtain a final high-quality translation, two processes are usually included in the MT workflow: pre-editing and post-editing. The aim of the thesis is to study both Latvian and English news discourse and compare the effectiveness of two MT engines – Google Translate and Tilde Translator when translating news articles from English to Latvian. Both theoretical and practical research methods are used in the thesis. The theoretical methods include the study of previous research in the field of MT and news translation, the comparison of English and Latvian news discourse as well as determination of the translation method most often used when translating news from English to Latvian. The practical methods include the comparison of outputs provided by the two MT engines and determining the required post-editing effort, using the Translation Edit Rate (TER) method. The results of the theoretical study show that Latvian news discourse is much more neutral than English news discourse and the most commonly used translation method when translating news from English to Latvian is literal translation. The results of the practical study show that news articles translated by Tilde Translator require lower TER – an average of 19.43 %, but Google Translate – 26.04 %. The greatest challenges to MT engines are set expressions and words with an abstract meaning, as a large part of the words are translated by MT engines literally without taking the context into account.