Οι δεξιότητες στην Πληροφορική είναι καίριας σημασίας για το έργο του μεταφραστή, και ο στόχος αυτής της ενότητας είναι να καταδείξει πώς μπορεί να βελτιστοποιηθεί η μεταφραστική διαδικασία και η προώθηση των υπηρεσιών που προσφέρει ένας μεταφραστής μέσω της γνώσης και της χρήσης ηλεκτρονικών εργαλείων. Πέρα από μια θεωρητική προσέγγιση στη μεταφραστική τεχνολογία, οι φοιτητές θα αποκτήσουν πρακτικές γνώσεις με άσκηση στο «πραγματικό περιβάλλον» της μετάφρασης, με τη χρήση εργαλείων υποβοήθησης της μετάφρασης (CAT-tools, RWS Trados, Phrase, BWX, XTM κ.ά.), συμπεριλαμβανομένων εργαλείων που είναι cloud-based και open-source. Η εξοικείωση με τη Μηχανική Μετάφραση και τα είδη της (με έμφαση στη Νευρωνική Μηχανική Μετάφραση και την Παραγωγική Τεχνητή Νοημοσύνη) και η μετεπιμέλεια μηχανικά μεταφρασμένου κειμένου (post-editing) περιλαμβάνονται επίσης στην ενότητα, όπως και η εξοικείωση με την ανθρώπινη και αυτόματη αξιολόγηση συστημάτων μηχανικής μετάφρασης.
Με την ολοκλήρωση του μαθήματος, οι φοιτητές θα μπορούν να:
1η εβδομάδα: Προεπισκόπηση του μαθήματος. Η μετάφραση και η συμπόρευσή της με την τεχνολογία. Μηχανική μετάφραση: Εισαγωγή στη μηχανική μετάφραση, ιστορική αναδρομή, ζητήματα ηθικής και δεοντολογίας.
2η εβδομάδα: Είδη και προσεγγίσεις μηχανικής μετάφρασης (στατιστική, νευρωνική, κ.ά.) και ο τρόπος εκπαίδευσης τους.
3η εβδομάδα: Αξιολόγηση συστημάτων μηχανικής μετάφρασης. Αυτόματες μετρικές και υπολογισμός ποιότητας (quality estimation). Πρακτική εφαρμογή των μετρικών, https://mateo.ivdnt.org/Evaluate.
4η εβδομάδα: Ανθρώπινη αξιολόγηση. Υπολογισμός ευχέρειας/ακρίβειας (adequacy/fluency), κατάταξη (ranking) και ανάλυση λαθών (τυπολογία MQM/DQF). Προεπεξεργασία και μετεπιμέλεια μηχανικά μεταφρασμένου κειμένου: εισαγωγή.
5η εβδομάδα: Τεχνικές και είδη μετεπιμέλειας. Μετεπιμέλεια μηχανικά μεταφρασμένου κειμένου: πρακτική άσκηση. Μετεπιμέλεια μηχανικά μεταφρασμένου κειμένου: πρακτική άσκηση και κατηγοριοποίηση λαθών.
6η εβδομάδα: Εισαγωγή στα CAT tools. BWX Ι: Παρουσίαση του εργαλείου. Διαχείριση μεταφραστικών μνημών και βάσεων ορολογίας, εισαγωγή κι εξαγωγή αρχείων, ευθυγράμμιση κειμένων, χρήση μηχανικής μετάφρασης και της ενσωματωμένης έκδοσης του ChatGPT.
7η εβδομάδα: ΒWX II: Μετάφραση ενός αρχείου Word. Πρακτική άσκηση και συζήτηση για τη χρήση της Τεχνητής Νοημοσύνης στη διαδικασία.
8η εβδομάδα: Phrase I: Παρουσίαση. Διαχείριση μεταφραστικών μνημών και βάσεων ορολογίας, εισαγωγή κι εξαγωγή tmx και tbx αρχείων, ευθυγράμμιση κειμένων.
9η εβδομάδα: Phrase II: Μετάφραση ενός αρχείου Word και μετάφραση διαφορετικών μορφότυπων αρχείων (PDF, Εxcel, SRT, XML κ.ά). Πρακτική άσκηση.
10η εβδομάδα: Multiterm: αναζήτηση σε βάση ορολογίας, δημιουργία βάσης ορολογίας από μετατροπή έτοιμου αρχείου/εξ ολοκλήρου νέας βάσης, προσθήκη καταχωρίσεων σε βάση ορολογίας, εξαγωγή ορολογίας. Trados Studio I: Αρχική εκκίνηση, επισκόπηση του περιβάλλοντος χρήστη, προσωπικές ρυθμίσεις.
11η εβδομάδα: Trados Studio Ι: Μετάφραση ενός αρχείου Word (auto-propagation, fuzzy match, exact match, context match, tags, concordance Search, oρθογραφικός έλεγχος, έλεγχος διασφάλισης ποιότητας).
12η εβδομάδα: Trados Studio II: Μετάφραση διαφορετικών μορφότυπων αρχείων (PDF, Εxcel, SRT, XML κ.ά.). Βασικές συντομεύσεις πληκτρολογίου. Διαχείριση μεταφραστικών μνημών, ευθυγράμμιση κειμένων (alignment, δημιουργία autosuggest dictionaries).
13η εβδομάδα: Trados Studio III: Χρήση της ενσωματωμένης έκδοσης του ChatGPT.
Allen J (2003) Post-editing. Computers and Translation. A Translator’s Guide, edited by Harold Somers, 297–317. John Benjamins, Amsterdam.
Bojar O, Chatterjee R, Federmann C, Graham Y, Haddow B, Huck M et al. (2016) Findings of the 2016 conference on Machine Translation. In: Proceedings of the First Conference on Machine Translation: Shared Task Papers (WMT), Vol. 2, pp. 131–198.
Bowker L (2002) Computer Aided Translation Technology: A Practical Introduction. Ottawa: Ottawa University Press.
Carl M, Buch-Kromann M (2010) Correlating Translation Product and Translation Process Data of Professional and Student Translators. In Proceedings of EAMT, Saint-Raphael, France.
Castilho S, Moorkens J, Gaspari F, Calixto I, Tinsley J, Way A (2017a) Is Neural Machine Translation the New State of the Art? The Prague Bulletin of Mathematical Linguistics, 108(1): 109–120
Castilho S, Moorkens J, Gaspari F, Sennrich R, Sosoni V, Georgakopoulou Y, Lohar P, Way A, Miceli Barone A, Gialama M (2017b) A Comparative quality evaluation of PBSMT and NMT using professional translators. Proceedings of Machine Translation Summit XVI. Nagoya, Japan.
de Almeida G (2013) Translating the post-editor: An investigation of post-editing changes and correlations with professional experience. PhD Thesis, Dublin City University
Depraetere I (2010) What Counts as Useful Advice in a University Post-editing Training Context? Report on a case study. Proceedings of the 14th Annual EAMT Conference. St. Raphael, May 27-28. Accessed June 2013. http://www.mt-archive.info/EAMT-2010-Depraetere-2.pdf.
Doherty, S (2016) The Impact of Translation Technologies on the Process and Product of Translation. International Journal of Communication 10, 947–969.
García, I. 2010. Is Machine Translation Ready Yet?. Target 22(1):7–21. John Benjamins, Amsterdam.
Gaspari F, Toral A, Kumar Naskar S, Groves D, Way, A (2014) Perception vs reality: Measuring machine translation post-editing productivity. Paper presented to the 3rd workshop on post-editing technology and practice (WPTP-3), within the 11th biennial conference of the Association Human Factors in Computing Systems (CHI). http://vis.stanford.edu/papers/post-editing
Goutsos D, Fragkaki G (2015) Introduction to Corpus Linguistics [in Greek]. Athens: Kallipos. https://repository.kallipos.gr/handle/11419/1932
Göpferich S, Gerrit BH, Friederike P, Stadlober J (2011) Exploring Translation Competence Acquisition: Criteria of Analysis Put to the Test. In Cognitive Explorations of Translation, edited by Sharon O’Brien, 57-86. Continuum Studies in Translation. London: Continuum
Hvelplund KT (2011) Allocation of cognitive resources in translation: An eye-tracking and key-logging study. PhD thesis, Copenhagen Business School
Jia Y, Carl M, Wang X (2019) How does the post-editing of Neural Machine Translation compare with from-scratch translation? A product and process study, Jostrans: The Journal of Specialised Translation, 31: 60-86
Koponen M (2012) Comparing human perceptions of post-editing effort with post-editing operations. Proceedings of the 7th workshop on statistical machine translation. Montreal, Canada
Koponen M (2016a) Is machine translation post-editing worth the effort? A survey of research into post-editing and effort. Jostrans: The Journal of Specialised Translation, 25: 131-148
Koponen M (2016b) Machine translation post-editing and effort: Empirical Studies on the post-editing effort. PhD Thesis, University of Helsinki
Krings Η (2001) Repairing texts: Empirical investigations of machine translation post-editing processes. Kent State University Press
Lommel A R, DePalma DA (2016) Europe’s leading role in Machine Translation: How Europe is driving the shift to MT. Technical report. Common Sense Advisory, Boston
Mesa-Lao B (2014) Gaze behaviour on source texts: An exploratory study comparing translation and post-editing. In O'Brien S, Balling LW, Carl M, Simard M, Specia L (eds) Post-editing of machine translation. Cambridge Scholars Publishing, Newcastle
Mitchell L (2015) Community post-editing of machine-translated user-generated content. PhD thesis. Dublin City University.
Moorkens J, Castilho S, Gaspari F, and Doherty S (2018) Translation Quality Assessment: From Principles to Practice. Springer, Heidelberg.
Moorkens J (2018) Eye tracking as a measure of cognitive effort for post-editing of machine translation. In: Calum W, Federici FM (eds) Eye tracking and multidisciplinary studies on translation. John Benjamins, Amsterdam, pp 55-69
Moorkens J, O’Brien S (2015) Post-editing evaluations: Trade-offs between novice and professional participants. In: Durgar El‐Kahlout İ, Özkan M, Sánchez‐Martínez F, Ramírez‐Sánchez G, Hollowood F, Way A (eds) Proceedings of European Association for Machine Translation (EAMT) 2015, Antalya, pp 75–81
O'Brien S (2012) Translation and human-computer interaction. Translation Spaces, 1 (1), 101-122
O’Brien S, Simard M (2014) Introduction to special issue on postediting. Machine Translation 28(3), 159–164
O'Brien S, Balling WL, Carl M, Simard M, Specia L (eds) (2014) Post-editing of machine translation: Processes and applications. Cambridge Scholars Publishing, Newcastle
Popović M (2017) Comparing Language Related Issues for NMT and PBMT between German and English. The Prague Bulletin of Mathematical Linguistics, 108(1): 209–220
Quah K C (2006) Translation and Technology. New York: Palgrave Macmillan
Stasimioti M, Sosoni V (2020) Translation vs Post-editing of NMT Output: Measuring effort in the English-Greek language pair. Proceeding of 1st Workshop on Post-Editing in Modern-Day Translation, AMTA 2020, 6 October 2020, Online Conference
Stasimioti M, Sosoni V, Kermanidis KL, Mouratidis, D (2020) Machine Translation Quality: A comparative evaluation of SMT, NMT and tailored-NMT outputs. Proceedings of the 22nd Annual Conference of the European Association for Machine Translation. Lisbon November 2020, 441-450.https://www.aclweb.org/anthology/2020.eamt-1.47.pdf
Stasimioti M & Sosoni V (2019) MT output and post-editing effort: Insights from a comparative analysis of SMT and NMT output for the English to Greek language pair and implications for the training of post-editors. In C. Szabó & R. Besznyák (eds) (2019) Teaching Specialised Translation and Interpreting in a Digital Age - Fit-For-Market Technologies, Schemes and Initiatives. Wilmington: Vernon Press
Stasimioti M & Sosoni V (2019) Undergraduate translation students’ performance and attitude vis-à-vis Machine Translation and Post-editing: Does training playing a role? Conference Proceedings Translating and the Computer 41, London 21-22 November 2019. https://www.asling.org/tc41/?page_id=2078
Toral A, Sánchez-Cartagena VM (2017) A Multifaceted Evaluation of Neural versus Phrase Based Machine Translation for 9 Language Directions. In: Proceedings of the 15th Conference of the European Chapter of the Association for Computational Linguistics (EACL), Vol. 1, pp. 1063-1073
Toral A, Way A (2018) “What level of quality can Neural Machine Translation attain on literary text?” In Translation Quality Assessment: From Principles to Practice, edited by J. Moorkens, S Castilho, F Gaspari, and S Doherty, 263-287, Springer, Heidelberg.
Toral A, Wieling M, and Way A (2018) “Post-editing Effort of a Novel with Statistical and Neural Machine Translation”. Frontiers in Digital Humanities 5:9.
Vieira LN, Alonso E, Bywood L (2019) Introduction: Post-editing in practice – Process, product and networks. Jostrans: The Journal of Specialised Translation, 31: 2-13.
Wagner E (1985) Post-editing Systran – A Challenge for Commission Translators. Terminologie et Traduction, (3).
Yamada M (2015) Can college students be post-editors? An investigation into employing language learners in machine translation plus post-editing settings. Machine Translation, 29: 49-67.
Yamada M (2019) The impact of Google Neural Machine Translation on Post-editing by student translators, Jostrans: The Journal of Specialised Translation, 31: 87-106.
Zhechev V (2014) Analysing the post-editing of machine translation at autodesk. In: O’Brien S, Balling LW, Carl M, Simard M, Specia L (eds) (2014) Postediting of machine translation: Processes and application. Cambridge Scholars, pp 2–13.
To μάθημα έχει την υβριδική μορφή διάλεξης-εργαστηρίου. Βασίζεται σε μεγάλο μέρος στο διάλογο με τους φοιτητές και στα σχόλιά τους. Εργαστηριακές ασκήσεις παρουσιάζουν πρακτικές πτυχές των ζητημάτων που καλύπτονται και περιγράφονται στην θεωρία. Προσκεκλημένοι ομιλητές από την αγορά καλύπτουν τις πλέον πρόσφατες εξελίξεις της τεχνολογίας.
Γίνεται χρήση εποπτικών μέσων, πρακτική εξάσκηση στα εργαλεία υποβοήθησης της μετάφρασης (RWS Trados Studio, Multiterm, BXW, Prase) και στις αυτόματες μετρικές https://mateo.ivdnt.org/Evaluate. Διατίθεται υλικό που καλύπτει όλη τη διδακτέα ύλη. Η διάθεση του υλικού αυτού γίνεται μέσω της πλατφόρμας Open e-class.
Το μάθημα εξετάζεται με τελική εξέταση και εργασία που αφορά τη μετάφραση με χρήση ενός εργαλείου υποβοήθησης της μετάφρασης, την αξιολόγηση και τη μετεπιμέλεια μηχανικά μεταφρασμένου κειμένου, καθώς και τον σχολιασμό της διαδικασίας. Παράλληλα, κάθε εβδομάδα ανατίθεται στους φοιτητές ατομική ή ομαδική άσκηση ή εργασία.
