神经网络机器翻译错误类型对译者注意资源分配的影响——来自眼动追踪的证据

本研究基于多维度质量指标,构建英-汉翻译错误类型框架,开展眼动实验,考察英译汉神经网络机器翻译错误类型如何影响译者在译后编辑和人工翻译过程中注意资源分配的情况。研究发现:1)词义错误和衔接与连贯问题会使译者在译后编辑过程中分别投入更多的注意资源至外部查询和原文区;2)风格问题和术语问题是机器翻译和人工翻译共同面临的“困难”;3)译者的英语水平、翻译经验与机器翻译错误类型之间的交互效应不显著,而机器翻译的风格问题对译者分配至译后编辑总兴趣区和译文区注意资源的影响,则取决于译者对待译后编辑的态度。

财经新闻机器翻译常见错误类型的译后编辑研究

译后编辑已成为翻译学界和业界的重要研究方向。译前编辑属于广义上的译后编辑,本文中的译后编辑特指译前编辑。文本选取《经济学人》Covid-19系列报道为语料,结合在机器翻译中出现的常见错误类型,提出每种错误类型相应的解决方案,旨在为广大译者提高财经类新闻译后编辑效率提供有效的参考意见。

MTPE翻译模式下高校翻译教学创新研究

文章基于“讯飞杯”京津冀院校多语种翻译大赛的汉英文本翻译,分析了机器翻译后编辑(MTPE)模式下的译文质量及翻译教学创新。机器翻译在神经网络算法推动下质量提升,但仍需译后编辑确保准确性。通过研究大赛中的译文翻译错误发现了译后编辑要点。在翻译教学中,应培养学生MTPE能力,掌握译后编辑策略和方法,实践人机协同翻译模式。

机器翻译的译后编辑策略探究

随着机器翻译技术取得了巨大进步,机器翻译应用日益广泛,深受学生、语言服务业者的青睐。但机器翻译工具尚未成熟,其译文仍有各类错误。为更好地利用机器翻译工具辅助翻译工作的展开,文章以Google在线翻译工具所提供的汉英译文为研究对象,将机器译文与专家译文进行对比,从词汇层面、句法层面和语篇层面探究译后编辑策略,以期提高译后编辑的效率。