Universität Wien

340130 UE Maschinelle Translation (2024S)

3.00 ECTS (2.00 SWS), SPL 34 - Translationswissenschaft
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch, Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Montag 11.03. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 18.03. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 08.04. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 15.04. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 29.04. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 06.05. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 13.05. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 27.05. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 03.06. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 10.06. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG
  • Montag 17.06. 15:00 - 16:30 Medienlabor II ZfT Gymnasiumstraße 50 4.OG

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die Studierenden erwerben praxisorientierte Kenntnisse zur computergestützten Übersetzung (Computer-Assisted Translation, CAT) sowie zur Einbindung und Anpassung von Maschineller Übersetzung (MÜ), zur Fehlerannotation und zum Posteditieren. Unter Verwendung modernster Technologien erlernen die Studierenden die Feinjustierung vortrainierter MÜ-Modelle, deren Evaluation anhand automatisierter und manueller Metriken, die Einbindung von MÜ in ein gängiges CAT-Tool, das Annotieren maschinell übersetzter Texte anhand etablierter Fehlertypologien und das Posteditieren von MÜ im Einklang mit den betreffenden ISO-Normen.

Inhalt:
• Computer-Assisted Translation (CAT) Tools
• Aufbau von neuronalen MÜ-Systemen und Feinjustierung vortrainierter Modelle
• MÜ-Evaluationsmetriken, Werkzeuge und Verfahren für das Annotieren
• MÜ in professionellen Arbeitsabläufen
• Normen und bewährte Vorgehensweisen zum Posteditieren von MÜ
• Ethische Aspekte der MÜ-Nutzung und Auswirkungen auf selbstständige Übersetzer*innen

Lehrkonzept:
Die Studierenden erhalten Hausaufgaben, in denen sie CAT-Tools und andere Technologien für die Feinjustierung, Einbindung, Evaluation und Optimierung von MÜ einsetzen. Die Studierenden erwerben außerdem Erfahrung im Posteditieren maschinell übersetzter Texte im Einklang mit den betreffenden ISO-Normen.
Die Lehrveranstaltung wird auf Englisch gehalten.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Studienbegleitende Leistungskontrolle:
• Wöchentliche Reflexionsleistungen und aktive Teilnahme machen 30 % der Note aus.
• Eine kurze Gruppenpräsentation macht 30 % der Note aus.
• Eine MÜ-Projektmappe (bestehend aus Abgaben zu den Themen Alignieren, Feinjustieren, Annotieren und Posteditieren sowie einem kurzen Kommentar) macht 40 % der Note aus.

Alle Medien und Tools sind erlaubt, aber ihre Anwendung muss zitiert werden. Wenn Sie KI-Tools wie ChatGPT verwenden, müssen Sie außerdem in einer Fußnote die verwendete Aufforderung (Prompt) angeben. Im Allgemeinen folgen wir den hier beschriebenen Hinweisen: https://libguides.brown.edu/c.php?g=1338928&p=9868287

Mindestanforderungen und Beurteilungsmaßstab

Es gilt Anwesenheitspflicht – zwei Abwesenheiten sind erlaubt.

Bestehen der Lehrveranstaltung
Um die Lehrveranstaltung zu bestehen, muss mindestens die Note 4 erzielt werden.

Benotung
Sehr gut (1)
Gut (2)
Befriedigend (3)
Genügend (4)
Nicht genügend (5)

Prüfungsstoff

• Nutzung von CAT-Tools
• Feinjustierung von MÜ
• Evaluation von MÜ
• Posteditieren von MÜ

Literatur

Maßgebliche Texte:
- Kenny, Dorothy. 2022. Machine translation for everyone: Empowering users in the age of artificial intelligence. (Translation and Multilingual Natural Language Processing 18). Berlin: Language Science Press. DOI: 10.5281/zenodo.6653406 (url: https://langsci-press.org/catalog/book/342)
- Koehn, P. 2020. Neural Machine Translation. Cambridge University Press
- ISO/DIS 18587 Translation services - Post-editing of machine translation output – Requirements
- BS EN ISO 17100:2015: Translation Services. Requirements for translation services
- Rothwell, Andrew, Joss Moorkens, María Fernández-Parra, Joanna Drugan and Frank Austermuehl. 2023. Translation Tools and Technologies (1st ed.). London/New York: Routledge https://doi.org/10.4324/9781003160793
Zusätzlich empfohlene Quellen:
- Globally Speaking: A podcast for and by localization professionals. https://www.globallyspeakingradio.com/
- Carstensen, K-U. 2017. Sprachtechnologie - Ein Überblick. http://kai-uwe-carstensen.de/Publikationen/Sprachtechnologie.pdf
- Chan, Sin-Wai. Ed. 2015. Routledge encyclopedia of translation technology Abingdon, Oxon : Routledge.
- Depraetere, I. Ed. 2011. Perspectives on translation quality. Berlin: de Gruyter Mouton
- Hausser, Roland. 2000. Grundlagen der Computerlinguistik - Mensch-Maschine-Kommunikation in natürlicher Sprache (mit 772 – Übungen). Springer.
- Kockaert, H. J. and Steurs, F. Eds. 2015. Handbook of terminology. Amsterdam; Philadelphia: John Benjamins Publishing Company.
- Moniz, Helena and Parra Escartín, Carla. Eds. 2023. Towards Responsible Machine Translation: Ethical and Legal Considerations in Machine Translation. Springer Verlag.
- Munday, J. 2012. Evaluation in translation: critical points of translator decision-making: Routledge.
- O'Hagan, M. Ed. 2019. The Routledge Handbook of Translation and Technology. Abingdon: Routledge
- Waibel, A. 2015. Sprachbarrieren durchbrechen: Traum oder Wirklichkeit? Nova Acta Leopoldina NF 122, Nr. 410, 101–123. https://isl.anthropomatik.kit.edu/downloads/NAL_Bd122_Nr410_101-124_Waibel_low_res.pdf- Wright, S. E. and Budin, G. 1997/2001. The Handbook of Terminology Management. Two volumes. Amsterdam/Philadelphia: John Benjamins Publishing Company.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 21.06.2024 10:27