340320 VO Maschinelle Translation (2023W)
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
max. 1000 Teilnehmer*innen
Sprache: Englisch
Prüfungstermine
- Dienstag 23.01.2024 09:45 - 11:15 Digital
- Dienstag 05.03.2024 09:45 - 11:15 Digital
- Dienstag 23.04.2024 09:45 - 11:15 Digital
- Dienstag 25.06.2024 09:45 - 11:15 Digital
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 10.10. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 17.10. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 24.10. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 31.10. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 07.11. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 14.11. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 28.11. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 05.12. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 12.12. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 09.01. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
- Dienstag 16.01. 09:45 - 11:15 Hörsaal 6 Franz-Klein-Gasse 1 EG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Die Studierenden beantworten eine Reihe von Fragen zu den in der Lehrveranstaltung behandelten Themen und greifen dabei auf das Wissen und die Erfahrung zurück, die sie im Verlauf der Lehrveranstaltung bezüglich vielfältiger Aspekte im Zusammenhang mit Maschineller Übersetzung erworben haben.Die Prüfung erfolgt im Multiple-Choice-Format digital in Moodle.Es handelt sich um eine "Open-Book"-Prüfung. Das bedeutet, dass die Materialien aus der Lehrveranstaltung verwendet werden dürfen.
Mindestanforderungen und Beurteilungsmaßstab
Benotung:Mindestens 90% der möglichen Punkte – Sehr gut (1)
Mindestens 80% der möglichen Punkte – Gut (2)
Mindestens 70% der möglichen Punkte – Befriedigend (3)
Mindestens 60% der möglichen Punkte – Genügend (4)
Weniger als 60% der möglichen Punkte – Nicht genügend (5)Zum bestehen der Prüfung müssen mindestens 60% der möglichen Punkte erzielt werden.
Mindestens 80% der möglichen Punkte – Gut (2)
Mindestens 70% der möglichen Punkte – Befriedigend (3)
Mindestens 60% der möglichen Punkte – Genügend (4)
Weniger als 60% der möglichen Punkte – Nicht genügend (5)Zum bestehen der Prüfung müssen mindestens 60% der möglichen Punkte erzielt werden.
Prüfungsstoff
Die Prüfungsfragen basieren auf den in den Präsenzeinheiten vermittelten Inhalten und den begleitenden Diskussionen.
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
- Moniz, H., & Parra Escartín, C. (Eds.). (2023). Towards Responsible Machine Translation: Ethical and Legal Considerations in Machine Translation (Vol. 4). Springer International Publishing. https://doi.org/10.1007/978-3-031-14689-3Zusätzlich 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.
- 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.
- BS EN ISO 17100:2015: Translation Services. Requirements for translation services
- ISO/DIS 18587 Translation services - Post-editing of machine translation output – Requirements
- 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
- Moniz, H., & Parra Escartín, C. (Eds.). (2023). Towards Responsible Machine Translation: Ethical and Legal Considerations in Machine Translation (Vol. 4). Springer International Publishing. https://doi.org/10.1007/978-3-031-14689-3Zusätzlich 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.
- 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.
- BS EN ISO 17100:2015: Translation Services. Requirements for translation services
- ISO/DIS 18587 Translation services - Post-editing of machine translation output – Requirements
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Fr 19.04.2024 09:06
Die Studierenden verstehen die Entwicklung der maßgeblichen Ansätze der Maschinellen Übersetzung (MÜ) (regelbasiert, statistisch, neuronal). Sie wissen, inwieweit die einzelnen Ansätze (bzw. die Lösungen, auf denen sie aufbauen) auch heute noch im Bereich der Sprachverarbeitung Anwendung finden. Bei der detaillierten Betrachtung der Erstellung, Evaluation und Feinjustierung von MÜ-Systemen liegt der Fokus auf dem neuronalen Ansatz.
Anhand von Beispielen aus Wirtschaft und Forschung lernen die Studierenden die Vielfalt an Anwendungsbereichen kennen, in denen MÜ effektiv eingesetzt werden kann, und erfahren, wie sich MÜ in Lokalisierungsprozesse und Werkzeuge der computergestützten Übersetzung (Computer-Assisted Translation, CAT) oder Translation Environment Tools (TEnT) einbinden lässt. Bei der Betrachtung dieser Anwendungsbereiche wird auch auf aktuelle Herausforderungen eingegangen, einschließlich der Verwendung von MÜ für verschiedene Textsorten (technische Fachtexte/kreative Texte) oder verschiedene Modalitäten (Text-zu-Text/Sprache-zu-Sprache). Die Konzepte und Verfahren zur Evaluation und automatischen Qualitätsprognose von MÜ werden anhand von Beispielen dargestellt.
Die Inhalte der Lehrveranstaltung beschränken sich jedoch nicht auf technologische Aspekte. Zusätzlich wird besprochen, welche ethischen Überlegungen im Umgang mit MÜ relevant sind, wie MÜ sprachlich repräsentierte Vorurteile reproduzieren kann und welche Schwierigkeiten bei der Erkennung und Behebung solcher Probleme auftreten können. Internationale Normen zu MÜ und anderen Übersetzungstechnologien werden vorgestellt und besprochen. Bewährte Vorgehensweisen zum Posteditieren von MÜ werden besprochen und unrealistische Erwartungen an die Effizienz von MÜ werden kritisch betrachtet. Aspekte der kognitiven Ergonomie sowie Alternativen zum klassischen Posteditieren in CAT-Tools werden ebenfalls besprochen.Inhalt:
• Regelbasierte (RBMÜ), statistische (SMÜ) und neuronale (NMÜ) Maschinelle Übersetzung: Geschichte und Anwendungsmöglichkeiten
• Aufbau von NMÜ-Systemen
• MÜ-Evaluationsmetriken
• Möglichkeiten zur automatischen Qualitätsprognose von MÜ
• MÜ in professionellen Arbeitsabläufen
• MÜ in komplexeren Systemen (z. B. Sprache-zu-Sprache-Übersetzung)
• Kontrollierte Sprache; Pre-Editing
• Normen und bewährte Vorgehensweisen zum Posteditieren von MÜ
• Ethische Aspekte der MÜ-Nutzung und Auswirkungen auf selbstständige Übersetzer*innen, die Sprachdienstleistungsbranche und die UmweltLehrkonzept:
Die Studierenden erarbeiten sich die Inhalte der Lehrveranstaltung durch interaktives Arbeiten und verschiedene Lernmethoden, einschließlich Literaturrecherche und Reflexionen zu MÜ-Anwendungsszenarien in Heimarbeit sowie gemeinsame Besprechung dieser Anwendungsszenarien.
Die Lehrveranstaltung wird auf Englisch gehalten.