Zusammenfassung des Inhalts des Vortrags/Workshops Nach vielen Jahrzehnten mit vergleichsweise wenig Bewegung in der Entwicklung der Maschinellen Übersetzung (MÜ) wird seit dem Aufkommen der "neuronalen MÜ" in den letzten zwei Jahren der digitale Fortschritt nun umso mehr vorangetrieben. Bei der neuronalen MÜ handelt es sich also um eine recht 'dramatische' Entwicklung, die viele der tief sitzenden vorherigen Annahmen in Frage stellt, nicht zuletzt aufgrund des Qualitätssprungs, den die neue Generation der maschinellen Übersetzung mit sich bringt und der sich besonders stark bei Sprachpaaren bemerkbar macht, die zuvor oft eher belächelt wurden – mit Englisch-Deutsch als klassischem Beispiel. Diese Transformation möchten wir in unserem Vortrag "Übersetzen 4.0 – was die neuronale MÜ mit dem Berusfbild Übersetzen macht" zunächst historisch beleuchten, nicht zuletzt um Verständnis dafür zu schaffen, wie tief gewisse Annahmen verankert waren, die nun nachhaltig ins Wanken geraten sind. Daran anschließend zeigen wir anhand von einigen repräsentativen Beispielen, wie die Situation heute ist - und was dies mit ÜbersetzerInnen und den Prozessen in der Übersetzungsbranche 'macht'. Da dies nicht unähnlich zu anderen Industriebereichen ist – Stichwort Digitalisierung, die sich anschickt, viele Berufsbilder in Frage zu stellen – werden wir auch Beispiele aus anderen Bereichen anreißen. Daran anschließend werden wir die Folgen dieser Veränderung aufzeigen und einen Ausblick auf künftig zu erwartende Entwicklungen geben.
Angaben zur Vita des Referenten/der Referentin Daniel Brockmann Daniel Brockmann ist Leiter im Produktmanagement bei SDL. 1994 schloss Herr Brockmann sein Studium an der Universität des Saarlandes als Diplomübersetzer ab und begann seine berufliche Laufbahn bei der Trados GmbH im selben Jahr. Nach der Übernahme von Trados durch SDL im Jahr 2005 blieb Herr Brockmann im Produktmanagement tätig. Herr Brockmann ist u.a. für die Entwicklung der Übersetzungsumgebung SDL Trados Studio und den SDL Online Editor zuständig.
Details ausblenden Zusammenfassung des Inhalts des Vortrags/Workshops Nach vielen Jahrzehnten mit vergleichsweise wenig Bewegung in der Entwicklung der Maschinellen Übersetzung (MÜ) wird seit dem Aufkommen der "neuronalen MÜ" in den letzten zwei Jahren der digitale Fortschritt nun umso mehr vorangetrieben. Bei der neuronalen MÜ handelt es sich also um eine recht 'dramatische' Entwicklung, die viele der tief sitzenden vorherigen Annahmen in Frage stellt, nicht zuletzt aufgrund des Qualitätssprungs, den die neue Generation der maschinellen Übersetzung mit sich bringt und der sich besonders stark bei Sprachpaaren bemerkbar macht, die zuvor oft eher belächelt wurden – mit Englisch-Deutsch als klassischem Beispiel. Diese Transformation möchten wir in unserem Vortrag "Übersetzen 4.0 – was die neuronale MÜ mit dem Berusfbild Übersetzen macht" zunächst historisch beleuchten, nicht zuletzt um Verständnis dafür zu schaffen, wie tief gewisse Annahmen verankert waren, die nun nachhaltig ins Wanken geraten sind. Daran anschließend zeigen wir anhand von einigen repräsentativen Beispielen, wie die Situation heute ist - und was dies mit ÜbersetzerInnen und den Prozessen in der Übersetzungsbranche 'macht'. Da dies nicht unähnlich zu anderen Industriebereichen ist – Stichwort Digitalisierung, die sich anschickt, viele Berufsbilder in Frage zu stellen – werden wir auch Beispiele aus anderen Bereichen anreißen. Daran anschließend werden wir die Folgen dieser Veränderung aufzeigen und einen Ausblick auf künftig zu erwartende Entwicklungen geben.
Angaben zur Vita des Referenten/der Referentin Daniel Brockmann Daniel Brockmann ist Leiter im Produktmanagement bei SDL. 1994 schloss Herr Brockmann sein Studium an der Universität des Saarlandes als Diplomübersetzer ab und begann seine berufliche Laufbahn bei der Trados GmbH im selben Jahr. Nach der Übernahme von Trados durch SDL im Jahr 2005 blieb Herr Brockmann im Produktmanagement tätig. Herr Brockmann ist u.a. für die Entwicklung der Übersetzungsumgebung SDL Trados Studio und den SDL Online Editor zuständig.
Zusammenfassung des Inhalts des Vortrags/Workshops Background
Communication between medical staff, doctors, and patients can constitute a significant obstacle if they do not share a common language background. To overcome this language barrier a professional interpreter is necessary, but especially in cases of rare languages often not available. In these situations, free Speech-to-Speech Translation (SST) systems such as Google Translate or Microsoft Translate are increasingly used as an affordable and readily available alternative to human interpreters. However, the feasibility and accuracy of these systems in the domain of medicine has not yet been thoroughly investigated.
Objective
For this reason, three widely used SST-Apps such as Yandex Translate, Google Translate, and Microsoft Translate were investigated to evaluate their performance in the health care setting.
Methods
To evaluate the performance of the SST-Apps, three test dialogs in the language pair Russian/German with varying difficulty levels were composed. Their evaluation was done with the help of error analysis, while all errors are assigned to a specific error type. The given typology is based on error typology developed by Ramlow (2009) and includes lexical, morphological, syntactical, formal as well as errors in speech recognition and speech synthesis.
Results
The findings of the experiment indicate that the majority of errors occur on formal and lexical levels followed by morphological and syntactical levels. Whereas errors in speech synthesis are the least frequent error type. Furthermore, the analysis of the SST-Apps shows that the translation quality worsens significantly with the complexity of the source sentence. Generally speaking, Google Translate was overall able to deliver better results, particularly regarding speech recognition and speech synthesis.
Angaben zur Vita des Referenten/der Referentin Aryuna Dorzhieva -Freelance interpreter and translator for Russian, German and English, 2011-ongoing
-Simultaneous interpreter, Winter Youth Olympic Games, 02.2016-03.2016
Lillehammer, Norwayrn-Interpreter-Internship, KNAPP AG, August 2015
Graz, Austriarn-Project Manager, Da Vinci Language Services, 2011-2013
Moscow, Russiarn-Interpreter/Assistant to Radiology Department, European Medical Centre, 2012-2013
Moscow, Russiarn-Language Instructor, Big Ben Language Centre, 2011-2013
Moscow, RussiarnMA International Development, 2015-ongoing
University of Vienna MA Conference Interpreting, 2014-2017 (Russian, German, English) University of Vienna, Centre for Translation Studies
Grade achieved: Master of Arts
Specialist Degree Linguistics, Foreign Language Teaching Methodologies, 2006-2011 (Russian, English, German) Irkutsk State Linguistic University
Grade achieved: Specialist degree with honours
Irkutsk State Linguistic University
Details ausblenden Zusammenfassung des Inhalts des Vortrags/Workshops Background
Communication between medical staff, doctors, and patients can constitute a significant obstacle if they do not share a common language background. To overcome this language barrier a professional interpreter is necessary, but especially in cases of rare languages often not available. In these situations, free Speech-to-Speech Translation (SST) systems such as Google Translate or Microsoft Translate are increasingly used as an affordable and readily available alternative to human interpreters. However, the feasibility and accuracy of these systems in the domain of medicine has not yet been thoroughly investigated.
Objective
For this reason, three widely used SST-Apps such as Yandex Translate, Google Translate, and Microsoft Translate were investigated to evaluate their performance in the health care setting.
Methods
To evaluate the performance of the SST-Apps, three test dialogs in the language pair Russian/German with varying difficulty levels were composed. Their evaluation was done with the help of error analysis, while all errors are assigned to a specific error type. The given typology is based on error typology developed by Ramlow (2009) and includes lexical, morphological, syntactical, formal as well as errors in speech recognition and speech synthesis.
Results
The findings of the experiment indicate that the majority of errors occur on formal and lexical levels followed by morphological and syntactical levels. Whereas errors in speech synthesis are the least frequent error type. Furthermore, the analysis of the SST-Apps shows that the translation quality worsens significantly with the complexity of the source sentence. Generally speaking, Google Translate was overall able to deliver better results, particularly regarding speech recognition and speech synthesis.
Angaben zur Vita des Referenten/der Referentin Aryuna Dorzhieva -Freelance interpreter and translator for Russian, German and English, 2011-ongoing
-Simultaneous interpreter, Winter Youth Olympic Games, 02.2016-03.2016
Lillehammer, Norwayrn-Interpreter-Internship, KNAPP AG, August 2015
Graz, Austriarn-Project Manager, Da Vinci Language Services, 2011-2013
Moscow, Russiarn-Interpreter/Assistant to Radiology Department, European Medical Centre, 2012-2013
Moscow, Russiarn-Language Instructor, Big Ben Language Centre, 2011-2013
Moscow, RussiarnMA International Development, 2015-ongoing
University of Vienna MA Conference Interpreting, 2014-2017 (Russian, German, English) University of Vienna, Centre for Translation Studies
Grade achieved: Master of Arts
Specialist Degree Linguistics, Foreign Language Teaching Methodologies, 2006-2011 (Russian, English, German) Irkutsk State Linguistic University
Grade achieved: Specialist degree with honours
Irkutsk State Linguistic University