تكنولوجيات اللغة، مثل الترجمة الآلية (MT)، ولكن أيضا تطبيق الذكاء الاصطناعي بشكل عام ووفرة من أدوات القطط والمنصات لها تأثير متزايد على سوق الترجمة. تصبح التفاعل البشري مع هذه التقنيات أكثر أهمية على الإطلاق لأنها تؤثر على سير عمل المترجمين وبيئات العمل وملامح الوظائف. علاوة على ذلك، له آثار على تدريب المترجم. تتمثل إحدى المهام التي ظهرت مع تكنولوجيات اللغة بعد التحرير (PE) حيث يقوم المترجم البشري بتصحيح الناتج المترجم المترجم وفقا للمبادئ التوجيهية المعينة ومعايير الجودة (O'Brien، 2011: 197-198). تستخدم بالفعل على نطاق واسع في العديد من إعدادات الترجمة التقليدية، وقد دخل استخدامها في عمليات أكثر إبداعية مثل الترجمة الأدبية والترجمة السمعية البصرية (AVT) أيضا. مع دمج أنظمة MT، يجب أن تصبح عملية الترجمة أكثر كفاءة. تتأثر كل من العمليات الاقتصادية والمعرفية ومعها، حيث تتغير الكفاءات اللازمة لجميع أصحاب المصلحة. في هذه الورقة، نريد وصف ملفات تعريف الوظائف المحتملة المختلفة والكفاءات المعنية عند ترجمات ما بعد التحرير.
Language technologies, such as machine translation (MT), but also the application of artificial intelligence in general and an abundance of CAT tools and platforms have an increasing influence on the translation market. Human interaction with these technologies becomes ever more important as they impact translators' workflows, work environments, and job profiles. Moreover, it has implications for translator training. One of the tasks that emerged with language technologies is post-editing (PE) where a human translator corrects raw machine translated output according to given guidelines and quality criteria (O'Brien, 2011: 197-198). Already widely used in several traditional translation settings, its use has come into focus in more creative processes such as literary translation and audiovisual translation (AVT) as well. With the integration of MT systems, the translation process should become more efficient. Both economic and cognitive processes are impacted and with it the necessary competences of all stakeholders involved change. In this paper, we want to describe the different potential job profiles and respective competences needed when post-editing subtitles.
المراجع المستخدمة
https://aclanthology.org/
يتم استخدام نماذج ما بعد التحرير التلقائي (APE) مخرجات نظام الترجمة الآلية (MT) الصحيحة عن طريق التعلم من أنماط ما بعد التحرير البشري.نقدم النظام المستخدم في التقديم الخاص بنا إلى المهمة المشتركة (APE) APانية (EN-DE).نستفيد نظام MT الحديث (NG et al.،
تبنت تكنولوجيا اللغة بالفعل إلى حد كبير من قبل معظم مزودي خدمات اللغة (LSPs) ومدمج في عمليات الترجمة التقليدية. في هذا السياق، هناك العديد من الأساليب المختلفة لتطبيق النصوص بعد التحرير (PE) من نص مترجمة النص، بما في ذلك عمليات سير عمل مختلفة وخطوات
الملخصات التلقائية لديها القدرة على مساعدة الأطباء في تبسيط المهام الكتابية مثل اتخاذ الملاحظات.ولكن من الصعب بشكل مسهل تقييم هذه الأنظمة وإظهار أنها آمنة لاستخدامها في بيئة سريرية.للتحايل على هذه المسألة، نقترح نهج شبه تلقائي حيث يلاحظ الأطباء بعد ت
تم تلخيص الاستخراج هو الدعامة الرئيسية للتلخيص التلقائي لعدة عقود. على الرغم من كل التقدم المحرز، ما زالت الملخصات الاستخراجية تعاني من أوجه القصور بما في ذلك مشاكل Aquerence الناشئة عن استخراج الجمل بعيدا عن سياقها الأصلي في المستند المصدر. هذا يؤثر
على الرغم من نوعية جيدة بشكل جيد لأنظمة الترجمة الآلية (MT)، تتطلب مخرجات MT تصحيحات. تم تقديم نماذج ما بعد التحرير التلقائي (APE) لأداء هذه التصحيحات دون تدخل بشري. ومع ذلك، لا يتمكن أي نظام من أتمتة عملية التحرير بالكامل (PE). علاوة على ذلك، في حين