The Accuracy and Consistency of Machine Translation Engines: Case Study of Translating Economic & Statistical Texts from English into Arabic

Monther  Battah; Suleiman Ibrahim Shelash  Mohammad; Muhammad Turki  Alshurideh; Asokan Vasudevan

doi:10.35516/hum.v51i4.8014

المؤلفون

Monther Battah قسم العلوم الإنسانية الأساسية، كلية الحصن الجامعية، جامعة البلقاء التطبيقية، الأردن https://orcid.org/0000-0001-9238-3114
Suleiman Ibrahim Shelash Mohammad متابع بحثي، كلية الأعمال والاتصالات، جامعة نيجبري سميسمبيان، ماليزيا؛ قسم إدارة الأعمال، كلية إدارة الأعمال، جامعة آل البيت، الأردن https://orcid.org/0000-0001-6156-9063
Muhammad Turki Alshurideh قسم التسويق، كلية إدارة الأعمال، الجامعه الأردنية، الأردن https://orcid.org/0000-0002-7336-381X
Asokan Vasudevan كلية الأعمال والاتصالات، جامعة نيجبري سميسمبيان، ماليزيا https://orcid.org/0000-0002-9866-4045

DOI:

https://doi.org/10.35516/hum.v51i4.8014

الكلمات المفتاحية:

ترجمة جوجل، الاتساق، الدقة، الترابط والتماسك

الملخص

الأهداف: تقيم هذه الدراسة دقة واتساق محرك وأداة ترجمة جوجل في ترجمة النصوص الإحصائية والاقتصادية من الإنجليزية إلى العربية.

المنهجية: تم استخدام المنهج التحليلي الوصفي في هذا المشروع، وتتكون عينة الدراسة من خمسة نصوص مستخرجة من البحوث الإحصائية والاقتصادية.

النتائج: كشفت الدراسة أن أداة ترجمة جوجل واجهت العديد من التحديات، واشتملت على أخطاء معجمية ونحوية وتناسقية. إلى جانب ذلك، قد ينشأ تحدٍ كبير من التعبيرات الاصطلاحية والاختصارات، حيث تستخدم أداة ترجمة جوجل الترجمة حرفيًا وتجعلها ذات معنى غير دقيق. في بعض الحالات، يتم عرض الاختصارات في النص المصدر (ST) كما هي في النص المستهدف (TT)، وفي حالات أخرى، تقوم أداة ترجمة جوجل بإجراء بحث عميق لترجمة معانيها في النص المستهدف. علاوة على ذلك، تواجه أداة ترجمة جوجل مشكلة كبيرة في ترجمة المصطلحات الفنية والتخصصية في النص المستهدف، وفي بعض الحالات، لا تأخذ في الاعتبار السياقات ولديها تحدي اختيار معجمي. أخيرًا، تقدم أداة ترجمة جوجل بعض المصطلحات بمعاني مختلفة داخل نفس النص.

الخلاصة: تمثل العبارات الاصطلاحية والاختصارات تحديًا كبيرًا، حيث تستخدم Google Translate الترجمة حرفيًا وتترجمها بمعنى غير دقيق. في بعض الحالات، يتم ترجمة الاختصارات في المصدر كما هي في TT، وفي حالات أخرى، تقوم Google Translate بإجراء بحث عميق لترجمة معانيها في TT.

التنزيلات

بيانات التنزيل غير متوفرة بعد.

المراجع

Automatic Language Processing Advisory Committee (ALPAC). (1966). Language and machines computers in translation and linguistics. National Academy of Sciences & the National Research Council.

Johnson, M., Schuster, M., Le, Q. V., Krikun, M., Wu, Y., Chen, Z., ...& Dean, J. (2017). Google’s multilingual neural machine translation system: Enabling zero-shot translation. Transactions of the Association for Computational Linguistics, 5, 339-351.

Koehn, P. and Knowles, R. (2017).Six Challenges for Neural Machine Translation.Proceedings of the First Workshop on Neural Machine Translation, pages 28–39, Vancouver, Canada, August 4, 2017.

Melby, A. K. (2019). Future of machine translation: Musings on Weaver's memo. The Routledge handbook of translation and technology.

Motlaq, M., & Mahadi, T. (2020).Advantages and disadvantages of using machine translation in translation pedagogy from the perspective of instructors and learners. Humanities & Social Sciences Reviews, 8(4), 121-137.

Okpor, M. D. (2014). Machine Translation Approaches Issues and Challenges. International Journal of Computer Science Issues, 11 (5), 2.

Thelen, M. (2008). Translation quality assessment or quality management and quality control of translation. Translation and meaning, 8, 411-424.

Tu, Z., Liu, Y., Shi, S., & Zhang, T. (2018). Learning to remember translation history with a continuous cache. Transactions of the Association for Computational Linguistics, 6, 407-420.

Weng, R., Wang, Q., Cheng, W., Zhu, C., & Zhang, M. (2023, June). Towards reliable neural machine translation with consistency-aware meta-learning. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 37, No. 11, pp. 13709-13717).