Publicação
Avaliação de qualidade de tradução de diálogos na aplicação didática – ELSA Speak
| Resumo: | Este trabalho tem como objetivo averiguar que tipo de erros os motores de tradução Google Tradutor e DeepL mais cometem, em contexto de diálogos informais. Para esse efeito, foram analisadas as traduções de 186 exercícios de diálogos da aplicação ELSA Speak – uma aplicação que auxilia os seus utilizadores na pronúncia de inglês. Todos os erros encontrados foram catalogados nas tipologias de erros de Accuracy e Fluency da tipologia de erros da MQM (Multidimensional Quality Metric), sendo também classificados com diferentes graus de gravidade: menor, grave e crítico. Na categoria Accuracy, ou adequação do texto de chegada na tradução proposta no texto de partida, foi notório que a maioria dos erros apontados foram provocados por traduções demasiado literais dos textos de partida, tanto do motor de tradução automática Google Tradutor, como do DeepL. No entanto, foram também registados alguns erros de omissões e adições de informação, texto que não foi devidamente traduzido ou que não deveria ter sido traduzido de todo. Já na categoria Fluency, ou fluência do texto de chegada, os erros mais evidentes estão relacionados com erros de coerência textual, existindo também alguns erros de concordância gramatical, de tempos e modos verbais incorretos, de diacríticos e alguns erros de pontuação. Após a análise dos erros encontrados, concluiu-se que o motor de tradução automática DeepL apresenta melhores resultados do que o Google Tradutor. Será também brevemente apresentada a estrutura global da conversação, assim como todas as fases que a compõem. A nível de microestrutura da conversação, será analisada a tomada de palavra e a sua importância num diálogo. |
|---|---|
| Autores principais: | Almeida, Mariana Rodrigues |
| Assunto: | Tradução automática - Qualidade - Controlo Erro Tradução Teses de mestrado - 2021 |
| Ano: | 2021 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | português |
| Origem: | Repositório da Universidade de Lisboa |
| Resumo: | Este trabalho tem como objetivo averiguar que tipo de erros os motores de tradução Google Tradutor e DeepL mais cometem, em contexto de diálogos informais. Para esse efeito, foram analisadas as traduções de 186 exercícios de diálogos da aplicação ELSA Speak – uma aplicação que auxilia os seus utilizadores na pronúncia de inglês. Todos os erros encontrados foram catalogados nas tipologias de erros de Accuracy e Fluency da tipologia de erros da MQM (Multidimensional Quality Metric), sendo também classificados com diferentes graus de gravidade: menor, grave e crítico. Na categoria Accuracy, ou adequação do texto de chegada na tradução proposta no texto de partida, foi notório que a maioria dos erros apontados foram provocados por traduções demasiado literais dos textos de partida, tanto do motor de tradução automática Google Tradutor, como do DeepL. No entanto, foram também registados alguns erros de omissões e adições de informação, texto que não foi devidamente traduzido ou que não deveria ter sido traduzido de todo. Já na categoria Fluency, ou fluência do texto de chegada, os erros mais evidentes estão relacionados com erros de coerência textual, existindo também alguns erros de concordância gramatical, de tempos e modos verbais incorretos, de diacríticos e alguns erros de pontuação. Após a análise dos erros encontrados, concluiu-se que o motor de tradução automática DeepL apresenta melhores resultados do que o Google Tradutor. Será também brevemente apresentada a estrutura global da conversação, assim como todas as fases que a compõem. A nível de microestrutura da conversação, será analisada a tomada de palavra e a sua importância num diálogo. |
|---|