Міжнародний філологічний часопис

Переклад реалій сучасної німецької мови з використанням системи DeepL

Світлана Амеліна, Ростислав Тарасенко, Ліін Шень
Завантажити статтю
Анотація

Актуальність теми дослідження зумовлена зростанням ролі систем машинного/автоматичного перекладу і можливістю їх використання перекладачем як допоміжних інструментів під час виконання перекладу. Метою статті було вивчення можливостей використання системи DeepL для перекладу реалій сучасної німецької мови українською мовою. Під час проведення дослідження був застосований комплекс методів: метод аналізу і синтезу, зіставний і описовий методи, узагальнення. Встановлено, що частка реалій, адекватно перекладених за допомогою системи DeepL, варіюється в залежності від тематичної групи. Розподіл за тематичними групами, а також кількість і частка адекватно перекладених реалій у системі DeepL, узагальнені у відповідних таблицях. Найвищий показник отримано у тематичній групі «Географічні назви», а найнижчий (нульовий) у тематичній групі «Іронічні повсякденні реалії». Визначено, що найбільш вдалими варіантами перекладу були відповідники складних іменників (композитів), якщо їх значення відповідало комбінації значень складників і при цьому було прямим. У іншому випадку отриманий результат був незадовільним. Абревіатури залишались у незмінному вигляді, тому для їх вірного перекладу перекладачеві необхідно мати фонові знання або здійснити додаткові пошуки довідкової інформації. Частина правильних варіантів перекладу реалій наявна у системі DeepL у вигляді відповідників, отриманих шляхом транслітерації. У окремих випадках вдалими виявились відповідники, які були генералізованими варіантами. Реалії останніх трьох років, незважаючи на їх розповсюдження на всій території Федеративної Республіки Німеччини, були перекладені невірно. Для їх перекладу доцільно використати описовий спосіб. Отримані результати можуть бути використані перекладачами у процесі виконання перекладу текстів, які містять реалії

Ключові слова

автоматичний переклад; тематичні групи; системи машинного перекладу; німецькомовні реалії; адекватний переклад

ЦИТУВАТИ
Amelina, S., Tarasenko, R., & Shen, L. (2024). Translation of modern German realities using DeepL. International Journal of Philology, 15(3), 69-82. https://doi.org/10.31548/philolog/3.2024.69
Використані джерела

[1] Banitz, B. (2020). Machine translation: A critical look at the performance of rule-based and statistical machine translation. Translation Notes, 40(1), 54-71. doi: 10.5007/2175-7968.2020v40n1p54.

[2] Berger, D. (2018). DeepL Pro: New subscription service for professional translators, companies and developers. Retrieved from http://surl.li/alzyep.

[3] Doherty, S. (2016). The impact of translation technologies on the process and product of translation. International Journal of Communication, 10, 947-969.

[4] Kabachenko, І., & Malashevska, І. (2024). The difficulties of translating German realities. Transcarpathian Philological Studies, 2(33), 108-112. doi: 10.32782/tps2663-4880/2024.33.2.19.

[5] Kirsche, H.-J., & Meinung, L. (1984). The German reichsbahn from A to Z. Berlin: Transpress.

[6] Kostikova, I., Shevchenko, A., Holubnycha, L., Popova, N., & Budianska, V. (2019). Use of machine translation technology for understanding scientific and technical texts. Journal of Theoretical and Applied Information Technology (JATIT), 97(4), 1355-1366.

[7] Lee, D.T.S., Zhou, Zh.Q., & Tse, T.H. (2020). Metamorphic robustness testing of Google Translate (Technical report HKUCS-TR20-03). In ICSEW’20: Proceedings of the IEEE/ACM 42nd international conference on software engineering workshops (pp. 388-395). Hong Kong: Hong Kong University of Science and Technology. doi: 10.1145/3387940.3391484.

[8] Li, Z., Xiao, L., Lin, R., & Xiao, Zh. (2023). Metamorphic robustness testing for DeepL translation. Journal of Physics (Conference Series), 2456, article number 012018. doi: 10.1088/1742-6596/2456/1/012018.

[9] Maslianko, P.P., & Sielskyi, E.P. (2021). Method of system engineering of neural machine translation systems. KPI Science News, 2, 46-55. doi: 10.20535/kpisn.2021.2.236939.

[10] Mediavilla, S. (2024). An analysis of Google Translate and DeepL translation of source text typographical errors in the economic and legal fields. Revista de Llengua i Dret, 81, 88-105. doi: 10.58992/rld.i81.2024.4188.

[11] Mukataeva, Ya. (2022). Realia as a type of non-equivalent vocabulary and their classification. Scientific Bulletin of the International Humanitarian University. Series: Philology, 55, 174-177. doi: 10.32841/2409-1154.2022.55.40.

[12] Olkhovska, A., & Lavrenova, M. (2021). An experimental study of the impact of using machine translation systems on the quality of translation of texts in the field of law. Bulletin of V.N. Karazin Kharkiv National University. Series: Foreign Philology, 94, 74-78. doi: 10.26565/2227-8877-2021-94-11.

[13] Pym, A., & Torres-Simón, E. (2021). Is automation changing the translation profession?. International Journal of the Sociology of Language, 270, 39-57. doi: 10.1515/ijsl-2020-0015.

[14] Rodríguez de Céspedes, B. (2019). Translator education at a crossroads: The impact of automation. Living Languages, 64(1), 103-121. doi: 10.1515/les-2019-0005.

[15] Ryabova, K. (2024). Comparative analysis of machine translation techniques performed by Systran, O.translator, and M-translate. Scientific Notes. Series: Philological Sciences, 209, 315-321. doi: 10.32782/2522-4077-2024-209-47.

[16] Shilinska, I., & Kuziv, M. (2022). The use of machine translation systems in teaching translation of scientific and technical texts. Scientific Bulletin of the International Humanitarian University. Series: Philology, 53(2), 149-152. doi: 10.32841/2409-1154.2022.53-2.34.

[17] Sopylyuk, N., & Tsarenko, I. (2019). Comparative analysis of machine translation systems for economic discourse (using the example of French-Ukrainian language pairs). Bulletin of the Alfred Nobel University. Series: Philological Sciences, 2(18), 289-296. doi: 10.32342/2523-4463-2019-2-18-25.

[18] Sun, Z., Zhang, J.M., Harman, M., Papadakis, M., & Zhang, L. (2020). Automatic testing and improvement of machine translation. In G. Rothermel & D.-H. Bae (Eds.), ICSE ‘20: Proceedings of the ACM/IEEE 42nd international conference on software engineering (pp. 974-985). doi: 10.1145/3377811.3380420.

[19] Veselovska, G., & Radetska, S. (2021). Machine translation: Its typology, advantages and disadvantages. Current Issues in the Humanities, 35(7), 23-27. doi: 10.24919/2308-4863/35-7-4.

[20] Wang, H., Wu, H., He, Zh., Huang, L., & Church, K.W. (2022). Progress in machine translation. Engineering, 18, 143-153. doi: 10.1016/j.eng.2021.03.023.

[21] Wyndham, A. (2021). Inside DeepL: The world’s fastest-growing, most secretive machine translation company. Retrieved from https://surl.li/xzulzo.

[22] Yvette, G., Barry, H., & Koehn, Ph. (2019). Translationese in machine translation evaluation. Retrieved from https://arxiv.org/pdf/1906.09833.