L'obiettivo della presente tesi è stato quello di evidenziare le sfide e le problematiche che deve affrontare la traduzione automatica, dedicando particolare attenzione alle fonti di errore di natura semantica. Oltre ad una descrizione teorica degli errori che si verificano spesso, sono state tradotte due favole per analizzare quali errori si verificano con quale frequenza nella pratica. Dopo la traduzione delle due fiabe con i tre sistemi di traduzione automatica online Google Translate, Bing Translator e DeepL, i loro risultati sono stati confrontati e valutati.
Sono state analizzate le rispettive traduzioni della fiaba Rumpelstilzchen dei fratelli Grimm (2012) e della fiaba i tre castelli di Italo Calvino (2012), la prima tradotta dal tedesco all’italiano e la seconda dall’italiano al tedesco. In seguito, sono state create diverse categorie di errore, a cui sono stati assegnati gli errori. L'analisi ha dimostrato che la selezione di un'espressione adatta, omissioni, ambiguità lessicali e preposizioni rappresentano una sfida particolare per la traduzione automatica e che vengono relativamente spesso prodotte traduzioni incomprensibili. Nel complesso, il traduttore online DeepL ha dato i migliori risultati, mentre Bing Translator, seguito a ruota da Google Translate, ha fornito le traduzioni più difettose.
Indice
1 INTRODUZIONE
2 LA TRADUZIONE AUTOMATICA
2.1 DEFINIZIONE
2.2 LE TIPOLOGIE DEI SISTEMI DI TRADUZIONE AUTOMATICA
2.2.1 La traduzione automatica basata su regole
2.2.2 La traduzione automatica statistica
2.2.3 La traduzione automatica neurale
2.3 APPLICAZIONI DI TRADUZIONE AUTOMATICA ONLINE
2.3.1 Google Translate
2.3.2 Bing Translator
2.3.3 DeepL
3 LE PROBLEMATICHE E LE SFIDE DELLA TRADUZIONE AUTOMATICA
3.1 LE AMBIGUITÀ LESSICALI
3.1.1 La polisemia
3.1.2 L’omonimia
3.2 LE AMBIGUITÀ SINTATTICHE
3.3 I FRASEOLOGISMI
3.3.1 Le polirematiche
3.3.2 Le espressioni idiomatiche
3.3.3 Le collocazioni
3.3.4 I proverbi
3.4 I RIFERIMENTI ANAFORICI/CATAFORICI
3.5 LE PAROLE CHE NON RISPETTANO LE REGOLE UFFICIALI DI UNA LINGUA
3.6 LA SINONIMIA
3.7 ALTRE FONTI DI ERRORE
4 VALUTAZIONE DI SERVIZI DI TRADUZIONE AUTOMATICA ONLINE SULLA BASE DI FAVOLE SCELTE
4.1 OBIETTIVI
4.2 METODOLOGIA E DATI
4.3 PRESENTAZIONE DEI RISULTATI
4.3.1 Rumpelstilzchen (Tremotino)
4.3.1.1 Errori grammaticali
4.3.1.2 Errori lessicali
4.3.1.3 Errori sintattici
4.3.1.4 Errori semantici
4.3.1.5 Errori morfologici
4.3.1.6 Errori ortografici
4.3.1.7 Traduzioni incomprensibili
4.3.2 I tre castelli (Die drei Schlösser)
4.3.2.1 Errori grammaticali
4.3.2.2 Errori lessicali
4.3.2.3 Errori sintattici
4.3.2.4 Errori semantici
4.3.2.5 Errori morfologici
4.3.2.6 Errori ortografici
4.3.2.7 Traduzioni incomprensibili
4.4 DISCUSSIONE DEI RISULTATI
5 CONCLUSIONE E PROSPETTIVE FUTURE
Obiettivi e tematiche
L'obiettivo di questo lavoro è analizzare le sfide e le problematiche che la traduzione automatica deve affrontare, con un focus particolare sulle fonti di errore di natura semantica. Attraverso l'analisi comparativa di due fiabe tradotte da Google Translate, Bing Translator e DeepL, lo studio mira a valutare l'affidabilità dei sistemi attuali e a identificare quali tipologie di errori ricorrono con maggiore frequenza.
- Analisi del funzionamento e dei limiti dei sistemi di traduzione automatica (basata su regole, statistica e neurale).
- Esame delle principali criticità linguistiche come ambiguità lessicali, sintattiche, fraseologismi e riferimenti anaforici.
- Confronto empirico delle prestazioni di Google Translate, Bing Translator e DeepL.
- Classificazione sistematica degli errori di traduzione basata su test pratici.
- Valutazione complessiva dell'affidabilità dei traduttori online nel contesto della letteratura narrativa.
Auszug aus dem Buch
3.1.1 La polisemia
Si dice polisemica (dal greco antico polýs ‘molto’ e sēmeîon ‘segno’) una parola che mostra due o più significati che sono collegati sia dal punto di vista etimologico che semantico, trovandosi sotto la stessa entrata nei dizionari (cf. Dardano 2005: 161ss.; Konecny & Autelli 2012: Glossar; Slapek 2016: 41ss.).
Le parole polisemiche rappresentano una grande sfida per la traduzione automatica, visto che è necessaria un'analisi accurata delle caratteristiche contestuali (cf. Schneider 1998: 390; Werthmann & Witt 2014: 83ss.). Se il contesto della frase non è chiaro, non può essere interpretato o se deve essere tradotto un significato meno frequente della parola, possono sorgere traduzioni errate (cf. Slapek 2016: 43s.). La tabella seguente (tabella 1) mostra come i tre traduttori online trattano le parole polisemiche.
Riassunto dei capitoli
1 INTRODUZIONE: Il capitolo introduce l'importanza della traduzione automatica e descrive l'approccio metodologico della tesi basato sull'analisi empirica di due fiabe.
2 LA TRADUZIONE AUTOMATICA: Vengono esaminate le definizioni, le tipologie storiche e attuali dei sistemi di traduzione (basata su regole, statistica, neurale) e presentati i tre servizi online analizzati.
3 LE PROBLEMATICHE E LE SFIDE DELLA TRADUZIONE AUTOMATICA: Questo capitolo teorico approfondisce le criticità linguistiche come polisemia, omonimia, ambiguità sintattiche, fraseologismi e riferimenti anaforici che complicano la traduzione automatica.
4 VALUTAZIONE DI SERVIZI DI TRADUZIONE AUTOMATICA ONLINE SULLA BASE DI FAVOLE SCELTE: Si descrive la metodologia applicata, la classificazione degli errori e si presentano i risultati ottenuti dall'analisi delle traduzioni di Rumpelstilzchen e I tre castelli.
5 CONCLUSIONE E PROSPETTIVE FUTURE: Il lavoro si conclude con una sintesi dei risultati, evidenziando che DeepL offre prestazioni migliori rispetto a Google Translate e Bing Translator, pur persistendo sfide nella traduzione di linguaggi figurati.
Parole chiave
Traduzione automatica, Google Translate, Bing Translator, DeepL, polisemia, omonimia, fraseologismi, analisi degli errori, linguistica computazionale, sistemi di traduzione, ambiguità lessicale, traduzione semantica, elaborazione del linguaggio naturale, fiabe, competenza traduttiva.
Domande frequenti
Di cosa tratta principalmente questa tesi?
Il lavoro si concentra sull'analisi delle prestazioni dei sistemi di traduzione automatica online, esaminando come tali strumenti gestiscano le difficoltà linguistiche e semantiche.
Quali sono gli ambiti tematici centrali?
I temi principali includono la linguistica computazionale, le tipologie di errore linguistico, la valutazione dei traduttori online e l'analisi di testi letterari (fiabe).
Qual è l'obiettivo primario della ricerca?
L'obiettivo è identificare e classificare le fonti di errore più frequenti in Google Translate, Bing Translator e DeepL per determinare la loro affidabilità pratica.
Quale metodo scientifico viene utilizzato?
La ricerca utilizza un metodo comparativo, analizzando le traduzioni di due fiabe (Rumpelstilzchen e I tre castelli) in entrambe le direzioni (tedesco-italiano e italiano-tedesco) e catalogando gli errori in sette categorie predefinite.
Cosa viene trattato nel corpo principale della tesi?
Il corpo centrale si divide tra una parte teorica, che definisce i sistemi di traduzione e le sfide linguistiche (come i fraseologismi e le ambiguità), e una parte pratica che presenta la valutazione degli output prodotti dai software.
Quali sono le parole chiave che caratterizzano il lavoro?
Le parole chiave spaziano dalla terminologia tecnica (traduzione automatica, sistemi, analisi degli errori) a quella linguistica (polisemia, fraseologismi, omonimia).
Quale sistema di traduzione è risultato il più efficiente nell'analisi?
L'analisi ha dimostrato che, nel complesso, il traduttore online DeepL ha fornito i risultati migliori, mentre Bing Translator e Google Translate hanno prodotto un numero maggiore di traduzioni errate o difettose.
Perché sono state scelte proprio due fiabe per l'analisi?
Le fiabe sono state selezionate perché contengono una densità elevata di ambiguità, metafore, espressioni idiomatiche e riferimenti culturali, che rappresentano un banco di prova ideale per testare i limiti dei sistemi di traduzione automatica.
- Quote paper
- Christina Eberharter (Author), 2019, Le problematiche e le sfide della traduzione automatica. Un confronto tra Google Translate, Bing Translator e DeepL, Munich, GRIN Verlag, https://www.grin.com/document/594038
