論文の概要: Google Translate Error Analysis for Mental Healthcare Information: Evaluating Accuracy, Comprehensibility, and Implications for Multilingual Healthcare Communication

• arxiv url: http://arxiv.org/abs/2402.04023v1
• Date: Tue, 6 Feb 2024 14:16:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-07 14:27:42.679712
• Title: Google Translate Error Analysis for Mental Healthcare Information: Evaluating Accuracy, Comprehensibility, and Implications for Multilingual Healthcare Communication
• Title（参考訳）: 精神保健情報の誤り分析:多言語医療コミュニケーションにおける正確性、理解性、意味の評価
• Authors: Jaleh Delfani, Constantin Orasan, Hadeel Saadany, Ozlem Temizoz, Eleanor Taylor-Stilgoe, Diptesh Kanojia, Sabine Braun, Barbara Schouten
• Abstract要約: 本研究は, 英語からペルシア語, アラビア語, トルコ語, ルーマニア語, スペイン語への翻訳におけるGoogle Translateの利用について検討した。 対象言語の母語話者はGT翻訳を手動で評価し、医学用語の正確性、理解性、重要な構文・意味的誤りに焦点を当てた。 GT出力分析は、特にアラビア語、ルーマニア語、ペルシア語の医学用語を正確に翻訳する際の課題を明らかにした。
• 参考スコア（独自算出の注目度）: 8.178490288773013
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study explores the use of Google Translate (GT) for translating mental healthcare (MHealth) information and evaluates its accuracy, comprehensibility, and implications for multilingual healthcare communication through analysing GT output in the MHealth domain from English to Persian, Arabic, Turkish, Romanian, and Spanish. Two datasets comprising MHealth information from the UK National Health Service website and information leaflets from The Royal College of Psychiatrists were used. Native speakers of the target languages manually assessed the GT translations, focusing on medical terminology accuracy, comprehensibility, and critical syntactic/semantic errors. GT output analysis revealed challenges in accurately translating medical terminology, particularly in Arabic, Romanian, and Persian. Fluency issues were prevalent across various languages, affecting comprehension, mainly in Arabic and Spanish. Critical errors arose in specific contexts, such as bullet-point formatting, specifically in Persian, Turkish, and Romanian. Although improvements are seen in longer-text translations, there remains a need to enhance accuracy in medical and mental health terminology and fluency, whilst also addressing formatting issues for a more seamless user experience. The findings highlight the need to use customised translation engines for Mhealth translation and the challenges when relying solely on machine-translated medical content, emphasising the crucial role of human reviewers in multilingual healthcare communication.
• Abstract（参考訳）: 本研究は,MHealthドメインのGT出力を英語からペルシア語,アラビア語,トルコ語,ルーマニア語,スペイン語に解析することにより,メンタルヘルス(Mhealth)情報の翻訳にGoogle Translate(GT)を使用することについて検討した。 英国国立保健サービスウェブサイトのmhealth情報と王立精神科医大学の情報リーフレットからなる2つのデータセットが使用された。 対象言語の母語話者はGT翻訳を手動で評価し、医学用語の正確性、理解性、重要な構文・意味的誤りに焦点を当てた。 GT出力分析は、特にアラビア語、ルーマニア語、ペルシア語の医学用語を正確に翻訳する際の課題を明らかにした。 頻度の問題は様々な言語に広まり、主にアラビア語とスペイン語の理解に影響を及ぼした。 批判的な誤りは、特にペルシャ語、トルコ語、ルーマニア語など、特定の文脈で発生した。 長いテキストの翻訳では改善が見られるが、医療やメンタルヘルスの用語や流布の精度を高める必要がある一方で、よりシームレスなユーザーエクスペリエンスのためのフォーマットの問題にも対処する必要がある。 この結果は、Mhealth翻訳にカスタマイズされた翻訳エンジンを使う必要性と、機械翻訳された医療コンテンツのみに依存する際の課題を強調し、多言語医療コミュニケーションにおける人間レビュアーの役割を強調した。

関連論文リスト

• A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
  医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。 本稿では,MVLMの概要と適用した各種医療課題について概観する。 また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
  論文  参考訳（メタデータ） (2024-11-19T03:27:05Z)
• CRAT: A Multi-Agent Framework for Causality-Enhanced Reflective and Retrieval-Augmented Translation with Large Language Models [59.8529196670565]
  CRATは、RAGと因果強化自己回帰を利用して翻訳課題に対処する、新しいマルチエージェント翻訳フレームワークである。 以上の結果からCRATは翻訳精度を著しく向上させ,特に文脈に敏感な単語や語彙の出現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-28T14:29:11Z)
• On Creating an English-Thai Code-switched Machine Translation in Medical Domain [2.0737832185611524]
  医療領域における機械翻訳(MT)は、医療の質の向上と医療知識の普及に重要な役割を果たしている。 英語とタイ語によるMT技術の進歩にもかかわらず、一般的なMTアプローチは、医学用語を正確に翻訳できないため、医療分野では不十分であることが多い。 我々の研究は翻訳精度の向上だけでなく、英語の医学用語の維持も優先している。
  論文  参考訳（メタデータ） (2024-10-21T17:25:32Z)
• Severity Prediction in Mental Health: LLM-based Creation, Analysis, Evaluation of a Novel Multilingual Dataset [3.4146360486107987]
  大規模言語モデル(LLM)は、メンタルヘルス支援システムを含む様々な医療分野に統合されつつある。 本稿では、広く使われているメンタルヘルスデータセットを英語から6言語に翻訳した新しい多言語適応法を提案する。 このデータセットは、精神状態を検出し、複数の言語にわたる重症度を評価する上で、LLMのパフォーマンスを総合的に評価することを可能にする。
  論文  参考訳（メタデータ） (2024-09-25T22:14:34Z)
• BiMediX: Bilingual Medical Mixture of Experts LLM [94.85518237963535]
  英語とアラビア語の両方でシームレスに相互作用するように設計された、最初のバイリンガル医療混合物であるBiMediXを紹介する。 我々のモデルは、英語とアラビア語の幅広い医学的相互作用を促進し、さらに詳細を問い合わせるマルチターンチャットを含む。 そこで我々は,高品質な翻訳を保証するために,人間の洗練を図った英語からアラビア語への半自動翻訳パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-02-20T18:59:26Z)
• Differentiate ChatGPT-generated and Human-written Medical Texts [8.53416950968806]
  この研究は、医学における責任と倫理的AIGC(Artificial Intelligence Generated Content)に関する最初の研究である。 本稿では,ChatGPTによる人的専門家による医療用テキストの差異の分析に焦点をあてる。 次のステップでは、これらの2種類の内容の言語的特徴を分析し、語彙、部分音声、依存性、感情、難易度などの違いを明らかにする。
  論文  参考訳（メタデータ） (2023-04-23T07:38:07Z)
• Machine Translation for Accessible Multi-Language Text Analysis [1.5484595752241124]
  英語への翻訳後に計算した英語学習尺度の精度が十分であることを示す。 これは、感情分析、トピック分析、単語の埋め込みという3つの主要な分析で、16以上の言語で示します。
  論文  参考訳（メタデータ） (2023-01-20T04:11:38Z)
• A Semi-supervised Approach for a Better Translation of Sentiment in Dialectical Arabic UGT [2.6763498831034034]
  NMTシステムのトレーニングにモノリンガルデータと並列データの両方を利用する半教師付きアプローチを導入する。 提案システムは,アラビア語の方言UGTのオンライン翻訳で検出された感情誤りの訂正に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-21T11:55:55Z)
• Pragmatic information in translation: a corpus-based study of tense and mood in English and German [70.3497683558609]
  文法的時制とムードは自然言語処理(NLP)研究において考慮すべき重要な言語現象である。 我々は翻訳における英語とドイツ語の時制とムードの対応について考察する。 特に重要なのは、ルールベース、フレーズベース統計およびニューラルマシン翻訳における時制とムードをモデル化することである。
  論文  参考訳（メタデータ） (2020-07-10T08:15:59Z)
• It's Easier to Translate out of English than into it: Measuring Neural Translation Difficulty by Cross-Mutual Information [90.35685796083563]
  クロスミューチュアル情報(英: Cross-mutual information、XMI)は、機械翻訳の難易度に関する非対称情報理論の指標である。 XMIは、ほとんどのニューラルマシン翻訳モデルの確率的性質を利用する。 本稿では,現代ニューラル翻訳システムを用いた言語間翻訳の難易度に関する最初の体系的および制御的な研究について述べる。
  論文  参考訳（メタデータ） (2020-05-05T17:38:48Z)
• Self-Attention with Cross-Lingual Position Representation [112.05807284056337]
  位置符号化(PE)は、自然言語処理タスクの単語順序情報を保存し、入力シーケンスの固定位置インデックスを生成する。 語順が異なるため、言語間の位置関係をモデル化することは、SANがこの問題に取り組むのに役立つ。 我々は、入力文のバイリンガル認識潜在構造をモデル化するために、言語間位置表現によるSANを拡大する。
  論文  参考訳（メタデータ） (2020-04-28T05:23:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。