論文の概要: Exploring the Potential Role of Generative AI in the TRAPD Procedure for Survey Translation

• arxiv url: http://arxiv.org/abs/2411.14472v1
• Date: Mon, 18 Nov 2024 20:53:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-25 18:36:25.626048
• Title: Exploring the Potential Role of Generative AI in the TRAPD Procedure for Survey Translation
• Title（参考訳）: TRAPDによるサーベイ翻訳における生成AIの可能性を探る
• Authors: Erica Ann Metheney, Lauren Yehle,
• Abstract要約: 本稿では、生成型AIが調査機器の翻訳にどう役立つかを探索し、評価する。 我々は、ChatGPTを用いたゼロショットプロンプト実験を実施し、生成的AIの言語的聴衆への翻訳が困難である可能性のある質問の特徴を識別する能力を探究する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper explores and assesses in what ways generative AI can assist in translating survey instruments. Writing effective survey questions is a challenging and complex task, made even more difficult for surveys that will be translated and deployed in multiple linguistic and cultural settings. Translation errors can be detrimental, with known errors rendering data unusable for its intended purpose and undetected errors leading to incorrect conclusions. A growing number of institutions face this problem as surveys deployed by private and academic organizations globalize, and the success of their current efforts depends heavily on researchers' and translators' expertise and the amount of time each party has to contribute to the task. Thus, multilinguistic and multicultural surveys produced by teams with limited expertise, budgets, or time are at significant risk for translation-based errors in their data. We implement a zero-shot prompt experiment using ChatGPT to explore generative AI's ability to identify features of questions that might be difficult to translate to a linguistic audience other than the source language. We find that ChatGPT can provide meaningful feedback on translation issues, including common source survey language, inconsistent conceptualization, sensitivity and formality issues, and nonexistent concepts. In addition, we provide detailed information on the practicality of the approach, including accessing the necessary software, associated costs, and computational run times. Lastly, based on our findings, we propose avenues for future research that integrate AI into survey translation practices.
• Abstract（参考訳）: 本稿では、生成型AIが調査機器の翻訳にどう役立つかを探索し、評価する。 効果的な調査質問を書くことは困難で複雑な作業であり、複数の言語的、文化的な設定で翻訳され、デプロイされる調査にとってさらに難しい。 翻訳エラーは有害であり、既知のエラーレンダリングはその意図した目的のために使用できないデータと、誤った結論につながる未検出エラーである。 民間や学術機関による調査がグローバル化するにつれて、多くの機関がこの問題に直面しており、現在の取り組みの成功は研究者の専門知識や翻訳者の専門知識に大きく依存している。 このように、専門知識や予算、時間に制限のあるチームによる多言語的、多文化的な調査は、データの翻訳ベースのエラーに対して重大なリスクを負う。 我々は、ChatGPTを用いたゼロショットプロンプト実験を実施し、ソース言語以外の言語的オーディエンスに翻訳することが難しいかもしれない質問の特徴を識別する生成AIの能力を探索する。 また、ChatGPTは、共通ソース調査言語、一貫性のない概念化、感度と形式性の問題、存在しない概念など、翻訳問題に対して有意義なフィードバックを提供することができることがわかった。 さらに、必要なソフトウェアへのアクセス、関連するコスト、計算実行時間など、このアプローチの実用性に関する詳細な情報を提供する。 最後に,我々の知見に基づいて,AIを調査翻訳の実践に統合する今後の研究の道筋を提案する。

関連論文リスト

• Monolingual and Multilingual Misinformation Detection for Low-Resource Languages: A Comprehensive Survey [2.5459710368096586]
  本調査は、低リソース言語誤報検出に関する現在の研究の概要を概観する。 これらの領域で使用されている既存のデータセット、方法論、ツールをレビューし、データリソース、モデル開発、文化的・言語的文脈、現実世界の応用、研究の取り組みに関する重要な課題を特定します。 本研究は,多様な言語・文化的文脈における誤情報に対処できる,堅牢で包括的なシステムの必要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-10-24T03:02:03Z)
• Questionnaires for Everyone: Streamlining Cross-Cultural Questionnaire Adaptation with GPT-Based Translation Quality Evaluation [6.8731197511363415]
  本研究は,アンケート翻訳プロセスの迅速化を図るためのプロトタイプツールを提案する。 このツールには、GPT-4で生成された翻訳品質の評価と改善提案と共にDeepLを用いた前方翻訳が組み込まれている。
  論文  参考訳（メタデータ） (2024-07-30T07:34:40Z)
• Case-Based Reasoning Approach for Solving Financial Question Answering [5.10832476049103]
  FinQAは財務文書の数値推論データセットを導入した。 ケースベース推論(CBR)を用いた数値推論問題に対する新しいアプローチを提案する。 本モデルでは,質問に対処する関連事例を検索し,検索した事例と文脈情報に基づいて回答を生成する。
  論文  参考訳（メタデータ） (2024-05-18T10:06:55Z)
• InfoLossQA: Characterizing and Recovering Information Loss in Text Simplification [60.10193972862099]
  本研究は, 簡易化による情報損失を問合せ・問合せ形式で特徴づけ, 回復する枠組みを提案する。 QAペアは、読者がテキストの知識を深めるのに役立つように設計されている。
  論文  参考訳（メタデータ） (2024-01-29T19:00:01Z)
• Claim Detection for Automated Fact-checking: A Survey on Monolingual, Multilingual and Cross-Lingual Research [7.242609314791262]
  本稿では,現状の多言語クレーム検出研究を,問題の3つの重要な要因,妥当性,優先性,類似性に分類する。 本稿では,既存の多言語データセットの概要と課題について概説し,今後の発展の可能性を提案する。
  論文  参考訳（メタデータ） (2024-01-22T14:17:03Z)
• SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
  我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。 SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
  論文  参考訳（メタデータ） (2023-10-27T06:48:48Z)
• A Systematic Study of Performance Disparities in Multilingual Task-Oriented Dialogue Systems [68.76102493999134]
  マルチリンガルなタスク指向対話システム間に存在するタスクパフォーマンスの相違を,実証的に分析し,分析する。 我々は現在のToDシステムにおける適応と本質的バイアスの存在を証明した。 本稿では,新しい言語に対するToDデータ収集とシステム開発へのアプローチについて,実践的なヒントを提供する。
  論文  参考訳（メタデータ） (2023-10-19T16:41:44Z)
• Prompting Large Language Model for Machine Translation: A Case Study [87.88120385000666]
  我々は機械翻訳戦略の推進に関する体系的研究を行っている。 本稿では,プロンプトテンプレートと実演例選択の要因について検討する。 本稿では,モノリンガルデータの利用と,クロスリンガル,クロスドメイン,文-文書間伝達学習の実現可能性について検討する。
  論文  参考訳（メタデータ） (2023-01-17T18:32:06Z)
• Curious Case of Language Generation Evaluation Metrics: A Cautionary Tale [52.663117551150954]
  イメージキャプションや機械翻訳などのタスクを評価するデファクトメトリクスとして、いくつかの一般的な指標が残っている。 これは、使いやすさが原因でもあり、また、研究者がそれらを見て解釈する方法を知りたがっているためでもある。 本稿では,モデルの自動評価方法について,コミュニティにより慎重に検討するよう促す。
  論文  参考訳（メタデータ） (2020-10-26T13:57:20Z)
• Information-Theoretic Probing for Linguistic Structure [74.04862204427944]
  本稿では,相互情報を推定するための情報理論による探索運用手法を提案する。 我々は,NLP研究でしばしば不足している10の型的多様言語について評価した。
  論文  参考訳（メタデータ） (2020-04-07T01:06:36Z)
• On the Integration of LinguisticFeatures into Statistical and Neural Machine Translation [2.132096006921048]
  機械翻訳に対する統計的アプローチの強みと人間の翻訳方法の相違について検討する。 自動翻訳システムがより正確な翻訳を行うために欠落している言語情報を同定する。 我々は、過一般化または「アルゴミックバイアス」をニューラルMTの潜在的な欠点として認識し、残りの言語問題の多くにリンクする。
  論文  参考訳（メタデータ） (2020-03-31T16:03:38Z)

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。