Fugu-MT 論文翻訳(概要): An Interdisciplinary Approach to Human-Centered Machine Translation

論文の概要: An Interdisciplinary Approach to Human-Centered Machine Translation

arxiv url: http://arxiv.org/abs/2506.13468v1
Date: Mon, 16 Jun 2025 13:27:44 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-17 17:28:48.497043
Title: An Interdisciplinary Approach to Human-Centered Machine Translation
Title（参考訳）: 人間中心機械翻訳における学際的アプローチ
Abstract要約: 機械翻訳(MT)ツールは現在、プロの翻訳者がいない状況で広く使われている。 MT技術の進歩にもかかわらず、システム開発と実世界の利用の間にはギャップが持続している。本稿では,システム設計と多様なコミュニケーション目標の整合性を強調し,MTに対する人間中心のアプローチを提唱する。
参考スコア（独自算出の注目度）: 67.70453480427132
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Machine Translation (MT) tools are widely used today, often in contexts where professional translators are not present. Despite progress in MT technology, a gap persists between system development and real-world usage, particularly for non-expert users who may struggle to assess translation reliability. This paper advocates for a human-centered approach to MT, emphasizing the alignment of system design with diverse communicative goals and contexts of use. We survey the literature in Translation Studies and Human-Computer Interaction to recontextualize MT evaluation and design to address the diverse real-world scenarios in which MT is used today.
Abstract（参考訳）: 機械翻訳(MT)ツールは現在、プロの翻訳者がいない状況で広く使われている。 MT技術の進歩にもかかわらず、システム開発と実世界の利用の間にはギャップが持続し、特に翻訳信頼性の評価に苦慮する非専門家のユーザーにとってはなおさらである。本稿では,システム設計の多種多様なコミュニケーション目標と利用状況との整合性を強調し,MTに対する人間中心のアプローチを提唱する。翻訳研究とヒューマン・コンピュータインタラクションの文献を調査し,MTの評価と設計を再構築し,現在MTが使用されている多様な実世界のシナリオに対処する。

関連論文リスト

Automatic Machine Translation Detection Using a Surrogate Multilingual Translation Model [4.750257527930005]
本稿では,人文と機械翻訳文を区別する新しい手法を提案する。実験結果から,本手法は最先端技術よりも優れていることがわかった。
論文参考訳（メタデータ） (2025-11-04T19:59:25Z)
Toward Machine Translation Literacy: How Lay Users Perceive and Rely on Imperfect Translations [31.543560417943898]
本研究では,公立博物館において,言語・非言語利用者の機械翻訳への依存度と精度の誤差がバイリンガルおよび非言語利用者に与える影響を調査する。評価戦略や代替手段の欠如が原因で,非バイリンガルユーザをMTに過度に頼っている場合が多いが,エラーの影響を経験することで,将来的な信頼性の再評価が促されることが判明した。
論文参考訳（メタデータ） (2025-10-11T03:45:14Z)
TULUN: Transparent and Adaptable Low-resource Machine Translation [30.705550819100424]
Tulunは、用語認識翻訳のための汎用的なソリューションである。私たちのオープンソースのWebベースプラットフォームは、ユーザが簡単に用語リソースを作成し、編集し、活用することができます。
論文参考訳（メタデータ） (2025-05-24T12:58:58Z)
Translation in the Hands of Many:Centering Lay Users in Machine Translation Interactions [17.694939962332914]
機械翻訳(MT)はグローバルツールとなり、多言語大言語モデル(LLM)を利用した対話システムでもサポートされるようになった。本稿では,MTユーザプロファイルの変化をトレースし,非エキスパートユーザに着目した。ユーザビリティ、信頼、リテラシーという3つの重要な要因を特定します。
論文参考訳（メタデータ） (2025-02-19T14:45:17Z)
MT-LENS: An all-in-one Toolkit for Better Machine Translation Evaluation [1.7775825387442485]
MT-LENSは、様々なタスクで機械翻訳(MT)システムを評価するために設計されたフレームワークである。ユーザーフレンドリーなプラットフォームを提供し、システムを比較し、翻訳をインタラクティブな視覚化で分析する。
論文参考訳（メタデータ） (2024-12-16T09:57:28Z)
IMTLab: An Open-Source Platform for Building, Evaluating, and Diagnosing Interactive Machine Translation Systems [94.39110258587887]
IMTLabは、オープンソースのエンドツーエンド対話型機械翻訳(IMT)システムプラットフォームである。 IMTLabは、対話的な翻訳プロセス全体を、ヒューマン・イン・ザ・ループ設定によるタスク指向の対話として扱う。
論文参考訳（メタデータ） (2023-10-17T11:29:04Z)
Benchmarking Machine Translation with Cultural Awareness [50.183458829028226]
文化関連コンテンツの翻訳は、効果的な異文化間コミュニケーションに不可欠である。多くの文化特化項目(CSI)は言語間の翻訳を欠いていることが多い。この難しさは機械翻訳システムの文化的意識の分析を妨げる。
論文参考訳（メタデータ） (2023-05-23T17:56:33Z)
Discourse Centric Evaluation of Machine Translation with a Densely Annotated Parallel Corpus [82.07304301996562]
本稿では,江らが導入した大規模並列コーパスBWBに基づいて,リッチな談話アノテーションを用いた新しいデータセットを提案する。ソース言語とターゲット言語の談話構造と類似点と相違点について検討する。我々はMT出力が人間の翻訳と基本的に異なることを発見した。
論文参考訳（メタデータ） (2023-05-18T17:36:41Z)
Beyond General Purpose Machine Translation: The Need for Context-specific Empirical Research to Design for Appropriate User Trust [8.539683760001573]
本稿では,機械翻訳システムにおける信頼性の校正を支援する研究の方向性について論じる。本研究は,MTシステムの実用化に関する実証的研究を提唱する。
論文参考訳（メタデータ） (2022-05-13T23:04:22Z)
When Does Translation Require Context? A Data-driven, Multilingual Exploration [71.43817945875433]
談話の適切な処理は機械翻訳(MT)の品質に大きく貢献する文脈認識型MTにおける最近の研究は、評価中に少量の談話現象を標的にしようとしている。談話現象のモデル性能を識別・評価するタグの集合である,多言語談話認識ベンチマークを開発した。
論文参考訳（メタデータ） (2021-09-15T17:29:30Z)
Neural Machine Translation: Challenges, Progress and Future [62.75523637241876]
機械翻訳(英: Machine translation, MT)は、コンピュータを利用して人間の言語を自動翻訳する技術である。ニューラルマシン翻訳(NMT)は、ディープニューラルネットワークを用いたソース言語とターゲット言語間の直接マッピングをモデル化する。この記事では、NMTフレームワークをレビューし、NMTの課題について論じ、最近のエキサイティングな進歩を紹介します。
論文参考訳（メタデータ） (2020-04-13T07:53:57Z)

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。