論文の概要: Toward Machine Translation Literacy: How Lay Users Perceive and Rely on Imperfect Translations

• arxiv url: http://arxiv.org/abs/2510.09994v1
• Date: Sat, 11 Oct 2025 03:45:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.725379
• Title: Toward Machine Translation Literacy: How Lay Users Perceive and Rely on Imperfect Translations
• Title（参考訳）: 機械翻訳のリテラシーに向けて: ユーザーが不完全な翻訳をどう認識し、理解するか
• Authors: Yimin Xiao, Yongle Zhang, Dayeon Ki, Calvin Bao, Marianna J. Martindale, Charlotte Vaughn, Ge Gao, Marine Carpuat,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 31.543560417943898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As Machine Translation (MT) becomes increasingly commonplace, understanding how the general public perceives and relies on imperfect MT is crucial for contextualizing MT research in real-world applications. We present a human study conducted in a public museum (n=452), investigating how fluency and adequacy errors impact bilingual and non-bilingual users' reliance on MT during casual use. Our findings reveal that non-bilingual users often over-rely on MT due to a lack of evaluation strategies and alternatives, while experiencing the impact of errors can prompt users to reassess future reliance. This highlights the need for MT evaluation and NLP explanation techniques to promote not only MT quality, but also MT literacy among its users.
• Abstract（参考訳）: 機械翻訳(MT)が一般化するにつれて、一般大衆がMTをどのように認識し、不完全なMTに依存しているかを理解することは、実世界の応用におけるMT研究の文脈化に不可欠である。 本研究は,公共博物館(n=452)で実施した人間実験で,バイリンガルおよび非ビリンガル利用者のカジュアル使用時のMTへの依存度と精度の相違について検討した。 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一方で,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。 このことは、MT品質だけでなく、ユーザ間のMTリテラシーを促進するため、MT評価とNLP説明技術の必要性を強調している。

関連論文リスト

• An Interdisciplinary Approach to Human-Centered Machine Translation [67.70453480427132]
  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。
  論文  参考訳（メタデータ） (2025-06-16T13:27:44Z)
• Low-resource Machine Translation: what for? who for? An observational study on a dedicated Tetun language translation service [7.299910666525873]
  我々は,ティモール・レステのテトゥーン語に特化したMTサービスであるtetun$.$orgの実際の使用パターンについて,観察的研究を行った。 10万件の翻訳要求を解析した結果,既存のコーパスに基づいて仮定に挑戦するパターンが明らかになった。 この結果から,テトゥーンのような制度化されたマイノリティ言語のためのMTシステムは,教育的文脈に関連する領域の精度を優先すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-11-19T06:21:51Z)
• Cyber Risks of Machine Translation Critical Errors : Arabic Mental Health Tweets as a Case Study [3.8779763612314637]
  本稿では,MTの共通利用に関わる倫理的・安全性上の問題に言及するために,機械翻訳クリティカルエラーの真正データセットを提案する。 このデータセットは、重要なエラータイプを手動で注釈付けしたアラビアのメンタルヘルスポストの誤訳を含む。 また、一般的に使われている品質指標が重大なエラーをペナルティにしないことを示すとともに、研究者のさらなる注意を喚起する重要な問題として強調する。
  論文  参考訳（メタデータ） (2024-05-19T20:24:51Z)
• 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)
• Error Analysis Prompting Enables Human-Like Translation Evaluation in Large Language Models [57.80514758695275]
  機械翻訳(MT)の品質を評価するために,大規模言語モデル(LLM)を用いることで,システムレベルでの最先端のパフォーマンスを実現する。 我々はtextbftexttError Analysis Prompting (EAPrompt) と呼ばれる新しいプロンプト手法を提案する。 本手法は,多次元品質指標 (MQM) とtextitproduces を用いて,システムレベルとセグメントレベルの両方で説明可能かつ信頼性の高いMT評価を行う。
  論文  参考訳（メタデータ） (2023-03-24T05:05:03Z)
• 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)
• Difficulty-Aware Machine Translation Evaluation [19.973201669851626]
  本稿では,新しい難易度対応機械翻訳評価指標を提案する。 ほとんどのMTシステムで予測できない翻訳は難解なものとして扱われ、最終的なスコア関数に大きな重みが割り当てられる。 提案手法は,MTシステムすべてが非常に競争力がある場合でも良好に機能する。
  論文  参考訳（メタデータ） (2021-07-30T02:45:36Z)

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。