論文の概要: Translating With Feeling: Centering Translator Perspectives within Translation Technologies

• arxiv url: http://arxiv.org/abs/2604.00758v1
• Date: Wed, 01 Apr 2026 11:23:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.954046
• Title: Translating With Feeling: Centering Translator Perspectives within Translation Technologies
• Title（参考訳）: フィーリングによる翻訳:翻訳技術における翻訳者の視点
• Authors: Daniel Chechelnitsky, Sireesh Gururaja, Seyi Olojo, Wesley Hanwen Deng, Giuseppe Attanasio, Chrysoula Zerva, Maarten Sap,
• Abstract要約: 11の言語と11のドメインにまたがって働く19の専門翻訳家とのインタビュー研究を行います。 翻訳者は、ワークフローに新しいツールを組み込む際に慎重であり、これらのツールが下流に有害な影響をもたらす可能性があることを心配している。 これらの知見は、人間の翻訳を置き換えるのではなく、翻訳者のニーズを直接補完する翻訳技術を開発する必要があることを示している。
• 参考スコア（独自算出の注目度）: 32.91661570298518
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid development of Large Language Models (LLMs) and similar automated approaches for translation tasks is increasingly affecting the landscape of translation technologies. As concerns about the outsourcing of translator work to these automated translation tools grow, it becomes increasingly crucial to gather insights from the translation community directly. To this end, we conduct an interview study with 19 professional translators working across 11 languages and 11 domains to understand their perspectives, experiences, and concerns with using translation technologies in their work. We find that translators are cautious when incorporating new tools into their workflow, with several expressing concerns machine translation (MT) and LLMs are infringing on the necessary human aspects and verification steps of translation, worried that these tools have potential for harmful downstream effects due to compromising the human aspect of translation work. These findings demonstrate the need to develop translation technologies that directly serve translators' needs rather than replacing human translation. This can be done by focusing more on the assistive, rather than the automating aspects of these tools.
• Abstract（参考訳）: 翻訳タスクにおけるLarge Language Models(LLM)と類似の自動化アプローチの迅速な開発は、翻訳技術のランドスケープにますます影響を与えている。 これらの自動翻訳ツールへの翻訳作業のアウトソーシングに関する懸念が高まるにつれ、翻訳コミュニティから直接洞察を集めることがますます重要になっている。 この目的のために,11言語および11ドメインにまたがる19の専門翻訳者を対象に,翻訳技術の利用に関する視点,経験,懸念についてインタビューを行った。 翻訳者がワークフローに新しいツールを組み込むことには慎重であり、機械翻訳(MT)やLLMは必要な人的側面や翻訳の検証手順を侵害しており、これらのツールが翻訳作業の人間的側面を損なう可能性があることを懸念している。 これらの知見は、人間の翻訳を置き換えるのではなく、翻訳者のニーズを直接補完する翻訳技術を開発する必要があることを示している。 これは、これらのツールの自動化というよりも、補助にもっと焦点を合わせることで実現できます。

関連論文リスト

• Liaozhai through the Looking-Glass: On Paratextual Explicitation of Culture-Bound Terms in Machine Translation [70.43884512651668]
  我々は、文学・翻訳研究からジェネットのパラテキスト論(1987年)を定式化し、機械翻訳におけるパラテキスト明示の課題を紹介した。 古典中国語の短編集集Liaozhaiの4つの英訳から560の専門家対応パラテキストのデータセットを構築した。 本研究は,言語的等価性を超えた機械翻訳におけるパラテクスト的明示の可能性を示すものである。
  論文  参考訳（メタデータ） (2025-09-27T16:27:36Z)
• (Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts [56.7988577327046]
  翻訳企業の役割と協調の実践をシミュレートする,新しいマルチエージェントフレームワークであるTransAgentsを紹介する。 本研究は,翻訳品質の向上,特にテキストの長文化におけるマルチエージェント協調の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-05-20T05:55:08Z)
• Prompting ChatGPT for Translation: A Comparative Analysis of Translation Brief and Persona Prompts [0.0]
  本稿では,ChatGPTにおける翻訳作業の素早い設計に,翻訳の簡潔さの概念ツールと翻訳者および著者のペルソナを組み込むことの有効性について論じる。 また, 翻訳作業における人間間コミュニケーションの促進には, 特定の要素が構成的ではあるが, ChatGPTの翻訳品質の向上には有効性が限られていることが示唆された。 このことは、人間と人間の相互作用を含むこの新たなワークフローにおいて、翻訳理論家や実践者が、翻訳目的の人間と人間のコミュニケーションパラダイムに根ざした、現在の概念的なツールセットをどのように開発するかに関する爆発的な研究の必要性を強調している。
  論文  参考訳（メタデータ） (2024-02-29T21:05:38Z)
• Incorporating Human Translator Style into English-Turkish Literary Machine Translation [0.26168876987285306]
  我々は,翻訳者のスタイリスティックな特徴を考慮した機械翻訳モデルを開発した。 対象機械翻訳において,人間の翻訳スタイルを高度に再現できることが示される。
  論文  参考訳（メタデータ） (2023-07-21T09:39:50Z)
• The Best of Both Worlds: Combining Human and Machine Translations for Multilingual Semantic Parsing with Active Learning [50.320178219081484]
  人文翻訳と機械翻訳の両方の長所を生かした能動的学習手法を提案する。 理想的な発話選択は、翻訳されたデータの誤りとバイアスを著しく低減することができる。
  論文  参考訳（メタデータ） (2023-05-22T05:57:47Z)
• Exploring Human-Like Translation Strategy with Large Language Models [93.49333173279508]
  大規模言語モデル(LLM)は、一般的なシナリオにおいて印象的な機能を示している。 本研究は,マルチアスペクト・プロンプトと選択のためのMAPSフレームワークを提案する。 品質推定に基づく選択機構を用いて,ノイズや不ヘッピーな知識を抽出する。
  論文  参考訳（メタデータ） (2023-05-06T19:03:12Z)
• Translate your gibberish: black-box adversarial attack on machine translation systems [0.0]
  我々は、ロシア語から英語への翻訳作業において、最先端の機械翻訳ツールを騙すための簡単なアプローチを提示する。 Google、DeepL、Yandexなど多くのオンライン翻訳ツールが、非意味な逆入力クエリに対して間違ったあるいは攻撃的な翻訳を生成する可能性があることを示す。 この脆弱性は、新しい言語を理解することを妨げ、単に機械翻訳システムを使用する際のユーザエクスペリエンスを悪化させる可能性がある。
  論文  参考訳（メタデータ） (2023-03-20T09:52:52Z)
• Translation Artifacts in Cross-lingual Transfer Learning [51.66536640084888]
  機械翻訳は、既存の言語間モデルに顕著な影響を与える微妙なアーティファクトを導入することができることを示す。 自然言語の推論では、前提と仮説を独立に翻訳することで、それらの間の語彙的重複を減らすことができる。 また、XNLIでは、それぞれ4.3点と2.8点の翻訳とゼロショットのアプローチを改善している。
  論文  参考訳（メタデータ） (2020-04-09T17:54:30Z)

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。