| LEADER |
05343nam a22002297a 4500 |
| 001 |
2267429 |
| 041 |
|
|
|a eng
|
| 044 |
|
|
|b اليمن
|
| 100 |
|
|
|9 808280
|a جبريل، إبراهيم
|e مؤلف
|g Jibreel, Ibrahim
|
| 245 |
|
|
|a Translation Quality of Artificial Intelligence and Machine Translation VS. Human Translation Utilizing MTPE Skills:
|b An Empirical Study on Allusion Translation
|
| 246 |
|
|
|a مقارنة جودة ترجمة الذكاء الاصطناعي ومحركات الترجمة الآلية مع ترجمة الإنسان:
|b الحاجة إلى مهارات التحرير اللاحقة: دراسة تطبيقية على ترجمة الإشارات الضمنية "التلميح"
|
| 260 |
|
|
|b جامعة العلوم والتكنولوجيا
|c 2024
|
| 300 |
|
|
|a 46 - 72
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a تعد الإشارات الضمنية (التلميحات) أحد التعبيرات المرتبطة بالثقافة والتي تحتاج إلى مزيد من الاهتمام أثناء الترجمة. إذ تواجه الترجمة الآلية والمترجمون صعوبات في التعامل معها. تقارن الدراسة جودة ترجمات الترجمة الآلية والذكاء الاصطناعي مع ترجمة الإنسان مستفيدا من مهارات التحرير اللاحقة مع التركيز على تحديد هذه المهارات لإبقاء ترجمة الإنسان أعلى جودة من ترجمة الآلة والذكاء الاصطناعي. اتبعت الدراسة المنهج المختلط مستخدمة اختبارا مكونا من 30 إشارة ضمنية في جمل سياقية لترجمتها من الإنجليزية إلى العربية أولا بواسطة Google Translate وChatGPT ثم تقديمها لعينة من 40 مشاركا لترجمتها مستفيدين من مهارات التحرير اللاحق مع كتابة تقرير عن المهارات والاستراتيجيات والمصادر التي استفادوا منها، كما شاركوا في مجموعة نقاش مركزة. تم تصحيح النصوص الناتجة عن ترجمة الذكاء الاصطناعي والآلة وتحليلها لتقييم جودة الترجمة وفقا لنموذج O'Brien (2012). تم استخدام اختبار t لعينة واحدة، والتباين الأحادي، واختبار المقارنات البعدية المتعددة. تظهر النتائج أن ترجمة الإنسان مستفيدا من مهارات التحرير اللاحق جاءت بجودة متوسطة (60%)؛ بينما جاءت الترجمات الآلية والذكاء الاصطناعي ذات جودة منخفضة بنسبة (44.44% و42.22%). استخدم المترجمون مهارات تحرير لاحقة أدت إلى فروق دالة إحصائية بين ترجمة الإنسان مقارنة بترجمة الآلة والذكاء الاصطناعي. توصي الدراسة بتعزيز مهارات التحرير اللاحقة بين طلبة الترجمة وتدريب المترجمين عليها للمزيد من التطوير.
|b Allusion is one of the culture-bound expressions that need careful consideration while translating. Machine translation (MT) and human translators (HTs) encounter difficulties in dealing with them. This study compares Translation Quality (TQ) of MT and Artificial Intelligence (AI) to HTs utilizing MTPE focusing on identifying the MTPE skills to keep HT in favor of MT and AI. A quantitative and qualitative mixed method was adopted using a test of 30-item in-context English-to-Arabic allusions translated by Google Translate and ChatGPT and then given to a random sample of 40 HTs. The TQ of AI, MT and HT target texts were assessed following O'Brien's (2012) model. The participants wrote reports on MTPE skills and were involved in a focus group discussion to determine the MTPE skills used. One-Sample t-Test, One-Way ANOVA and POST HOC Test were used. Results show HTs utilizing MTPE are of Moderate Quality (60%), and MT and AI-based translations are of Low Quality (44.44% & 42.22%). HTs employ some MTPE skills and strategies that resulted in statistically significant differences between HTs of allusions compared to MT and AI in favor of HTs. The study recommends enhancing MTPE skills among translation students and implementing training for further developing translators.
|
| 653 |
|
|
|a الترجمة الآلية
|a الإشارات الضمنية
|a التحرير اللاحق
|a طلبة الترجمة
|
| 692 |
|
|
|a ترجمة الإشارات الضمنية
|a الذكاء الاصطناعي
|a ترجمة الإنسان
|a ترجمة الآلة
|a مهارات التحرير اللاحق
|a جودة الترجمة
|b Allusion translation
|b Artificial Intelligence "AI"
|b Human Translation "HT"
|b Machine Translation "MT"
|b MTPE & Translation Quality "TQ"
|
| 773 |
|
|
|4 العلوم الاجتماعية ، متعددة التخصصات
|6 Social Sciences, Interdisciplinary
|c 003
|e Journal of Social Studies
|f Mağallaẗ al-dirāsāt al-iğtimāʿiyyaẗ
|l 003
|m مج30, ع3
|o 0169
|s مجلة الدراسات الاجتماعية
|v 030
|x 2312-525X
|
| 856 |
|
|
|u 0169-030-003-003.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EduSearch
|
| 999 |
|
|
|c 1523976
|d 1523976
|
