Optimization and quality assessment of automatic medical translations : Methodological approach based on MQM 2.0
Optimisation et évaluation de la qualité des traductions médicales automatiques : approche méthodologique basée sur MQM 2.0
自动医学翻译的优化和质量评估:基于 MQM 2.0 的方法论
Abstract
Machine translation quality assessment has become a crucial issue in the fields of applied linguistics and translation technologies. In this study, we will focus on medical language in English, which will be analyzed and translated into French using DeepL (and later ChatGPT). We have extracted specific passages to conduct a comparative analysis between machine translation and a reference translation.
The main objective is to evaluate the quality of the translation provided by DeepL using the Multidimensional Quality Metrics (MQM) evaluation framework. This framework allows for an in-depth analysis of different aspects of translation, such as accuracy, fluency, and coherence. By identifying the strengths and weaknesses of machine translation compared to human translation, this study will contribute to improving translation processes and ensuring accurate and effective medical communication.
L'évaluation de la qualité des traductions automatiques est devenue un enjeu crucial dans le domaine de la linguistique appliquée et des technologies de la traduction. Dans cette étude, nous nous concentrerons sur la langue médicale en anglais, qui sera analysée et traduite en français à l'aide de DeepL (plus tard chatgpt). Nous avons extrait des passages spécifiques pour mener une analyse comparative entre la traduction automatique et une traduction référentielle.
L'objectif principal est d'évaluer la qualité de la traduction fournie par DeepL en utilisant le cadre d'évaluation des Multidimensional Quality Metrics (MQM). Ce cadre permet d'analyser en profondeur différents aspects de la traduction, tels que l'exactitude, la fluidité et la cohérence. En identifiant les forces et les faiblesses de la traduction automatique par rapport à la traduction humaine, cette étude contribuera à améliorer les processus de traduction et à garantir une communication médicale précise et efficace.
评估机器翻译的质量已成为应用语言学和翻译技术领域的一个重要议题。在本研究中,我们将重点关注英语医学语言,并使用 DeepL(稍后将介绍 ChatGPT)对其进行分析并翻译成法语。我们提取了特定段落,以对机器翻译和参考翻译进行比较分析。
主要目标是使用多维质量指标(MQM)评估框架来评估 DeepL 提供的翻译质量。该框架可以深入分析翻译的不同方面,例如准确性、流畅性和一致性。通过识别机器翻译与人工翻译相比的优缺点,这项研究将有助于改进翻译流程,并确保医疗交流的准确性和有效性。