B8536 - Computer-Aided Human Translation: CAT, MT and AI (CL2)

Conoscenze e abilità da conseguire

Lo/a studente/ssa conosce i principali strumenti informatici per la gestione dei file, la traduzione assistita (CAT) e la traduzione potenziata dall'intelligenza artificiale (IA), inclusa la traduzione automatica (MT); sa utilizzare efficacemente gli strumenti CAT, applicare tecniche basilari di prompting all’interno di strumenti di traduzione basati sull’IA e lavorare con diversi motori di TA; è in grado di verificare e garantire la qualità delle traduzioni e effettuare post-editing in modo efficiente e accurato su vari tipi di testi e in vari domini, adattandoli a diversi pubblici secondo necessità; è in grado di concepire, gestire e valutare progetti articolati che coinvolgono varie professionalità e varie modalità e strumenti (CAT, MT, post-editing e IA); è in grado di elaborare autonomamente ulteriori conoscenze e competenze nell’ambito di CAT, IA e post-editing, applicandole a nuove pratiche basate sull'IA, nel rispetto della deontologia professionale e degli standard di settore.

Contenuti

Il modulo di "Computer-aided human translation: CAT, MT and AI" (CatMAI) si svolge nel secondo semestre ed è uno dei due che compongono il corso di "Technologies for Translation", insieme a "Information Mining and Terminology", che si svolge nel primo semestre e che è tenuto dal Prof. Adriano Ferraresi.

Nella prima parte si concentra sul concetto di traduzione assistita. Dopo aver fornito un'introduzione teorica, verranno presentati alcuni dei principali strumenti di traduzione assistita da computer (CAT) presenti sul mercato (Trados Studio, MemoQ, MateCat), proprietari e liberi. In particolare ci si concentrerà sulla traduzione dei principali formati di file, sulla creazione e gestione di memorie di traduzione e sul controllo della qualità dei testi di arrivo. Verranno inoltre fornite le basi per la gestione di progetti di traduzione complessi che prevedono la partecipazione di figure professionali diverse (Project Management) tramite CAT. Infine, verranno presentate le più recenti funzionalità dei CAT tool che sfruttano l'intelligenza artificiale (IA) generativa per ottimizzare i flussi di lavoro sia in fase di traduzione, sia in fase di revisione.

La seconda parte, collegata alla prima, inizierà con la presentazione degli evidenti vantaggi relativi all'utilizzo della traduzione potenziata dall'IA, inclusa la traduzione automatica (TA) accompagnata dal post-editing. Ci si concentrerà inoltre sulle possibilità di integrazione tra sistemi CAT, sistemi di TA e funzionalità di traduzione generativa basata sull’IA presenti nei software CAT. In merito al PE verranno approfondite diverse modalità di intervento (minimo, completo, ecc.) in relazione a variabili quali le condizioni specifiche del particolare incarico, il profilo del post-editor (bilingue, monolingue della lingua d'arrivo, esperto del settore, ecc.), la tipologia della traduzione, la sede di pubblicazione e le modalità di diffusione previste per il testo d'arrivo revisionato, i suoi potenziali lettori e utenti, ecc. Verranno presentate le varie strategie di PE che permettono di migliorare l'output grezzo ottenuto dai sistemi di TA e dai sistemi di IA generativa e di elaborare quindi un testo d'arrivo finale di qualità adeguata alle specifiche esigenze del contesto traduttivo.

Verranno inoltre introdotte le tecniche basilari di prompting utilizzabili all’interno di strumenti di traduzione basati sull’IA sia per ottimizzare l’output grezzo di un testo tradotto automaticamente, sia per post-editarlo.

Testi/Bibliografia

Durante le lezioni di carattere più teorico, la docente farà riferimento alla seguente bibliografia:

Bersani Berselli, G. (a cura di) (2011) "Usare la Traduzione Automatica". Bologna: CLUEB.

Bowker, L., (2002). “Computer-Aided Translation Technology. A Practical Introduction”. University of Ottawa Press.

Bowker, Lynne, (2005). “Productivity vs. Quality? A pilot study on the impact of translation memory systems”. Localisation Focus 4:1. 13-20.

Cevoli, M. & S. Alasia, (2012). “Guida completa a OmegaT”. Badalona: Qabiria.

Declercq, C. (2023). Editing in translation technology. In Routledge encyclopedia of translation technology (pp. 551-564). Routledge.

Fagbohun, O., Harrison, R. M., & Dereventsov, A. (2024). An empirical categorization of prompting techniques for large language models: A practitioner's guide. arXiv preprint arXiv:2402.14837.

He, S. (2024). Prompting ChatGPT for translation: A comparative analysis of translation brief and persona prompts. arXiv preprint arXiv:2403.00127.

Koponen, M. (2016) "Is machine translation post-editing worth the effort? A survey of research into post-editing and effort". The Journal of Specialised Translation. Disponibile online: https://www.jostrans.org/issue25/art_koponen.pdf

Lecci, C. & E. Di Bello, (2012). “Usare la traduzione assistita”. Bologna: CLUEB.

Poulis, Alexandros and David Kolovratnik (2012) "To Post-edit or not to Post-edit? Estimating the Benefits of MT Post-editing for a European Organization". Proceedings of the AMTA 2012 Workshop on Post-editing Technology and Practice (WPTP 2012). The Tenth Biennial Conference of the Association for Machine Translation in the Americas, October 28-November 1 2012, San Diego, CA, USA. Disponibile online: http://amta2012.amtaweb.org/AMTA2012Files/html/9/9_paper.pdf

Qian, M., & Kong, C. (2024, May). Enabling Human-Centered Machine Translation Using Concept-Based Large Language Model Prompting and Translation Memory. In International Conference on Human-Computer Interaction (pp. 118-134). Cham: Springer Nature Switzerland.

Toto P. (2021). “Flipped classrooms and translation technology teaching: a case study”. In Wang C., Zheng B., Empirical studies of translation and interpreting. London: Routledge.

Vela M., Pal S., Zampieri M., Kumar Naskar S. (2019). “Improving CAT Tools in the Translation Workflow: New Approaches and Evaluation”. Saarland University, Germany, University of Wolverhampton, UK, Jadavpur University, India. Online: https://arxiv.org/pdf/1908.06140.pdf

Vieira, L. N. (2019). Post-editing of machine translation. "The Routledge handbook of translation and technology". 319-336. London: Routledge.

Zhang, B., Haddow, B., & Birch, A. (2023). Prompting large language model for machine translation: A case study. In International Conference on Machine Learning (pp. 41092-41110). PMLR.

Metodi didattici

Le lezioni si svolgono in forma di workshop e si articolano secondo uno schema ben definito che unisce aspetti teorici a una forte componente pratica e applicativa.

I contributi teorici vengono trasmessi attraverso presentazioni da parte della docente ed eventuali letture di approfondimento assegnate alle studentesse e agli studenti durante il corso.

La componente pratica consiste in esercitazioni in laboratorio, esercizi di consolidamento da svolgere a casa e successiva discussione in classe e risoluzione dei problemi emersi nell'attività esercitatoria per permettere un monitoraggio puntuale e costante dello sviluppo delle capacità tecnologiche oggetto del corso.

In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, in modalità e-learning.

Il corso prevede l'obbligo di frequenza pari al 70%.

Modalità di verifica e valutazione dell'apprendimento

L'esame finale ha una durata complessiva di due ore e consiste in una prova pratica di traduzione assistita - ad esempio la creazione di memorie di traduzione, database terminologici e progetti/pacchetti di traduzione con uno degli strumenti CAT presentati a lezione - della durata di un'ora e trenta minuti ed una prova teorica su TA, post-editing e IA - un quesito a risposta aperta - della durata di circa trenta minuti e riguardante i principi e le metodologie affrontati in classe durante il modulo e le loro applicazioni nella traduzione professionale, con un'analisi critica delle relative potenzialità e applicazioni.

ESAME PER STUDENTESSE E STUDENTI InTeCo/InConf

Solo per studentesse e studenti dei curricula InTeCo e InConf (corso di laurea in Interpretazione), per i quali il corso è opzionale, l'esame consiste in due quesiti a risposta aperta - della durata di circa sessanta minuti - riguardanti i principi e le metodologie affrontati in classe durante il modulo e le loro applicazioni nella traduzione professionale, con un'analisi critica delle relative potenzialità e applicazioni.

Valutazione

30 – 30L risultati eccellenti, che dimostrano una ottima comprensione dei contenuti del corso, così come una buona consapevolezza e capacità di valutazione dei diversi sistemi CAT da adottare per esigenze e flussi di lavoro diversi.
27 – 29 risultati sopra la media, con errori minori o bilanciati da una buona conoscenza dei concetti e delle applicazioni fondamentali.
24 – 26 buoni risultati, con alcuni errori o lacune di conoscenza che mostrano una parziale comprensione dei contenuti e delle competenze richieste.
21 – 23 risultati sufficienti, ma con notevoli lacune nelle conoscenze o abilità acquisite nei contenuti del corso.
18 – 20 risultati che dimostrano solo una conoscenza minima dei contenuti del corso.
< 18 insufficiente, i concetti di base non sono stati compresi o dimostrati, la studentessa o lo studente dovrà ripetere il test.

 

Studentesse e studenti con DSA o disabilità temporanee o permanenti (inclusi gravi problemi di salute che interferiscono con il normale svolgimento degli studi) sono pregati di contattare tempestivamente l’ufficio di Ateneo responsabile (Servizio per gli Studenti con Disabilità e con DSA: https://site.unibo.it/studenti-con-disabilita-e-dsa/it), possibilmente prima dell’inizio del corso. Nota bene: sarà cura dell’Ufficio preposto proporre alle studentesse e agli studenti interessati eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di almeno 15 giorni dalla data dell’esame, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell’insegnamento.

Strumenti a supporto della didattica

Le lezioni si svolgono in laboratorio informatico con collegamento internet e videoproiettore.

Data la modalità di erogazione della didattica, in forma di workshop con ampi spazi per le esercitazioni pratiche, le studentesse e gli studenti hanno la possibilità di utilizzare i principali applicativi software utilizzati nel campo della traduzione assistita, sia proprietari sia open-source o comunque di libero accesso.

I materiali didattici (testi, presentazioni, file di progetto, manuali d'uso, ecc.) sono resi disponibili attraverso la piattaforma e-learning Moodle.

Link ad altre eventuali informazioni

https://moodle.dipintra.it/course/view.php?id=67

Orario di ricevimento

Consulta il sito web di Claudia Lecci