Neologisms prefixed with man- in machine translation (MT). An analysis of performance results of selected MT systems

Celem niniejszej pracy jest analiza wydajności tłumaczenia maszynowego w przekładzie neologizmów z przedrostkiem man-. Część teoretyczna pracy przedstawia kluczowe pojęcia z dziedzin tłumaczenia maszynowego oraz neologii (w tym tzw. neologizmów nacechowanych płciowo). Następna część, która ma charakter teoretyczno-praktyczny, omawia metodologię utworzoną na potrzeby pracy, a także przebieg poszczególnych analiz danych. Ostatnia część o charakterze praktyczny, prezentuje wyniki ww. badań i na ich podstawie przeprowadza analizę wydajności systemów tłumaczeniowych. Swoim zakresem badanie objęło następujące systemy: Microsoft Translator, Google Translate, DeepL Translator, Yandex Translate i skupiło się na dwóch aspektach wydajnościowych – na tym w jaki sposób oraz jak dobrze systemy tłumaczeniowe radzą sobie z przekładem analizowanego materiału językowego; w dwóch środowiskach tłumaczeniowych: w kontekście i poza kontekstem zdania. Na podstawie analizy sformułowano następujące wnioski: (1) Każdy z przebadanych systemów cechuje się własnym profilem tłumaczeniowym przy przekładzie neologizmów z przedrostkiem man-. W tym kontekście różnice można dostrzec przede wszystkim w stabilności procesu tłumaczenia, różnorodności przedsięwziętych technik oraz w stopniu zorientowania na kulturę wyjściową lub docelową. (2) Każdy z systemów w różnym stopniu radzi sobie z przekładem neologizmów z przedrostkiem man-. W tłumaczeniu poza kontekstem zdania, najlepsze wyniki daje Google Translate. Z kolei w tłumaczeniu z kontekstem zdania, w którym odnotowano poprawę wydajności każdego systemu, wiodącym systemem okazał się być DeepL Translator. (3) Mimo wszystko, najlepsze wyniki stanowiły jedynie 25% teoretycznej wydajności, co wskazuje na to, że neologizmy, w tym te z przedrostkiem man-, wciąż stanowią problematyczny obszar dla tłumaczenia maszynowego.

The objective of this study is to analyze the efficiency of machine translation in handling neologisms prefixed with man-. In the theoretical part, key concepts of machine translation and neology (including gendered neologisms) are presented. This is followed by a discussion of the methodology created for the purposes of the thesis, and the presentation of the manner individual data analyses were conducted. The third and final part, discusses the results of these analyzes and on their basis, a performance analysis of selected MT systems is conducted. In the study the four following systems were scrutinised: Microsoft Translator, Google Translate, DeepL Translator, Yandex Translate. The study concentrated on aspects of MT efficiency – in what manner and to what results translation systems handled the translation of the analyzed linguistic material. This was carried out in two translation environments: within and without the context of a sentence. Based on the analysis, the following conclusions were formulated: (1) Each of the systems examined can be characterised by its own translation profile when translating neologisms with the prefix man-. In this context, differences can be seen primarily in the stability of the translation process, the variety of techniques used and the degree of orientation towards the source or target culture. (2) Each system handles the translation of man- neologisms to a varying level of satisfaction. When translating without the context of a sentence, Google Translate produces the best results. Conversely, within sentence context translation (where the performance of each system was found to improve), DeepL Translator proved to be the leading system. (3) Nevertheless, the best results constituted only 25% of maximum theoretical performance, which leads to a conclusion that neologisms, including those with the prefix man-, remain a problematic area for machine translation.