Kone- ja ihmiskäännösten eroavaisuudet: Editointimuutosten analysointi reseptikäännöksissä

Abstract

Konekääntimet ovat kehittyneet valtavasti viime vuosikymmenten aikana. Kääntimien kehitys on saanut ihmiset käyttämään konekääntimiä aktiivisemmin, ja vuonna 2016 ihmiset käänsivät konekääntimillä yli 140 miljardia sanaa päivittäin. Moni konekääntimen käyttäjä ei kuitenkaan tule ajatelleeksi sitä, että konekäännin ei tarjoa täydellistä käännöstä. Konekäännetyt tekstit vaativat yhä edelleen kevyttä tai perusteellista jälkieditointia muistuttaakseen ihmiskääntäjän käännöstä.

Tutkimuksessani on kaksi teorialukua. Ensimmäisen avulla pyrin hahmottamaan konekääntimien kehitystä aina monikielisestä mekaanisesta sanakirjasta neuroverkkokääntimeen, nykykääntimien tekemiä virheitä, käyttäjäryhmiä ja jälkieditoinnin tärkeyttä. Toisen avulla taas lähestyn termiä ruokaresepti, jota tutkin omana tekstilajinaan. Pohdin reseptien kääntämistä ja ihmiskääntäjien kohtaamia ongelmia heidän kääntäessään reseptejä.

Tutkimukseni aineistona toimii kolme venäjänkielistä ruokareseptiä. Jokaisesta lähdekielisestä reseptistä on kolme eri käännöstä, joista yksi käännös on ihmisen tekemä ja kaksi muuta kahden eri konekääntimen. Reseptien kääntäjiksi pyysin kolme monikielisen viestinnän ja käännöstieteen maisteriopiskelijaa. Käännösten teon aikana yksi kääntäjistä oli ensimmäisen vuoden maisteriopiskelija, ja kaksi muuta olivat toisen vuoden maisteriopiskelijoita. Kaikki kolme kääntäjää ovat kaksikielisiä kieliparissa suomi–venäjä. Konekääntimiksi valitsin DeepL- ja Yandex-konekääntimet. Yhteensä sain yhdeksän käännöstä kolmesta eri lähdetekstistä.

Käännettyjen tekstien avulla suoritin kokeen. Kokeen suoritusta varten tarvitsin editoijia. Editoijiksi pyysin kolme opiskelijaa, joista yksi oli toisen vuoden monikielisen viestinnän ja käännöstieteen maisteriopiskelija, ja kaksi muuta ensimmäisen vuoden maisteriopiskelijoita kielten maisteriohjelman suomen kielen opintosuunnassa. Jokainen editoija sai editoitavaksi kolme eri reseptikäännöstä, joista yksi oli ihmisen kääntämä ja kaksi muuta koneen kääntämiä. Editoijat eivät tienneet, ovatko tekstit konekäännettyjä vai ihmisen kääntämiä.

Työlläni oli kaksi päätehtävää. Näistä ensimmäinen oli analysoida editoijien tekemiä muutoksia käännöksiin. Analysoidessani editoijien tekemiä muutoksia keskityin myös tarkkailemaan, oliko konekääntimen tuotoksen jälkieditoiminen hitaampaa tai hankalampaa kuin ihmisen tekemän käännöksen editointi. Työni toinen päätehtävä oli tutkia, tunnistavatko editoijat käännöksen olevan ihmisen vai koneen tekemä.

Tutkimuksen tuloksista kävi ilmi, että konekääntimen tekemän käännöksen jälkieditoimiseen editoijat käyttivät enemmän aikaa kuin ihmiskääntäjän käännöksen editoimiseen. Editoijat raportoivat, että konekäännöksen tuotoksen editoiminen oli myös hankalampaa muun muassa siksi, koska konekääntimen käännöksessä oli paljon editoitavaa ja epäselviä kohtia, joita ei pystynyt editoimaan ollenkaan. Tutkimus osoitti, että editoijat eivät aina erota, onko teksti alun perin ihmisen vai koneen kääntämä. Tulevaisuudessa tutkimusta voi laajentaa ja suorittaa koe suuremmalla materiaalilla tai eri teksteillä.