Human and machine translation: a comparative analysis of neural machine- and human-translated EN-HU and HU-EN legal texts
Abstract
As neural machine translation is increasingly more capable of modelling how natural languages work, the traditional tasks of translators are being gradually replaced by new challenges (Castilho et al., 2019). Consequently, more emphasis is placed on pre- and post-editing (revision) skills and competences (Pym, 2013; Robert et al., 2017), enabling the production of higher quality and near human-made translations. Therefore, the efficiency of pre- and post-editing largely depends on how aware translators are of the mechanisms and limitations of neural machine translation tools adopted in given language pairs (Lample et al., 2018). This paper aims to demonstrate through the comparison of the neural machine and human-translated English and Hungarian translations of Hungary’s Fundamental Law and the U.S. Constitution, respectively, the different challenges arising in the course of translation and posed by post-editors, especially from the perspective of comprehensibility and well-formedness.
References
Austin, J. L. (1962): How to do things with words. Clarendon Press: Oxford.
B. Kovács, M. (1999): A funkcióigés szerkezetek a jogi szaknyelvben. Magyar Nyelvőr 123. évf. 388–94.
Balogh, D. (2020): Műfajtudatosság a jogi szakfordításban és szakfordítóképzésben. ELTE Doktori Iskola, kiadatlan doktori disszertáció.
https://doi.org/10.15476/ELTE.2020.035
Bázlik, M. – Ambrus, P. – Beclawski, M. (2010): The Grammatical Structure of Legal English. Translegis.
Biel, Ł. (2014): The textual fit of translated EU law: a corpus-based study of deontic modality. The Translator, 20(3), 332-355.
https://doi.org/10.1080/13556509.2014.909675
Biel, Ł. – Engberg, J. – Ruano, R. M. – Sosoni, V. (eds.) (2019): Research Methods in Legal Translation and Interpreting. Routledge: London and New York.
https://doi.org/10.4324/9781351031226
Biel, L. – Engberg, J. (2013): Research models and methods in legal translation. Linguistica Antverpiensia, New Series–Themes in Translation Studies, (12).
https://doi.org/10.52034/lanstts.v0i12.316
Cao, D. (2012). Legal translation. The encyclopedia of applied linguistics.
https://doi.org/10.1002/9781405198431.wbeal0679
Castilho, S. – Gaspari, F. – Moorkens, J. et al. (2019): Editors’ foreword to the special issue on human factors in neural machine translation. Machine Translation. 33. 1–7.
https://doi.org/10.1007/s10590-019-09231-y [Last accessed: 15 January 2021].
Dobos, Cs. (2014): Lexikai átváltási műveletek a nyelven belüli fordítás- ban. Alkalmazott Nyelvészeti Közlemények, IX. évf., 2. szám. 63–80
Haque, R. – Hasanuzzaman, M. – Way, A. (2020): Analysing terminology translation errors in statistical and neural machine translation. Machine Translation 34. 149–195. DOI: Khaydarova, U. (2019): Specific peculiarities of ranslation in legal document
https://doi.org/10.1007s10590-020-09251-zs. Journal of Legal Studies and Research, 5(5), 157-165.
Kjaer, A. L. (2007): Legal Translation in the European Union. A Research Field in Need of a New Approach. In Kredens, K. – Goźdź-Roszkowski, S. (eds.): Language and the Law: International Outlooks. Frankfurt am Main: Peter Lang.
Kovács, T. (2018): Átváltási műveletek (megoldások) az angol-magyar jogi szaknyelvi fordításban. Modern nyelvoktatás. Fordítástudomány különszám, 25(2–3). 40–53.
Kovács, T. (2020): Interferenciajelenségek összehasonlító vizsgálata nem fordított magyar és angolról magyarra fordított jogi szaknyelvi szövegekben. In Szabóné Papp, J. (ed.). Alkalmazott Nyelvészeti Közlemények, Interdiszciplináris tanulmányok, A Miskolci Egyetem Közleményei. Publications of the University of Miskolc. 13(2), 150–165. Miskolci Egyetemi Kiadó.
Lample, G. – Ott, M. – Conneau, A – Denoyer, L. – Ranzato, M.A. (2018): Phrase-based and Neural Unsupervised Machine Translation. Cornell University.
https://doi.org/10.18653/v1/D18-1549 [Last accessed 15 January 2021].
Minya, K. – Vinnai, E. (2018): Hogyan írjunk érthetően? Kilendülés a jogi szaknyelv komfortzónájából. Magyar jogi nyelv, 1. szám. 13–18.
Papineni, K. – Roukos, S. – Ward, T. – Zhu W.J. (2002): BLEU: A Method for Automatic Evaluation of Machine Translation. Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL), Philadelphia, July 2002. 311–318.
https://doi.org/10.3115/1073083.1073135
Pavlíčková, E. (2008): Ways of addressing in legal discourse. Discourse and Interaction. 1/1. 87–98.
https://journals.muni.cz/discourse-and-interaction/article/view/6901/8267
Pym, A. (2013): Translation Skill-Sets in a Machine-Translation Age. Meta: Translators' Journal. 58/3. 487–503.
https://doi.org/10.7202/1025047ar
Robert I.S. – Terryn A.R. – Ureel, J.J. – Remael, A. (2017): Conceptualising translation revision competence: A pilot study on the ‘tools and research’ subcompetence. The Journal of Specialised Translation. 28. 293–316.
Šarčevič, S. (1997): New Approach to Legal Translation. Hague: Kluwer Law International.
Searle, J. (1979): Expression and Meaning: Studies in the Theory of Speech Acts. Cambridge: University Press. https://doi.org/10.1017/CBO9780511609213 „Stíluskönyv”: A joggyakorlat-elemző csoport összefoglaló véleménye a határozatszerkesztés tárgykörében 2014. évben végzett elemzés megállapítá-sairól (2014). Kúria, pp. 1–19.
https://kuria-birosag.hu/sites/default/files/ joggyak/osszefoglalo_1.pdf (Letöltve: 2019. 04. 30.)
Tóth, J. – Kurtán, Zs. (2017): A jogszabályok szövege – avagy a jogalkotók szövegelése. Magyar Jogi Nyelv, 1.szám. 34–36.
