Ecotranslatological capabilities of DeepL Translator at the lexical and grammatical level (French – Ukrainian language pair)
DOI:
https://doi.org/10.32782/2617-3921.2024.25.171-180Keywords:
the French language, translation science, neural machine translation, DeepL Translator, ecotranslatology, specific contextAbstract
The article deals with the ecotranslatology of the specialized context using the DeepL neural machine service at the lexical and grammatical level from French into Ukrainian. The continuous increase in the scientific and technical information coming in European languages makes it necessary to urgently acquaint the domestic reader with the latest achievements in the intellectual progress. The goal of the article is an ecotranslatological analysis of the neural machine translator’s capability to adequately reflect a French message in Ukrainian in accordance with its lexical and grammatical norms. The article focuses on the linguistic ecology of the original context to be maintained and transferred by the translator, i.e. the capabilities of the neural machine translator of selecting and adapting lexical and grammatical elements using the translation memory available in the data basis. The quality criterion to be used to assess the adequacy of the translated text is the ecotranslatological principle of maintaining the ecobalance between the two languages involved in the translation process – it is achieved by applying replication, reduction and addition. A comparative analysis has shown the “ability” of DeepL Translator to perform adaptive omissions, additions, word order changes, antonymic translations, contextual specifications, conversions and morphological replacements. Nowhere have we noticed any grammatical interference or lexical literalism. As a result, our research has not revealed any knowledge gaps of DeepL Translator in the lexical and grammatical equivalence, which supports other scientists’ statements that DeepL Translator is nowadays the world’s best tool able to provide a fast and adequate translation of any scientific and technical text without calling for much post-editing work.
References
Амеліна С. М., Тарасенко Р. О. Сутність та особливості поняття «інформаційна компетентність перекладача» // Духовність особистості: методологія, теорія і практика. 4 (57). 2013. С. 21–34.
Веселовська Г. В., Радецька С. В. Машинний переклад: його типологія, переваги та недоліки // Актуальні питання гуманітарних наук. Вип. 35,
том 7. 2021. С. 23–27.
Основи перекладознавства: навчальний посібник / А. Г. Гудманян, А. В. Сітко, Г. Г. Єнчева. Вінниця: Нова Книга, 2020. 352 с.
Основи перекладу: Курс лекцій; Навчальний посібник / Г. Е. Мірам, В. В. Дайнеко, Л. А. Тарануха та ін. Київ: Ніка-Центр, 2005. 280 с.
Черноватий Л. М. Проблеми машинного перекладу та його застосування у навчанні майбутніх перекладачів // Наукові записки. Серія: філологічні науки. Випуск 202. 2022. С. 84–93.
HAL. URL: https://shs.hal.science (дата звернення: 24.03.2024).
Hu Gengshen. Adaptation in Consecutive Interpreting // Perspectives. Studies in Translation Theory and Practice. 2006. Vol. 14, iss. 1. P. 3–12.
Hu Gengshen, Youlan Tao. Eco-Translatology: A New Paradigm of Eco-translation–A Comparative Study on Approaches to Translation Studies // Advances in Computer Science Research. 2016. Vol. 82. URL : http://cms.ewha.ac.kr/user/erits/download/review_6/6.pdf (дата звернення: 24.03.2024).
Hu Gengshen. Eco-Translatology: Towards an Eco-paradigm of Translation Studies (2020). Singapore. Springer. 311 p.
Modern Linguistics 现代语言学, 2023, 11(10). URL: https://www.hanspub.org/journal/ml https://doi.org/10.12677/ml.2023.1110585 (дата звернення: 24.03.2024).
Yulianto A., Supriatnaningsih R. Google Translate vs. DeepL: A quantitative evaluation of close-language pair translation (French to English). (2021). AJELP: The Asian Journal of English Language & Pedagogy. Vol 9. № 2. P. 109–127.
胡庚申. 翻 译适应选择论 . 湖北教育出版社,2004. (Ху Г. Теорія адаптації та вибору перекладу. Освітня преса у провінції Хубей, 2004).