Key points are not available for this paper at this time.
O uso de tradução automática tornou-se onipresente em várias práticas de tradução, especialmente com o advento da tradução automática neural e a integração de aprendizado profundo e inteligência artificial no desenvolvimento de programas de tradução. Embora a precisão e a qualidade dos resultados da tradução automática tenham melhorado significativamente, desafios persistem, principalmente na tradução jurídica do inglês para o árabe. A natureza única do discurso legal e as diferenças estruturais entre o inglês e o árabe tornam a tradução precisa das características da linguagem jurídica uma tarefa desafiadora. Este estudo visa avaliar a qualidade da tradução automática neural na tradução da fraseologia legal latina para o árabe, comparando dois sites: Google Translate e Yandex. Uma abordagem baseada em corpus foi adotada, onde 270 termos e frases legais de origem latina foram coletados, analisados e traduzidos usando ambas as plataformas. A avaliação se concentra em quatro critérios: traduções inadequadas, nenhuma tradução fornecida, empréstimo (transliteração fonética para o árabe) e equivalência — a tradução cultural e funcionalmente adequada. As principais descobertas indicam que, apesar dos avanços significativos na tecnologia de tradução automática, a precisão continua a ser um problema crítico, com aproximadamente metade dos termos não traduzidos corretamente. Embora o Google Translate seja amplamente utilizado, o Yandex demonstrou maior precisão neste contexto. Além disso, a maioria das frases selecionadas para este estudo não foram traduzidas com precisão por nenhum dos sites. A solução para este problema reside na melhoria do processo de treinamento. Usuários e tradutores árabes devem contribuir mais com traduções para enriquecer os corpora árabes online. Além disso, foi observado que há uma falta de dicionários ou bancos de dados inglês-árabe dedicados ao Processamento de Linguagem Legal (LLP). Portanto, iniciar um projeto de pesquisa que aborde essa questão pode ser de extrema importância. Em relação à linguagem especializada, melhorar a qualidade da Tradução Automática Neural (NMT) levanta questões sobre sua confiabilidade tanto para alunos quanto para tradutores profissionais. Assim, o estudo recomenda mais pesquisas na avaliação da qualidade da tradução automática, melhoria da precisão da terminologia de tradução automática neural e aprimoramento dos modelos de aprendizado de máquina com mais conteúdo e corpora árabes.
Sofiane Djeffal (Terça,) estudou essa questão.