Simultandolmetschen mit Speech-to-Text-Funktion

Die vorliegende Masterarbeit beschäftigt sich mit dem Thema des Simultandolmetschens mit Unterstützung durch das automatische Transkriptionsprogramm „Google Voice Typing“, das in Echtzeit gesprochene Sprache als Text (Speech-to-Text – STT) wiedergibt. Die grundlegenden Merkmale des Simultandolmetschens, des Vom-Blatt-Dolmetschens und des Simultandolmetschens mit Text werden im ersten Teil der Arbeit geschildert, indem der Schwerpunkt auf die Direktionalität, den Timelag und die kognitive Belastung gelegt wird. Das Thema der Qualität und der Qualitätskriterien von Simultandolmetschleistungen werden untersucht, die im Rahmen der quantitativen Auswertung verwendet und adaptiert werden. Dabei werden die Ergebnisse früherer wissenschaftlicher Studien kritisch hinterfragt und besonderes Augenmerk wird auf das Beurteilungsschema der Generaldirektion Dolmetschen der Europäischen Kommission gelegt. Nachdem der Begriff der automatischen Spracherkennung definiert und ein historischer Exkurs dargelegt wird, werden die Grundlagen, die Funktionsweise sowie die Problemfelder und die Anwendungen der STT-Funktion behandelt. Das computergestützte Dolmetschen, das verwendete automatische Transkriptionsprogramm sowie der Forschungsstand werden anschließend thematisiert. Danach wird der Fokus auf das durchgeführte Experiment gelegt. Dabei werden die Zielsetzung, die Methodik, die Planung und die Ergebnisse des Experiments behandelt und diskutiert. Das durchgeführte Experiment fand am Zentrum für Translationswissenschaft der Universität Wien statt. Dolmetschstudierenden mit Italienisch als A- und Deutsch als B-Sprache dolmetschten einen Ausgangstext aus dem Deutschen ins Italienische mit der STT-Unterstützung simultan. Die Kontrollgruppe dolmetschte hingegen ohne die STT-Unterstützung. Die Leistungen wurden quantitativ ausgewertet, um festzustellen, ob die STT-Funktion von Google einen positiven Beitrag hinsichtlich der folgenden Qualitätskriterien von Simultandolmetschungen leistete: Genauigkeit, Flüssigkeit und Vollständigkeit. Insbesondere wurden die gefüllten und ungefüllten Pausen, die Dehnungen, die Reparaturen, die unvollständigen Sätze, die Modulation, die Sprechweise, die Sprechgeschwindigkeit, die Mikrofondisziplin, die Ligaturen, die Zahlen, die Fachtermini, die Anglizismen, die Auslassungen, die Hinzufügungen, die Ersetzungen, die Fehler, die Perspektivenwechsel, die Umformulierungen, die Kohärenz und der Timelag berücksichtigt. Des Weiteren wurden Daten über die Selbstwahrnehmung der ProbandInnen während des Experiments mit Hilfe eines Fragebogens erhoben, der nach dem Experiment ausgefüllt wurde. Darüber hinaus wurden Einzelinterviews mit den ProbandInnen der Versuchsgruppe durchgeführt. Die Ergebnisse zeigen, dass die Versuchsgruppe eine qualitativ bessere Leistung erbrachte, insbesondere hinsichtlich der Kategorien der Zahlen, Fehler und Kohärenz. Die Ungenauigkeiten und Umformulierungen der STT-Funktion wirkten sich nicht negativ auf die Leistungen der Versuchsgruppe aus: Die ProbandInnen konnten mehr von der STT-Funktion profitieren, als von ihren Fehlfunktionen abgelenkt zu werden. Aus den Ergebnissen der Fragebögen ging hervor, dass die Wahrnehmung des Schwierigkeitsgrades und der Geschwindigkeit stark unterschiedlich war: Die Versuchsgruppe empfand im Vergleich zur Kontrollgruppe den Ausgangstext als leichter und schneller. Im Rahmen der Interviews gaben die ProbandInnen der Versuchsgruppe zu, dass die automatische Transkription Verwirrung, Stress und eine höhere kognitive Belastung verursachte. Allerdings war die Qualität der Dolmetschleistungen der Versuchsgruppe im Hinblick auf die berücksichtigten Qualitätskriterien höher.The aim of this Master's thesis is to investigate simultaneous interpreting with the support of the automatic transcription program "Google Voice Typing", which renders spoken language as text in real time. The main characteristics of simultaneous interpreting as well as sight translation and simultaneous interpreting with text are discussed in the first section of this thesis, focusing on directionality, time lag, and cognitive load. The issue of quality and the quality criteria for simultaneous interpretations are examined, with a critical review of the findings of previous scholarly studies and special attention to the marking criteria of the Directorate‑General for Interpretation of the European Commission, that are used and adapted for the quantitative evaluation. After defining the subject of automatic speech recognition and presenting its historical evolution, the basic mechanisms and main problem areas of speech-to-text (STT) systems, as well as their applications, are discussed. Computer assisted interpreting, the automatic transcription program "Google Voice Typing" and the state of research are examined, before describing the aim and methodology as well as the planning and the results of the experiment performed. The experiment was carried out at the Centre for Translation Studies in Vienna, where interpreting students with Italian and German as A and B language were asked to perform a simultaneous interpreting task from German into Italian with the aid of Google’s STT. A control group performed the same task without the aid of the automatic speech recognition software. The performance of the participants was evaluated to determine whether Google's STT function positively affected the following quality criteria: fluency, accuracy and completeness. In particular, a quantitative analysis was carried out considering filled and unfilled pauses, drawn-out phonemes, corrections, incomplete sentences, sound intensity, manner and speed of speaking, microphone discipline, ligatures, numbers, technical terms, anglicisms, omissions, additions, alterations, errors, changes of perspective, rephrasing, coherence and time lag. Additionally, data regarding the perception of the test subjects during the experiment was collected using a questionnaire filled out by the participants after the experiment. Moreover, one-on-one interviews with the experimental group were carried out. The results of the study show that the experimental group did a qualitatively better performance compared to the control group, in particular regarding the categories of numbers, errors and coherence. The inaccuracies and reformulations of the automatic transcription did not negatively affect the performances of the experimental group, since the group was able to benefit more from the STT function than being distracted from its malfunctions. The results of the questionnaires show that the perception of the difficulty and speed of the source text differed greatly in the two groups: the experimental group perceived the source text as easier and faster compared to the control group. During the interviews, the experimental group relayed that the automatic transcription caused confusion, stress, and increased the cognitive load. However, thanks to the support of the automatic transcription program, the quality of the performances, as measured by the metrics adopted in this study, was higher