{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5307150"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5307150","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Προκλήσεις και ανάγκες στη μετάφραση ενσώματων εννοιών: συγκριτική μελέτη αυτόματης και ανθρώπινης μετάφρασης","abstract":"Η παρούσα διπλωματική εργασία εξετάζει τις προκλήσεις και τις δυνατότητες στη μετάφραση ενσώματων εννοιών, με έμφαση στη συγκριτική μελέτη μεταξύ αυτόματης μετάφρασης (ChatGPT, Google Translate) και ανθρώπινης μετάφρασης. Στο θεωρητικό πλαίσιο αναλύεται η ενσώματη νόηση (embodied cognition), σύμφωνα με την οποία η κατανόηση των εννοιών συμπεριλαμβάνει ενεργοποίηση αισθησιοκινητικών εμπειριών που ενεργοποιούνται είτε μέσω της γλωσσικής τους έκφρασης είτε/και μέσω αισθητηριακών ερεθισμάτων. Βασική πηγή δεδομένων της μελέτης ήταν γλωσσικά εκφρασμένες έννοιες, κατηγοριοποιημένες ως προς το σε τι αναφέρονται (οντότητα, δράση/σκοπός, ιδιότητα, αφηρημένη έννοια), που προέκυψαν στα πλαίσια γνωσιακών πειραμάτων σχετικά με τα χαρακτηριστικά και τη χρήση αντικειμένων. Αρχικά, πραγματοποιήθηκε η μετάφραση 4.007 λημμάτων/εννοιών από τα ελληνικά προς τα αγγλικά και τα γαλλικά από φυσική ομιλήτρια της Ελληνικής με εμπειρία στη διδασκαλία των Αγγλικών και των Γαλλικών. Βασικό ζητούμενο της μετάφρασης ήταν η ακρίβεια, δηλαδή η απόδοση των εννοιών στις γλώσσες-στόχο χωρίς να αλλάξει η αναφορά. Στη συνέχεια, τα ίδια λήμματα αποδόθηκαν μέσω δύο συστημάτων αυτόματης μετάφρασης, του Google Translate και του ChatGPT. Στην περίπτωση του δεύτερου, δόθηκε επεξήγηση των επιδιώξεων της μετάφρασης με σκοπό να έχει το σύστημα στη διάθεσή του τις οδηγίες που είχε και ο άνθρωπος-μεταφραστής. Στις περιπτώσεις που άνθρωπος και ChatGPT διαφωνούσαν, δόθηκαν εκ νέου οδηγίες στο ChatGPT που περιείχαν και το περικείμενο μέσα στο οποίο εμφανίζονταν οι λεξικές έννοιες. Πρόσβαση σε αυτή την πληροφορία είχε και ο άνθρωπος-μεταφραστής κατά τη διαδικασία μετάφρασης, οπότε με αυτό τον τρόπο η σύγκριση θεωρήθηκε πιο δίκαιη. Για τις περιπτώσεις που συνέχισε να υπάρχει ασυμφωνία ανάμεσα σε ανθρώπινη και αυτόματη μετάφραση, ζητήθηκε εξήγηση από το ChatGPT της διαφοράς στις δύο μεταφράσεις, και ο άνθρωπος-μεταφραστής αποφάσισε αν τελικά πείθεται να αλλάξει τη δική του μετάφραση ή όχι. Για ένα πεπερασμένο υποσύνολο αυτών των περιπτώσεων δημιουργήσαμε ένα ερωτηματολόγιο και ζητήσαμε την άποψη ατόμων με γνώση/εμπειρία στις γλώσσες-στόχο, ώστε να μελετήσουμε κατά πόσο η δική τους άποψη συνέπιπτε με του ανθρώπου-μεταφραστή, του ChatGPT ή είχαν να προτείνουν και κάτι άλλο. Η συγκριτική ανάλυση ανέδειξε ποικίλες δυναμικές: οι αυτόματες μεταφράσεις, και ιδίως μέσω του ChatGPT, μπορούν να ανταποκριθούν σε σημαντικό ποσοστό στη μετάφραση ενσώματων εννοιών, αλλά απαιτούν ιδιαίτερες οδηγίες από τον άνθρωπο και συχνά εμφανίζουν αστάθεια στην απόδοσή τους. Αντίστοιχα, η ανθρώπινη μετάφραση απαιτεί χρήση αρκετών πηγών για ακριβή μετάφραση, έχει ιδιαίτερες δυνατότητες επιλογής βάσει πολιτισμικών κριτηρίων, αλλά επίσης υπόκειται και σε υποκειμενικές διακυμάνσεις. Συνολικά, η εργασία αναδεικνύει την ανάγκη περαιτέρω διερεύνησης στρατηγικών οπτικής και βιωματικής επαλήθευσης των μεταφραστικών αποδόσεων, ως μοναδική στρατηγική αντικειμενικής αξιολόγησης (και καθοδήγησης) της μετάφρασης ενσώματων εννοιών. Επιπλέον, προτείνει την ενσωμάτωσή τους σε αυτόματα συστήματα, με στόχο την ενίσχυση της ακρίβειας και της πληρότητας στη μηχανική μετάφραση.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει τις προκλήσεις και τις δυνατότητες στη μετάφραση ενσώματων εννοιών, με έμφαση στη συγκριτική μελέτη μεταξύ αυτόματης μετάφρασης (ChatGPT, Google Translate) και ανθρώπινης μετάφρασης. Στο θεωρητικό πλαίσιο αναλύεται η ενσώματη νόηση (embodied cognition), σύμφωνα με την οποία η κατανόηση των εννοιών συμπεριλαμβάνει ενεργοποίηση αισθησιοκινητικών εμπειριών που ενεργοποιούνται είτε μέσω της γλωσσικής τους έκφρασης είτε/και μέσω αισθητηριακών ερεθισμάτων. Βασική πηγή δεδομένων της μελέτης ήταν γλωσσικά εκφρασμένες έννοιες, κατηγοριοποιημένες ως προς το σε τι αναφέρονται (οντότητα, δράση/σκοπός, ιδιότητα, αφηρημένη έννοια), που προέκυψαν στα πλαίσια γνωσιακών πειραμάτων σχετικά με τα χαρακτηριστικά και τη χρήση αντικειμένων. Αρχικά, πραγματοποιήθηκε η μετάφραση 4.007 λημμάτων/εννοιών από τα ελληνικά προς τα αγγλικά και τα γαλλικά από φυσική ομιλήτρια της Ελληνικής με εμπειρία στη διδασκαλία των Αγγλικών και των Γαλλικών. Βασικό ζητούμενο της μετάφρασης ήταν η ακρίβεια, δηλαδή η απόδοση των εννοιών στις γλώσσες-στόχο χωρίς να αλλάξει η αναφορά. Στη συνέχεια, τα ίδια λήμματα αποδόθηκαν μέσω δύο συστημάτων αυτόματης μετάφρασης, του Google Translate και του ChatGPT. Στην περίπτωση του δεύτερου, δόθηκε επεξήγηση των επιδιώξεων της μετάφρασης με σκοπό να έχει το σύστημα στη διάθεσή του τις οδηγίες που είχε και ο άνθρωπος-μεταφραστής. Στις περιπτώσεις που άνθρωπος και ChatGPT διαφωνούσαν, δόθηκαν εκ νέου οδηγίες στο ChatGPT που περιείχαν και το περικείμενο μέσα στο οποίο εμφανίζονταν οι λεξικές έννοιες. Πρόσβαση σε αυτή την πληροφορία είχε και ο άνθρωπος-μεταφραστής κατά τη διαδικασία μετάφρασης, οπότε με αυτό τον τρόπο η σύγκριση θεωρήθηκε πιο δίκαιη. Για τις περιπτώσεις που συνέχισε να υπάρχει ασυμφωνία ανάμεσα σε ανθρώπινη και αυτόματη μετάφραση, ζητήθηκε εξήγηση από το ChatGPT της διαφοράς στις δύο μεταφράσεις, και ο άνθρωπος-μεταφραστής αποφάσισε αν τελικά πείθεται να αλλάξει τη δική του μετάφραση ή όχι. Για ένα πεπερασμένο υποσύνολο αυτών των περιπτώσεων δημιουργήσαμε ένα ερωτηματολόγιο και ζητήσαμε την άποψη ατόμων με γνώση/εμπειρία στις γλώσσες-στόχο, ώστε να μελετήσουμε κατά πόσο η δική τους άποψη συνέπιπτε με του ανθρώπου-μεταφραστή, του ChatGPT ή είχαν να προτείνουν και κάτι άλλο. Η συγκριτική ανάλυση ανέδειξε ποικίλες δυναμικές: οι αυτόματες μεταφράσεις, και ιδίως μέσω του ChatGPT, μπορούν να ανταποκριθούν σε σημαντικό ποσοστό στη μετάφραση ενσώματων εννοιών, αλλά απαιτούν ιδιαίτερες οδηγίες από τον άνθρωπο και συχνά εμφανίζουν αστάθεια στην απόδοσή τους. Αντίστοιχα, η ανθρώπινη μετάφραση απαιτεί χρήση αρκετών πηγών για ακριβή μετάφραση, έχει ιδιαίτερες δυνατότητες επιλογής βάσει πολιτισμικών κριτηρίων, αλλά επίσης υπόκειται και σε υποκειμενικές διακυμάνσεις. Συνολικά, η εργασία αναδεικνύει την ανάγκη περαιτέρω διερεύνησης στρατηγικών οπτικής και βιωματικής επαλήθευσης των μεταφραστικών αποδόσεων, ως μοναδική στρατηγική αντικειμενικής αξιολόγησης (και καθοδήγησης) της μετάφρασης ενσώματων εννοιών. Επιπλέον, προτείνει την ενσωμάτωσή τους σε αυτόματα συστήματα, με στόχο την ενίσχυση της ακρίβειας και της πληρότητας στη μηχανική μετάφραση.","abstract_has_math":false,"creators":["Ελευθερίου Αννα","Eleftheriou Anna"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:40:17Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5307150"],"render_values":[{"text":"uoadl:5307150","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5307150","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5307150","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5307150","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ελευθερίου Αννα","Eleftheriou Anna"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5307150","https://pergamos.lib.uoa.gr/uoa/dl/object/5307150"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει τις προκλήσεις και τις δυνατότητες στη μετάφραση ενσώματων εννοιών, με έμφαση στη συγκριτική μελέτη μεταξύ αυτόματης μετάφρασης (ChatGPT, Google Translate) και ανθρώπινης μετάφρασης. Στο θεωρητικό πλαίσιο αναλύεται η ενσώματη νόηση (embodied cognition), σύμφωνα με την οποία η κατανόηση των εννοιών συμπεριλαμβάνει ενεργοποίηση αισθησιοκινητικών εμπειριών που ενεργοποιούνται είτε μέσω της γλωσσικής τους έκφρασης είτε/και μέσω αισθητηριακών ερεθισμάτων. Βασική πηγή δεδομένων της μελέτης ήταν γλωσσικά εκφρασμένες έννοιες, κατηγοριοποιημένες ως προς το σε τι αναφέρονται (οντότητα, δράση/σκοπός, ιδιότητα, αφηρημένη έννοια), που προέκυψαν στα πλαίσια γνωσιακών πειραμάτων σχετικά με τα χαρακτηριστικά και τη χρήση αντικειμένων. Αρχικά, πραγματοποιήθηκε η μετάφραση 4.007 λημμάτων/εννοιών από τα ελληνικά προς τα αγγλικά και τα γαλλικά από φυσική ομιλήτρια της Ελληνικής με εμπειρία στη διδασκαλία των Αγγλικών και των Γαλλικών. Βασικό ζητούμενο της μετάφρασης ήταν η ακρίβεια, δηλαδή η απόδοση των εννοιών στις γλώσσες-στόχο χωρίς να αλλάξει η αναφορά. Στη συνέχεια, τα ίδια λήμματα αποδόθηκαν μέσω δύο συστημάτων αυτόματης μετάφρασης, του Google Translate και του ChatGPT. Στην περίπτωση του δεύτερου, δόθηκε επεξήγηση των επιδιώξεων της μετάφρασης με σκοπό να έχει το σύστημα στη διάθεσή του τις οδηγίες που είχε και ο άνθρωπος-μεταφραστής. Στις περιπτώσεις που άνθρωπος και ChatGPT διαφωνούσαν, δόθηκαν εκ νέου οδηγίες στο ChatGPT που περιείχαν και το περικείμενο μέσα στο οποίο εμφανίζονταν οι λεξικές έννοιες. Πρόσβαση σε αυτή την πληροφορία είχε και ο άνθρωπος-μεταφραστής κατά τη διαδικασία μετάφρασης, οπότε με αυτό τον τρόπο η σύγκριση θεωρήθηκε πιο δίκαιη. Για τις περιπτώσεις που συνέχισε να υπάρχει ασυμφωνία ανάμεσα σε ανθρώπινη και αυτόματη μετάφραση, ζητήθηκε εξήγηση από το ChatGPT της διαφοράς στις δύο μεταφράσεις, και ο άνθρωπος-μεταφραστής αποφάσισε αν τελικά πείθεται να αλλάξει τη δική του μετάφραση ή όχι. Για ένα πεπερασμένο υποσύνολο αυτών των περιπτώσεων δημιουργήσαμε ένα ερωτηματολόγιο και ζητήσαμε την άποψη ατόμων με γνώση/εμπειρία στις γλώσσες-στόχο, ώστε να μελετήσουμε κατά πόσο η δική τους άποψη συνέπιπτε με του ανθρώπου-μεταφραστή, του ChatGPT ή είχαν να προτείνουν και κάτι άλλο. Η συγκριτική ανάλυση ανέδειξε ποικίλες δυναμικές: οι αυτόματες μεταφράσεις, και ιδίως μέσω του ChatGPT, μπορούν να ανταποκριθούν σε σημαντικό ποσοστό στη μετάφραση ενσώματων εννοιών, αλλά απαιτούν ιδιαίτερες οδηγίες από τον άνθρωπο και συχνά εμφανίζουν αστάθεια στην απόδοσή τους. Αντίστοιχα, η ανθρώπινη μετάφραση απαιτεί χρήση αρκετών πηγών για ακριβή μετάφραση, έχει ιδιαίτερες δυνατότητες επιλογής βάσει πολιτισμικών κριτηρίων, αλλά επίσης υπόκειται και σε υποκειμενικές διακυμάνσεις. Συνολικά, η εργασία αναδεικνύει την ανάγκη περαιτέρω διερεύνησης στρατηγικών οπτικής και βιωματικής επαλήθευσης των μεταφραστικών αποδόσεων, ως μοναδική στρατηγική αντικειμενικής αξιολόγησης (και καθοδήγησης) της μετάφρασης ενσώματων εννοιών. Επιπλέον, προτείνει την ενσωμάτωσή τους σε αυτόματα συστήματα, με στόχο την ενίσχυση της ακρίβειας και της πληρότητας στη μηχανική μετάφραση.","This thesis examines the challenges and possibilities in translating embodied concepts, with a focus on a comparative study between machine translation (ChatGPT, Google Translate) and human translation. The theoretical framework discusses embodied cognition, according to which the understanding of concepts involves the activation of sensorimotor experiences, triggered either through their linguistic expression and/or sensory stimuli. The primary data source of the study consisted of linguistically expressed concepts, categorized according to their reference type (entity, action/purpose, property, abstract concept), derived from cognitive experiments on the characteristics and use of objects. Initially, 4,007 entries/concepts were translated from Greek into English and French by a native Greek speaker with experience in teaching English and French. The primary goal of the translation was accuracy, meaning rendering the concepts in the target languages without altering their reference. Subsequently, the same entries were translated using two machine translation systems: Google Translate and ChatGPT. In the latter case, explanations regarding the translation objectives were provided so that the system would have the same instructions as the human translator. In cases where the human translator and ChatGPT disagreed, additional instructions were given to ChatGPT that included the context in which the lexical concepts appeared. The human translator also had access to this contextual information during translation, making the comparison fairer. For cases where disagreements persisted between human and machine translations, ChatGPT was asked to explain the difference, and the human translator decided whether to revise their own translation. For a finite subset of these cases, a questionnaire was created and distributed to individuals with knowledge or experience in the target languages to examine whether their opinions aligned with those of the human translator, ChatGPT, or suggested alternative translations. The comparative analysis revealed diverse dynamics: machine translations — especially those produced by ChatGPT — can successfully handle a significant portion of embodied concepts but require specific human guidance and often show instability in output. Human translation, in turn, requires multiple sources for accuracy, allows particular choices based on cultural criteria, but is also subject to subjective variation. Overall, this study highlights the need for further investigation of visual and experiential verification strategies for translation outputs as a unique method of objective evaluation (and guidance) in translating embodied concepts. Furthermore, it proposes integrating such strategies into machine translation systems to enhance accuracy and completeness."]},{"key":"dc:title","label":"Title","values":["Προκλήσεις και ανάγκες στη μετάφραση ενσώματων εννοιών: συγκριτική μελέτη αυτόματης και ανθρώπινης μετάφρασης"]}]}],"canonical_facts":{"dc:creator":["Ελευθερίου Αννα","Eleftheriou Anna"],"dc:date":["2025"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει τις προκλήσεις και τις δυνατότητες στη μετάφραση ενσώματων εννοιών, με έμφαση στη συγκριτική μελέτη μεταξύ αυτόματης μετάφρασης (ChatGPT, Google Translate) και ανθρώπινης μετάφρασης. Στο θεωρητικό πλαίσιο αναλύεται η ενσώματη νόηση (embodied cognition), σύμφωνα με την οποία η κατανόηση των εννοιών συμπεριλαμβάνει ενεργοποίηση αισθησιοκινητικών εμπειριών που ενεργοποιούνται είτε μέσω της γλωσσικής τους έκφρασης είτε/και μέσω αισθητηριακών ερεθισμάτων. Βασική πηγή δεδομένων της μελέτης ήταν γλωσσικά εκφρασμένες έννοιες, κατηγοριοποιημένες ως προς το σε τι αναφέρονται (οντότητα, δράση/σκοπός, ιδιότητα, αφηρημένη έννοια), που προέκυψαν στα πλαίσια γνωσιακών πειραμάτων σχετικά με τα χαρακτηριστικά και τη χρήση αντικειμένων. Αρχικά, πραγματοποιήθηκε η μετάφραση 4.007 λημμάτων/εννοιών από τα ελληνικά προς τα αγγλικά και τα γαλλικά από φυσική ομιλήτρια της Ελληνικής με εμπειρία στη διδασκαλία των Αγγλικών και των Γαλλικών. Βασικό ζητούμενο της μετάφρασης ήταν η ακρίβεια, δηλαδή η απόδοση των εννοιών στις γλώσσες-στόχο χωρίς να αλλάξει η αναφορά. Στη συνέχεια, τα ίδια λήμματα αποδόθηκαν μέσω δύο συστημάτων αυτόματης μετάφρασης, του Google Translate και του ChatGPT. Στην περίπτωση του δεύτερου, δόθηκε επεξήγηση των επιδιώξεων της μετάφρασης με σκοπό να έχει το σύστημα στη διάθεσή του τις οδηγίες που είχε και ο άνθρωπος-μεταφραστής. Στις περιπτώσεις που άνθρωπος και ChatGPT διαφωνούσαν, δόθηκαν εκ νέου οδηγίες στο ChatGPT που περιείχαν και το περικείμενο μέσα στο οποίο εμφανίζονταν οι λεξικές έννοιες. Πρόσβαση σε αυτή την πληροφορία είχε και ο άνθρωπος-μεταφραστής κατά τη διαδικασία μετάφρασης, οπότε με αυτό τον τρόπο η σύγκριση θεωρήθηκε πιο δίκαιη. Για τις περιπτώσεις που συνέχισε να υπάρχει ασυμφωνία ανάμεσα σε ανθρώπινη και αυτόματη μετάφραση, ζητήθηκε εξήγηση από το ChatGPT της διαφοράς στις δύο μεταφράσεις, και ο άνθρωπος-μεταφραστής αποφάσισε αν τελικά πείθεται να αλλάξει τη δική του μετάφραση ή όχι. Για ένα πεπερασμένο υποσύνολο αυτών των περιπτώσεων δημιουργήσαμε ένα ερωτηματολόγιο και ζητήσαμε την άποψη ατόμων με γνώση/εμπειρία στις γλώσσες-στόχο, ώστε να μελετήσουμε κατά πόσο η δική τους άποψη συνέπιπτε με του ανθρώπου-μεταφραστή, του ChatGPT ή είχαν να προτείνουν και κάτι άλλο. Η συγκριτική ανάλυση ανέδειξε ποικίλες δυναμικές: οι αυτόματες μεταφράσεις, και ιδίως μέσω του ChatGPT, μπορούν να ανταποκριθούν σε σημαντικό ποσοστό στη μετάφραση ενσώματων εννοιών, αλλά απαιτούν ιδιαίτερες οδηγίες από τον άνθρωπο και συχνά εμφανίζουν αστάθεια στην απόδοσή τους. Αντίστοιχα, η ανθρώπινη μετάφραση απαιτεί χρήση αρκετών πηγών για ακριβή μετάφραση, έχει ιδιαίτερες δυνατότητες επιλογής βάσει πολιτισμικών κριτηρίων, αλλά επίσης υπόκειται και σε υποκειμενικές διακυμάνσεις. Συνολικά, η εργασία αναδεικνύει την ανάγκη περαιτέρω διερεύνησης στρατηγικών οπτικής και βιωματικής επαλήθευσης των μεταφραστικών αποδόσεων, ως μοναδική στρατηγική αντικειμενικής αξιολόγησης (και καθοδήγησης) της μετάφρασης ενσώματων εννοιών. Επιπλέον, προτείνει την ενσωμάτωσή τους σε αυτόματα συστήματα, με στόχο την ενίσχυση της ακρίβειας και της πληρότητας στη μηχανική μετάφραση.","This thesis examines the challenges and possibilities in translating embodied concepts, with a focus on a comparative study between machine translation (ChatGPT, Google Translate) and human translation. The theoretical framework discusses embodied cognition, according to which the understanding of concepts involves the activation of sensorimotor experiences, triggered either through their linguistic expression and/or sensory stimuli. The primary data source of the study consisted of linguistically expressed concepts, categorized according to their reference type (entity, action/purpose, property, abstract concept), derived from cognitive experiments on the characteristics and use of objects. Initially, 4,007 entries/concepts were translated from Greek into English and French by a native Greek speaker with experience in teaching English and French. The primary goal of the translation was accuracy, meaning rendering the concepts in the target languages without altering their reference. Subsequently, the same entries were translated using two machine translation systems: Google Translate and ChatGPT. In the latter case, explanations regarding the translation objectives were provided so that the system would have the same instructions as the human translator. In cases where the human translator and ChatGPT disagreed, additional instructions were given to ChatGPT that included the context in which the lexical concepts appeared. The human translator also had access to this contextual information during translation, making the comparison fairer. For cases where disagreements persisted between human and machine translations, ChatGPT was asked to explain the difference, and the human translator decided whether to revise their own translation. For a finite subset of these cases, a questionnaire was created and distributed to individuals with knowledge or experience in the target languages to examine whether their opinions aligned with those of the human translator, ChatGPT, or suggested alternative translations. The comparative analysis revealed diverse dynamics: machine translations — especially those produced by ChatGPT — can successfully handle a significant portion of embodied concepts but require specific human guidance and often show instability in output. Human translation, in turn, requires multiple sources for accuracy, allows particular choices based on cultural criteria, but is also subject to subjective variation. Overall, this study highlights the need for further investigation of visual and experiential verification strategies for translation outputs as a unique method of objective evaluation (and guidance) in translating embodied concepts. Furthermore, it proposes integrating such strategies into machine translation systems to enhance accuracy and completeness."],"dc:identifier":["uoadl:5307150","https://pergamos.lib.uoa.gr/uoa/dl/object/5307150"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Προκλήσεις και ανάγκες στη μετάφραση ενσώματων εννοιών: συγκριτική μελέτη αυτόματης και ανθρώπινης μετάφρασης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:17Z"}