{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5307251"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5307251","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Neuronale und hybride maschinelle Übersetzung journalistischer Texte: Eine vergleichende Analyse","abstract":"Η παρούσα διπλωματική εργασία εξετάζει συγκριτικά τη νευρωνική και την υβριδική μηχανική μετάφραση δημοσιογραφικών κειμένων από τα γερμανικά προς τα ελληνικά. Ως εκπρόσωποι των δύο μεθόδων χρησιμοποιούνται οι μεταφραστικές μηχανές DeepL (νευρωνική) και Systran (υβριδική). Αρχικά παρουσιάζονται οι θεωρητικές βάσεις της μηχανικής μετάφρασης, περιγράφοντας τα διαφορετικά της μοντέλα (rule- based, στατιστικά, νευρωνικά και υβριδικά). Ιδιαίτερη προσοχή δίνεται στις δυσκολίες που ανακύπτουν στη μετάφραση, οι οποίες ταξινομούνται σε λεξιλογικά κενά, μορφοσυντακτικές αποκλίσεις και λοιπά λάθη. Στη συνέχεια, αναλύεται η ιδιαιτερότητα των δημοσιογραφικών κειμένων ως κειμενικού είδους: η ενημερωτική τους λειτουργία, η περιγραφική ανάπτυξη του θέματος, καθώς και τα γλωσσικά χαρακτηριστικά τους (χρήση οικονομικής και τεχνολογικής ορολογίας κ.ά.). Για την έρευνα επιλέχθηκαν άρθρα από τις γερμανικές εφημερίδες Berliner Zeitung, Süddeutsche Zeitung και το περιοδικό Der Spiegel, με θεματολογία γύρω από την οικονομία, την τεχνολογία και τα γερμανικά start-ups. Μεθοδολογικά περιλαμβάνεται η μετάφραση των κειμένων τόσο με το DeepL όσο και με το Systran, την καταγραφή και κατηγοριοποίηση των σφαλμάτων, καθώς και τη σύγκριση ποσοτικών και ποιοτικών δεδομένων. Τα αποτελέσματα παρουσιάζονται σε πίνακες με αριθμητικά στοιχεία και ποσοστά σφαλμάτων.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει συγκριτικά τη νευρωνική και την υβριδική μηχανική μετάφραση δημοσιογραφικών κειμένων από τα γερμανικά προς τα ελληνικά. Ως εκπρόσωποι των δύο μεθόδων χρησιμοποιούνται οι μεταφραστικές μηχανές DeepL (νευρωνική) και Systran (υβριδική). Αρχικά παρουσιάζονται οι θεωρητικές βάσεις της μηχανικής μετάφρασης, περιγράφοντας τα διαφορετικά της μοντέλα (rule- based, στατιστικά, νευρωνικά και υβριδικά). Ιδιαίτερη προσοχή δίνεται στις δυσκολίες που ανακύπτουν στη μετάφραση, οι οποίες ταξινομούνται σε λεξιλογικά κενά, μορφοσυντακτικές αποκλίσεις και λοιπά λάθη. Στη συνέχεια, αναλύεται η ιδιαιτερότητα των δημοσιογραφικών κειμένων ως κειμενικού είδους: η ενημερωτική τους λειτουργία, η περιγραφική ανάπτυξη του θέματος, καθώς και τα γλωσσικά χαρακτηριστικά τους (χρήση οικονομικής και τεχνολογικής ορολογίας κ.ά.). Για την έρευνα επιλέχθηκαν άρθρα από τις γερμανικές εφημερίδες Berliner Zeitung, Süddeutsche Zeitung και το περιοδικό Der Spiegel, με θεματολογία γύρω από την οικονομία, την τεχνολογία και τα γερμανικά start-ups. Μεθοδολογικά περιλαμβάνεται η μετάφραση των κειμένων τόσο με το DeepL όσο και με το Systran, την καταγραφή και κατηγοριοποίηση των σφαλμάτων, καθώς και τη σύγκριση ποσοτικών και ποιοτικών δεδομένων. Τα αποτελέσματα παρουσιάζονται σε πίνακες με αριθμητικά στοιχεία και ποσοστά σφαλμάτων.","abstract_has_math":false,"creators":["Χριστούλα Αλεξία","Christoula Alexia"],"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":"2026-11-19T06:40:19Z","subjects":["Γλώσσα – Λογοτεχνία","Language – Literature"],"languages":["Γερμανικά","Deutsche"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5307251"],"render_values":[{"text":"uoadl:5307251","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5307251","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5307251","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%3A5307251","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Χριστούλα Αλεξία","Christoula Alexia"]}]},{"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":["Γλώσσα – Λογοτεχνία","Language – Literature"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Γερμανικά","Deutsche"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5307251","https://pergamos.lib.uoa.gr/uoa/dl/object/5307251"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει συγκριτικά τη νευρωνική και την υβριδική μηχανική μετάφραση δημοσιογραφικών κειμένων από τα γερμανικά προς τα ελληνικά. Ως εκπρόσωποι των δύο μεθόδων χρησιμοποιούνται οι μεταφραστικές μηχανές DeepL (νευρωνική) και Systran (υβριδική). Αρχικά παρουσιάζονται οι θεωρητικές βάσεις της μηχανικής μετάφρασης, περιγράφοντας τα διαφορετικά της μοντέλα (rule- based, στατιστικά, νευρωνικά και υβριδικά). Ιδιαίτερη προσοχή δίνεται στις δυσκολίες που ανακύπτουν στη μετάφραση, οι οποίες ταξινομούνται σε λεξιλογικά κενά, μορφοσυντακτικές αποκλίσεις και λοιπά λάθη. Στη συνέχεια, αναλύεται η ιδιαιτερότητα των δημοσιογραφικών κειμένων ως κειμενικού είδους: η ενημερωτική τους λειτουργία, η περιγραφική ανάπτυξη του θέματος, καθώς και τα γλωσσικά χαρακτηριστικά τους (χρήση οικονομικής και τεχνολογικής ορολογίας κ.ά.). Για την έρευνα επιλέχθηκαν άρθρα από τις γερμανικές εφημερίδες Berliner Zeitung, Süddeutsche Zeitung και το περιοδικό Der Spiegel, με θεματολογία γύρω από την οικονομία, την τεχνολογία και τα γερμανικά start-ups. Μεθοδολογικά περιλαμβάνεται η μετάφραση των κειμένων τόσο με το DeepL όσο και με το Systran, την καταγραφή και κατηγοριοποίηση των σφαλμάτων, καθώς και τη σύγκριση ποσοτικών και ποιοτικών δεδομένων. Τα αποτελέσματα παρουσιάζονται σε πίνακες με αριθμητικά στοιχεία και ποσοστά σφαλμάτων.","This thesis compares neural and hybrid machine translation of journalistic texts from German into Greek. The translation engines DeepL (neural) and Systran (hybrid) are used as representatives of the two methods. First, the theoretical background of machine translation is presented, describing its different models (rule-based, statistical, neural, and hybrid). Particular attention is paid to the difficulties that arise in translation, which are classified as lexical gaps, morphosyntactic deviations, and other difficulties. Next, the specificity of journalistic texts as a text type is analyzed: their informative function, the descriptive development of the topic, as well as their linguistic characteristics (use of economic and technological terminology, etc.). Articles from the German newspapers Berliner Zeitung, Süddeutsche Zeitung, and the magazine Der Spiegel were selected for the research, with topics related to economics, technology, and German start-ups. The methodology includes the translation of the texts using both DeepL and Systran, the recording and categorization of mistakes, and the comparison of quantitative and qualitative data. The results are presented in tables with numerical data and mistake rates."]},{"key":"dc:title","label":"Title","values":["Neuronale und hybride maschinelle Übersetzung journalistischer Texte: Eine vergleichende Analyse"]}]}],"canonical_facts":{"dc:creator":["Χριστούλα Αλεξία","Christoula Alexia"],"dc:date":["2025"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει συγκριτικά τη νευρωνική και την υβριδική μηχανική μετάφραση δημοσιογραφικών κειμένων από τα γερμανικά προς τα ελληνικά. Ως εκπρόσωποι των δύο μεθόδων χρησιμοποιούνται οι μεταφραστικές μηχανές DeepL (νευρωνική) και Systran (υβριδική). Αρχικά παρουσιάζονται οι θεωρητικές βάσεις της μηχανικής μετάφρασης, περιγράφοντας τα διαφορετικά της μοντέλα (rule- based, στατιστικά, νευρωνικά και υβριδικά). Ιδιαίτερη προσοχή δίνεται στις δυσκολίες που ανακύπτουν στη μετάφραση, οι οποίες ταξινομούνται σε λεξιλογικά κενά, μορφοσυντακτικές αποκλίσεις και λοιπά λάθη. Στη συνέχεια, αναλύεται η ιδιαιτερότητα των δημοσιογραφικών κειμένων ως κειμενικού είδους: η ενημερωτική τους λειτουργία, η περιγραφική ανάπτυξη του θέματος, καθώς και τα γλωσσικά χαρακτηριστικά τους (χρήση οικονομικής και τεχνολογικής ορολογίας κ.ά.). Για την έρευνα επιλέχθηκαν άρθρα από τις γερμανικές εφημερίδες Berliner Zeitung, Süddeutsche Zeitung και το περιοδικό Der Spiegel, με θεματολογία γύρω από την οικονομία, την τεχνολογία και τα γερμανικά start-ups. Μεθοδολογικά περιλαμβάνεται η μετάφραση των κειμένων τόσο με το DeepL όσο και με το Systran, την καταγραφή και κατηγοριοποίηση των σφαλμάτων, καθώς και τη σύγκριση ποσοτικών και ποιοτικών δεδομένων. Τα αποτελέσματα παρουσιάζονται σε πίνακες με αριθμητικά στοιχεία και ποσοστά σφαλμάτων.","This thesis compares neural and hybrid machine translation of journalistic texts from German into Greek. The translation engines DeepL (neural) and Systran (hybrid) are used as representatives of the two methods. First, the theoretical background of machine translation is presented, describing its different models (rule-based, statistical, neural, and hybrid). Particular attention is paid to the difficulties that arise in translation, which are classified as lexical gaps, morphosyntactic deviations, and other difficulties. Next, the specificity of journalistic texts as a text type is analyzed: their informative function, the descriptive development of the topic, as well as their linguistic characteristics (use of economic and technological terminology, etc.). Articles from the German newspapers Berliner Zeitung, Süddeutsche Zeitung, and the magazine Der Spiegel were selected for the research, with topics related to economics, technology, and German start-ups. The methodology includes the translation of the texts using both DeepL and Systran, the recording and categorization of mistakes, and the comparison of quantitative and qualitative data. The results are presented in tables with numerical data and mistake rates."],"dc:identifier":["uoadl:5307251","https://pergamos.lib.uoa.gr/uoa/dl/object/5307251"],"dc:language":["Γερμανικά","Deutsche"],"dc:subject":["Γλώσσα – Λογοτεχνία","Language – Literature"],"dc:title":["Neuronale und hybride maschinelle Übersetzung journalistischer Texte: Eine vergleichende Analyse"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:19Z"}