Väitöstutkimus mittaa katseenseurannalla, miten konekäännetyt tekstitykset toimivat opetusvideoissa

Konekäännösten laatu on parantunut nopeasti, mutta koulutusvideoissa pelkkä kieliopillinen oikeellisuus ei vielä kerro, miten tekstitys toimii katsojan kannalta. Finnish AI Dissertations -sarjassa julkaistu väitöstutkimus tarkastelee, miten koneella käännetyt ja ihmisen kääntämät tekstitykset otetaan vastaan opetusvideoissa.

Aihe on käytännöllinen: oppimisvideoita katsotaan usein tilanteissa, joissa huomio jakautuu kuvan, puheen ja tekstityksen kesken. Jos tekstitys on hankalalukuinen tai vaatii paljon ponnistelua, se voi kuormittaa katsojaa ja heikentää käyttökokemusta. Tästä syystä tutkimus kohdistaa huomion vastaanottoon – siihen, miten ihmiset todellisuudessa lukevat ja seuraavat tekstityksiä.

Menetelmissä yhdistyvät vastaanottotutkimus ja katseenseuranta (eye-tracking), jossa mitataan katseen liikkeitä ja esimerkiksi sitä, mihin kohtaan ruutua katse kiinnittyy ja kuinka pitkään. Tällaiset mittaukset tarjoavat toisenlaista tietoa kuin pelkkä tekstitysten arviointi: ne voivat kuvata lukemisen sujuvuutta ja sitä, miten vaivattomasti katsoja pysyy mukana videon sisällössä. Lisäksi työ kytkeytyy käyttäjäkokemukseen, eli siihen, miltä tekstitysten seuraaminen tuntuu ja miten se koetaan.

Finna-tiivistelmä painottaa asetelmaa ja menetelmiä, mutta ei erittele varsinaisia tuloksia. Kokonaisuutena tutkimus tuo koulutusvideoiden tekstityksiin käyttäjälähtöisen näkökulman: konekäännösten arviointi ei rajoitu tekstiin, vaan ulottuu siihen, miten tekstitys toimii katsojan silmin.

Lähde: Machine Translation Potential (Un)limited? : Investigating the reception of machine-translated and human-translated subtitles in educational videos, Finnish AI Dissertations (Finna).