UniTermGPT

Zielsetzung: Das Ziel von UniTermGPT ist die Analyse, wie ChatGPT mit Terminologie der untersuchten deutschen Sprachvarietäten (abhängig vom Prompt) umgeht, sowie Prompt Engineering im Bereich der „terminology injection“ in der Fachübersetzung. 

Die spezifischen Ziele von UniTermGPT sind: 1) die Analyse der Berücksichtigung der systemgebundenen (varietätenspezifischen) Terminologie im Deutschen bei der Übersetzung mittels ChatGPT anhand eines für die analysierten Sprachvarietäten und Textsorten repräsentativen Subkorpus; 2) die Untersuchung des Einflusses von Prompt Engineering (sowie der Einbindung von Terminologieressourcen, z. B. über eine API) auf die „Übersetzung“ von sprachvarietätenspezifischer Universitätsterminologie aus dem Englischen ins Deutsche und 3) die Ausarbeitung von Empfehlungen für die Verwendung von ChatGPT für Übersetzungen von Texten, die sprachvarietätenspezifische Terminologie enthalten.

Innovationspotenzial: UniTermGPT leistet einen Beitrag zu Prompt Engineering im Bereich der "terminology injection" bei Fachübersetzungen mit systemgebundener Terminologie mittels Large Language Models.

Forschungsfrage: Die von UniTermGPT behandelten Forschungsfragen lauten: Wie geht ChatGPT mit deutschsprachiger Hochschulterminologie aus Deutschland, Österreich, der Schweiz und Südtirol um? Wie kann man in ChatGPT (durch Prompten) terminologische Variation berücksichtigen und qualitativ hochwertige Übersetzungen aus dem Deutschen ins Englische und umgekehrt erstellen?

Methode: Im Projekt UniTermGPT dienen die Korpuserstellung, die Sammlung von Terminologieressourcen und Prompt Engineering als Grundlage für die Untersuchung, wie Large Language Models (LLMs) mit terminologischer Variation im deutschsprachigen Universitätskontext umgehen.

Zunächst wird ein Korpus von Universitätstexten aus Österreich, Deutschland, der Schweiz und Südtirol mit Hilfe von Fachexpert*innen (Übersetzer*innen an den entsprechenden Universitäten) erstellt, sodass regionale und institutionelle Varietäten vertreten sind. Aus diesem Korpus wird Terminologie extrahiert, mit bestehenden Terminologieressourcen abgeglichen und zu einer zweisprachigen Terminologieliste zusammengestellt, die Englisch und die deutsche, systemgebundene Universitätsterminologie umfasst. Parallel dazu werden Prompts für Übersetzungszwecke mit ChatGPT getestet und kontinuierlich verbessert. Diese werden für die Übersetzung ausgewählter Texte, die varietätenspezifische Terminologie enthalten, verwendet. Fachexpert*innen (Übersetzer*innen an den entsprechenden Universitäten) bewerten die Qualität der Ergebnisse von ChatGPT, um zu eruieren, wie ChatGPT mit varietätenspezifischer Terminologie umgeht. Es folgt ein systematischer Vergleich zwischen LLM-generierten Übersetzungen, den verfügbaren (Terminologie-)Ressourcen und den Annotationen der Übersetzer*innen. Die annotierten Daten, Terminologieressourcen und Prompts werden analysiert und FAIR-öffentlicht, um sowohl für weitere Forschung als auch für die Praxis des Übersetzens und der Terminologiearbeit von Nutzen zu sein.