KÜNSTLICHE INTELLIGENZ UND ÜBERSETZUNGSETHIK: VERZERRUNGSPROBLEME BEI MODELLEN ZUR VERARBEITUNG NATÜRLICHER SPRACHE UND LÖSUNGSVORSCHLÄGE

Authors : Gülfidan Aytaş

Pages : 241-262

Doi:10.30794/pausbed.1611253

View : 95 | Download : 105

Publication Date : 2025-05-12

Article Type : Research Paper

Abstract :In dieser Studie wird untersucht, wie soziale Verzerrungen in natürlichen Sprachverarbeitungsmodellen (NLP) durch Datenvielfalt und Datenerweiterungstechniken reduziert werden können. Insbesondere werden die Übersetzungsleistung und Verzerrungsraten in weniger verbreiteten Sprachen mithilfe von Datenvielfalt und GAN-basierter Datenerweiterung analysiert. Experimente mit gängigen Übersetzungswerkzeugen wie Google Translate und DeepL zeigen, dass vielfältigere Datensätze die Übersetzungsgenauigkeit erheblich verbessern und die BLEU-Werte um bis zu 40,8 % erhöhen. Darüber hinaus wurden geschlechtsspezifische Verzerrungen, insbesondere in Bezug auf Berufe, um 33-41 % reduziert. Eine Regressionsanalyse bestätigte statistisch die Auswirkungen von Datenvielfalt und Datenerweiterung auf die Übersetzungsqualität und die Reduzierung von Verzerrungen. Die Ergebnisse zeigen, dass mehr Datenvielfalt in ressourcenarmen Sprachen nicht nur die Übersetzungsgenauigkeit verbessert, sondern auch die ethische Neutralität fördert.
Keywords : Doğal Dil İşleme (NLP), Yanlılık Sorunları, Generative Adversarial Networks (GAN), Çeviri Performansı

ORIGINAL ARTICLE URL