ChatGPT 독-한 번역의 평가 모델 활용의 예 - 수동구문이 포함된 법조문에 대한 ChatGPT의 한국어 번역을 중심으로
Ein Anwendungsbeispiel eines Bewertungsmodells für ChatGPT-gestützte Übersetzungen vom Deutschen ins Koreanische - Mit Fokus auf die koreanische ChatGPT-Übersetzung von Gesetzesartikeln mit Passivkonstruktionen
3
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
이 논문에서는 주요문법 사항으로서 수동구문이 포함된 독일어 문장을 대상으로 한 ChatGPT의 한국어번역을 구명철(2025)의 평가틀에 의해 분석해 보았다. 수동구문은 언어의 유형에 따라 출현의 양상과 정도가상이한데, 한국어, 특히 법률에서는 ‘보장되다’, ‘인정되다’, ‘확정되다’ 등 어휘화된 피동동사를 제외하고는수동구문 대신 목적어 토픽을 동반한 능동동사 구문을 사용하는 경향이 강하다. 이는 수동구문이 들어있는독일어 법조문에 대한 한국어 참조조항에서도 잘 나타난다. 따라서 독일어 수동문을 한국어로 번역할 때에는이러한 경향을 잘 반영하여야 할 것이며 이는 번역의 품질평가에도 고려되어야 한다. 이 논문에서는 참조조항 수집의 한계로 인해 기본법, 형법, 민법에서 각각 2개의 조항만을 대상으로 했지만, 독일 기본법, 형법, 민법 조항에 대한 ChatGPT의 한국어 번역을 구명철(2025)의 평가틀에 따라 분석해본 결과, 모든 번역에서 시간의 경과와 참조조항의 제공이 번역의 품질 유지 및 향상에 도움이 됨을 확인할수 있었다. 이는 ChatGPT의 ‘딥러닝/머신러닝’이라는 장점을 극대화하고 번역작업에 참조문을 제공하는프롬프트를 개발하는 것이 절실함을 의미한다. 물론 이 논문에서의 번역품질에 대한 평가가 제한된 수의참조조항에 기반한 것이어서 일반화하기는 어려움이 있기 때문에 향후 연구 대상의 확대를 통해 검증되어야할 것이다.
Abstract
In diesem Aufsatz wurde die koreanische Übersetzung deutscher Sätze mit Passivkonstruktionen – als ein zentrales grammatikalisches Phänomen – anhand des Bewertungsrahmens von Koo (2025) analysiert. Passivkonstruktionen unterscheiden sich in ihrem Vorkommen und ihrer Ausprägung je nach Sprachtyp. Im Koreanischen, insbesondere in juristischen Texten, besteht eine starke Tendenz, anstelle von Passivkonstruktionen aktive Verbkonstruktionen mit topikalisiertem Objekt zu ver wenden, mit Ausnahme von lexikalisierten passiven Verben. Diese Tendenz zeigt sich auch deutlich in den koreanischen Referenzübersetzungen deutscher Gesetzestexte, die Passivformen enthalten. Daher sollte diese Tendenz bei der Übersetzung deutscher Passivsätze ins Koreanische berücksichtigt werden, und sie sollte auch in die Bewertung der Übersetzungsqualität einfließen. In diesem Aufsatz wurden aufgrund der Begrenzung bei der Sammlung von Referenzartikeln jeweils nur zwei Artikel aus dem Grundgesetz, dem Strafgesetzbuch und dem bürgerlichen Gesetzbuch betrachtet. Die Analyse der koreanischen Über setzungen dieser deutschen Gesetzesartikel durch ChatGPT anhand des Bewertungs rahmens von Koo (2025) zeigte, dass der zeitliche Verlauf und die Bereitstellung von Referenzartikeln zur Aufrechterhaltung und Verbesserung der Übersetzungsqualität beitragen. Dies weist darauf hin, dass es dringend notwendig ist, die Stärken von ChatGPT im Bereich „Deep Learning/Machine Learning“ zu maximieren und Prompts zu entwickeln, die Referenztexte für die Übersetzungsarbeit bereitstellen. Natürlich ist es aufgrund der begrenzten Anzahl an untersuchten Referenzartikeln schwierig, die Er gebnisse dieser Übersetzungsbewertung zu verallgemeinern. Daher sollte in zukünftigen Studien eine breitere Auswahl an zentralen grammatikalischen Phänomenen identifi ziert und der Untersuchungsrahmen erweitert werden, um die Ergebnisse zu verifizieren.