Σχήμα 1.1: Σημειολογία χρωμάτων [Πηγή: https://informationisbeautiful.net] 18
Σχήμα 1.2: Αν γλιστρήσετε και πέσετε θα χαμογελάσετε ή θα διεκδικήσετε χρήματα από την τοπική αρχή που σας συμβούλευσε να το κάνετε; 19
Σχήμα 2.1: Διανυθέντα μίλια ανά εταιρεία με αυτόνομα οχήματα στην Καλιφόρνια [Πηγή: Wired] 24
Σχήμα 2.2: Τα ρομποτάκια-σκυλάκια βγαίνουν από το αυτόνομο όχημα της Continental [Πηγή: www.smartcitiesworld.net] 25
Σχήμα 2.3: Ο διευθύνων σύμβουλος της VW, μέσα σε ένα πιλοτικό Sedric [Πηγή: www.autonews.com] 26
Σχήμα 2.4: Pop.Up Next, το αυτόνομο ταξί της Audi [Πηγή: www.audi.com] 26
Σχήμα 2.5: Επίπεδα αυτόνομης οδήγησης [Πηγή: www.sae.org] 28
Σχήμα 2.6: Εφαρμογή brain training με υλοποίηση του παιχνιδιού Stroop [Πηγή: lumosity] 33
Σχήμα 2.7: Ερμηνεία γραφικών ειδοποιήσεων στο ταμπλό του αυτοκινήτου [Πηγή: www.hpi.co.uk] 36
Σχήμα 2.8: Εγχώριο και διεθνές εισόδημα εταιρειών [Πηγή: CSA What your orga¬ni-sa¬tion can learn from Apple’s trillion dollar market valuation] 39
Σχήμα 2.9: Κόστος σφάλματος λογισμικού [Πηγή: http://blog.celerity.com/the-true-cost-of-a-software-bug] 40
Σχήμα 2.10: Αριθμός ανακλήσεων οχημάτων λόγω σφαλμάτων λογισμικού από το 2005 έως το 2015 [Πηγή: blog.parasoft.com] 41
Σχήμα 2.11: Υλοποίηση του Lisa QA από μεταφραστική εταιρεία [Πηγή: LingoNova Consulting Services] 47
Σχήμα 2.12: Ιεραρχική δομής της κατηγορίας design σύμφωνα με τη μέθοδο MQM [Πηγή: http://www.qt21.eu/mqm-definition/issues-list] 51
Σχήμα 2.13: Κατηγορίες λαθών σύμφωνα με το MQM [Πηγή: Multidimensional Quality Metrics Definition] 52
Σχήμα 2.14: Συγχώνευση κατηγοριών λαθών DQF/MQM [Πηγή: Translation Quality Assessment, σελ. 125] 53
Σχήμα 2.15: Διεθνοποίηση/τοπικοποίηση λογισμικού [Πηγή: LISA] 55
Σχήμα 2.16: Παράδειγμα της λέξης «views» και η αναλογία μήκους μετάδρασης σε διαφορετικές γλώσσες [Πηγή: W3C] 56
Σχήμα 2.17: Η Ουκρανική έκδοση (κάτω) αναδιπλώνεται σε νέα γραμμή [Πηγή: Booking.com] 57
Σχήμα 2.18: Το γκριζαρισμένο κείμενο στο πεδίο “Destination” χωράει στα Αγγλικά (αριστερά). Ωστόσο, απαιτεί χρήση αποσιωπητικών στα Ουκρανικά (δεξιά) [Πηγή: Booking.com] 58
Σχήμα 2.19: Κείμενο μέσα σε κουμπί 58
Σχήμα 2.20: Οδηγίες του Firefox για τη διαχείριση γλωσσών που διαβάζονται από δεξιά προς τα αριστερά (RTL) [Πηγή: Firefox] 61
Σχήμα 2.21: Τα εικονίδια είναι δεξιά του κειμένου, τα κουμπιά είναι ανάποδα αλλά το τηλέφωνο δεν έχει αντιστραφεί [Πηγή: Google] 61
Σχήμα 2.22: Μερική μετάφραση στα Γαλλικά του Fedora 23 KDE 5.4.2 [Πηγή: KDE forums] 63
Σχήμα 2.23: Μικτή μετάφραση [Πηγή: https://blog.qatestlab.com/] 63
Σχήμα 2.24: Το λογότυπο της Coca Cola σε διαφορετικές χώρες [Πηγή: medium.com] 64
Σχήμα 2.25: Λείπει κείμενο [Πηγή: https://blog.qatestlab.com/] 65
Σχήμα 2.26: Σφάλμα κωδικοποίησης 66
Σχήμα 2.27: Κατάταξη κουλτούρων σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 67
Σχήμα 2.28: Οι 8 κλίμακες της Erin Meyer [Πηγή: The culture map, Public Affairs, 2014] 68
Σχήμα 2.29: Επικοινωνία σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 69
Σχήμα 2.30: Αρνητική κριτική/αξιολόγηση σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 69
Σχήμα 2.31: Πειθώς σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 70
Σχήμα 2.32: Οι 10 κανόνες του Jante – Janteloven [Πηγή: http://www.the-culture-counter.com/the-influence-of-the-law-of-jante-on-danish-cinema/] 70
Σχήμα 2.33: Ηγεσία/Καθοδήγηση σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 71
Σχήμα 2.34: Απόφαση σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 72
Σχήμα 2.35: Εμπιστοσύνη σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 72
Σχήμα 2.36: Διαφωνία σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 73
Σχήμα 2.37: Προγραμματισμός σύμφωνα με την Erin Meyer [Πηγή: erin-meyer.fandom.com] 73
Σχήμα 2.38: Νέες ειδικότητες μεταφραστών [Πηγή: www.yolocalizo.com] 74
Σχήμα 2.39: Οι 5 ημέρες και στάδια ενός Google design sprint [Πηγή: Google Design Sprints] 77
Σχήμα 3.1: Ιδανικός αριθμός χρηστών για την αποκάλυψη λαθών [Πηγή: www.nngroup.com] 78
Σχήμα 3.2: Αριθμός προβλημάτων ανά κύκλο επανάληψης [Πηγή: boagworld.com] 79
Σχήμα 3.3: Περιβάλλον Visual Studio 2019 83
Σχήμα 3.4: Επιλογή μεγέθους γραμματοσειράς και αναλογίες 87
Σχήμα 4.1: Eye chart [Πηγή: Endmyopia] 89
Σχήμα 4.2: Ερωτηματολόγιο 1 (δημογραφικά στοιχεία) 92
Σχήμα 4.3: Οθόνες του demo 96
Σχήμα 4.4: Λογική πειράματος (state machine) 99
Σχήμα 4.5: Αρχική οθόνη την πρώτη φορά που τρέχει το πρόγραμμα για τον πρώτο χρήστη 100
Σχήμα 4.6: Αρχική οθόνη την πρώτη φορά που τρέχει το πρόγραμμα για τον έκτο χρήστη, μετά την ολοκλήρωση του πρώτου σταδίου 101
Σχήμα 4.7: Αρχική οθόνη την φορά που τρέχει το πρόγραμμα για τον δέκατο-έκτο χρήστη, μετά την ολοκλήρωση και των τεσσάρων σταδίων 101
Σχήμα 4.8: Οθόνη login 102
Σχήμα 4.9: Κεντρική οθόνη σταδίου 1 - Layman 103
Σχήμα 4.10: Κεντρική οθόνη σταδίου 2 - Validator 105
Σχήμα 4.11: Βοηθητικό κείμενο με την αιώρηση του ποντικιού 105
Σχήμα 4.12: Πλαστικοποιημένες κάρτες με τις κατηγορίες/υποκατηγορίες σφαλμάτων σύμφωνα με το σύστημα TAUS MQM/DQF 106
Σχήμα 4.13: Κεντρική οθόνη σταδίου 3 - Proposer 108
Σχήμα 4.14: Κεντρική οθόνη σταδίου 4 - Voter 109
Σχήμα 4.15: Κεντρική οθόνη σταδίου 5 – Layman 2 110
Σχήμα 4.16: Ερωτηματολόγιο 2 (ικανοποίησης χρήστη) 113
Σχήμα 5.1: Ηλικιακή κατανομή συμμετεχόντων 114
Σχήμα 5.2: Χρόνια που έχουν ζήσει οι χρήστες στην Αγγλία 115
Σχήμα 5.3: Συχνότητα ρόλου οδηγού 115
Σχήμα 5.4: Συχνότητα ρόλου συνοδηγού 116
Σχήμα 5.5: Αποτελέσματα demo 117
Σχήμα 5.6: Διάγραμμα ραντάρ των αποτελεσμάτων σταδίου Layman1 120
Σχήμα 5.7: Ιστόγραμμα δεδομένων πρώτου σταδίου και κατανομή των σημείων τους 121
Σχήμα 5.8: Αξιολόγηση σταδίου Validator και η διασπορά των τιμών της για τον κάθε τύπο μηνυμάτων 122
Σχήμα 5.9: Διάγραμμα ραντάρ των αποτελεσμάτων σταδίου Layman2 124
Σχήμα 5.10: Ιστόγραμμα δεδομένων σταδίου Layman2 και η κατανομή των σημείων τους 124
Σχήμα 5.11: Αξιολόγηση διάδρασης εφαρμογής 127
ΑΝΑΒΟΛΗ ΑΝΑΡΤΗΣΗΣ ΗΛ. ΑΡΧΕΙΟΥ ΕΩΣ ΤΟΝ 9/2022.
Καθώς η αυτοκινητοβιομηχανία κινείται προς την εμπορική διάθεση χαρακτηριστικών αυτόνομης οδήγησης επιπέδου 3 και σχεδιασμού χαρακτηριστικών επιπέδου 4, οι γραφικές διεπαφές του αυτοκινήτου, αποκτούν όλο και μεγαλύτερη βαρύτητα. Η ρητή και αδιαπραγμάτευτη επικοινωνία του ποιος έχει τον έλεγχο (αυτοκίνητο ή οδηγός) βασίζεται σε μεγάλο βαθμό σε μηνύματα κειμένου που προβάλλονται σε αυτές τις γραφικές διεπαφές.
Η παγκοσμιοποίηση του εμπορίου επιτάσσει πλέον τη διάθεση του προϊόντος σε πάνω από μία αγορές σε πάνω από μία γλώσσες, αναγκάζοντας την αυτοκινητοβιομηχανία να μεταφράσει τα μηνύματα αυτά. Είναι όμως η μετάφραση τους η βέλτιστη δυνατή; Μεταδίδουν την ίδια αναγκαιότητα δράσης με την απαιτούμενη αμεσότητα όταν μεταφράζονται από τη γλώσσα της χώρας σχεδιασμού/κατασκευής του αυτοκινήτου στη μητρική γλώσσα του οδηγού;
Η παρούσα διπλωματική εξετάζει τα γραπτά μηνύματα που εμφανίζονται στο ταμπλό του αυτοκινήτου και πιο συγκεκριμένα την ποιότητα του μεταφρασμένου κειμένου αυτών των μηνυμάτων από τα Αγγλικά στα Ελληνικά και την ανάγκη διαπολιτισμικής μετάφρασης, μετάπλασης.
Γίνεται συγκριτική μελέτη μεθόδων αξιολόγησης ποιότητας μεταφράσεων, προτείνεται η βέλτιστη, υλοποιείται σε μια εφαρμογή φτιαγμένη σε c# και εξετάζεται η δυνατότητα βελτίωσης της ποιότητάς τους μέσω πληθοπορισμού με συμμετοχή των ίδιων των εργαζομένων στην αυτοκινητοβιομηχανία που έχουν ως μητρική τους γλώσσα τα Ελληνικά.
Τα αποτελέσματα της πειραματικής δοκιμής με χρήστες δείχνουν θεαματική βελτίωση στην ποιότητα και αξιοσημείωτη αύξηση στα επίπεδα ικανοποίησης από την εμπειρία χρήσης, χωρίς σημαντικές θυσίες σε χρόνο και χωρίς αύξηση του κόστους.
As the automotive sector is moving forwards to commercially available autonomous driving level 3 features and designing those of level 4, HMIs become all the more significant. The explicit and unnegotiable communication with the driver as to who is in control (the vehicle or the driver) is based, to a great degree, on the text warnings appearing on the HMI.
The globalisation of commerce requires that the product is made available to more than one market in more than one languages, forcing the automotive industry to translate all those warnings. But is the translation optimal? Does it relay the same ur-gency with the same directness when translated from the manufacturer’s language to the driver’s native language?
In this thesis, we are focusing on the warnings appearing on the instrument cluster and more specifically on the quality of the translated text from English to Greek and the potential need for transcreation.
We perform a comparative study of the available quality of translations evaluation methodologies, we recommend the best, we implement it in a c# application and we look into optimisation of the translations through crowdsourcing using the manufac-turer’s native Greek employees.
The user trial results reveal a spectacular improvement in quality and a remarkable increase in user satisfaction without significant time sacrifices or cost raising.
Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.
Main Files
Εκτίμηση ποιότητας μεταφράσεων γραπτών μηνυμάτων στην αυτόνομη οδήγηση Description: keimenoDiplomatikis_vk_v3_reducted.pdf (pdf)
Book Reader Size: 212 kB