Libri UniversitariDati Linguistici per le Tecnologie della Traduzione – prof. Maria Pia Di Buono
Traduzione Specialistica – sede di Napoli · Università degli Studi di Napoli L'Orientale · 1º anno · 2º semestre · Consulenti linguistici · 6 CFU · canale unico
Libri del canale
Dati Linguistici per le Tecnologie della Traduzione 6 CFU
Il docente indica 1 testo
Ambiguity – Error and biasDa studiare: Pp. 60–69. Blasi, D., Anastasopoulos, A., & Neubig, G. (2022). Systematic inequalities in language technology performance across the world's languages. In Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1), pp. 5486–5493. Branco, A., Eskevich, M., Frontini, F., Hajič, J., Hinrichs, E., Jong, F. D., ... & Zinn, C. (2023). The CLARIN infrastructure as an interoperable language technology platform for SSH and beyond. Language Resources and Evaluation, pp. 4359–4385. Briva-Iglesias, V., Camargo, J. L. C., & Dogru, G. (2024). Large language models "ad referendum": How good are they at machine translation in the legal domain?, pp. 1–22. Costa-Jussà, M. R., Cross, J., Çelebi, O., Elbayad, M., Heafield, K., Heffernan, K., ... & NLLB Team. (2022). No language left behind: Scaling human-centered machine translation. (selected material), pp. 4–46, pp. 128–131. Cui, X., Huang, Z., & Adel, N. (2025). Bias in, Bias out: Annotation bias in multilingual large language models. In Proceedings of the Interdisciplinary Workshop on Observations of Misunderstood, Misguided and Malicious Use of Language Models, pp. 1–8. Liu, Y., Cao, J., Liu, C., Ding, K., & Jin, L. (2025). Datasets for large language models: A comprehensive survey. Artificial Intelligence Review, 58(12), 403, pp. 1–62. Lu, H., Yang, H., Huang, H., Zhang, D., Lam, W., & Wei, F. (2024, November). Chain-of-dictionary prompting elicits translation in large language models. In Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing, pp. 958–967. Maurer, M., Linde, M., & Lapesa, G. (2026). Who and What? Using Linguistic Features and Annotator Characteristics to Analyze Annotation Variation, pp. 1–9. Moslem, Y., Haque, R., Kelleher, J., & Way, A. (2022). Domain-specific text generation for machine translation. In Proceedings of the 15th Biennial Conference of the Association for Machine Translation in the Americas (Volume 1), pp. 14–23. Moslem, Y., Romani, G., Molaei, M., Kelleher, J., Haque, R., & Way, A. (2023). Domain terminology integration into machine translation: Leveraging large language models. In Proceedings of the Eighth Conference on Machine Translation, pp. 902–907. Noll, R., Frischen, L. S., Boeker, M., Storf, H., & Schaaf, J. (2023). Machine translation of standardised medical terminology using natural language processing: A scoping review. New Biotechnology, 77, pp. 120–128. Opitz, J., Wein, S., & Schneider, N. (2025). Natural language processing relies on linguistics. Computational Linguistics, 51(3), pp. 1009–1020. Palmer, M., & Xue, N. (2010). Linguistic annotation. In The Handbook of Computational Linguistics and Natural Language Processing, pp. 238–269. Pang, J., Ye, F., Wong, D. F., Yu, D., Shi, S., Tu, Z., & Wang, L. (2025). Salute the classic: Revisiting challenges of machine translation in the age of large language models. Transactions of the Association for Computational Linguistics, 13, pp. 73–87. Poncelas, A., Shterionov, D., Way, A., de Buy Wenniger, G. M., & Passban, P. (2018). Investigating backtranslation in neural machine translation. In Proceedings of the 21st Annual Conference of the European Association for Machine Translation, pp. 249–256. Röttger, P., Vidgen, B., Hovy, D., & Pierrehumbert, J. (2022). Two contrasting data annotation paradigms for subjective NLP tasks. In Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pp. 1–5. Singh, S., Romanou, A., Fourrier, C., Adelani, D. I., Ngui, J. G., Vila-Suero, D., ... & Hooker, S. (2025). Global MMLU: Understanding and addressing cultural and linguistic biases in multilingual evaluation. In Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pp. 18761–18769, pp. 18777–18785. Wang, W., Watanabe, T., Hughes, M., Nakagawa, T., & Chelba, C. (2018). Denoising neural machine translation training with trusted data and online data selection. In Proceedings of the Third Conference on Machine Translation: Research Papers, pp. 133–142. Wassie, A. K., Molaei, M., & Moslem, Y. (2024). Domain-specific translation with open-source large language models: Resource-oriented analysis, pp. 1–9. Zeng, J., Meng, F., Yin, Y., & Zhou, J. (2024). Teaching large language models to translate with comparison. In Proceedings of the AAAI Conference on Artificial Intelligence (38(17)), pp. 19488–19494. Tutti i testi sono disponibili on-lineVerificato sulla scheda ufficiale il 04/10/2026
Bacheca del docente: cosa indica di studiare
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Apri nel catalogo: Traduzione Specialistica – sede di Napoli, 1º anno, tutte le materie e i canali ›
Testi d'esame di Dati Linguistici per le Tecnologie della Traduzione del prof. Maria Pia Di Buono, canale unico, corso di laurea in Traduzione Specialistica – sede di Napoli (Laurea magistrale (LM-94)), Università degli Studi di Napoli L'Orientale, 1º anno · 2º semestre · Consulenti linguistici · 6 CFU, a.a. 2026/2027. Libri adottati: Ambiguity – Error and bias.
Altre materie del prof. Buono
- Traduttologia Letteraria · Letterature e Culture Comparate – sede di Napoli · esame facoltativo · Europeo · 6 CFU
- Traduttologia Letteraria · Lingue e Letterature Europee e Americane – sede di Napoli · 1º anno · 1º semestre · Traduzione letteraria · 9 CFU
- Traduttologia Generale · Mediazione Linguistica e Culturale – sede di Napoli · 2º anno · 2º semestre · Mediazione linguistica per le attività economico-culturali · 9 CFU