ترجمه فارسی مقاله مشخص کردن حذف تراخم با استفاده از سرولوژی

چکیده

This study evaluates the capability to translate neurology patient education material using three Large Language Models (LLMs) – ChatGPT-4 Omni, Gemini 1.5 Pro, and Claude 3.5 Sonnet. Five neurological conditions (Bell’s palsy, multiple sclerosis, stroke, migraine, and epilepsy) were translated from English into Spanish, Urdu, and Arabic. The translations were assessed by physicians using four metrics: accuracy, clarity, comprehensiveness, and readability at a 6th grade level. Results showed that Claude outperformed both ChatGPT and Gemini overall, particularly excelling in Spanish and Urdu translations, while Gemini led in Arabic. All LLMs demonstrated superior performance in Spanish compared to Urdu and Arabic. This study highlights the potential of LLMs in enhancing patient education across languages, while also identifying areas for improvement in translation accuracy and readability.

چکیده به فارسی (ترجمه ماشینی)

این مطالعه توانایی ترجمه مواد آموزش بیمار عصب شناسی را با استفاده از سه مدل بزرگ زبان (LLMS) – ChatGPT -4 OMNI ، GEMINI 1.5 PRO و CLAUDE 3.5 غزل ارزیابی می کند.پنج شرایط عصبی (فلج بل ، مولتیپل اسکلروزیس ، سکته مغزی ، میگرن و صرع) از انگلیسی به اسپانیایی ، اردو و عربی ترجمه شدند.ترجمه ها توسط پزشکان با استفاده از چهار معیار ارزیابی شد: دقت ، وضوح ، جامع بودن و خوانایی در سطح ششم.نتایج نشان داد که کلود از چتپپ و جمینی به طور کلی بهتر عمل می کند ، به ویژه در ترجمه های اسپانیایی و اردو ، در حالی که جمینی به زبان عربی رهبری می کرد.تمام LLM ها عملکرد برتر در اسپانیایی را در مقایسه با اردو و عربی نشان دادند.این مطالعه پتانسیل LLMS را در تقویت آموزش بیمار در زبان ها برجسته می کند ، در حالی که زمینه هایی را برای بهبود در دقت و خوانایی ترجمه نیز مشخص می کند.