Keuntungan:
- Kemampuan untuk memastikan konsistensi terminologi dengan menetapkan termbase dan secara jelas mendefinisikan padanan yang disetujui dan dilarang
- Menggunakan kecerdasan buatan untuk mengekstrak kandidat jangka waktu dengan cepat dan membuat keputusan akhir masa jabatan dengan pakar dan pelanggan
- Kemampuan untuk menghubungkan termbase ke alat/prompt selama penerjemahan dan mendeteksi ketidaksesuaian dengan tur QA istilah pasca-terjemahan
Dalam terjemahan teknis, jika Anda menerjemahkan kata "akun pengguna" sebagai "akun pengguna" di satu tempat, "akun anggota" di tempat lain, "profil pengguna" di tempat lain, pengguna akan hilang, merek akan tampak tidak konsisten, dan pencarian/dokumentasi akan rusak, meskipun teksnya secara teknis "benar". Elemen kualitas terjemahan yang diam namun paling menentukan adalah konsistensi terminologis. Di unit ini, Anda akan mempelajari manajemen terminologi, membuat termbase (database istilah), ekstraksi istilah dengan AI, dan cara menjaga disiplin terminologi selama penerjemahan. Tujuannya adalah menjadi seorang ahli yang memenuhi konsep yang sama di setiap proyek dengan cara yang sama di mana pun dan setia pada bahasa perusahaan.
Konsep dasar
Terminologi adalah kata-kata dan ungkapan yang sesuai dengan konsep spesifik suatu bidang atau lembaga (“checkout”, “kebijakan pengembalian”, “sel induk”). Termbase (TB — database istilah) adalah kamus terstruktur yang menyimpan padanan sumber-target, definisi, catatan penggunaan, dan "padanan yang dilarang" dari istilah-istilah ini; Ini terhubung ke alat CAT dan secara otomatis menyarankan terjemahan. Ekstraksi istilah adalah proses pengumpulan istilah secara otomatis yang perlu diterjemahkan/dibakukan dari sebuah teks. Glosarium adalah daftar istilah dua kolom yang lebih sederhana; Ini digunakan sebagai pengganti termbase dalam pekerjaan kecil.
Mengapa ini sangat penting? Karena terjemahan mesin dan LLM sendiri tidak menjamin konsistensi terminologi. NMT dapat menerjemahkan setiap kalimat secara mandiri; LLM dapat mengubah keputusannya dalam teks panjang. Yang memberikan istilah disiplin adalah termbase yang telah Anda siapkan dan sambungkan pada kendaraan.
Tip: Luangkan waktu 30 menit untuk menyiapkan termbase pada pekerjaan pertama Anda dengan klien. Investasi ini meningkatkan kecepatan dan kualitas dalam semua pekerjaan berikutnya dan memberikan reputasi "konsisten merek dalam terjemahan Anda".
Ekstraksi istilah dan konstruksi termbase dengan AI
AI mempercepat bagian paling membosankan dalam menyiapkan termbase: menemukan kandidat. Anda dapat memberikan teks sumber ke LLM dan berkata, "cantumkan istilah khusus domain dalam teks ini, istilah yang berulang, dan istilah yang memerlukan konsistensi dalam terjemahan." Anda kemudian menyetujui daftar kandidat ini, menentukan target respons yang tepat, dan mengonfirmasi dengan pelanggan bila diperlukan. Poin penting: AI menyarankan kandidat jangka waktu, pakar, dan pelanggan membuat keputusan jangka waktu. Apakah suatu merek menyebut "janji temu" atau "pemesanan" adalah pilihan pelanggan, bukan pilihan AI.
Untuk setiap istilah, masukkan yang berikut ke dalam Termbase: istilah sumber, mitra target yang disetujui, deskripsi singkat/konteks, padanan "jangan gunakan" (dilarang), dan tag domain/proyek jika berlaku. Menulis padanan yang dilarang adalah cara paling efektif untuk menghindari inkonsistensi (untuk "akun", JANGAN gunakan "akun"; "profil", "keanggotaan") saja.
Mempertahankan disiplin terminologi selama penerjemahan
Menginstal Termbase saja tidak cukup; Hal ini perlu dilaksanakan. Tiga lapisan:
- Selama penerjemahan: Saat menerjemahkan ke LLM, tambahkan termbase ke prompt ("HARUS menggunakan istilah-istilah ini dengan padanannya"). Jika Anda menggunakan alat CAT, sambungkan termbase; Alat ini langsung menampilkan pertandingan.
- QA pasca-terjemahan: Pindai teks yang sudah selesai terhadap termbase. Saya bertanya kepada LLM "apakah ada tempat dalam teks ini yang tidak sesuai dengan termbase?" atau jalankan istilah fungsi QA dari alat CAT.
- Pembaruan akhir proyek: Tambahkan persyaratan baru dan umpan balik pelanggan ke termbase ketika pekerjaan selesai; termbase adalah dokumen hidup.
Perhatian: Saat Anda memberikan LLM basis jangka panjang, LLM mungkin "lupa" beberapa istilah atau mengubahnya tergantung konteksnya. Jadi jangan pernah melewatkan putaran QA pasca-penerjemahan; Anjuran bukanlah pengganti pemeriksaan.
tiga kasus mini
Kasus 1 — Termbase menghapus perbedaan tersebut. Dalam dokumentasi 60.000 kata yang dibuat oleh sebuah perusahaan perangkat lunak dengan 5 penerjemah lepas berbeda, 40 istilah yang sama diterjemahkan dalam lusinan cara berbeda. Setelah termbase umum dibuat dan semua terjemahan disesuaikan dengannya, keluhan seperti "Saya tidak dapat menemukan layar ini" terhadap dukungan pengguna menurun secara signifikan.
Kasus 2 - AI mengurangi inferensi dari 2 hari menjadi 2 jam. Alih-alih secara manual mengekstraksi daftar istilah dari dokumen perangkat setebal 200 halaman, tim penerjemah medis meminta LLM menyusunnya: 380 kandidat istilah dicantumkan dalam 2 jam. Pakar menyetujui hal ini dalam 1 hari dan mengklarifikasi tanggapan mereka; Akan memakan waktu berminggu-minggu jika dilakukan secara manual. Keputusan kembali menjadi milik rakyat.
Kasus 3 — Aturan pelarangan dapat menghindari krisis. Dalam termbase merek, "pelanggan" disetujui untuk "pelanggan" dan "pengguna" dilarang (karena positioning merek). Saat penerjemah baru mengetik "pengguna", istilah QA menangkapnya dan distorsi bahasa merek diperbaiki sebelum ditayangkan.
Empat templat yang dapat disalin
1) Istilah ekstraksi kandidat:
Peran Anda: terminolog. Dari istilah ekstrak teks [domain] berikut yang memerlukan konsistensi dalam terjemahan: konsep khusus domain, frasa berulang, nama produk/fitur, singkatan. Cantumkan setiap istilah dalam bahasa sumber, tambahkan catatan konteks singkat. Keputusan ada di tangan saya; Anda tinggal menyarankan seorang kandidat. Menambahkan kata-kata umum (dan, tetapi).Teks: [...]
2) Membuat baris Termbase:
Siapkan baris termbase untuk istilah berikut: istilah sumber | tanggapan target yang disarankan | deskripsi singkat | jawaban yang salah yang harus dihindari. Jika Anda tidak yakin, tandai jawabannya dengan [?]; Saya akan mengambil keputusan. Alan: [...] | Ketentuan: [...]
3) Terjemahan yang kompatibel dengan Termbase:
Terjemahkan teks ini [sumber]→[target]. WAJIB menerapkan termbase dibawah ini; JANGAN GUNAKAN padanan yang dilarang:- [source1] → [target1] (gunakan: [forbidden1])- [source2] → [target2]Jika Anda menemukan istilah yang tidak ada di Termbase, tandai dengan [?].Teks: [...]
4) Istilah QA pasca-terjemahan:
Pindai terjemahan di bawah ini dengan termbase yang saya berikan. Cantumkan saja INCOMPATIBILITIES-nya: istilah mana yang digunakan, di mana, dengan makna apa yang salah, mana yang seharusnya benar. Melaporkan lokasi yang kompatibel.Termbase: [...] | Terjemahan: [...]
Perintah lemah / Perintah kuat
Lemah: "Hati-hati dengan persyaratannya." (Istilah yang mana, padanan yang mana, larangan yang mana – tidak jelas; mesin memilih sendiri.)
Kuat: "Saat menerjemahkan teks ini, terapkan termbase berikut: 'dashboard'→'dashboard', 'log in'→'log in'. Jika Anda menemukan istilah non-termbase, masukkan [?] dan buatlah sendiri."
Perbedaan: perintah kuat menentukan padanan yang disetujui, padanan terlarang, dan istilah perilaku yang tidak diketahui; konsistensi terjamin.
Tabel alat/pendekatan terminologi
Pendekatan
Apa fungsinya?
batas
Glosarium (dua kolom)
Bisnis kecil, mulai cepat
Tidak ada definisi/larangan
Termbase (terhubung ke CAT)
Rekomendasi otomatis, QA
Instalasi membutuhkan tenaga kerja
Ekstraksi istilah dengan LLM
Mempercepat daftar kandidat
Orang-orang memutuskan
Pemindaian QA jangka
Menangkap disonansi
Termbase harus mutakhir
Daftar ketentuan yang dilarang
Mempertahankan bahasa merek
Membutuhkan pemeliharaan yang konstan
Kesalahan umum
- Memulai pekerjaan besar tanpa menginstal Termbase. Inkonsistensi kemudian tumbuh secara eksponensial.
- Menerima tanggapan yang disarankan oleh AI tanpa pertanyaan. Keputusan terminologi terserah klien/ahli.
- Tidak menulis tanggapan terlarang. Menulis yang "benar" saja tidak mencegah yang "salah".
- Istilah pasca-penerjemahan adalah melewatkan QA. Menempatkan termbase di prompt tidak menjamin implementasinya.
- Tidak memperbarui Termbase. Termbase yang mati akan menyesatkan seiring berjalannya waktu.
Termbase multibahasa dan persetujuan pelanggan
Dalam proyek besar, termbase sering kali bersifat multibahasa: sebuah konsep memiliki padanannya dalam lebih dari satu bahasa target (sumber → Inggris, Jerman, Turki, Arab). Hal ini memastikan terjemahan yang konsisten dari konsep yang sama di semua bahasa dan mempercepat pekerjaan ketika bahasa baru ditambahkan. Hal yang perlu diperhatikan dalam termbase multibahasa adalah bahwa setiap bahasa memiliki padanan budaya dan tata bahasanya sendiri; Adalah salah untuk menyalin secara membabi buta padanan dari satu bahasa ke bahasa lain.
Terminologi juga memiliki rantai dimensi persetujuan. Dalam istilah kritis, keputusan akhir sering kali harus dibuat oleh pakar materi atau tim merek klien, bukan penerjemah; Karena mereka paling tahu istilah resmi/legal/merek yang setara dengan suatu istilah. Itu sebabnya dalam pekerjaan besar, merupakan praktik yang baik untuk menandai termbase sebagai "disetujui", "kandidat", dan "disengketakan": Anda menanyakan calon pelanggan dan persyaratan yang kontroversial sekaligus, menyetujuinya, lalu menguncinya. Disiplin ini mencegah kejutan "istilah ini seharusnya" di tengah tugas dan penerjemahan ulang massal.
Singkatnya
Konsistensi terminologis adalah elemen kualitas terjemahan yang tidak terlihat namun paling menentukan. Penerjemah ahli menetapkan kerangka kerja untuk pekerjaannya; Ia menggunakan AI untuk mengekstrak kandidat jangka waktu dengan cepat, tetapi menyerahkan keputusan kepada pelanggan dan pakar; dengan jelas menulis tanggapan yang disetujui dan dilarang; Ini menghubungkan termbase ke prompt/alat selama penerjemahan dan tidak pernah melewatkan putaran QA istilah pasca-terjemahan. Termbase adalah dokumen hidup; tumbuh di setiap bisnis dan melindungi merek.
Tugas aplikasi
Pilih teks bidang (teknis, medis atau pemasaran). Ekstrak setidaknya 15 kandidat istilah dengan templat "ekstraksi kandidat istilah", konfirmasikan dan tulis padanan, definisi, dan padanan yang dilarang dengan templat "baris termbase". Kemudian terjemahkan teks pendek dengan termbase ini, pindai ketidaksesuaian dengan template "istilah QA" dan perbaiki apa yang Anda temukan.
daftar periksa
- [ ] Saya telah menyiapkan termbase/glosarium di tempat kerja.
- [ ] Saya menyetujui kandidat masa jabatan AI dan membuat keputusan.
- [ ] Selain tanggapan yang disetujui, saya juga menulis tanggapan yang dilarang.
- [ ] Saya menghubungkan termbase ke prompt/alat selama penerjemahan.
- [] Saya melakukan pemindaian QA istilah pasca-terjemahan dan memperbaiki ketidaksesuaian.