Mga nadagdag:
- Kakayahang tiyakin ang pagkakapare-pareho ng terminolohiya sa pamamagitan ng pagtatatag ng termbase at malinaw na pagtukoy sa mga naaprubahan at ipinagbabawal na katumbas
- Paggamit ng artificial intelligence para mabilis na kunin ang mga kandidato sa termino at gawin ang panghuling desisyon sa termino kasama ang eksperto at ang customer
- Kakayahang ikonekta ang termbase sa tool/prompt sa panahon ng pagsasalin at makita ang mga hindi pagkakatugma sa isang post-translation term QA tour
Sa isang teknikal na pagsasalin, kung isasalin mo ang salitang "user account" bilang "user account" sa isang lugar, "member account" sa ibang lugar, "profile ng user" sa ibang lugar, mawawala ang user, lalabas na hindi pare-pareho ang tatak, at masisira ang paghahanap/dokumentasyon, kahit na teknikal na "tama" ang teksto. Ang tahimik ngunit pinaka mapagpasyang elemento ng kalidad ng pagsasalin ay ang pagkakapare-pareho ng terminolohikal. Sa unit na ito, matututunan mo ang pamamahala ng terminolohiya, paggawa ng termbase (term database), term extraction gamit ang AI, at kung paano mapanatili ang disiplina sa terminolohiya sa kabuuan ng pagsasalin. Ang layunin ay maging isang dalubhasa na nakakatugon sa parehong konsepto sa bawat proyekto sa parehong paraan sa lahat ng dako at tapat sa corporate language.
Pangunahing konsepto
Ang mga terminolohiya ay mga salita at expression na tumutugma sa mga partikular na konsepto ng isang field o institusyon ("checkout", "return policy", "stem cell"). Ang Termbase (TB — term database) ay isang structured na diksyunaryo na nagpapanatili sa source-target na katumbas, kahulugan, tala sa paggamit at "mga ipinagbabawal na katumbas" ng mga terminong ito; Kumokonekta ito sa mga tool ng CAT at awtomatikong nagmumungkahi ng pagsasalin. Ang term extraction ay ang proseso ng awtomatikong pagkolekta ng mga termino na kailangang isalin/i-standardize mula sa isang text. Ang Glossary ay isang mas simple, dalawang hanay na listahan ng mga termino; Ginagamit ito sa halip na termbase sa maliliit na trabaho.
Bakit ito napakahalaga? Dahil ang pagsasalin ng makina at ang LLM mismo ay hindi ginagarantiyahan ang pagkakapare-pareho ng terminolohiya. Maaaring isalin ng NMT ang bawat pangungusap nang nakapag-iisa; Maaaring baguhin ng LLM ang desisyon nito sa mahabang teksto. Ang nagbibigay ng term na disiplina ay ang termbase na inihanda mo at nakakonekta sa sasakyan.
Tip: Gumugol ng 30 minuto sa pag-set up ng termbase sa iyong unang trabaho sa isang kliyente. Ang pamumuhunan na ito ay nagpapataas ng parehong bilis at kalidad sa lahat ng kasunod na gawain at nagbibigay ng reputasyon ng "tatak na pare-pareho sa iyong mga pagsasalin."
Term extraction at termbase construction gamit ang AI
Pinapabilis ng AI ang pinaka nakakapagod na bahagi ng pagse-set up ng termbase: paghahanap ng mga kandidato. Maaari kang magbigay ng source text sa LLM at sabihing, "ilista ang mga terminong partikular sa domain sa text na ito, ang mga paulit-ulit, at ang mga nangangailangan ng pare-pareho sa pagsasalin." Pagkatapos ay aprubahan mo ang listahang ito ng mga kandidato, tukuyin ang tamang target na tugon at kumpirmahin sa customer kung kinakailangan. Kritikal na punto: Ang AI ay nagmumungkahi ng mga kandidato sa termino, ang eksperto at ang customer ang gagawa ng desisyon sa termino. Kung ang isang brand ay tumatawag ng "appointment" o "booking" ay ang pagpipilian ng customer, hindi ang AI.
Para sa bawat termino, ilagay ang sumusunod sa Termbase: source term, aprubadong target na katapat, maikling paglalarawan/konteksto, "huwag gumamit" (ipinagbabawal) na katumbas, at tag ng domain/proyekto kung naaangkop. Ang pagsulat ng mga ipinagbabawal na katumbas ay ang pinakamabisang paraan upang maiwasan ang hindi pagkakapare-pareho (para sa "account", HUWAG gumamit lamang ng "account"; "profile", "membership").
Pagpapanatili ng disiplina sa terminolohiya sa buong pagsasalin
Ang pag-install ng Termbase ay hindi sapat; Kailangan itong ipatupad. Tatlong layer:
- Sa panahon ng pagsasalin: Kapag nagsasalin sa LLM, magdagdag ng termbase sa prompt ("DAPAT gamitin ang mga terminong ito sa mga katumbas na ito"). Kung gumagamit ka ng CAT tool, ikonekta ang termbase; Ipinapakita agad ng tool ang tugma.
- QA pagkatapos ng pagsasalin: I-scan ang natapos na teksto laban sa termbase. Tinanong ko ang LLM "may mga lugar ba sa tekstong ito na hindi sumusunod sa termbase?" o patakbuhin ang terminong QA function ng CAT tool.
- End-of-project update: Magdagdag ng mga bagong tuntunin at feedback ng customer sa termbase kapag tapos na ang trabaho; termbase ay isang buhay na dokumento.
Babala: Kapag binigyan mo ng long termbase ang LLM, maaari nitong "makalimutan" ang ilang termino o baguhin ang mga ito depende sa konteksto. Kaya't huwag laktawan ang pag-ikot ng QA pagkatapos ng pagsasalin; Ang pag-prompt ay hindi kapalit ng pagsuri.
tatlong mini case
Case 1 — Tinanggal ng Termbase ang pagkakaiba. Sa isang 60,000-salitang dokumentasyon na ginawa ng isang kumpanya ng software na may 5 magkakaibang freelance na tagasalin, ang parehong 40 termino ay isinalin sa dose-dosenang iba't ibang paraan. Kapag naitatag na ang isang karaniwang termbase at ang lahat ng pagsasalin ay nakahanay dito, ang mga reklamo tulad ng "Hindi ko mahanap ang screen na ito" sa suporta ng user ay makabuluhang nabawasan.
Case 2 — Binawasan ng AI ang inference mula 2 araw hanggang 2 oras. Sa halip na manu-manong kunin ang isang listahan ng mga termino mula sa isang 200-pahinang dokumento ng device, ang isang medical translation team ay nagpa-draft nito sa LLM: 380 na termino ng kandidato ang nakalista sa loob ng 2 oras. Inaprubahan ito ng eksperto sa loob ng 1 araw at nilinaw ang kanilang mga tugon; Aabutin ng ilang linggo kung gagawin nang manu-mano. Ang mga desisyon ay pag-aari muli ng mga tao.
Kaso 3 — Ang tuntunin sa pagbabawal ay nakaiwas sa krisis. Sa termbase ng isang brand, naaprubahan ang "customer" para sa "customer" at ipinagbawal ang "user" (dahil sa pagpoposisyon ng brand). Nang mag-type ang isang bagong tagasalin ng "user", nakuha ito ng terminong QA at naayos ang pagbaluktot ng wika ng brand bago ito naging live.
Apat na maaaring kopyahin na mga template
1) Pagkuha ng kandidato sa termino:
Ang iyong tungkulin: terminologist. Mula sa sumusunod na [domain] text extract na mga termino na nangangailangan ng pare-pareho sa pagsasalin: mga konseptong partikular sa domain, paulit-ulit na parirala, pangalan ng produkto/feature, mga pagdadaglat. Ilista ang bawat termino sa pinagmulang wika, magdagdag ng maikling tala sa konteksto. Ang desisyon ay akin; Suggest ka lang ng kandidato. Pagdaragdag ng mga karaniwang salita (at, ngunit). Teksto: [...]
2) Paglikha ng Termbase line:
Maghanda ng termbase row para sa mga sumusunod na termino: source term | iminungkahing target na tugon | maikling paglalarawan | maling sagot na dapat iwasan. Kung hindi ka sigurado, markahan ang sagot ng [?]; Ako ang gagawa ng desisyon.Alan: [...] | Mga Tuntunin: [...]
3) Pagsasalin na katugma sa Termbase:
Isalin ang tekstong ito [pinagmulan]→[target]. DAPAT ilapat ang termbase sa ibaba; HUWAG GAMITIN ang mga ipinagbabawal na katumbas:- [source1] → [target1] (gamitin ang: [forbidden1])- [source2] → [target2]Kung makatagpo ka ng terminong wala sa Termbase, markahan ito ng [?].Text: [...]
4) QA ng termino pagkatapos ng pagsasalin:
I-scan ang pagsasalin sa ibaba laban sa termbase na ibinigay ko. Ilista lang ang INCOMPATIBILITIES: anong term ang ginamit, kung saan, anong maling kahulugan, ano ang dapat na tama. Pag-uulat ng mga katugmang lokasyon.Termbase: [...] | Pagsasalin: [...]
Mahinang prompt / Malakas na prompt
Mahina: "Mag-ingat sa mga tuntunin." (Aling termino, aling katumbas, aling pagbabawal - ay hindi malinaw; pinipili ng makina ang sarili nito.)
Strong: "Kapag nagsasalin ng tekstong ito, ilapat ang sumusunod na termbase: 'dashboard'→'dashboard', 'log in'→'log in'. Kung nakatagpo ka ng hindi termbase na termino, ilagay ang [?] at ikaw mismo ang gumawa nito."
Pagkakaiba: ang malakas na prompt ay tumutukoy sa naaprubahang katapat, ang ipinagbabawal na katapat, at ang hindi kilalang terminong gawi; ang pagkakapare-pareho ay garantisadong.
Talaan ng mga kasangkapan/diskarte sa terminolohiya
Diskarte
Ano ang ginagawa nito?
limitasyon
Glossary (dalawang hanay)
Maliit na negosyo, mabilis na pagsisimula
Walang kahulugan/pagbabawal
Termbase (nakakonekta sa CAT)
Awtomatikong rekomendasyon, QA
Ang pag-install ay nangangailangan ng paggawa
Term extraction sa LLM
Pinapabilis ang listahan ng kandidato
Nagpasya ang mga tao
Term QA scan
Nakakakuha ng dissonance
Dapat na napapanahon ang Termbase
Listahan ng mga ipinagbabawal na probisyon
Pinapanatili ang wika ng tatak
Nangangailangan ng patuloy na pagpapanatili
Mga karaniwang pagkakamali
- Pagsisimula ng isang malaking trabaho nang hindi ini-install ang Termbase. Ang hindi pagkakapare-pareho ay kasunod na lumalaki nang exponentially.
- Pagtanggap sa tugon na iminungkahi ng AI nang walang tanong. Ang desisyon ng terminolohiya ay nasa kliyente/eksperto.
- Hindi sumusulat ng mga ipinagbabawal na tugon. Ang pagsulat lamang ng "tama" ay hindi pumipigil sa "mali".
- Ang termino pagkatapos ng pagsasalin ay nilaktawan ang QA. Ang paglalagay ng termbase sa prompt ay hindi ginagarantiyahan ang pagpapatupad nito.
- Hindi ina-update ang Termbase. Ang isang patay na termbase ay maliligaw sa paglipas ng panahon.
Multilingual termbase at pag-apruba ng customer
Sa malalaking proyekto, ang termbase ay kadalasang multilinggwal: ang isang konsepto ay may katapat sa higit sa isang target na wika (pinagmulan → English, German, Turkish, Arabic). Tinitiyak nito ang pare-parehong pagsasalin ng parehong konsepto sa lahat ng wika at pinapabilis ang trabaho kapag may idinagdag na bagong wika. Ang puntong dapat pansinin sa multilinggwal na termbase ay ang bawat wika ay may sariling kultural at gramatikal na katumbas; Mali na bulag na kopyahin ang katumbas sa isang wika sa isa pa.
Ang terminolohiya ay mayroon ding chain of approval na dimensyon. Sa mga kritikal na termino, ang pangwakas na desisyon ay kadalasang dapat gawin ng eksperto sa paksa ng kliyente o pangkat ng tatak, hindi ng tagasalin; Dahil mas alam nila ang opisyal/legal/brand na katumbas ng isang termino. Kaya naman sa malalaking trabaho, magandang kasanayan na i-tag ang termbase bilang "naaprubahan", "kandidato" at "pinagtatalunan": hihilingin mo sa customer ang mga kandidato at kontrobersyal na termino nang buo, maaprubahan sila, pagkatapos ay i-lock ang mga ito. Pinipigilan ng disiplina na ito ang kalagitnaan ng gawain na "ang terminong ito ay dapat talaga" na sorpresa at maramihang muling pagsasalin.
Sa buod
Ang pagkakapare-pareho ng mga termino ay ang hindi nakikita ngunit pinaka mapagpasyang elemento ng kalidad ng pagsasalin. Ang master translator ay nagtatatag ng termbase sa trabaho; Gumagamit ito ng AI upang mabilis na kunin ang mga kandidato sa termino, ngunit iniiwan ang desisyon sa customer at sa eksperto; malinaw na nagsusulat ng mga naaprubahan at ipinagbabawal na tugon; Ikinokonekta nito ang termbase sa prompt/tool sa panahon ng pagsasalin at hindi kailanman nilalaktawan ang post-translation term QA round. Ang Termbase ay isang buhay na dokumento; lumalaki sa bawat negosyo at pinoprotektahan ang tatak.
Gawain ng aplikasyon
Pumili ng field text (teknikal, medikal o marketing). I-extract ang hindi bababa sa 15 terminong kandidato gamit ang template na "term candidate extraction", kumpirmahin ang mga ito at isulat ang mga katumbas, kahulugan at ipinagbabawal na katumbas gamit ang template na "termbase line". Pagkatapos ay magsalin ng maikling text gamit ang termbase na ito, mag-scan para sa mga hindi pagkakatugma sa template na "term QA" at ayusin kung ano ang nahanap mo.
checklist
- [ ] Nag-set up ako ng termbase/glossary sa trabaho.
- [ ] Inaprubahan ko ang mga kandidato sa termino ng AI at ginawa ang desisyon.
- [ ] Bilang karagdagan sa mga naaprubahang tugon, isinulat ko rin ang mga ipinagbabawal na tugon.
- [ ] Ikinonekta ko ang termbase sa prompt/tool sa panahon ng pagsasalin.
- [ ] Gumawa ako ng QA scan pagkatapos ng pagsasalin at inayos ang mga hindi pagkakatugma.