Aufbau einer Übersetzungscommunity¶
Die Befolgung dieser Empfehlungen unterstützt das Erstellen eines vollständigen, mehrsprachigen Post-Editing-Tools. Gute Übersetzungen werden durch das systemisch-funktionale Modell von House definiert, das auf eine kontextuell korrekte Übersetzung abzielt. Schreiben Sie Ihre eigene Post-Editing-Anleitung und passen Sie diese Empfehlungen an Ihre eigenen Definitionen an. In den meisten Fällen ist das Browser-Plugin von LanguageTool ein nützliches Tool für das Korrekturlesen.
Oftmals finden Übersetzer Probleme in den Ausgangszeichenketten. Stellen Sie sicher, dass es für sie so einfach wie möglich ist, solche Probleme zu melden. Um Rückmeldung diesbezüglich zu erhalten, können Sie das Feld Repository-Browser in Ihrer Weblate-Komponente einrichten, damit die Übersetzer ihre Änderungen für das Upstream-Repository vorschlagen können. Sie können auch Kommentare von Übersetzern erhalten, wenn Sie die Adresse für Fehlerberichte bei Ausgangszeichenketten einrichten.
Checkliste für die Community-Lokalisierung¶
Die Checkliste für die Community-Lokalisierung, die im Menü jeder Komponente zu finden ist, kann Ihnen eine Hilfestellung geben, um Ihren Lokalisierungsprozess für Community-Übersetzer einfach zu gestalten.
Terminologieverwaltung¶
Das Post-Editing der maschinellen Übersetzung mit Terminologiezuweisung beeinflusst jede Ebene des Übersetzungsprozesses. Das maschinelle Übersetzungssystem kann mit einem fortlaufenden Training oder Neural Fuzzy Repair an den jeweiligen Wortschatz und Stil angepasst werden. Importieren Sie Ihren bestehenden Übersetzungsspeicher in Weblate oder erstellen Sie einen ersten Umfang mit Ihrer grundlegenden Terminologie. Am Ende sollte der Lektor mit zusätzlichen Terminologiedokumenten instruiert werden, um eine gute Kenntnis und Leistung in dem Bereich zu gewährleisten.
Maschinelle Übersetzung¶
Die Qualität der automatischen Übersetzung (oft mit dem BLEU-Score gemessen) korreliert mit der Bearbeitungszeit [1]. Wählen Sie ein maschinelles Backend, das die benötigten Sprachen und Domänen unterstützt. Machen Sie klar, wie das Übersetzungs-Backend funktioniert und welche Qualität der Post-Editor zu erwarten hat.
Übersetzungen überprüfen¶
Die Übersetzungen sollten nach dem Post-Editing von einer zweiten Person überprüft werden. Mit einem unparteiischen und kompetenten Prüfer werden durch die Zwei-Personen-Regel die Fehler reduziert und die Qualität und Konsistenz des Inhalts verbessert. Wenn den Prüfern Vorschaubilder oder Alpha-Übersetzungen zur Verfügung stehen, erhält man dadurch das beste Ergebnis. Bildschirmfotos und Erklärungen sind ebenfalls hilfreich, um die Zeichenketten im Kontext dessen zu prüfen.
Strukturierte Rückmeldungen¶
Es gibt viele Überprüfungen und Korrekturen in Weblate, die eine strukturierte Rückmeldung über die Übersetzungsqualität geben. Sie geben auch eine visuelle Rückmeldung während dem Übersetzen. Dies verhindert wiederkehrende Fehler und hilft den Übersetzern zu verstehen, wie der Code funktioniert.
Übersetzungsdefinition¶
Neben den mentalistischen und wirkungsbasierten Definitionen, die eine starke Reduktion darstellen, passt der textbasierte linguistische Ansatz am besten zu den implementierten Übersetzungsmethoden. Eine gut formulierte Theorie zur Bewertung von Übersetzungen ist das systemisch-funktionale Modell von House, das sich auf die Beziehung zwischen Original und Übersetzung konzentriert. Das Modell geht davon aus, dass die Übersetzung ein Versuch ist, die semantische, pragmatische und textuelle Bedeutung eines Textes beim Übergang von einem linguistischen Code in einen anderen gleichwertig zu halten.
Der Qualitätsgrad einer Übersetzung basiert auf dem Äquivalenzgrad, also der Übereinstimmung zwischen dem Textprofil und der Textfunktion. Da er nicht automatisch berechnet werden kann, sollten genügend Informationen gesammelt werden, um eine einheitliche menschliche Bewertung zu ermöglichen. Die beiden wichtigsten Parameter für die Übereinstimmung in einem entsprechenden Modell sind der Makrokontext – d. h. die Einbettung in einen größeren sozialen und literarischen Kontext – und der Mikrokontext, bestehend aus Bereich, Tenor und Modus.
Quellcode¶
Marina Sanchez-Torron und Philipp Koehn in Machine Translation Quality and Post-Editor Productivity, Abbildung 1: https://www.cs.jhu.edu/~phi/publications/machine-translation-quality.pdf
Joanna Best und Sylvia Kalina. Übersetzen und Dolmetschen: Eine Orientierungshilfe. A. Francke Verlag Tübingen und Base, 2002. Möglichkeiten der Übersetzungskritik ab Seitennummer 101
Neural Fuzzy Repair, Bram Bulté und Arda Tezcan in Neural Fuzzy Repair: Integrating Fuzzy Matches into Neural Machine Translation, 2019 https://aclanthology.org/P19-1175.pdf