Construindo uma comunidade de tradutores

Following these recommendations supports the creation of a full, multilingual post-editing tool. Good translations are defined through the systemic-functional model of House which aims at a contextual correct translation. Write your own post-editing guide and alter these recommendations to fit your own definitions. In most cases the browser-plugin of languageTool is useful as the proof-reading tool.

Checklist de localização comunitária

Novo na versão 3.9.

O Checklist de localização comunitária, que pode ser encontrado no menu de cada componente, pode fornecer orientações para facilitar o processo de localização para os tradutores da comunidade.

Gerenciamento de terminologia

A pós-edição do TM com atribuição de terminologia influencia cada nível do processo de tradução. O sistema de tradução de máquina pode ser adaptado ao vocabulário e estilo específicos com um treinamento contínuo ou reparo neural nebuloso. Importe sua memória de tradução existente para o weblate ou crie um escopo inicial com sua terminologia básica. No final, o leitor deve ser instruído com documentos de terminologia adicionais para garantir um bom conhecimento e produção na área.

Tradução de máquina

A qualidade da tradução de máquina (frequentemente medida com a pontuação BLEU) se correlaciona com o tempo de edição [1]. Escolha um backend de máquina que ofereça suporte aos idiomas e domínios necessários. Deixe claro como o backend da tradução funciona e qual qualidade o pós-editor deve esperar.

Revise as traduções

As traduções devem ser revisadas por uma segunda pessoa após a pós-edição. Com um revisor imparcial e competente, a two-man rule (“regra de dois homens”) reduz os erros e melhora a qualidade e consistência do conteúdo.

Feedback estruturado

Existem muitas Verificações e correções no Weblate que fornecem feedback estruturado sobre a qualidade das traduções.

Definição de tradução

Além das definições mentalísticas e baseadas no impacto que fazem uma forte redução, a abordagem linguística baseada em texto se adapta melhor aos métodos de tradução implementados. Uma teoria bem formulada para avaliação da tradução é o modelo sistêmico-funcional de House, que enfoca a relação entre o original e a tradução. O modelo presume que a tradução é uma tentativa de manter o significado semântico, pragmático e textual de um texto equivalente ao passar de um código linguístico para outro.

O grau de qualidade de uma tradução é baseado no grau de equivalência, a correspondência entre o perfil do texto e a função do texto. Como não pode ser calculado automaticamente, informações suficientes devem ser coletadas para permitir uma avaliação humana uniforme. Os dois principais parâmetros de concordância em um modelo correspondente são o macro-contexto – ou seja, a incorporação em um contexto social e literário mais amplo – e o micro-contexto que consiste em campo, teor e modo.

Fontes

Marina Sanchez-Torron e Philipp Koehn em Machine Translation Quality and Post-Editor Productivity, Figura 1: https://www.cs.jhu.edu/~phi/publications/machine-translation-quality.pdf
Joanna Best e Sylvia Kalina. Übersetzen und Dolmetschen: eine Orientierungs-hilfe. A. Francke Verlag Tübingen und Base, 2002. Möglichkeiten der Übersetzungskritik a partir da página de número 101
reparo neural nebuloso, Bram Bulté e Arda Tezcan em Neural Fuzzy Repair: Integrating Fuzzy Matches into Neural MachineTranslation, 2019 https://aclanthology.org/P19-1175.pdf