post-editing

Traduzione automatiche, apprendimento automatico, Post-Editing … cosa vuol dire

Risparmiare sui costi e ottimizzare la qualità allo stesso tempo è il desiderio di molte aziende internazionali, ma come si può ottenere questo risultato? Per distinguersi in un mercato internazionale, tutta la documentazione deve essere adattata individualmente al cliente. Ciò significa: traduzione della documentazione in diverse lingue, adattata alle rispettive condizioni culturali. I progressi tecnici e le attuali tendenze nel settore Machine Translation & Deep Learning lo rendono possibile: un’azienda può differenziarsi dalla concorrenza fornendo una documentazione impeccabile e orientata al cliente.

Una breve introduzione nelle traduzioni automatiche e l’apprendimento automatico, cioè il Machine & Deep Learning

Come è possibile che una macchina traduca quasi meglio, ma soprattutto più velocemente di un traduttore specializzato? Come cambia il futuro della professione del traduttore? Il progresso di queste nuove tecnologie sta creando un nuovo settore di competenze per i traduttori, quindi c’è solo uno un cambiamento dei compiti e dei metodi di lavoro del traduttore.

Ma come funziona la Traduzione automatica?

Le traduzioni automatiche utilizzano un database lessicale durante il processo di traduzione. Questo database contiene tutti i termini dei dizionari e le rispettive forme grammaticali. Il sistema cerca di scomporre il testo di partenza e di tradurre i singoli segmenti. Quindi, la qualità della traduzione dipende dai database su cui si basa.

E cosa significa “Deep Learning”?

L’apprendimento profondo fa un ulteriore passo in avanti. Anche questa intelligenza artificiale viene addestrata con l’aiuto delle memorie di traduzione, ma in aggiunta vengono applicati molti più dati per l’addestramento. In questo modo la macchina cerca di catturare tutte le opzioni possibili per trovare la giusta soluzione. Se viene commesso un errore, la macchina fa un passo indietro e lo ripete fino a raggiungere il risultato corretto. La tecnologia di Deep Learning, come ad esempio la tecnologia di Systran, si basa su algoritmi complessi che la macchina utilizza per impostare le regole, correggere gli errori, migliorarsi e infine generare una traduzione perfetta.

Esempio: I bambini mangiano le banane.

Il grafico che segue mostra le singole categorie utilizzate dal sistema per scomporre la traduzione automatica. A prima vista, questo sembra abbastanza logico e soprattutto semplice. Ma attenzione – specialmente quando si tratta di morfologia e semantica, può essere piuttosto difficile. Soprattutto analizzando diverse traduzioni diventa chiaro come le strutture possono essere diverse da lingua a lingua. Alcune parole cambiano a seconda del numero per esempio se ci sono 2, 3 o 4 bambini, e alcune parole si trovano in una posizione completamente diversa nella frase. Quando si cerca di accedere al contenuto del database possono verificarsi diversi errori. La qualità della traduzione dipende quindi dalle dimensioni del database esistente (lingue, forme di testo, stili di scrittura, ecc.).

Ma un sistema di traduzione automatiche può rispettare la terminologia?

SYSTRAN ha integrato la terminologia nel Pure Neural Server. La combinazione fra algoritmi di un sistema neurale e dizionari funzionanti tramite la tecnologia “rule-based” realizza delle traduzioni già specializzate. Così questo sistema rispetta la terminologia specifica.

Passiamo ora al nuovo compito del traduttore stesso: il post-editing.

Ma cos’è il post-editing e a cosa devi prestare attenzione?

Definizione dei termini:

Post – Editing è il processo attraverso il quale un documento tradotto a macchina viene revisionato da un traduttore umano, rivisto e modificato in una versione finale.

  • Si distingue tra i seguenti tipi di post-editing:

      a. Light Post-Editing

Questo tipo di post-editing, utilizzato principalmente per scopi interni, ha lo scopo di mantenere il carico di lavoro più basso possibile e di correggere il meno possibile. Saranno corretti solo gli errori significativi che influenzano la comprensione del lettore e – nel caso delle istruzioni per l’uso, ad esempio – il successivo utilizzo del prodotto. Tali errori comprendono anche quelli che potrebbero avere conseguenze giuridiche. Dopo la redazione, il testo deve essere linguisticamente corretto e comprensibile per il lettore. È possibile che il testo non suoni “ben formulato”, poiché non vengano apportate modifiche stilistiche. Questa è la forma più difficile del post-editing, siccome la maggior parte dei traduttori deve astenersi dal correggere solo ciò che è assolutamente necessario e ignorare l’aspetto stilistico.

Aspetti da trattare:

  • Errori di battura
  • Errori grammaticali
  • Riscrittura parziale o completa di frasi incomprensibili
  • Eliminare le proposte alternative
  • Osservare la coerenza terminologica senza un controllo dettagliato

       b. Full Post-Editing

La seconda variante di post-editing è più lunga e approfondita. Viene quindi utilizzata principalmente per uso esterno. Naturalmente, in questo lavoro prestiamo attenzione anche alla correttezza e alla comprensibilità, ma anche gli aspetti stilistici giocano un ruolo importante. Il testo non solo deve essere chiaro nei contenuti e utilizzabile dal lettore, ma deve anche essere coerente a livello linguistico. Dopo il processo di editing, il testo sorgente dovrebbe essere letto come un testo originale e non mostrare alcun segno di essere stato tradotto automaticamente. Il traduttore deve considerare i suddetti aspetti del light post-editing ed in più:

  • Controllare la terminologia con un termbase e, se necessario, modificare la terminologia
  • Confrontare la traduzione con i testi di riferimento
  • Includere gli aspetti culturali
  • Adattamenti sintattici in base alla lingua di destinazione
  • Garantire il 100% di precisione tra il testo di partenza e il testo di destinazione.

La tabella che segue mostra un esempio del processo di post-editing utilizzando un estratto da un manuale operativo.

In generale: Si corregge solo il necessario!

Attenzione: Nessuna nuova traduzione dovrebbe essere creata. Se si lavora troppo, si perdono i risparmi dei costi e di tempo. Quanto e, soprattutto, che cosa esattamente deve essere corretto deve essere determinato in anticipo.

Se siete interessati ad applicare questo servizio potete fare riferimento alla nostra soluzione beEfficient

Da Laura Münch Assistente del team di because Germany in cooperazione con Verena-Kristin Bickel, because Group

Share this post

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su print
Condividi su email