Preklad tejto štúdie vznikol s láskavým dovolením autorky Celie Rico Pérez ako aj Łucje Biel, šéfredaktorky vedeckého časopisu Journal of Specialised Translation. Štúdia vyšla v čísle 41/2024.
This study has been translated with the courtesy of its author Celia Rico Pérez and Łucja Biel, Editor-in-Chief of the Journal of Specialised Translation. The study was published in issue 41/2024.
Pôvodný text/Original text
Preklad/translation: Viktória Slušníková
Redakcia/Editing: Paulína Božgaiová
Korektúra/Proofreading: Júlia Počuchová
O autorke
Celia Rico Pérez je v súčasnosti hosťujúcou profesorkou prekladateľských technológií na Universidad Complutense de Madrid. Jej výskum sa zameriava na využívanie strojového prekladu a iných prekladateľských technológií, posteditáciu strojového prekladu a hodnotenie kvality.
ORCID: 0000-0002-5056-8513
E-mail: celrico@ucm.es
Abstrakt
Posteditácia strojového preklad (MTPE – Machine Translation Post-Editing) predstavuje náročnú úlohu. Na jednej strane klient požaduje čo najvyššiu kvalitu cieľového textu, na druhej strane mu prekladateľ(ka) nie vždy môže vyhovieť. Navyše sa väčšinou pri posteditácii vychádza z dvojúrovňového delenia na ľahkú a úplnú, ktoré však v praxi nefunguje, lebo prekladatelia často nedokážu odlíšiť objektívne chyby od subjektívnych. Keď vznikali prvé zásady MTPE, prekladateľ mal mať v procese strojového prekladu (MT – Machine Translation) vedľajšiu úlohu, lebo súdobý výskum smeroval k plne automatickému vysokokvalitnému strojovému prekladu (FAHQMT – Fully Automatic High Quality Machine Translation). V tomto článku poukazujeme na nedostatky tradičného dvojúrovňového rozdelenia posteditácie, ktoré, najmä vzhľadom na rozvoj neurónového strojového prekladu (NMT – Neural Machine Translation) a zvyšujúcu sa kvalitu jeho výstupov, už nie je podľa nás aktuálne. V článku predkladáme nové zásady MTPE, pričom vychádzame z modelu, ktorý sme vytvorili špeciálne na tento účel.
Kľúčové slová
zásady posteditácie, strojový preklad, kvalita strojového prekladu, MTPE
Úvod
Massardová et al. (2016, s. 14) definujú posteditáciu ako „zdokonaľovanie strojového prekladu s minimálnym ľudským zásahom“, pričom na jednej strane klient požaduje čo najvyššiu kvalitu cieľového textu, no na druhej strane mu prekladateľ1 nie vždy dokáže vyhovieť. Z tohto dôvodu možno považovať stanovenie zásad v projektoch využívajúcich MTPE za kľúčové.
Prvé zásady MTPE sformuloval Allen (2003), pričom jeho práca mala významný vplyv na ďalší výskum v tejto oblasti. Na základe účelu prekladu zadefinoval dve úrovne posteditácie: ľahkú posteditáciu určenú pre interné texty (t. j. texty, ktoré nie sú určené na publikovanie) a úplnú posteditáciu pre externé texty (t. j. texty, ktoré sú určené na širšiu distribúciu). V prvom prípade je zásah prekladateľa minimálny, v druhom sa preklad musí vo všetkých aspektoch vyrovnať ľudskému prekladu. Tradičné prístupy k MTPE vychádzajú práve z tohto rozdelenia (Nitzke – Hansen-Schirra, 2021).
V praxi sa však hranica medzi týmito dvoma úrovňami stiera, prekladatelia totiž nedokážu odlíšiť objektívne chyby od subjektívnych a uchyľujú sa k úplnej posteditácii (O’Brien, 2011a, s. 19). Delenie MTPE na úrovne tak stráca zmysel. Toto rozdelenie navyše vzniklo v čase, keď sa strojový preklad používal takmer výlučne na preklad veľkého množstva technickej dokumentácie – ako napríklad v automobilovom a leteckom priemysle – a o úrovni posteditácie rozhodoval práve účel prekladu. Keď vznikali prvé zásady MTPE, prekladateľ mal mať v procese strojového prekladu (MT) vedľajšiu úlohu, lebo súdobý výskum smeroval k plne automatickému vysokokvalitnému strojovému prekladu (FAHQMT) a posteditácia predstavovala „nežiaduci posledný krok vo vývoji strojového prekladu“ (Vieira, 2019, s. 319).
MT prešiel v posledných rokoch vďaka neurónovému strojovému prekladu (NMT) významnou zmenou, preto by sme mali k MTPE zmeniť prístup. V minulosti sa MT používal vo výskumných laboratóriách na preklad vysoko špecializovaných technických textov, dnes sa však stáva súčasťou bežnej praxe – a dokonca nahrádza ľudských prekladateľov aj v komerčných oblastiach, v ktorých sa ešte pred desiatimi rokmi nevyužíval2. MT sa v súčasnosti používa takmer v akejkoľvek oblasti a je prirodzené, že stratégie posteditácie by sa mali vyvíjať spolu s ním.
V článku predkladáme návrh nových zásad MTPE, pričom vychádzame z modelu, ktorý sme vytvorili špeciálne na tento účel. V nasledujúcej kapitole sa najprv zameriame na to, prečo je zložité jednoznačne zadefinovať zásady MTPE a prečo už je tradičné rozdelenie na ľahkú a úplnú posteditáciu nepostačujúce. Následne rozoberieme štyri faktory, ktoré problematizujú MTPE a priamo ovplyvňujú to, ako sa k posteditácii pristupuje. Patria medzi ne:
a) očakávania prekladateľov od zásad MTPE,
b) nejasná definícia MTPE, ktorá osciluje medzi revíziou a prekladom,
c) komplikované hodnotenie kvality, ktoré súvisí s konceptom „prekladu vhodného na daný účel“ (Way, 2018; Bowker, 2020),
d) typológia chýb NMT a ich vplyv na MTPE.
Najdôležitejšia časť štúdie sa nachádza vo štvrtej kapitole, kde predstavíme model zásad MTPE, ktorý sa skladá z kontextových informácií, textu určeného na posteditáciu a zásad MTPE. Napokon objasníme, ako vyššie spomenuté časti minimalizujú vplyv problematizujúcich faktorov, ako vďaka nim prekladateľ môže urobiť informované rozhodnutie, a ako zabezpečujú transparentnosť a zrozumiteľnosť zásad3 MTPE.
Úskalia definovania zásad posteditácie strojového prekladu
Prekladateľ, ktorý sa riadi zásadami MTPE, pravdepodobne dosiahne kvalitný výsledok, no zadefinovanie zásad nie je vôbec jednoduché. V praxi majú totiž vplyv na cenu, termíny aj kvalitu, ale relevantné odborné zdroje sa tejto problematike dostatočne nevenujú. Buď sú zásady MTPE príliš všeobecné a treba ich hlbšie rozpracovať, alebo sú šité na mieru konkrétnemu projektu využívajúcemu MTPE a len ťažko sa dajú uplatniť v iných prípadoch.
Za smerodajný zdroj možno považovať medzinárodnú normu ISO 18587:2017, podľa ktorej je MTPE „náročnejší proces ako revízia ľudského prekladu“ (do Carmo, 2020, s. 41). Norma stanovuje osem požiadaviek na úplnú posteditáciu s cieľom dosiahnuť kvalitu ľudského prekladu s minimálnym zásahom človeka. Rovnaké požiadavky platia aj pre ľahkú posteditáciu. Pri tvorbe zásad posteditácie sa spravidla zohľadňuje viacero faktorov ako napríklad typ použitého softvéru MT, charakter východiskového textu, špecifické požiadavky klienta, objem textov, časová náročnosť, typológia chýb, predpokladaná doba platnosti dokumentu a účel cieľového textu (Allen, 2003; O’Brien, 2011a; Guerberof Arenas, 2013). Kritériom pre voľbu konkrétnej úrovne posteditácie (ľahkej, čiastočnej, úplnej) je účel prekladu. Ak ide o interné texty, zvolí sa buď MT bez posteditácie (v prípade, že má text iba informatívnu funkciu), alebo sa využije rýchla posteditácia (v prípade, že má text krátku dobu platnosti). Pri preklade externých textov sa využíva úplná alebo čiastočná posteditácia, a to v závislosti od kvality MT a účelu textu. V praxi, či už v prekladateľskom priemysle alebo vo vede, sa zásady považujú za samozrejmosť a nevenuje sa im toľko pozornosti (pozri napr. Carl et al., 2011; Lacruz – Shreve, 2014; Koponen, 2016; Koglin – Cunha, 2019; Sakamoto – Yamada, 2020).
Hu a Cadwell (2016) sa vo výskume zamerali na zásady MTPE a zistili, že hoci sa bežne rozlišuje medzi ľahkou a úplnou posteditáciou, organizácie si ich zvyknú prispôsobiť na interné účely. Zásady ľahkej posteditácie sú zväčša podobné, ale zásady úplnej posteditácie sa v závislosti od účelu a typu textu líšia najmä v požiadavkách na štýl a úroveň kvality cieľového textu (Hu – Cadwell, 2016, s. 351). V akademickom prostredí je praktické testovanie zásad MTPE pomerne málo pertraktovanou témou. Flanagan a Paulsenová Christensenová (2014) skúmali, ako traja študenti magisterského stupňa štúdia odboru prekladateľstva chápu zásady MTPE od organizácie TAUS (2010). Zistili, že študenti mali problémy s ich interpretáciou, a dokonca ich pri práci frustrovali (Flanagan – Paulsen Christensen, 2014, s. 271). Problém spočíval nielen v tom, že študentom chýbali potrebné zručnosti, ale aj v nejednoznačnosti samotných zásad. Koponen a Salmiová (2017) zase odhalili, že študenti pristúpili k posteditácii rozdielne, lebo mali problémy s interpretáciou konkrétnych zásad. Na ich pilotnej štúdii participovalo päť respondentov; autori následne analyzovali konkrétne úpravy, ktoré študenti vykonali pri posteditácii prekladu z angličtiny do fínčiny. Dospeli k záveru, že pokyny majú pri posteditácii zohrávať kľúčovú úlohu, ale v skutočnosti sú vágne, a preto respondenti nedokážu odlíšiť objektívne chyby od subjektívnych (Koponen – Salmi, 2017, s. 145). Podľa autorov treba spresniť zásady pre prekladateľov a vyškoliť ich v identifikácii chýb, ktoré možno v kontexte konkrétnej jazykovej kombinácie považovať za objektívne (Koponen – Salmi, 2017, s. 144 – 145).
Napriek tomu, že tieto výskumy pracujú s nízkym počtom účastníkov, zhodujú sa so zisteniami z praxe. Hoci samotné zásady nikto nepodrobil hlbšiemu výskumu, zaujímavý príklad nachádzame v štúdii od Nunziatiniovej a Margovej (2020). Poskytovatelia jazykových služieb4 si vytvoria zásady MTPE šité na mieru namiesto toho, aby sa držali bežného rozdelenia na ľahkú a úplnú posteditáciu, ktoré je príliš „abstraktné a rigidné tak pre klientov ako aj pre prekladateľov“ (Nunziatini – Marg, 2020, s. 1). Autorky upozorňujú na to, že v praxi je niekedy ťažké rozlíšiť medzi jednotlivými úrovňami posteditácie. Mnohí klienti navyše nepoznajú rôzne úrovne MTPE a prekladatelia často nevedia, aký prístup by mali zvoliť, aby splnili požiadavky klienta. Autorky preto navrhujú, aby sa všetci zainteresovaní dohodli na tom, aké chyby možno v závislosti od typu textu a recipienta akceptovať. Guerrerová a Geneová (2021) tiež uvádzajú, že pri vytváraní zásad vznikajú isté „nedostatky a problémy“. Vychádzajú pritom z názorov profesionálov z rôznych prekladateľských oblastí na fóre GALA Special Interest Group5. Autorky poukazujú na tieto nedostatky a problémy: absenciu všeobecných zásad posteditácie, skutočnosť, že zásady sú často neverejné, lebo ide o interné dokumenty prekladateľských agentúr, alebo sa líšia od už existujúcich inštrukcií ku konkrétnemu prekladateľskému projektu, sú otvorené interpretácii a hranica medzi úplnou a ľahkou posteditáciou sa stiera. Prekladatelia potom nevedia, ako splniť požiadavky klienta, hneď sa uchyľujú k úplnej posteditácii a nevedia sa zhodnúť na jednotnom štýle, pretože pracujú s odlišnými zásadami (Guerrero – Gene, 2021, s. 9 – 10).
Z vyššie uvedeného vyplýva, že prekladatelia potrebujú jasné jazykové a praktické zásady, aby dokázali prekonať neistotu a urobiť informované rozhodnutie. „Zásady by im mali poskytnúť primeranú mieru voľnosti a zároveň pomôcť jasne odlíšiť preferenčné štylistické zásahy od nevyhnutných jazykových opráv“ (Krings, 2001, s. 16). Ako uvádza Allen (2003, s. 306), „väčšina prekladateľov chce ovládať základné princípy posteditácie“. Myslíme si, že by sme mali prehodnotiť tradičné delenie na úplnú a ľahkú posteditáciu, lebo striktné dichotomické členenie môže viesť k úplne zbytočným opravám a niektoré texty navyše nespadajú ani do jednej kategórie, čo je pre prekladateľov mätúce. Okrem toho do hry vstupuje aj neurálny preklad, ktorý, ako uvádza O’Brienová a Conlan (2019, s. 84), stiera hranicu medzi ľudským a strojovým prekladom. Nejasné hranice potom vplývajú aj na posteditáciu a problematizujú ju.
Faktory problematizujúce MTPE
V otázke MTPE sa aktéri prekladu zvyčajne rozchádzajú. Na jednej strane sa charakter prekladateľskej profesie v dôsledku prudkého nárastu digitálneho obsahu zmenil, „dôraz sa kladie na výkon, znižovanie nákladov a technologizáciu“ (Moorkens, 2017, s. 465 – 466), a preto sa niet prečo čudovať, že MT zohráva na prekladateľskom trhu hlavnú úlohu a prekladateľom prischla vedľajšia rola posteditora. Na strane druhej majú prekladatelia o svojom postavení na trhu inú predstavu, čo vedie k úvahám o tom, či je MTPE súčasť profesie a čo zahŕňa: ide iba o revíziu a editáciu, alebo je to úplne nový typ prekladu? Situácia sa však ešte viac skomplikuje, keď prekladatelia nedostanú jasné inštrukcie k posteditácii. Okrem toho klienti, ktorí neraz nemajú potrebné odborné znalosti, často nedokážu posúdiť kvalitu prekladu a určiť, ktoré chyby treba opraviť a ktoré možno akceptovať (Nunziatini – Marg, 2020). Toto dodatočne problematizuje MTPE, lebo akceptovateľnosť konkrétneho riešenia závisí od kvality MT a účelu textu. V dôsledku tohto sa mení aj ponímanie kvality a začína sa uplatňovať koncept prekladu „vhodného na daný účel“ (Way, 2018; Bowker, 2020), t. j. preklad je kvalitný do takej miery, do akej spĺňa svoj účel. Vzďaľujeme sa tak od pôvodných idealistických predstáv o kvalite MT, ako aj od dlhodobých ambícií počítačovej vedy dosiahnuť kvalitu MT porovnateľnú s ľudským prekladom (Toral, 2020). Hoci je dnes kvalita výstupov NMT neporovnateľná s výstupmi MT, ľudský prekladateľ je pri odhaľovaní chýb a ich následnej oprave ešte stále nenahraditeľný.
V nasledujúcich podkapitolách sa zameriame na štyri hlavné faktory, ktoré podľa nás problematizujú MTPE, a to:
a) očakávania prekladateľa od zásad MTPE,
b) charakter MTPE,
c) relatívnosť kvality MTPE,
d) vplyv typológie chýb NMT.
Analýza týchto faktorov nám neskôr pomôže lepšie pochopiť, prečo je stanovenie zásad MTPE problematické.
3.1 Očakávania prekladateľov od zásad MTPE
Hoci viaceré štúdie skúmajú postoje prekladateľov k MTPE (Blagodarna, 2018; Cadwell et al., 2018; Vieira, 2018; Teixiera – O’Brien, 2018; Ginovart et al., 2020; Ragni – Vieira, 2022 a ďalší), iba málo z nich reflektuje názory prekladateľov na zásady posteditácie a ich vplyv na jej realizáciu. Postoje prekladateľov k MTPE sú najčastejšie skúmané cez prizmu faktorov, ako je cena, produktivita, miera vynaloženého úsilia či kognitívna záťaž, pričom zásady posteditácie stoja na okraji záujmu. Guerberofová-Arenasová (2013) ako prvá poukázala na súvislosť medzi zásadami MTPE a postojom prekladateľov k posteditácii. Pomocou dotazníkového prieskumu skúmala postoje 24 prekladateľov a 3 korektorov a zistila, že väčšina respondentov s posteditáciou v princípe nemá problém. Negatívne postoje zaznamenala iba v prípadoch, keď „kvalita prekladových segmentov MT bola nízka alebo pokyny príliš zložité“ (Guerberof-Arenas, 2019, s. 92 – 93). Ďalšou hlavnou príčinou nespokojnosti bolo nízke finančné ohodnotenie, obzvlášť v situáciách, keď mali klienti vysoké nároky a text si vyžadoval rozsiahle úpravy (Guerberof-Arenas, 2013, s. 82 – 86). Dá sa preto predpokladať, že jasnejšie zásady MTPE by mohli viesť k vyššej spokojnosti prekladateľov s vykonanou prácou. Vieira (2018) sa vo svojom nedávnom výskume zameral na príspevky prekladateľov na blogoch a fórach a dospel k záveru, že ich averzia voči MTPE súvisí skôr s obchodnými praktikami klientov než s technológiami samotnými. Domnievame sa, že ak by sa MTPE zjednodušila a prispôsobila špecifikám NMT, prekladatelia by boli so svojou prácou pravdepodobne spokojnejší. Je zaujímavé, že hoci existujú štúdie, ktoré sa zaoberajú MTPE v praxi (napr. Silva, 2014; Plaza-Lara, 2020), explicitne nespomínajú zásady posteditácie. Podľa všetkého sa považujú za samozrejmosť. Ginovart et al. (2020) realizovali rozsiahly výskum, ktorého cieľom bolo zmapovať, ako rôzni aktéri prekladu (vrátane projektových manažérov, špecialistov na MT, lingvistov a akademikov) definujú a implementujú zásady MTPE v praxi. Celkovo oslovili 66 respondentov z 19 krajín. Autori však nevenujú osobitnú pozornosť postojom samotných prekladateľov voči posteditácii ani tomu, ako jej zásady ovplyvňujú ich spokojnosť s prácou.
Odmietavý postoj prekladateľov voči MTPE často pramení z toho, že posteditácia je vnímaná ako jednoduchý, lineárny proces – stroj vygeneruje preklad a prekladateľ ho už len „vyčistí“ od chýb (Mellinger, 2018, s. 311). Keďže sa text postedituje až na konci prekladového procesu, je logické posteditáciu rozdeliť na ľahkú a úplnú. Ako však uvádzajú do Carmo a Moorkens (2021), „posteditácia sa v súčasnosti takmer vždy realizuje prostredníctvom nástrojov CAT, pretože tie poskytujú prekladateľovi návrhy z prekladovej pamäte a terminologickej databázy, z ktorých si môže vybrať a následne ich upraviť“ (do Carmo – Moorkens, 2021, s. 39). Podľa autorov ide o prirodzený vývoj, „strojový preklad je iba jedným zo zdrojov, z ktorých čerpá prekladová pamäť, čo stiera hranicu medzi posteditáciou strojového prekladu a editáciou návrhov z prekladovej pamäte“. Potvrdzujú to aj údaje z praxe, pri väčšine projektov sa využíva iba 9 % návrhov MT a väčšinou sa recyklujú už existujúce preklady (TAUS, 2020). Väčšina projektov kombinuje MTPE, TM a ľudský preklad. Prečo potom ešte stále prevláda delenie na ľahkú a úplnú posteditáciu? Keďže MTPE už nemožno považovať za samostatnú fázu prekladového procesu, ale jeho integrálnu súčasť, mali by túto skutočnosť reflektovať aj zásady posteditácie.
3.2 Charakter MTPE
Keď prekladové softvéry kombinujú prekladovú pamäť (TM) s MT, už nie je úplne jasné, kde sa jedna technológia končí a druhá začína (O’Brien – Colan, 2019, s. 84). Prekladateľ potom nevie, odkiaľ pochádza preklad segmentu, pretože môže ísť buď o návrh z TM, alebo z MT. Keď má na výber z dvoch možných prekladových riešení, prečo by mal ku každému pristupovať inak? Mal by sa preklad segmentu z TM upravovať inak ako ten z MT? Ak je súčasťou nástroja CAT TM aj softvér MT, rozdiel medzi úpravou prekladu z TM a posteditáciou MT zaniká (Jakobsen, 2019; Sánchez-Gijón et al., 2019).
Do Carmo a Moorkens (2021) v tejto súvislosti upozorňujú na to, že posteditáciu možno chápať ako klasickú revíziu len za predpokladu, že MT predstavuje finálnu verziu prekladu. Takto to však v skutočnosti nie je. „Strojový preklad ponúka iba súbor návrhov či hypotéz“ (do Carmo – Moorkens, 2021, s. 35 – 41). Zodpovednosť za finálnu verziu prekladu stále nesie prekladateľ. Autori dokonca tvrdia, že posteditáciu by sme mali chápať ako samostatný typ prekladu. Ak je to pravda, prečo by sa na posteditáciu mali vzťahovať iné zásady ako na tradičný preklad? MTPE nie je iba jednoduchá úprava MT, ide skôr o nepretržitú spoluprácu prekladateľa so strojom, počas ktorej prekladateľ neustále zasahuje do strojového výstupu a zdokonaľuje ho. Takto prekladateľ preberá plnú kontrolu nad procesom, takže MT nemá dominantné postavenie. Z toho vyplýva, že stroj a prekladateľ si už nie sú konkurenciou, lebo práve prekladateľ ručí za celkovú kvalitu prekladu.
3.3 Relatívna kvalita posteditovaného textu
Keďže sa MTPE čoraz viac podobá tradičnému prekladu, zastávame názor, že by sme mali prehodnotiť, ako definujeme kvalitu. Aby sa prekladatelia mohli rozhodnúť, ktorý segment treba posteditovať, musia najprv vedieť, čo znamená kvalitný preklad. Definovanie kvality však vôbec nie je jednoduché, lebo MTPE vytvára šedú zónu, kde je kvalita relatívna – o preklade tak už neuvažujeme v intenciách správny/nesprávny, ale skôr podľa toho, či je výstup MTPE prijateľný na konkrétny účel. Ako uvádza Vashee (2021), v praxi kvalitu nepodmieňuje jazyková správnosť, oveľa dôležitejšími faktormi sú užitočnosť prekladu pre recipienta, zrozumiteľnosť prekladu, rýchlosť jeho dodania a celková spokojnosť klienta. Zrozumiteľnosť prekladu je často prednejšia ako to, či je preklad dokonalý po gramatickej a štylistickej stránke. V nadväznosti na to Moorkens (2007) uvádza, že kvalita závisí od predpokladanej doby platnosti dokumentu. V určitých prípadoch môže dokonca aj needitovaný výstup MT „stáť za riziko“ (Moorkens, 2017, s. 471), a to najmä ak ide o texty s krátkou dobou platnosti. Ako príklad možno uviesť model Nitzkeho a kol. (2019, s. 246), podľa ktorých sa môže prekladateľ rozhodnúť, či využije MT. Ak má text dosiahnuť kvalitu medzi 60 % až 80 % a riziko je nízke, môže sa použiť MT. Ak má text dosiahnuť kvalitu vyššiu ako 80 %, MT nie je najvhodnejšie riešenie. Plazová-Larová (2020, s. 173) zase upozorňuje na to, že kvalita posteditácie závisí od kvality MT. Z tohto vyplýva, že cieľom MTPE už nie je dosiahnuť preklad na nerozoznanie od toho ľudského, ale skôr zabezpečiť, aby text splnil svoj účel. Z tohto dôvodu nie je rozdelenie MTPE na dve úrovne, ľahkú a úplnú, až také podstatné a prekladatelia sa tak môžu sústrediť na kontrolu terminológie a významového jadra textu. Tento prístup súvisí s flexibilnejším poňatím kvality, ktoré sa zameriava na to, aby preklad spĺňal svoj účel (Way, 2018; Bowker, 2020).
S využívaním technológií sa mení aj naše ponímanie kvality. Ako uvádza Doherty (2017, s. 131), „rozvoj a zavedenie prekladateľských technológii do praxe – najmä strojového prekladu – vyústili do vzniku mnohých rozdielnych, často nejasných definícií kvality a spôsobov jej posudzovania“. Z toho pramenia aj problémy pri hodnotení kvality prekladov, lebo „ľudský prekladateľ posudzuje kvalitu inak ako stroj“. Keďže tradičný prekladateľský proces sa mení a MT sa kombinuje s TM, „kvalitu prekladu je čoraz ťažšie definovať a súčasťou prekladového procesu sú navyše už aj nástroje CAT a TM, takže pri preklade už nefiguruje len človek, ale aj stroj“ (Mellinger, 2018, s. 319). Tento nový prístup k prekladu priamo ovplyvňuje aj kvalitu cieľového textu. S použitím MT pribúda v prekladateľskom procese ďalšia fáza.
3.4 Vplyv typológie chýb NMT
Na stanovenie zásad MTPE vplýva aj typ chýb, ktoré NMT robí. Podľa rôznych štúdií dosahujú systémy NMT pri mnohých jazykových pároch – najmä pri jazykoch s komplikovanou morfológiou – lepšie výsledky ako staršie štatistické modely MT. Zvyčajne generujú prirodzenejšie znejúce preklady s lepšou gramatikou, hoci nie vždy zvolia najvhodnejšie slová alebo výrazy (Neubig et al., 2015; Bentivogli et al., 2016; Wu et al., 2016).
NMT síce generuje texty s viac-menej správnym slovosledom a morfológiou, nemusí to však znamenať, že preklad dostatočne vystihuje pôvodný význam (Moorkens, 2017, s. 471). K podobným záverom dospeli aj Castilho et al. (2017). Vo výskume sa zamerali na to, ako zlepšiť výstup NMT pri preklade zoznamov produktov v elektronickom obchode, patentových textov a hromadných bezplatných online kurzov. Zistili, že aj keď výstupy NMT znejú plynulo, obsahovo sú nepresné, často dochádza k výpustkám, nefunkčnému doplneniu informácií a významovým posunom (Castilho et al., 2017, s. 118). Treba však počítať s tým, že tieto výskumy prebiehajú v kontrolovaných laboratórnych podmienkach a pri ich realizácii sa používajú špecifické systémy MT a jazykové páry, takže pri iných systémoch alebo jazykoch sa výsledky môžu líšiť (do Carmo – Moorkens, 2021, s. 42).
Vieira (2019) zase poukazuje na to, že plynulosť výstupu NMT môže sťažiť odhaľovanie jeho nedostatkov. V tejto súvislosti stojí za zmienku výskum Koponena a Salmiho (2017), ktorí zistili, že až 34 % zásahov posteditorov bolo v skutočnosti zbytočných – ich riešenia boli síce správne, ale nepotrebné, pretože nešlo o objektívne chyby. Autori sa zamerali na úroveň kvality opráv pri preklade z angličtiny do fínčiny a primárne sledovali to, či prekladatelia odhalili skutočné chyby alebo do textu robili prebytočné zásahy. Podobné pozorovanie uvádzajú aj de Almeida (2013) a Temizöz (2016). Príčinou môže byť to, že prekladatelia nemajú úplne jasno v tom, ako zásady posteditácie uplatniť v praxi, interpretujú si ich rôzne, a to najmä pokiaľ ide o štýlovú rovinu textu (Koponen – Salmi, 2017, s. 140). Keď potom opravujú MT, cielene v texte hľadajú chyby a snažia sa zdokonaliť „každý aspekt prekladu, aj keď im to zásady vyslovene nekážu“ (Nitzke – Gros, 2021, s. 21). Preferenčné úpravy, ktoré často robia, zahŕňajú používanie synoným, zmenu slovosledu, úpravy štýlu, dopĺňanie či vynechávanie slov, gramatické zmeny (napr. zmenu času) ako aj zmeny pravopisných variantov či interpunkcie (Nitzke – Gros, 2021, s. 28). Rovnaké zistenia prezentujú aj Daems a Macken (2021), keď porovnávali revíziu ľudského prekladu s revíziou MT, zistili, že prekladatelia v obidvoch prípadoch vykonali mnoho preferenčných úprav. V prípade strojového prekladu ich urobili ešte viac, najmä keď si mysleli, že nejde o ľudský preklad (Daems – Macken, 2021, s. 68 – 69).
Z toho vyplýva, že prekladatelia potrebujú poznať typy chýb, na ktoré môžu naraziť pri posteditácii. Musia si tiež uvedomiť, že „výstup strojového prekladu má špecifický charakter a jeho kvalita môže byť rôzna“ (do Carmo – Moorkens, 2021, s. 40). Domnievame sa preto, že by sme mali prehodnotiť zásady MTPE, aby lepšie odrážali prax. Aktualizované zásady by mali zohľadňovať očakávania a potreby prekladateľov, priebeh posteditácie, reálne možnosti systému MT a druhy chýb, ktoré môžu vzniknúť.
Vieira (2019) zase poukazuje na to, že plynulosť výstupu NMT môže sťažiť odhaľovanie jeho nedostatkov. V tejto súvislosti stojí za zmienku výskum Koponena a Salmiho (2017), ktorí zistili, že až 34 % zásahov posteditorov bolo v skutočnosti zbytočných – ich riešenia boli síce správne, ale nepotrebné, pretože nešlo o objektívne chyby. Autori sa zamerali na úroveň kvality opráv pri preklade z angličtiny do fínčiny a primárne sledovali to, či prekladatelia odhalili skutočné chyby alebo do textu robili prebytočné zásahy. Podobné pozorovanie uvádzajú aj de Almeida (2013) a Temizöz (2016). Príčinou môže byť to, že prekladatelia nemajú úplne jasno v tom, ako zásady posteditácie uplatniť v praxi, interpretujú si ich rôzne, a to najmä pokiaľ ide o štýlovú rovinu textu (Koponen – Salmi, 2017, s. 140). Keď potom opravujú MT, cielene v texte hľadajú chyby a snažia sa zdokonaliť „každý aspekt prekladu, aj keď im to zásady vyslovene nekážu“ (Nitzke – Gros, 2021, s. 21). Preferenčné úpravy, ktoré často robia, zahŕňajú používanie synoným, zmenu slovosledu, úpravy štýlu, dopĺňanie či vynechávanie slov, gramatické zmeny (napr. zmenu času) ako aj zmeny pravopisných variantov či interpunkcie (Nitzke – Gros, 2021, s. 28). Rovnaké zistenia prezentujú aj Daems a Macken (2021), keď porovnávali revíziu ľudského prekladu s revíziou MT, zistili, že prekladatelia v obidvoch prípadoch vykonali mnoho preferenčných úprav. V prípade strojového prekladu ich urobili ešte viac, najmä keď si mysleli, že nejde o ľudský preklad (Daems – Macken, 2021, s. 68 – 69).
Z toho vyplýva, že prekladatelia potrebujú poznať typy chýb, na ktoré môžu naraziť pri posteditácii. Musia si tiež uvedomiť, že „výstup strojového prekladu má špecifický charakter a jeho kvalita môže byť rôzna“ (do Carmo – Moorkens, 2021, s. 40). Domnievame sa preto, že by sme mali prehodnotiť zásady MTPE, aby lepšie odrážali prax. Aktualizované zásady by mali zohľadňovať očakávania a potreby prekladateľov, priebeh posteditácie, reálne možnosti systému MT a druhy chýb, ktoré môžu vzniknúť.
Ekosystém zásad MTPE
Pri tvorbe modelu zásad MTPE sme sa inšpirovali konceptom „ekosystému“, lebo si myslíme, že vďaka nemu môžeme komplexne uchopiť spomínané aspekty posteditácie. Koncept prekladového ekosystému vychádza z modelov, ktoré chápu preklad ako komplexný systém. Jeho súčasťou sú aj ľudia, ktorí s ním spolupracujú (kooperujúci partneri), spoločenské a fyzické prostredie, v rámci ktorého sa pohybujú, a kultúrne nástroje a prostriedky (Risku, 2004, s. 19). Z tohto širšieho kontextu vychádzame aj pri návrhu aktualizovaných zásad MTPE.
V nasledujúcich kapitolách rozoberieme jednotlivé časti ekosystému MTPE: 1. kontextové informácie, 2. text určený na posteditáciu a 3. zásady MTPE. Obrázok 1 nižšie znázorňuje ekosystém zásad MTPE, ako jeho časti súvisia s problematizujúcimi faktormi a ako môžu mať pozitívny vplyv na MTPE.
Obrázok 1. Ekosystém zásad MTPE, problematizujúce faktory a pozitívne vplyvy
Po predstavení jednotlivých častí ekosystému zásad MTPE vysvetlíme, ako spomenuté časti minimalizujú vplyv problematizujúcich faktorov, ako vďaka nim prekladateľ môže urobiť informované rozhodnutie, a ako zabezpečujú transparentnosť a zrozumiteľnosť zásad MTPE.
4.1 Kontextové informácie
Kontextové informácie predstavujú všetky relevantné údaje o prekladovej situácii, ktoré potrebujeme poznať na to, aby sme mohli zadefinovať zásady MTPE. Pojem „kontextové informácie“ sme si prepožičali z Krügerovho (2016a, 2016b) kontextového modelu prekladateľskej technológie, lebo ponúka ucelený pohľad, na základe ktorého možno skúmať MTPE (Rico Pérez – Sánchez Ramos, 2023). Krüger vychádzal z Riskuovej (2004, 2010) teórie kontextového prekladu a vytvoril model prekladateľskej technológie, v ktorom má centrálne postavenie prekladateľ. Tento model má tri kľúčové časti: 1. psychosociálne faktory, ktoré vplývajú na myslenie a prácu prekladateľa, 2. zdroje, ktoré prekladateľ využíva pri práci, 3. ľudia, s ktorými prekladateľ spolupracuje, a cieľový recipient (Krüger, 2016a). Tieto tri aspekty sú pri zadefinovaní zásad MTPE kľúčové a v ďalších kapitolách sa im budeme venovať podrobnejšie.
4.1.1 Psychosociálne aspekty
Keďže prekladatelia v procese MTPE zohrajú kľúčovú úlohu, je dôležité získať informácie o ich pracovných podmienkach a duševnej pohode. Vďaka tomu si dokážeme stanoviť realistické očakávania. Medzi tieto informácie podľa Krügerovho modelu patrí pracovné prostredie, profesionálny status, časový tlak a motivácia (Krüger, 2016a, s. 318 – 327). Tieto informácie priamo ovplyvňujú myslenie a prácu prekladateľa pri posteditácii. Zásady MTPE by mali obsahovať konkrétne údaje o výške odmeny, čo presne sa od prekladateľa očakáva, a koľko času má na dokončenie projektu. Sadzby sú neraz kontroverznou témou, pretože mnohí prekladatelia MTPE vnímajú ako nástroj, ktorý poskytovatelia jazykových služieb (LSP) využívajú na znižovanie nákladov. Práve preto „sú z toho mnohí prekladatelia a projektoví manažéri frustrovaní“ (Sakamoto, 2018, s. 8). Z tohto dôvodu by prekladatelia mali mať prístup k informáciám o výške sadzieb a spôsobe ich výpočtu. Stanovenie sadzieb nie je ľahká úloha a existujú rôzne spôsoby ich výpočtu: pri modeli x-ante sa cena stanoví ešte pred realizáciou projektu, zatiaľ čo v modeli ex-post sa odmena určuje na základe reálneho výkonu (Plaza-Lara, 2020, s. 171). Tiež je dôležité, aby mal prekladateľ od klienta dostatok informácií o rozsahu projektu a termínoch. Vďaka týmto informáciám totiž chápe, aké má MTPE postavenie v danom projekte. Prekladatelia potrebujú vedieť, koľko majú času, či si ich práca vyžaduje nejaké prípravné kroky, v akej forme dostanú k dispozícii MT a aký je celkový pracovný postup MTPE.
4.1.2 Zdroje
Podľa Krügerovho modelu sú prekladateľské technológie spolu s ďalšími kultúrnymi nástrojmi dôležitou súčasťou toho, ako prekladateľ premýšľa a pracuje (Krüger, 2016b, s. 121). Krüger (2016a, s. 320 – 326) vymedzuje niekoľko typov zdrojov, ktoré prekladatelia využívajú, a to: základné pracovné vybavenie (kancelárske vybavenie a nábytok, komunikačné zariadenie), online vyhľadávacie a informačné nástroje (online databázy, blogy, diskusné fóra), základné prekladateľské technológie (softvér na spracovanie textu, správca súborov, textový editor a pod.), špecializované prekladateľské technológie (TM, terminologická databáza, nástroje na párovanie slov, softvér MT a program na manažovanie projektov). Domnievame sa, že zo všetkých vyššie uvedených zdrojov sú pri tvorbe zásad MTPE najdôležitejšie špecializované prekladateľské technológie, pretože priamo ovplyvňujú podobu a realizáciu projektu. Aby mohli prekladatelia pracovať efektívne, potrebujú jasné odpovede na tieto otázky:
• Je k dispozícii glosár?
• O aký softvér MT ide? Na základe akých údajov bol vytrénovaný? Využíva TM?
• Bude MTPE prebiehať staticky alebo dynamicky (Vieira, 2019, s. 322)? Pokiaľ ide o statický proces, systém MT najprv vygeneruje preklad a prekladateľ ho následne upraví. Pri dynamickom procese prekladateľ a systém MT pracujú paralelne. Prekladateľ vykonáva úpravy a systém sa z nich v reálnom čase učí a v priebehu práce sa zlepšuje (Vieira, 2019, s. 322).
4.1.3 Kooperujúci partneri a používatelia
Kooperujúci partneri sú dôležitou súčasťou ekosystému MTPE. Podľa Krügera (2016a, s. 316) môžu plniť rôzne úlohy ako: iniciátor prekladu (osoba alebo spoločnosť, ktorá iniciuje preklad), zadávateľ (ten, kto zadá projekt prekladateľovi), odosielateľ východiskového textu (autor textu), používateľ cieľového textu (osoba, ktorá bude používať cieľový text), príjemca cieľového textu (adresát cieľového textu), spoluprekladateľ (osoba, ktorá pracuje spolu s prekladateľom), korektor (osoba, ktorá kontroluje a opravuje preklad) a projektový manažér (osoba, ktorá dohliada na celý proces). Aby prekladateľ dobre zvládol MTPE, mal by vedieť, kto akú úlohu zastáva a aké sú jeho kompetencie a požiadavky. Vďaka tomu sa dá lepšie naplánovať celý projekt, kto s kým bude spolupracovať, kto čo bude robiť a aké sú požiadavky konečného používateľa prekladu.
4.2 Text
Druhou dôležitou súčasťou MTPE ekosystému je samotný text (Obrázok 1). Prekladatelia potrebujú kľúčové informácie o texte, ktorý budú posteditovať. Medzi tieto informácie patrí:
• oblasť prekladu: téma textu. Keď poznáme tému, dokážeme text ľahšie priradiť prekladateľovi s adekvátnymi odbornými znalosťami,
• potenciálne riziká: niektoré texty sa používajú v situáciách, kde je dôležitá bezpečnosť a kde by chyby mohli mať vážne následky (Nitzke et al., 2019; Canfora – Ottmann, 2020),
• predpokladaná doba platnosti textu: ako sme uviedli v podkapitole 3.3, úroveň kvality ovplyvňuje aj to, ako dlho bude obsah textu relevantný. Ak je text užitočný len krátky čas, možno použiť aj MT s minimálnou kvalitou (Moorkens, 2017, s. 471),
• účel textu: je text určený na internú alebo externú komunikáciu? Účel textu má spolu s predpokladanou dobou platnosti textu vplyv na požadovanú úroveň kvality.
4.2.1 Zásady MTPE
Poslednou a najdôležitejšou súčasťou ekosystému zásad MTPE sú samotné zásady. V ideálnom prípade by tieto zásady mali zohľadňovať nasledujúce aspekty:
• mali by ísť nad rámec mechanickej opravy chýb vo výstupe MT,
• mali by zohľadňovať, že výstupy MT sa často kombinujú s výstupmi z iných nástrojov, ako je TM a terminologické databázy,
• mali by prihliadať na relatívnu povahu kvality,
• mali by prekladateľom uľahčiť pochopenie bežných typov chýb, ktoré môže generovať konkrétny systém MT.
Aby boli pokyny jasnejšie, navrhujeme ich rozdeliť do dvoch vzájomne prepojených častí: všeobecné pokyny a pokyny prispôsobené konkrétnemu jazyku.
4.2.2 Všeobecné pokyny
Pri tvorbe všeobecných pokynov treba brať do úvahy, že prekladatelia potrebujú jednoznačné a zrozumiteľné inštrukcie (pozri podkapitola 3.1). Namiesto tradičného rozdelenia na ľahkú a úplnú MTPE navrhujeme nový prístup, podľa ktorého sú všeobecné pokyny rozdelené do dvoch vzájomne sa dopĺňajúcich krokov: kontrola a oprava6. Kontrola – prekladateľ skontroluje výstup MT a porovná ho s východiskovým textom. Oprava – prekladateľ sa zameriava na zdokonalenie výstupu MT a vykonáva potrebné zmeny na základe kvalitatívnych kritérií, ktoré dostal. Na obrázku 2 sú uvedené konkrétne úkony, ktoré súvisia s uvedenými krokmi.
Obrázok 2: Kontrola a oprava: konkrétne úkony
4.2.3 Pokyny špecifické pre daný jazyk
Okrem všeobecných pokynov sú dôležité aj tie, ktoré sa týkajú konkrétnych jazykov, pretože podľa Sartiho et al. (2022) kvalita posteditácie NMT vo veľkej miere závisí od jazykového páru a príbuznosti jednotlivých jazykov. Vďaka týmto pravidlám dokážu prekladatelia napríklad vybrať správnu varietu jazyka, zvoliť vhodné slovné spojenie či špecifické vetné štruktúry (bližšie pozri Mah, 2020). Posteditácia by bola pre prekladateľov jednoduchšia, ak by mali k dispozícii vzorové preklady pre rôzne jazykové kombinácie. Vďaka tomu budú vedieť, čo môžu od MT očakávať, ako si poradiť s rôznymi typmi chýb a ako majú posteditovať text v danom jazyku.
4.3.3 Spätosť zásad MTPE s problematizujúcimi faktormi
Ak sú zásady MTPE súčasťou vyššie opísaného ekosystému, vplyv problematizujúcich faktorov na MTPE je minimálny. Teraz sa vrátime k obrázku 1, aby sme vysvetlili, ako si možno vďaka jednotlivým častiam ekosystému poradiť s problematizujúcimi faktormi. Tieto súvislosti sú na obrázku 1 znázornené pomocou piatich čiar.
• Čiary a a b spájajú kontextové informácie (ako sú psychosociálne faktory, zdroje a kooperujúci partneri) s charakterom MTPE a relatívnou kvalitou posteditovaného textu. Čiara a, ktorá spája kontextové informácie s charakterom MTPE, je založená na nasledujúcich aspektoch. Ako sme už uviedli vyššie, interakcia medzi MT a TM môže zahmlievať pôvod obsahu, s ktorým prekladatelia pracujú. Z tohto dôvodu MTPE funguje ako špecifický druh prekladu. Inými slovami, spôsob vykonávania MTPE závisí od toho, ako prekladateľ počas celého procesu spolupracuje s MT a TM. Aby prekladatelia správne pochopili zadanie MTPE, potrebujú jasné informácie o všetkom, čo ovplyvňuje ich prácu, ako: pracovné prostredie, termíny a sadzby platieb, dostupné glosáre, použitý softvér MT, pracovný postup pri MTPE a informácie o tom, kto na projekte pracuje.
• Čiara b vyjadruje detailnejší vzťah medzi zdrojmi, kooperujúcimi partnermi a relatívnou kvalitou posteditovaného textu. Ako sme spomenuli, kvalita MTPE nie je vždy rovnaká – závisí od toho, na čo sa text použije, ako ho vníma používateľ a ako dlho bude aktuálny. Ak ku kvalite pristupujeme flexibilnejšie, môžeme podľa potreby stanoviť rôzne úrovne kvality. Prekladatelia lepšie porozumejú rôznym úrovniam kvality, ak majú informácie o softvéri MT, očakávaniach klienta a účele textu. Ak prekladatelia dostanú všetky potrebné informácie, budú mať proces MTPE pod kontrolou. Lepšie porozumejú úlohe a pochopia, že kvalita závisí od rôznych faktorov.
• Čiara c znázorňuje, že keď prekladatelia poznajú podrobnosti o texte, ľahšie sa rozhodujú, ako k posteditácii pristúpiť. Keď majú prekladatelia informácie o texte – napríklad o jeho kľúčových vlastnostiach, o tom, ako dlho sa bude používať, o účele a prípadných rizikách – dokážu určiť správnu úroveň kvality posteditácie. Vďaka tomu majú prekladatelia opäť celý proces pod kontrolou, lebo sa sami rozhodnú, ako k úprave textu pristúpia.
• Čiary d a e znázorňujú, ako môžu zásady MTPE prispieť k zníženiu frustrácie tým, že prekladatelia vedia, čo očakávať a ako riešiť chyby NMT. Interpretácia zásad býva pre prekladateľov problematická, keďže môžu byť príliš zložité alebo abstraktné, môžu si odporovať alebo sa opakovať, alebo sú založené na binárnom delení, ktoré nereflektuje celú škálu posteditácie. Domnievame sa, že nejasné pokyny spôsobujú zbytočný zmätok a tento problém možno vyriešiť zavedením jednoduchých pokynov – ako napríklad „kontrola a oprava“ – ktoré reflektujú typológiu chýb NMT v jednotlivých jazykových kombináciách. Ak by prekladatelia pracovali s jasnými a presnými pokynmi, malo by to pozitívny vplyv na ich prácu.
Záver
Definovanie zásad MTPE nie je vôbec jednoduché. Úroveň posteditácie závisí od kvality výstupu MT, ale svoju úlohu tu zohrávajú aj ďalšie faktory ako napríklad subjektívne vnímanie úlohy, požiadavky klienta, požadované úsilie a očakávaná produktivita. Tradične sa prekladatelia riadia zásadami, ktoré MTPE rozdeľujú do dvoch úrovní: ľahkej a úplnej. Ak vezmeme do úvahy nedávny pokrok v oblasti NMT a jeho lepšiu kvalitu, domnievam sa, že starý spôsob delenia MTPE na ľahkú a úplnú úroveň už nedáva zmysel. Systémy NMT dosahujú v mnohých jazykoch oveľa lepšie výsledky ako staršie prekladateľské nástroje a generujú plynulé preklady s menším počtom chýb. V takomto kontexte sa hranica medzi ľahkou a úplnou posteditáciou čoraz viac stiera – a preto sa zdá, že prísne delenie MTPE na dve úrovne už dnes nie je potrebné.
V tomto článku spochybňujeme tradičný spôsob delenia MTPE na rôzne úrovne a navrhujeme nový prístup k tvorbe zásad MTPE. Najprv sme sa venovali relevantným teoretickým východiskám zásad MTPE a následne sme vysvetlili, prečo nie je jednoduché stanoviť jasné pravidlá pre MTPE. Potom sme skúmali rôzne faktory, ktoré MTPE problematizujú a ovplyvňujú to, ako by mali byť zásady formulované. V jadre článku definujeme súbor kritérií MTPE v rámci ekosystému. Ekosystém umožňuje vytvoriť jasné a prehľadné usmernenia a zároveň poskytuje prekladateľovi väčšiu kontrolu nad procesom posteditácie. Cieľom tohto článku bolo navrhnúť model zásad MTPE, o ktoré sa môže prekladateľ oprieť. Model je navrhnutý tak, aby eliminoval problematizujúce faktory a pomáhal predchádzať negatívnym pocitom v súvislosti s MTPE. Vysvetlili sme, že tradičné zásady MTPE sú často buď príliš vágne, alebo sa viažu na konkrétny kontext, čo sťažuje ich dôsledné uplatňovanie. Náš model spája všetky kľúčové faktory, ktoré ovplyvňujú rozhodnutia prekladateľov, do jedného organizovaného systému. Uľahčuje to tvorbu účinných zásad MTPE, poskytuje príklady z reálneho života a zabezpečuje, aby sa tieto zásady mohli šíriť a uplatňovať v rôznych projektoch MTPE.
Navrhovaný model ekosystému MTPE je ešte potrebné otestovať a stále tu ostáva priestor na ďalší výskum. Jednou z kľúčových otázok je, či tento model nevytvára príliš veľkú informačnú alebo kognitívnu záťaž pre prekladateľov. Keďže sú mnohé existujúce zásady MTPE podľa prekladateľov zložité, náš model treba dôkladne verifikovať. MTPE sa v praxi používa namiesto ľudského prekladu, lebo si údajne vyžaduje menej úsilia. Výskum (Koglin – Cunha, 2019; Moorkens, 2018; Vieira, 2017; Koponen, 2016) však ukazuje, že identifikácia a oprava chýb vo výstupe MT je kognitívne náročnejšia. Preto je dôležité posúdiť, či majú prekladatelia dostatok času a schopností na spracovanie informácií v ekosystéme modelu. Inšpiráciu možno hľadať vo výskumoch Cadwella et al. (2016), Rossiho a Chevrota (2019) alebo Schnierera (2019). Najlepšie by sme na túto otázku našli odpoveď, ak by sme sa prostredníctvom výskumu pozreli priamo na to, ako prekladatelia ekosystém MTPE používajú a ako ho vnímajú. Ďalšou zásadnou otázkou je, ako možno tento model MTPE implementovať v praxi. Liua (2020) vo svojej štúdii o pracovných podmienkach zistil, že prekladatelia si veľmi cenia prístup k akýmkoľvek informáciám, vďaka ktorým dokážu lepšie pochopiť zadanie, vrátane možnosti komunikovať so zákazníkmi, autormi alebo koncovými používateľmi alebo poznajú účel prekladu. Hoci táto štúdia priamo neuvádza zásady MTPE, dá sa predpokladať, že ich dostupnosť by mohla prekladateľovi uľahčiť prácu. Viacero štúdií (pozri napr. Drugan, 2017) poukazuje na to, že prekladatelia majú často problém získať aj základné informácie o širšom kontexte prekladu. Niekedy sa tiež nemajú na koho obrátiť, keď pri práci narazia na problémy alebo výzvy. Zásady by sa mohli v praxi implementovať prostredníctvom jednoduchého súboru údajov, ktorý poskytuje kľúčové informácie o všetkých častiach ekosystému. Tento spôsob implementácie použili Rico Pérez a Díez Orcas (2013) pre posteditáciu MT založenú na pravidlách a prekladateľom poskytli v jednom súbore užitočné informácie o projekte vrátane toho, či ide o úplnú alebo ľahkú posteditáciu. Ďalej by sa dalo skúmať, ako tieto súbory s údajmi možno prispôsobiť potrebám MTPE ekosystému a či ich praktické využitie dokáže zvýšiť spokojnosť prekladateľov s vlastnou prácou. Domnievame sa, že keď prekladateľom uľahčíme samotný proces MTPE, lepšie porozumejú danej úlohe, čo môže zmierniť ich negatívny postoj k MT a posilniť dôveru v jeho užitočnosť.
Zdroje
Allen, Jeff. 2003. Post-editing. In: H. Somers (ed.). Computers and Translation. A translator’s guide. Amsterdam/Philadelphia : John Benjamins, 2003, s. 297 – 317.
Bentivogli, Luisa et al. 2016. Neural versus Phrase-Based Machine Translation Quality: A Case Study. In: Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing, 2016, s. 257 – 267 [cit. 2023-06-13]. Dostupné na: https://aclanthology.org/D16-1025.pdf.
Blagodarna, Olena. 2018. Insights into post-editors’ profiles and post-editing practices. In: Revista Tradumàtica. Tecnologies de la Traducció, č. 16, 2018, s. 35 – 51.
Bowker, Lynne. 2020. Fit-for-purpose translation. In: M. O’Hagan (ed.). The Routledge Handbook of Translation and Technology. London : Routledge, 2020, s. 453 – 468.
Bundgaard, Kristine – Paulsen Christensen, Tina. 2019. Is the Concordance Feature the New Black? A Workplace Study of Translators’ Interaction with Translation Resources while Post-Editing TM and MT Matches. In: The Journal of Specialised Translation, č. 31, 2019, s. 14 – 37 [cit. 2023-06-13]. Dostupné na: http://www.jostrans.org/issue31/art_bundgaard.php.
Cadwell, Patrick et al. 2016. Human factors in machine translation and post-editing among institutional translators. In: Translation Spaces, roč. 5, č. 2, 2016, s. 222 – 243.
Cadwell, Patrick et al. 2018. Resistance and accommodation: factors for the (non-) adoption of machine translation among professional translators. In: Perspectives, roč. 26, č. 3, 2018, s. 301 – 321.
Canfora, Carmen – Ottmann, Angelika. 2020. Risks in neural machine translation. In: Translation Spaces, roč. 9, č. 1, 2020, s. 58 – 77.
Carl, Michael et al. 2011. The Process of Post-Editing: A Pilot Study. In: Copenhagen Studies in Language, roč. 41, 2011, s. 131 – 142.
Castilho, Sheila et al. 2017. Is Neural Machine Translation the New State of the Art? In: The Prague Bulletin of Mathematical Linguistics, roč. 108, 2017, s. 109 – 120 [cit. 2023-06-13]. Dostupné na: https://ufal.mff.cuni.cz/pbml/108/art-castilho-moorkens-gaspari-tinsley-calixto-way.pdf.
Daems, Joke – Macken, Lieve. 2021. Post-editing human translations and revising machine translations. In: M. Koponen et al. (eds.). Translation Revision and Post-editing. Industry Practices and Cognitive Processes. London : Routledge, 2021, s. 50 – 70.
de Almeida, Giselle. 2013. Translating the post-editor: An investigation of post-editing changes and correlations with professional experience across two romance languages [dizertačná práca]. Dublin : Dublin City University, 2013 [cit. 2023-06-13]. Dostupné na: http://doras.dcu.ie/17732/.DePalma, Donald A. 2013. Post-editing in practice. In: tcworld, 2013 [cit. 2023-06-13]Dostupné na: https://www.tcworld.info/e-magazine/translation-and-localization/post-editing-inpractice459/.
do Carmo, Felix. 2020. ʻTime is money’ and the value of translation. In: Translation Spaces, roč. 9, č. 1, 2020, s. 35 – 57.
do Carmo, Felix – Moorkens, Joss. 2021. Differentiating editing, post-editing and revision. In: M. Koponen et al. (eds.). Translation revision and post-editing. London : Routledge, 2021, s. 35 – 49.
Doherty, Stephen. 2017. Issues in Human and Automatic Translation Quality Assessment. In: D. Kenny (ed.). Human issues in translation technology. London : Routledge, 2017, s. 131 – 148.
Drugan, Joanna. 2017. Ethics and social responsibility in practice: Interpreters and translators engaging with and beyond the profession. In: The Translator, roč. 23, č. 2, 2017, s. 126 – 142.
ELIS. 2023. European Language Industry Survey. Trends, expectations and concerns of the European language industry. ELIS Research. 2023 [cit. 2023-06-13]. Dostupné na: .
EUATC. 2013. EUATC Survey. Expectations and Concerns of European Translation Companies. 2013 [cit. 2023-06-13]. Dostupné na: .
Flanagan, Marian – Paulsen Christensen, Tina. 2014. Testing post-editing guidelines: How translation trainees interpret them and how to tailor them for translator training purposes. In: The Interpreter and Translator Trainer, roč. 8, č. 2, 2014, s. 276 – 294.
Ginovart CID, Clara – Colominas, Carme – Oliver, Antoni. 2020. Language industry views on the profile of the post-editor. In: Translation Spaces, roč. 14, 2020, s. 283 – 313.
Guerberof-Arenas, Ana. 2013. What do professional translators think about post-editing? In: The Journal of Translation Studies, č. 19, 2013, s. 75 – 95 [cit. 2023-06-13]. Dostupné na: https://www.jostrans.org/issue19/art_guerberof.pdf.
Guerrero, Lucia – GENE, Viveta. 2021. Workshop: Drafting effective machine translation post-editing guidelines. TC43 Asling, 18th Nov. 2021. 2021 [cit. 2023-06-13]. Dostupné na: https://www.asling.org/tc43/wp-content/uploads/2021/11/TC43-Day3-WS-GuerreroGene-Drafting-eff-MTPE-guidelines.pdf.
Hu, Ke – Cadwell, Patrick. 2016. A Comparative Study of Post-editing Guidelines. In: Baltic Journal of Modern Computing, roč. 4, č. 2, 2016. s. 346 – 353.
ISO (International Organization for Standardization). 2017. Translation Services – Post-Editing of Machine Translation Output – Requirements. ISO 18587:2017. Geneva : International Organization for Standardization, 2017 [cit. 2023-06-13]. Dostupné na: https://www.iso.org/standard/62970.html.
Jakobsen, Arnt Lykke. 2019. Moving translation, revision and post-editing boundaries. In: H. Dam – M. Brøgger – K. Zethsen, (eds.). Moving Boundaries in Translation Studies. London : Routledge, 2019, s. 64 – 80.
Koglin, Arlene – Cunha, Rossana. 2019. Investigating the post-editing effort associated with machine-translated metaphors: a process-driven analysis. In: The Journal of Specialised Translation, roč. 31, 2019, s. 38 – 59.
Koponen, Maarit. 2016. Is machine translation post-editing worth the effort? A survey of research into post-editing and effort? In: The Journal of Specialised Translation, roč. 25, 2016, s. 131 – 148.
Koponen, Maarit – SALMI, Leena. 2017. Post-editing quality: Analysing the correctness and necessity of post-editor corrections. In: Linguistica Antverpiensia, New Series: Themes in Translation Studies, roč. 16, 2017, s. 137 – 148.
Krings, Hans P. 2001. Repairing Texts. Empirical Investigations of Machine Translation Post-Editing Processes. Kent : The Kent State University Press, 2001. 648 s.
Krüger, Ralph. 2016a. Situated LSP Translation from a Cognitive Translational Perspective. In: Lebende Sprachen, roč. 61, č. 2, 2016, s. 297 – 332.
Krüger, Ralph. 2016b. Contextualising Computer-Assisted Translation Tools and Modelling Their Usability. In: trans-kom, roč. 9, č. 1, 2016, s. 114 – 148 [cit. 2023-06-13].. Dostupné na:
Lacruz, Isabel – Shreve, Gregory M. – Angelone, Erik. 2014. Pauses and Cognitive Effort in Post-editing. In: Workshop on Post-Editing Technology and Practice. San Diego : Association for Machine Translation in the Americas, 2014 [cit. 2023-06-13]. Dostupné na: https://aclanthology.org/2012.amta-wptp.3/.
Liu, Christy Fung-Ming. 2020. How Should Translators Be Protected in the Workplace? Developing a Translator Rights Model Inventory. In: Hermēneus. Revista de Traducción e Interpretación, č. 22, 2020, s. 243 – 269.
Mah, Seung-Hye. 2020. Defining language dependent post-editing guidelines for specific content. In: Babel. Revue internationale de la traduction / International Journal of Translation, roč. 66, č. 4 – 5, 2020, s. 811 – 828.
Massardo, Isabella et al. 2016. Machine Translation Post-editing Guidelines. 2016 [cit. 2023-06-13]. Dostupné na: https://www.taus.net/insights/reports/taus-post-editing-guidelines.
Mellinger, Christopher D. 2018. Re-thinking translation quality. In: Target, roč. 30, č. 2, 2018, s. 310 – 331.
Moorkens, Joss. 2017. Under pressure: translation in times of austerity. In: Perspectives, roč. 25, č. 3, 2017, s. 464 – 477.
Moorkens, Joss. 2018. Eye tracking as a measure of cognitive effort for post-editing of machine translation. In: C. Walker – F. M. Federici, (eds.). Eye Tracking and Multidisciplinary Studies on Translation. Amsterdam : BTL, 2018, 143, s. 55 – 69.
Neubig, Graham – Morishita, Makoto – Nakamura, Satoshi. 2015. Neural Reranking Improves Subjective Quality of Machine Translation: NAIST at WAT2015. In: Proceedings of the 2nd Workshop on Asian Translation (WAT2015), 2015, s. 35 – 41.
NITZKE, Jean – GROS, Anne-Kathrin. 2021. Preferential changes in revision and post-editing. In: M. Koponen et al. (eds.). Translation Revision and Post-editing. Industry Practices and Cognitive Processes. London : Routledge, 2021, s. 21 – 34.
Nitzke, Jean – Hansen-Schirra, Silvia – Canfora, Carmen. 2019. Risk management and post-editing competence. In: The Journal of Specialised Translation, č. 31, 2019, s. 239 – 259.
Nitzke, Jean – Hansen-Schirra, Silvia. 2021. A short guide to post-editing (Translation and Multilingual Natural Language Processing 16). Berlin : Language Science Press, 2021 94 s.
Nunziatini, Mara – Marg, Lena. 2020. Machine Translation Post-Editing Levels: Breaking Away from the Tradition and Delivering a Tailored Service. In: Proceedings of the EAMT, 2020, s. 309 – 318 [cit. 2023-06-13]. Dostupné na: https://aclanthology.org/2020.eamt-1.33.pdf.
O’Brien, Sharon. 2011a. Introduction to Post-Editing: Who, What, How and Where to Next? 2011 [cit. 2023-06-13]. Dostupné na: https://aclanthology.org/2010.amta-tutorials.1.pdf.
O’Brien, Sharon. 2011b. Towards predicting post-editing productivity. In: Machine Translation, roč. 25, č. 3, 2011, s. 197 – 215.
O’Brien, Sharon – Conlan, Owen. 2019. Personalising translation technology. In: H. Dam – M. Brøgger – K. Zethsen (eds.). Moving Boundaries in Translation Studies. London : Routledge, 2019, s. 81 – 97.
O’Brien, Sharon – Roturier, Johann – de Almeida, Giselle. 2009. Post-Editing MT Output. Views for the researcher, trainer, publisher and practitioner. MT Summit 2009 tutorial. 2009 [cit. 2023-06-13]. Dostupné na: https://aclanthology.org/www.mt-archive.info/MTS-2009-OBrien-ppt.pdf.
Plaza-Lara, Cristina. 2020. How does machine translation and post-editing affect project management? An interdisciplinary approach. In: Hikma, roč. 19, č. 2, 2020, s. 163 – 182.
Ragni, Valentina – VIEIRA, Lucas Nunes. 2022. What has changed with neural machine translation? A critical review of human factors. In: Perspectives, roč. 30, č. 1, 2022, s. 137 – 158.
Rico Pérez, Celia – Díez Orzas, Pedro L.. 2013. EDI-TA: Post-editing methodology for Machine Translation. In: Multilingualweb-LT Deliverable 4.1.4. Annex I [cit. 2023-06-13]. Dostupné na: .
Rico Pérez, Celia – del Mar Sánchez Ramos, María. 2023. The Ethics of Machine Translation Post-editing in the Translation Ecosystem. In: C. Parra – H. Moritz (eds.). Towards Responsible Machine Translation. Ethical and Legal Considerations in Machine Translation. Book series Machine Translation: Technologies and Applications. Cham : Springer, 2023, s. 95 – 113.
Risku, Hanna. 2004. Translationsmanagement. Interkulturelle Fachkommunikation im Kommunikationszeitalter. Tübingen : Narr, 2004. 288 s.
Risku, Hanna. 2010. A Cognitive Scientific View on Technical Communication and Translation. Do Embodiment and Situatedness Really Make a Difference? In: Target, roč. 22, 1, 2010, s. 94 – 111.
Rosi, Caroline – Chevrot, Jean-Pierre. 2019. Uses and perceptions of machine translation at the European Commission. In: Journal of Specialised Translation, č. 31, 2019, s. 177 – 200.
Sakamoto, Akiko. 2018. Unintended Consequences of Translation Technologies: from Project Managers’ Perspectives. In: Perspectives, roč. 27, č. 1, 2018, s. 58 – 73.
Sakamoto, Akiko. 2019. Why do many translators resist post-editing? A sociological analysis using Bourdieu’s concepts. In: Journal of Specialised Translation, č. 31, 2019, s. 201 – 216.
Sakamoto, Akiko – Yamada, Masaru. 2020. Social groups in machine translation post-editing. A SCOT analysis. In: Translation Spaces, roč. 9, č. 1, 2020, s. 78 – 97.
Sánchez-Gijón, Pilar – Moorkens, Joss – Way, Andy. 2019. Post-editing neural machine translation versus translation memory segments. In: Machine Translation, roč. 33, č. 1 – 2, 2019, s. 31 – 59.
Sarti, Gabriele – BISAZZA, Arianna – GUERBEROF-ARENAS, Ana – Toral, Antonio. 2022. DivEMT: Neural Machine Translation Post-Editing Effort Across Typologically Diverse Languages. In: Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing, 2022, s. 7 795 – 7 816 [cit. 2023-06-13]. Dostupné na: https://preview.aclanthology.org/emnlp-22-ingestion/2022.emnlp-main.532/.
Silva, Roberto. 2014. Integrating Post-Editing MT in a Professional Translation Workflow. In: S. O’Brien et al. (eds.). Post-editing of Machine Translation: Processes and Applications. Newcastle : Cambridge Scholars Publishing, 2014, s. 24 – 50.
Schnierer, Madeleine. 2021. Revision and quality standards: do translation service providers follow recommendations in practice? In: M. Koponen et al. (eds.). Translation Revision and Post-editing. Industry Practices and Cognitive Processes. London : Routledge, 2021, s. 109 – 130.
TAUS. 2010. Machine Translation Post-editing Guidelines produced in partnership with CNGL (Centre for Next Generation Localisation). 2010 [cit. 2023-06-13]. Dostupné na: http://www.translationautomation.com/guidelines/.
TAUS. 2020. DQF Business Intelligence Bulletin, September 2020. 2020 [cit. 2023-06-13]. Dostupné na: https://info.taus.net/taus-business-intelligence-bulletin-september-2020.
Teixeira, Carlos S. C. – O’Brien, Sharon. 2017. Investigating the cognitive ergonomic aspects of translation tools in a workplace setting. In: Translation Spaces, roč. 6, č. 1, 2017, s. 79 – 103.
Temizöz, Özlem. 2016. Postediting machine translation output: Subject-matter experts versus professional translators. In: Perspectives, roč. 24, č. 4, 2016, s. 646 – 665.
Toral, Antonio. 2020. Reassessing Claims of Human Parity and Super-Human Performance in Machine Translation at WMT 2019. In: Proceedings of EAMT 2020, 2020, s. 185 – 194 [cit. 2023-06-13]. Dostupné na: https://aclanthology.org/2020.eamt-1.20.pdf.
Vashee, Kirti. 2021. The Challenge of Defining Translation Quality. Aurora : GALA Knowledge Center, 2021 [cit. 2023-06-13]. Dostupné na: https://www.gala-global.org/knowledge-center/professional-development/articles/challenge-defining-translation-quality.
Vieira, Lucas Nunes. 2017. Cognitive effort and different task foci in post-editing effort and post-edited quality of machine translation: a think-aloud protocol. In: Across Languages and Cultures, roč. 18, č. 1, 2017, s. 79 – 105.
Vieira, Lucas Nunes. 2018. Automation anxiety and translators. In: Translation Studies, roč. 13, č. 1, 2018, s. 1 – 21.
Vieira, Lucas Nunes. 2019. Post-editing of Machine translation. In: M. O’Hagan (ed.). The Routledge Handbook of Translation and Technology. London : Routledge, 2019, s. 319 – 336.
Vieira, Lucas Nunes – ALONSO, Elisa. 2019. Post-editing in practice – Process, product and networks. In: The Journal of Specialised Translation, č. 31, s. 2 – 13 [cit. 2023-06-13]. Dostupné na: https://www.jostrans.org/issue31/art_introduction.pdf.
Way, Andy. 2018. Quality expectations in Machine Translation. In: J. Moorkens et al. (eds). Translation Quality Assessment. From Principles to Practice. Cham : Springer, 2018, s. 159 – 178.
Wu, Yonghui et al. 2016. Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine. 2016 [cit. 2023-06-13]. Dostupné na: https://arxiv.org/abs/1609.08144.
Poznámky
1 V tomto článku používame výraz „prekladatelia“ namiesto „posteditori“, pretože sa domnievame, že MTPE je natoľko komplexné, aby sme ho mohli považovať za osobitný typ prekladu (pozri napr. Carmo and Moorkens, 2021, s. 40 – 42). Uvedomujeme si, že táto otázka je stále predmetom diskusie, pretože rozdiel medzi týmito dvoma pojmami ešte nie je úplne jasný (Sakamoto, 2019).
2 Kým prieskum EUATC z roku 2013 ukázal, že strojový preklad v tom čase využívala iba malá časť poskytovateľov jazykových služieb (EUATC, 2013, s. 4), najnovší prieskum ELIS z roku 2023 potvrdzuje, že strojový preklad dominuje vo všetkých oblastiach prekladateľského priemyslu (ELIS, 2023, s. 5).
3 Kvalita prekladu je vo všeobecnosti ťažko uchopiteľný pojem a často sa posudzuje na základe zásad MTPE. V navrhnutom rámci kladieme dôraz na konkrétne kroky, ktoré majú minimalizovať subjektívne zásahy prekladateľov. Ide len o návrh usmernení, ktorý je potrebné najprv otestovať v praxi.
4 Prípadová štúdia informuje o práci spoločnosti Welocalize v Taliansku a Spojených štátoch.
5 Skupina Training GALA Special Interest Group pripravuje jednotný školiaci plán pre MTPE, ktorý vzniká v spolupráci so všetkými zainteresovanými stranami a je navrhnutý tak, aby priniesol úžitok celej komunite.
6 Pri tvorbe týchto pokynov sme vychádzali zo štandardných zásadách posteditácie (najmä TAUS 2010), ale upravili sme ich tak, aby lepšie fungovali v rámci daného ekosystému.