کنترل کیفیت ترجمه، چک‌لیست و آزمون ترجمه با هوش مصنوعی

تضمین کیفیت ترجمه بررسی می‌کند آیا متن مقصد معنی، واقعیت، اصطلاح، لحن و هدف منبع را حفظ کرده است. جملهٔ روان ممکن است دستور یا عدد را تغییر دهد، پس نمونه‌خوانی ظاهری کافی نیست.

در نمونهٔ اصلی، سه مسیر JotMe بررسی شد. ترجمهٔ زنده، ترجمهٔ سند و ترجمهٔ متن. متن انگلیسی و خروجی ژاپنی از نظر معنا، کامل بودن، داده‌ها، اصطلاح، دستور و بافت مقایسه شدند.

در همان آزمون، ChatGPT بر اساس داده‌های ارائه‌شده به نمونهٔ زنده ۹۶ از ۱۰۰ و به نمونهٔ سند و متن هر کدام ۹۷ از ۱۰۰ داد. این‌ها نمرهٔ همان نمونه‌ها هستند.

نتیجه فقط برای همین داده‌ها و شرایط است. برای جفت‌زبان یا محتوای دیگر باید آزمون جدا اجرا کرد. نمرهٔ ChatGPT جای ارزیابی دوزبانهٔ مستقل را نمی‌گیرد.

تضمین کیفیت ترجمه چیست؟

فرایندی برای سنجیدن انطباق متن مقصد با اطلاعات منبع و هدف واقعی استفاده است.

پیش از تولید، معیار و واژه‌های لازم را تعیین کنید. بعد از تولید، خروجی را بازبینی، خطاهای تکراری را ثبت و فرایند را اصلاح کنید.

در بازبینی، این موارد را جداگانه بررسی کنید.

• معنا: ایده و منظور اصلی حفظ شده است؟
• کامل بودن: قید، دستور، جمله یا مثال مهم حذف نشده است؟
• واقعیت: تاریخ، ساعت، تعداد، نام و واحد تغییر نکرده‌اند؟
• اصطلاح: نام محصول و واژهٔ تخصصی درست و یکدست‌اند؟
• دستور: جمله در زبان مقصد درست ساخته شده است؟
• روانی: گویندهٔ مسلط معمولاً همین‌طور می‌نویسد؟
• لحن: رسمیت و قصد نویسنده حفظ شده‌اند؟
• بافت: جمله با بخش‌های قبلی و بعدی سازگار است؟

چارچوب MQM خطاهای ترجمهٔ انسانی و ماشینی را بر اساس نوع، شدت و شیوهٔ امتیازدهی دسته‌بندی می‌کند. ISO 5060 هم راهنمای ارزیابی خروجی ترجمه در حالت‌های مختلف است.

در خروجی روان هم تاریخ اشتباه یا دستور حذف‌شده ممکن است از دید خواننده پنهان بماند.

در ترجمهٔ زنده، خطای تشخیص صدا را از خطای انتقال معنا جدا کنید. اگر سامانه «بازارهای آسیایی» را ابتدا اشتباه شنیده باشد، متن اصلیِ ورودی به مترجم هم مشکل دارد.

چارچوب آزمون و روش‌های تضمین کیفیت ترجمه

پیش از دیدن خروجی، معلوم کنید چه چیزی آزمایش می‌شود، خطا چگونه ثبت می‌شود و کدام خطا مانع تأیید است.

۱. معیار کیفیت را قبل از بازبینی مشخص کنید

تعریف کیفیت را با نوع خروجی و مخاطب هماهنگ کنید.

برای سند کاری، واقعیت‌ها، اصطلاح و کامل بودن اهمیت دارند. برای ترجمهٔ زنده، پیاده‌سازی گفتار، زمان نمایش، بافت و امکان پاسخ هم اهمیت دارند.

مخاطب، ریسک، واژه‌های الزام‌آور و شرط پذیرش را بنویسید. برای هشدار ایمنی، هیچ خطای بحرانی حل‌نشده‌ای نباید بماند.

۲. متن مبنا و مقصد را کنار هم بخوانید

اگر فقط ترجمه را بخوانید، ممکن است حذف یک قید یا تغییر دستور در جمله‌ای روان دیده نشود.

برای هر مورد، جملهٔ مبنا و مقصد، نوع خطا، شدت و اصلاح لازم را ثبت کنید.

در آزمون سند و متن JotMe، جمله‌های انگلیسی و ژاپنی کنار هم بررسی شدند تا ببینیم اطلاعات در مقصد باقی مانده است.

۳. واقعیت‌ها را جدا از سبک بررسی کنید

نفی، تاریخ، ساعت، مقدار، واحد، مهلت، نام، مسئول کار و ترتیب مراحل را جدا تطبیق دهید.

جمله‌ای می‌تواند از نظر دستور درست باشد و در عمل موعد را عوض کند. در آزمون سند، حفظ برنامه، مراحل و هشدار امنیتی مهم‌تر از ظرافت سبکی بود.

۴. شدت خطا را تعیین کنید

همهٔ اختلاف‌ها پیامد یکسانی ندارند.

دقت، اصطلاح، کامل بودن و روانی نوع خطا را می‌گویند. بحرانی، عمده و جزئی شدت اثر را مشخص می‌کنند.

ترجیح سبکی معمولاً اثر کمتری دارد. اگر همان عبارت فهم مخاطب یا هدف متن را تغییر دهد، شدت بیشتر می‌شود.

خطای بحرانی در دستور ایمنی، تعهد یا رقم باید پیش از انتشار رفع شود. خطای عمده را پیش از تأیید اصلاح کنید و موارد جزئی را با هدف محتوا اولویت‌بندی کنید.

۵. خروجی را در شرایط استفادهٔ واقعی آزمایش کنید

مترجم زنده را با گفتار واقعی، مترجم سند را با فایل دارای جدول، تاریخ و دستور، و مترجم متن را با پیام کاریِ دارای بافت بیازمایید.

به همین دلیل سه مسیر JotMe جدا بررسی شدند.

در سند، جدول، عنوان، سرریز، صفحه، پیوند و جای‌نگهدار را کنترل کنید. در گفتار، تشخیص صدا، تقسیم جمله و زمان نمایش را ببینید. در متن چسبانده‌شده، بافت کافی را بررسی کنید.

ابزارهای تضمین کیفیت ترجمه

کنترل خودکار، چارچوب MQM، واژه‌نامه، بازبینی دوزبانه و کنترل‌های محصول برای پیدا کردن خطاهای متفاوت استفاده می‌شوند.

کنترل‌های خودکار کیفیت

عدد جاافتاده، اصطلاح متفاوت، بخش خالی و برچسب ناقص را می‌توان خودکار بررسی کرد. دربارهٔ معنی، متن مبنا و مقصد را جدا بخوانید.

چارچوب‌های ارزیابی ترجمه

MQM به بازبین اجازه می‌دهد اختلاف را دقیق نام‌گذاری کند، مثل خطای دقت، اصطلاح، روانی یا سبک.

با شدت و علت خطا می‌توانید روند را در چند نمونه مقایسه کنید. معیار، داده و روش امتیازدهی را ثابت نگه دارید.

بازبینی دوزبانه

بازبین دوزبانه می‌تواند معنی ضمنی، هنجار زبانی و واژهٔ تخصصی را بررسی کند. برای خروجی حساس، شرایط تخصص و مسئولیت بازبین را از قبل مشخص کنید.

ابزار ترجمهٔ هوش مصنوعی با کنترل کیفیت

بعضی ابزارهای ترجمه به کاربر اجازه می‌دهند واژه‌نامه، بافت و ترجیح لحن بدهد.

JotMe برای متن، سند، تصویر، صدا، ویدیو و گفتار زنده مسیرهای جدا دارد. واژه‌نامهٔ اختصاصی برای نام، محصول، مخفف و واژهٔ تخصصی در حالت سازگار قابل استفاده است.

کنترل خودکار اختلاف ظاهری را پیدا می‌کند، بازبین دوزبانه معنا را می‌سنجد و تنظیم محصول می‌تواند خطای تکراری را کم کند. هر سه نقش متفاوت دارند.

تضمین کیفیت و کنترل کیفیت چه تفاوتی دارند؟

تضمین کیفیت به فرایند می‌پردازد. کنترل کیفیت روی خروجی مشخص انجام می‌شود.

• تضمین کیفیت معیار، واژه‌نامه و مراحل بازبینی را پیش از تحویل تنظیم می‌کند.
• کنترل کیفیت در خروجی ترجمه‌شده خطا و مورد نیازمند اصلاح را پیدا می‌کند.

ساخت واژه‌نامه فعالیت تضمین کیفیت است. پیدا کردن نام محصول اشتباه در یک سند ژاپنی فعالیت کنترل کیفیت است.

اگر کنترل خروجی یک خطای تکراری پیدا کرد، دلیل آن را در ورودی، واژه‌نامه، مدل یا مرحلهٔ بازبینی دنبال کنید.

در ترجمهٔ هوش مصنوعی، خروجی را بسنجید، علت خطا را بررسی کنید، ورودی یا تنظیم را اصلاح کنید و نمونه را دوباره آزمایش کنید.

چک‌لیست هشت‌مرحله‌ای ارزیابی کیفیت ترجمه

منبع و مقصد را برای معنا، حذف، اضافه، اصطلاح، داده، روانی، لحن و کاربرد بررسی کنید. سپس شدت خطا را بر اساس پیامد تعیین کنید.

۱. آیا معنی حفظ شده است؟

جمله‌ها را کنار هم بگذارید و قصد، ایده و رابطهٔ بین جمله‌ها را بسنجید.

۲. آیا بخشی حذف شده است؟

قید، دستور، مثال، نام، عدد یا جملهٔ افتاده را پیدا کنید.

۳. آیا چیزی اضافه شده است؟

بررسی کنید مترجم زبانی رایگان واقعیت، الزام یا نتیجه‌ای که در منبع نیست به متن نیفزوده باشد.

۴. آیا نام و اصطلاح یکدست‌اند؟

نام محصول، مخفف، نام اشخاص و سازمان‌ها و واژه‌های فنی را با واژه‌نامه تطبیق دهید.

۵. آیا تاریخ، رقم، واحد و دستور درست‌اند؟

یک مرحلهٔ جدا برای بررسی داده بگذارید. روانی جمله از درستی اعداد خبر نمی‌دهد.

۶. آیا متن مقصد طبیعی است؟

دستور، ترتیب جمله، رسمیت، اصطلاح و عادت نوشتاری زبان مقصد را بررسی کنید.

۷. آیا لحن با منبع هماهنگ است؟

پیام دوستانه و اطلاعیهٔ رسمی واژه‌گزینی و رسمیت متفاوت دارند. مخاطب واقعی را در نظر بگیرید.

۸. آیا خروجی برای کار واقعی مناسب است؟

از دید خواننده بررسی کنید آیا می‌تواند با این ترجمه کار موردنظر را درست انجام دهد.

چگونه کیفیت ترجمه را بهتر کنیم؟

ورودی تمیز، بافت، واژه‌نامه و بازبینی هدفمند، پایهٔ بهبود ترجمه‌اند.

بافت موردنیاز را در اختیار مترجم بگذارید

یک جمله ممکن است با تغییر موضوع، مخاطب یا صنعت ترجمهٔ متفاوتی داشته باشد.

در ابزار ترجمهٔ متن، ترجیح لحن را روشن بنویسید. برای مثال رسمی بودن پیام را برای گیرندهٔ سازمانی تعیین کنید.

واژه‌نامهٔ تأییدشده به کار ببرید

اگر نام، مخفف یا اصطلاح دائماً تکرار می‌شود، برای هر بار از حدس مدل شروع نکنید.

در JotMe می‌توانید نام، محصول و اصطلاح را در واژه‌نامه ثبت کنید. پوشش را برای پیاده‌سازی، ترجمهٔ زنده و انواع فایل در حالت موردنیاز بررسی کنید.

تنظیم کیفیت را با کاربرد هماهنگ کنید

در ترجمهٔ زنده، سرعت و پردازش بافت می‌توانند متفاوت باشند. تنظیم کیفیت ترجمه و گزینهٔ کیفیت پیاده‌سازی را در نسخهٔ سازگار بررسی کنید.

پس از تغییر تنظیم، نمونهٔ مشابه را از نظر زمان، تشخیص صدا، کامل بودن و بافت دوباره بسنجید.

خروجی‌های پرپیامد را بازبینی کنید

ابزار ترجمه پیش‌نویس می‌دهد. تأیید انتشار مرحلهٔ جداگانه‌ای است.

برای قرارداد، اطلاعات ایمنی، سند حقوقی یا موضوع مقرراتی، بازبینی انسانی مناسب با کاربرد را برنامه‌ریزی کنید.

JotMe چگونه در گردش‌کار کنترل کیفیت کمک می‌کند؟

در آزمون اولیه، گفتار انگلیسی و ژاپنی و دو نمونهٔ سند و متن از انگلیسی به ژاپنی بررسی شد. نمره‌ها را ChatGPT بر اساس مواد ارائه‌شده داد. این آزمون سه نمونهٔ کاری بود و عملکرد همهٔ زبان‌ها را اندازه نمی‌گیرد.

نمونهٔ ترجمهٔ زنده، ۹۶ از ۱۰۰ از ChatGPT

نمونهٔ گفت‌وگوی کاری انگلیسی و ژاپنی دربارهٔ کارزار جهانی، مخاطب، نرخ کلیک، تبدیل، تعامل و محتوای محلی بود.

در این نمونه موارد زیر بررسی شدند.

• معنای کلی
• انتقال معنا در سطح جمله
• اصطلاحات کاری
• حفظ بافت
• ترجمه از ژاپنی به انگلیسی
• ترجمه از انگلیسی به ژاپنی
• زبان گفتاری
• کامل بودن پیاده‌سازی

گفتار اصلی و متن و ترجمهٔ نهایی نمونه به ChatGPT داده شدند. نمرهٔ نمونه ۹۶ از ۱۰۰ بود.

در تحلیل نمونه، ایدهٔ اصلی، پیشنهادهای کسب‌وکار و اقدام‌ها دربارهٔ سازگار کردن کارزار با مخاطب ژاپنی حفظ شدند. جهت ژاپنی به انگلیسی در این نمونه روان‌تر ارزیابی شد.

کسر امتیاز بیشتر به شنیدن و بخش‌بندی گفتار مربوط بود. «Japan and other ACM» به‌جای «Japan and other Asian markets» و «for each reason» به‌جای «for each region» ثبت شد. بعضی واژه‌ها نیز از متن ژاپنی افتادند.

عدد ۹۶ فقط امتیاز ChatGPT برای نمونهٔ انگلیسی و ژاپنی بود. خطاهای پیاده‌سازی هم می‌توانند روی اطلاعات متن نهایی اثر بگذارند.

نمونهٔ ترجمهٔ سند، ۹۷ از ۱۰۰ از ChatGPT

سند انگلیسی و نسخهٔ ژاپنی تولیدشده با JotMe خط‌به‌خط مقایسه شدند.

سند این موارد را داشت.

• تاریخ و ساعت
• زمان استاندارد ژاپن
• دستور انجام کار
• اصطلاحات کاری
• الزامات کارکنان
• ترتیب فعالیت‌ها
• اطلاعات پشتیبانی
• هشدار امنیتی دربارهٔ رمز مشتری

معنا، کامل بودن، واقعیت‌ها، واژه‌های تخصصی، دستور و طبیعی بودن ژاپنی بررسی شدند.

ChatGPT به این نمونه ۹۷ از ۱۰۰ داد.

در بازبینی با کمک ChatGPT، دستور حذف‌شده، تاریخ و ساعت تغییرکرده یا خطای عمدهٔ معنا در نمونه پیدا نشد.

۱۰ نوامبر ۲۰۲۶، ساعت ۱۰:۰۰ و ۱۱:۳۰ به وقت استاندارد ژاپن و شرط ایمیل ۹ نوامبر حفظ شدند. ترتیب مراحل و هشدار امنیتی نیز در نمونه باقی ماندند.

نکته‌های باقی‌مانده بیشتر دربارهٔ طبیعی بودن بودند. بعضی عبارت‌ها برای متن کاری ژاپنی کمی رسمی یا لفظی به نظر می‌رسیدند.

جملهٔ مربوط به راهنمای روشن و پشتیبانی به‌موقع معنی خود را رساند. ویراستار ژاپنی می‌تواند آن را کوتاه‌تر و طبیعی‌تر کند.

ترجمهٔ سند JotMe قالب‌هایی مانند PDF، DOCX، PPTX، XLSX، HTML، TXT، XLIFF و چند قالب دیگر دارد. پس از ترجمه، جدول و چیدمان را در فایل خروجی بررسی کنید.

نتیجهٔ ارزیابی ChatGPT برای همان نمونه

۹۷ از ۱۰۰ برای سند انگلیسی به ژاپنی. موارد باقی‌مانده عمدتاً سبکی بودند.

نمونهٔ ترجمهٔ متن، ۹۷ از ۱۰۰ از ChatGPT

در این نمونه، خروجی ژاپنی با متن انگلیسی جمله‌به‌جمله مقایسه شد.

موارد بررسی‌شده عبارت بودند از:

• حفظ معنا
• کامل بودن
• واژه‌های تخصصی
• دستور زبان
• طبیعی بودن
• تاریخ و عدد
• روشن بودن دستور

ChatGPT به این نمونه ۹۷ از ۱۰۰ داد.

تاریخ، ساعت، منطقهٔ زمانی، مدت، ماه، مسئولیت و شرط تکمیل در نمونه حفظ شدند.

چند ساختار ژاپنی هنوز تحت تأثیر ترتیب جملهٔ انگلیسی بودند.

عبارت ژاپنی در خروجی اولیه

「チームメンバーは、完了日以前に遅延を報告する必要があり、マネージャーがスケジュールを調整できるようにします。」

معنا قابل فهم است، اما در متن حرفه‌ای ژاپنی می‌توان جمله را کوتاه‌تر کرد. نمونهٔ بازنویسی

「チームメンバーは、マネージャーがスケジュールを調整できるよう、完了日前に遅延を報告してください。」

در هر دو نمونه، اعضا باید تأخیر را پیش از موعد گزارش کنند تا مدیر برنامه را تنظیم کند. اصلاح به روانی مربوط است و دستور اصلی حفظ شده است.

برای آزمون ترجمهٔ متن JotMe، متن را وارد کنید، زبان‌ها و ترجیح لحن را تعیین و خروجی را پیش از استفاده با منبع مقایسه کنید.

از این سه نمونه چه نتیجه‌ای می‌توان گرفت؟

ChatGPT به ترجمهٔ زنده ۹۶ و به سند و متن هر کدام ۹۷ از ۱۰۰ داد. نوع خطا میان مسیرها فرق داشت. این اعداد نمرهٔ همان نمونه‌ها هستند.

برای خطای تکراری، نمونهٔ مشابه را پس از تغییر تنظیم کیفیت یا واژه‌نامه دوباره بیازمایید.

در حالت ترجمهٔ زنده، تنظیم کیفیت می‌تواند تعادل سرعت و پردازش بافت را تغییر دهد.

یک نمونه برای انتخاب تنظیم

در گفت‌وگوی داخلیِ پرسرعت، زمان نمایش مهم است. در مذاکره با جمله‌های بلند و اصطلاح وابسته به بافت، نتیجهٔ حالت بافت‌محور را جدا امتحان کنید.

اگر نام یا مخفف در خروجی هر بار شکل دیگری دارد، واژه‌نامهٔ اختصاصی را بررسی کنید.

یک نمونهٔ ساده

فرض کنید نام محصول «PowerMax 3000»، نام برنامهٔ «CXO» و معادل ژاپنیِ تأییدشدهٔ یک اصطلاح در جلسه تکرار می‌شوند. فهرست مرجع به شما اجازه می‌دهد خروجی را یکدست‌تر بسنجید.

در واژه‌نامهٔ JotMe می‌توان نام، محصول، مخفف و اصطلاح را طبق زبان و اولویت ثبت کرد.

اگر همان نام هر بار اشتباه می‌شود، صورت تأییدشده را وارد کنید و با همان جمله و میکروفون دوباره آزمایش کنید.

برای ارزیابی، یک گفت‌وگو یا سند واقعی و یک مجموعهٔ ثابت از تاریخ، نام و اصطلاح آماده کنید.

پرسش‌های متداول

چه چیزهایی بر کیفیت ترجمه اثر می‌گذارند؟

متن مبنا، بافت، جفت‌زبان، واژه‌ها، ابهام، کیفیت ورودی و هدف استفاده بر نتیجه اثر دارند. در ترجمهٔ زنده، تشخیص گفتار و زمان نمایش هم مهم‌اند. در سند، تاریخ، دستور و چیدمان را بررسی کنید. در متن کوتاه، بافت و لحن می‌توانند انتخاب واژه را تغییر دهند.

چطور از هوش مصنوعی برای بهبود فرایند ترجمه استفاده کنیم؟

بافت و ترجیح لحن را روشن کنید، برای نام و اصطلاح واژه‌نامهٔ تأییدشده بسازید و پیش از ترجمه معیار پذیرش تعیین کنید. در خروجی پرریسک بازبینی انسانی متناسب با کاربرد را اضافه کنید.

چطور ترجمه سریع‌تر و باکیفیت‌تر می‌شود؟

به‌جای تمرکز بر سرعت تولید، خطاهای تکراری را کم کنید. ورودی تمیز، بافت روشن و واژه‌نامهٔ مشترک بدهید و خطاهای نمونه را ثبت کنید. در حالت سازگار JotMe، سرعت و میزان پردازش بافت را با ترجمهٔ زندهٔ صدای واقعی بسنجید.

پس‌ویرایش چگونه کیفیت ترجمهٔ هوش مصنوعی را بالا می‌برد؟

ابتدا خطای تغییر معنا، بعد واقعیت‌ها و اصطلاحات و در پایان دستور زبان، روانی و لحن را بررسی کنید.

در نمونهٔ ژاپنی JotMe، جملهٔ نامأنوس را می‌شد بدون عوض کردن دستور اصلی روان‌تر کرد. این مورد خطای سبکی بود.

چرا ارزیابی کیفیت ترجمه مهم است؟

ترجمه می‌تواند دستور کار، پیام مشتری، آموزش و تصمیم فنی را منتقل کند. یک تاریخ اشتباه یا دستور ایمنی ناقص مهم‌تر از عبارت کمی نامأنوس است.

کنترل کیفیت کمک می‌کند پیش از استفاده، این تفاوت‌ها دیده شوند.

چطور کیفیت یک ترجمه را ارزیابی کنیم؟

متن مبنا و مقصد را با هم مقایسه کنید.

این موارد را بررسی کنید.

• معنا
• کامل بودن
• افزوده‌ها
• واژه‌های تخصصی
• تاریخ، اعداد و واقعیت‌ها
• طبیعی بودن
• لحن
• انطباق با هدف

سپس شدت خطاها را ثبت کنید.

بدون دانش زبان مقصد می‌توانید عدد، قالب و پیوند را بررسی کنید. برای معنا، لحن و اصطلاح تخصصی از بازبین دوزبانهٔ واجد شرایط کمک بگیرید.

چند عبارت نامأنوس لزوماً به اندازهٔ خطای بحرانی یا عمده اثر ندارند. محدودیت‌ها را دقیق گزارش کنید.

واژه‌نامهٔ اختصاصی JotMe چگونه به کیفیت ترجمه کمک می‌کند؟

واژه‌نامه نام، محصول، مخفف و اصطلاح تکراری را به گردش‌کار سازگار می‌دهد. وقتی خطای واژه‌ای تکرار شد، صورت تأییدشده را ثبت کنید و همان نمونه را دوباره بیازمایید. اثر واژه‌نامه را برای زبان و قابلیت انتخابی بررسی کنید.