När man är ett litet lokaliseringsföretag sker språklig kvalitetssäkring (LQA) ofta på ad hoc-basis. Men när man börjar skala upp sina lokaliseringsinsatser måste man införa en mer formell process. Man kanske arbetar med dussintals eller hundratals översättare och granskare över hela världen. Hur kan man hålla reda på vem som gör ett bra jobb och vem som inte gör det?
I den här artikeln ska vi titta på vad LQA är, hur det fungerar och varför det är en utmaning för stora företag. Vi ska också titta på ramverket för multidimensionella kvalitetsmått (MQM) och hur du kan automatisera processen.
Vad är språklig kvalitetssäkring (LQA)?
LQA är en process där källtexten och dess översättning granskas för att säkerställa att den uppfyller kundens krav. Syftet är att kontrollera stavfel/grammatiska fel, korrekt terminologianvändning, korrekt återgivning av innebörden, stilistisk korrekthet, kulturell anpassning, korrekt format osv.
Det är viktigt att notera att LQA är en process som involverar mer än bara en part:
Köpare bör se till att källtexten är färdigställd innan den skickas till en översättningsleverantör.
LSP:er måste granska källmaterialet.
Översättare måste läsa instruktionerna noggrant och översätta efter bästa förmåga.
Språklig kvalitetssäkring kan delas upp i tre aktiviteter:
granskning av källtexten,
automatisk kontroll av maskinupptäckbara fel,
och slutlig kontroll av en modersmålstalare.
För att göra det kortfattat kommer vi endast att ta upp de två sistnämnda.
Automatiserad LQA
Automatiserad språklig kvalitetssäkring innebär att man använder olika programvaruverktyg för att upptäcka stavfel och fel i översättningen. Smartcat kan till exempel automatiskt kontrollera stavfel och felaktiga siffror, samt formateringsfel. Det har också en inbyggd stavningskontroll som kan användas för att snabbt identifiera stavfel.
LQA är ett standardiserat sätt att kommunicera fel i en översättningsplattform. Det är lätt att följa och förståeligt för alla.
Men hur lockande automatiserad LQA än må vara, kan den inte ersätta manuell granskning. Automatiserade kontroller kan endast upptäcka vissa typer av fel och är benägna att ge falska positiva resultat. Dessutom kan inget automatiserat verktyg kontrollera betydelsens korrekthet, stilistiska brister eller kulturell lämplighet.
Mänsklig LQA
Manuell LQA är processen att granska översättningar för fel som inte kan upptäckas av automatiserade verktyg. Det innebär att en granskare går igenom texten och ser till att den uppfyller alla kvalitetskriterier, såsom noggrannhet, stil, kulturell lämplighet etc.
Men ”kvalitet” är i sig ett mycket subjektivt begrepp. Det som en granskare anser vara en bra översättning kan en annan granskare anse vara av dålig kvalitet. Därför är det viktigt att ha väl definierade och överenskomna kvalitetskriterier, en process för att registrera fel samt ett verktyg för att rapportera och analysera dem.
Smartcat använder ramverket Multidimensional Quality Metrics (MQM) för att bedöma översättningskvaliteten, så låt oss titta närmare på det.
Vad är flerdimensionella kvalitetsmått (MQM)?
MQM är ett ramverk för att mäta och bedöma kvaliteten på översättningar som utvecklats av World Wide Web Consortium (W3C). Kortfattat kan man säga att det delar upp kvaliteten i flera kategorier, nämligen terminologi, noggrannhet, språkliga konventioner, stil, lokala konventioner och design och markering (du kan läsa mer om dem här).
Ett terminologiskt fel kan till exempel vara att använda ”bil” istället för ”motorfordon”, ett noggrannhetsfel kan vara att översätta en fras felaktigt, stilfel kan vara att använda ett för formellt eller vardagligt språk (beroende på organisationens stilguide) och design- och markeringsfel kan vara att etiketterna på UI-elementen är för långa eller för korta.
Varje kategori har sin egen vikt, som inte är standardiserad och som organisationen själv får bestämma. Varje fel tilldelas också en allvarlighetsgrad från Mindre (1) till Kritisk (25), som också används för viktning.
Arbetsflödet för utvärdering av översättningskvalitet (TQE)
Visst, bara för att du har några mätvärden på plats kommer inte kvaliteten på dina översättningar att förbättras på ett magiskt sätt. Du måste ha en process på plats för att faktiskt kunna använda dessa mätvärden.
En sådan process är översättningskvalitetsutvärdering (TQE), som går hand i hand med MQM-ramverket.
Kortfattat är TQE ett arbetsflöde som omfattar följande steg:
1. Preliminär fas, där mätvärdena definieras och utvärderingskriterierna fastställs.
2. Kommentarsfasen, där en mänsklig granskare går igenom översättningen och markerar fel enligt MQM-kategorierna.
3. Beräkningsfasen, där ett översättningshanteringssystem eller ett kalkylblad sammanställer en ”poängtabell” över alla fel och levererar den till projektledaren.
Varför är MQM en branschstandard?
Det flerdimensionella kvalitetsmåttsystemet är en branschstandard av flera skäl. För det första tillhandahåller det ett gemensamt språk för alla som är involverade i processen – projektledaren, granskarna och översättarna. Det standardiserar också utvärderingsprocessen med en tydlig uppsättning kategorier och allvarlighetsgrader.
Samtidigt är MQM flexibelt: organisationer kan själva bestämma vilka kategorier och allvarlighetsgrader som är viktigast för just deras sammanhang. Slutligen minskar det den mänskliga faktorn i kvalitetssäkringen, med ett tydligt regelverk som minskar risken för godtyckliga beslut från granskarnas sida.
Hur man automatiserar språklig kvalitetssäkring i stor skala
MQM-ramverket är ett utmärkt sätt att säkerställa kvaliteten i stora lokaliseringsprojekt, men det finns även sätt att automatisera processen och göra den mer effektiv. Ett sådant sätt är att använda ett verktyg som Smartcat, som automatiserar MQM-arbetsflödet på flera nivåer:
Du kan skapa LQA-profiler från fördefinierade mallar, som inkluderar branschstandarderna MQM MQM Core och MQM-DQF:
Skapa en ny profil
Vid behov kan du anpassa profilerna så att de bättre passar din organisations behov:
Anpassa kategorierna och välj vikt, dvs. hur viktiga de är.
Granskaren kan lägga till kommentarer med specifika MQM-kategorier och allvarlighetsgrader direkt från Smartcat-gränssnittet:
Resultaten sammanställs automatiskt i LQA-rapporter, komplett med den totala kvalitetspoängen, en uppdelning av fel efter kategori och allvarlighetsgrad, och till och med hänvisningar till de specifika segment där felen hittades:
På så sätt kan du dra nytta av alla fördelar med MQM för språklig kvalitetssäkring i stor skala utan att bli galen under processen.
Konfigurera processen för språkkvalitetsbedömning för dig på Smartcat.
