Tecnologie e fattore umano: prospettive sulla qualità della traduzione nell'industria Apparel - The Language Lab
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Tecnologie e fattore umano:
prospettive sulla qualità della traduzione nell’industria Apparel
Manuela Romeo
ABSTRACT oramai un ruolo imprescindibile nella formazione
e nella realtà professionale del traduttore. Già da
L’articolo introduce una riflessione sul tema della
tempo, infatti, la tecnologia è diventata parte
qualità nei progetti di traduzione specializzata per
integrante del processo traduttivo e, di pari passo,
il settore Apparel, nel tentativo di delineare nuovi
il concetto di traduzione assistita (CAT) ha
spunti di ricerca atti a verificare l’efficacia di un
suscitato un interesse sempre più forte all’interno
approccio collaborativo tra fattore umano e
della comunità scientifica, soprattutto in relazione
tecnologie traduttive. Si cercherà di
ai temi della qualità e della produttività.
contestualizzare il tema proposto nel panorama
attuale della traduzione professionale applicata al In un contributo del 2011, ad esempio, Yamada
dominio di specializzazione prescelto, dove già da indaga il rapporto tra la produttività e l’utilizzo
alcuni anni si assiste ad una sempre più marcata delle memorie di traduzione (TM). Richiamandosi
affermazione dei sistemi di traduzione automatica a studi precedenti sullo stesso argomento, tra i
basati sull’intelligenza artificiale. quali O’Brien (1998), Somers (2003), Dragsted
(2004) e Bowker (2005), e partendo quindi
Inquadrando il problema attraverso una
dall’assunto che il ricorso alla TM comporti un
ricognizione dei principali studi sul rapporto tra
vantaggio significativo in termini di velocità di
l’uso della tecnologia e la qualità dell’output, si
esecuzione del compito traduttivo, la studiosa
tenterà di formulare un’ipotesi di analisi
amplia la prospettiva di ricerca approfondendo il
comparativa finalizzata a mettere a confronto
tema dell’importanza del contenuto della TM.
approcci alla traduzione fra loro diversi: da un lato,
l’applicazione di memorie di traduzione domain- Attraverso un esperimento pilota condotto su un
specific come ausilio alla traduzione umana, gruppo di studenti universitari di traduzione
dall’altro il modello della traduzione automatica specializzata, Yamada giunge alla conclusione che,
neurale, “pura” o associata all’intervento di utilizzando una TM nella quale sono memorizzati
operazioni di post-editing. contenuti tradotti letteralmente, è possibile
ottenere una traduzione caratterizzata da un
maggior livello di coerenza testuale, ma anche più
PAROLE CHIAVE efficace in termini di produttività, nella misura in
cui il traduttore riesce ad individuare con più
Traduzione, traduzione assistita (CAT), memoria di rapidità le corrispondenze fra la lingua di partenza
traduzione (TM), traduzione automatica (MT), e la lingua di arrivo. Diversamente, utilizzando una
traduzione automatica statistica (SMT), TM basata sulla traduzione libera, il traduttore è
traduzione automatica neurale (NMT), post- chiamato a compiere uno sforzo cognitivo
editing (PE), post-editing della traduzione maggiore che ne rallenta la velocità di lavoro,
automatica (PEMT), inglese come lingua franca incidendo negativamente sui livelli di produttività.
(ELF), terminologia, qualità, produttività.
Già nel 2005 Bowker aveva proposto una
riflessione sul rapporto tra produttività e qualità,
Prospettive di studio nella ricerca sulla qualità notando come il vincolo di tempo impedisse al
traduttore di valutare con attenzione e in modo
Nell’ambito della ricerca sugli aspetti della qualità critico le soluzioni proposte dalla TM, soprattutto
nella traduzione, si può osservare un sostanziale in presenza di errori:
accordo fra gli studiosi nel riconoscere come le
competenze tecnologico-traduttive svolgano
1When training translators to use TMs, it is very negli anni Novanta e diffusasi successivamente su
important to stress that the contents of the larga scala come risorsa web-based offerta da
TM may not always be correct or suitable in Google, Microsoft e da altri giganti del web, la SMT
every context. Translators may be tempted to conobbe da subito una rapida diffusione e
work too quickly when using TMs, blindly
popolarità tra il grande pubblico, in quanto
substituting proposed translation without
strumento “free, instantaneous and easy to use”
verifying their accuracy, but these may
compromise the quality of the final product. (García, 2009: 205).
This type of ‘blind faith’ behaviour indicates a Se i primi modelli di MT rule-based generavano
definite need for more training in the
traduzioni significativamente inferiori al prodotto
appropriate use of technology.
di un traduttore umano, e quindi insoddisfacenti
(Bowker, 2005: 19)
in termini di qualità, col tempo i sistemi SMT
Accanto alla necessità di promuovere un più hanno prodotto invece output via via più accurati,
mirato addestramento all’uso delle tecnologie perfezionandosi grazie all’impiego di metodi di
traduttive come punto di partenza per un analisi statistica sempre più precisi e alla
miglioramento della produttività, la studiosa disponibilità di corpora paralleli allineati di
richiamava altresì l’attenzione sul tema dimensioni sempre maggiori.
dell’accuratezza dei contenuti memorizzati nella
Il punto di svolta nell’evoluzione delle architetture
TM, elemento fondamentale per guidare il
statistiche corpus-based avviene però nel 2016,
traduttore verso la produzione di un output
quando Google, Systran e Microsoft presentano al
qualitativamente apprezzabile. Costruite a partire
pubblico i rispettivi programmi di traduzione
da testi tradotti da un traduttore umano, le
automatica neurale (NMT): una tecnologia
memorie di traduzione richiedono un
totalmente rivoluzionaria, in grado di produrre
aggiornamento accurato e costante nel tempo, da
risultati ancora più fluenti e naturali, paragonabili
effettuarsi di pari passo con l’evoluzione della
a quelli della traduzione umana. Pur assumendo
terminologia di riferimento, e devono essere
come punto di partenza il paradigma della SMT,
sistematicamente adattate ai diversi contesti
basato sulla raccolta di corpora di frasi allineate
d’uso, nella convinzione che:
con le rispettive traduzioni, la NTM si avvale di un
A smaller TM containing well-chosen texts can approccio che sfrutta una grande rete neurale
actually be more useful than a large TM (intesa come rappresentazione artificiale della
containing a wide range of texts. Translators conoscenza), consentendo al programma di
may get fewer matches overall, but the imparare ad analizzare il testo di partenza e ad
matches they do get will be of higher quality
istituire collegamenti fra una lingua e l’altra.
and will likely need less revision.
(Bowker, 2005: 19) Con l’affermazione della NMT come tecnologia
applicabile anche alla traduzione professionale, si
Parallelamente, la ricerca sul tema della qualità si comincia ad avvertire, nel panorama degli studi
è aperta a nuove prospettive di indagine con il sulla traduzione, la necessità di definire nuovi
progressivo affermarsi della traduzione sistemi di valutazione della qualità. Vengono così
automatica (MT) come disciplina di studio. sviluppati metodi automatici basati su algoritmi, il
Inizialmente concepiti come complesse più noto dei quali è senza dubbio BLEU (BiLingual
architetture basate su regole linguistiche e Evaluation Understudy), divenuto lo standard di
grammaticali, i sistemi di MT si evolsero col tempo riferimento per valutare le prestazioni di un
fino a dare origine alla traduzione automatica sistema NMT, proprio per la sua capacità di
statistica (SMT), un nuovo metodo fondato sul stabilire una stretta correlazione con il giudizio
confronto tra corpora paralleli che, facendo umano. Di pari passo, si diffonde altresì la
ricorso all’analisi probabilistica, riusciva a consapevolezza che il giudizio di qualità sulla
determinare le corrispondenze traduttive tra la traduzione automatica debba riferirsi non solo al
lingua di partenza e quella di arrivo. Sviluppatasi prodotto, ma anche al sistema stesso, in modo da
2fornire possibili indicazioni operative funzionali al che in questa sede si intende proporre e che, in un
perfezionamento delle tecnologie traduttive. secondo momento, potrà essere approfondita
attraverso una più ampia validazione empirica e
In quest’ottica, atteso che la traduzione neurale
quantitativa.
(NMT) “has become the de facto standard for
large-scale machine translation” (Stahlberg, 2019: Come è noto, la produzione di abbigliamento a
51), alcuni studi recenti sulla qualità del sistema livello mondiale si concentra oggigiorno non tanto
(Bentivogli et al.: 2016) hanno cercato di nelle aree geografiche storicamente associate
evidenziare i principali punti critici dell’approccio all’origine dei grandi marchi (Europa Occidentale e
neurale, aprendo così spunti di miglioramento Stati Uniti), ma soprattutto in quei paesi del
anche per i futuri sviluppi della tecnologia. Sono continente asiatico verso i quali si è
tre, nello specifico, gli aspetti ritenuti suscettibili progressivamente spostata buona parte della
di miglioramento che, secondo la comunità filiera di riferimento. La presenza di un numero
scientifica, richiedono ancora l’intervento crescente di aziende del settore proiettate in un
dell’intelligenza umana: la velocità di contesto fortemente globalizzato ha dato impulso
apprendimento e di inferenza del sistema, alla rapida diffusione dell’inglese come lingua
l’efficacia nella traduzione dei termini rari franca (ELF), inteso non solo come “lingua di
(migliorabile qualora si disponesse di un’enorme contatto in uso tra parlanti di lingue native
quantità di dati utili ad allenare il programma) e la diverse” (Jenkins 2009: 160), ma anche come
capacità di tradurre in modo corretto e completo i strumento di conoscenza condivisa, di creazione
segmenti di testo di maggiore lunghezza. linguistica e di negoziazione dei significati fra gli
addetti ai lavori.
Nel complesso, sebbene dagli studi citati emerga
in modo chiaro che, rispetto ai precedenti modelli Partendo da questo assunto, viene dunque a
di MT, i sistemi NMT hanno ridotto in modo delinearsi anche una prospettiva pragmatica e
significativo l’incidenza di errori di traduzione per interculturale sulla traduzione per il settore
la maggior parte delle direzionalità linguistiche Apparel: la lingua inglese della comunicazione
(Wu et al.: 2016), si può notare come l’intervento globale della moda, utilizzata dagli specialisti del
umano rappresenti ancora un fattore settore, si configura come una microlingua
determinante nella qualità del testo finale di dell’ELF che costituisce una base comune d’intesa
arrivo, soprattutto quando il processo traduttivo nelle interazioni fra i membri della “comunità di
implica una più profonda comprensione del testo pratica” di riferimento (Wenger: 2006).
di partenza a livello semantico. Vediamo alcuni esempi di fraseologie in uso nella
corrispondenza commerciale tra operatori del
Quale traduzione per il linguaggio dell’industria settore Apparel che utilizzano l’ELF nella
Apparel? comunicazione via email:
In una tesi di laurea dedicata al tema della 1. Please kindly review and send us your
traduzione nella piccola e media impresa della fitting comments.
moda, Bettini (2020) pone l’accento sulla scarsità 2. Fake fold on the center backside skirt
di studi linguistici dedicati alla comunicazione must be reduced by 4 cm.
professionale in quello che è invece uno dei
comparti più rappresentativi dell’economia
nazionale e dell’immagine del made in Italy nel L’espressione ‘fitting comments’ che troviamo
mondo. Da questa considerazione e dalla mia nell’esempio (1) non allude ovviamente
personale esperienza come traduttrice tecnica nel all’appropriatezza del contenuto dei commenti,
settore Apparel (termine che, nella lingua speciale, ma è una formula con cui si invita l’interlocutore
fa riferimento alla filiera del tessile e ad esprimere un parere tecnico sulle operazioni di
dell’abbigliamento) prende le mosse la riflessione sdifetto di un capo di abbigliamento (il ‘fitting’
appunto). Nel secondo esempio, l’aggettivo ‘fake’
3riferito alla piega di una gonna viene usato per automatica (Russo: 2016, Hutchins: 2005), a cui
indicare una piega semplice contrapposta ad una spesso fanno ricorso anche per la gestione dei
piega ottenuta, invece, tramite il procedimento progetti di traduzione più complessi.
della cucitura ribattuta.
Come però abbiamo visto, e come osserva anche
L’ELF codifica norme e convenzioni che non Peris:
coincidono necessariamente con quelle proprie Despite the promising results achieved in last
dell’inglese nativo (ENL) e si arricchisce via via di years by statistical machine translations, and
fraseologie e di elementi lessicali che scaturiscono more precisely, by the neural machine
dal contatto fra parlanti di lingue native diverse. Lo translation systems, this technology is still not
sintetizza chiaramente anche Jenkins: error-free. The outputs of a machine
translation must be corrected by a human
ELF involves both common ground and local agent in a post-editing phase. Interactive
variation. On the one hand, there is shared protocols foster a human-computer
linguistic common ground among ELF speakers collaboration, in order to increase
just as there is common ground among the productivity.
many varieties of the English that are
(Peris et al., 2016: 1)
collectively referred to as ‘English as a Native
Language’ (ENL). ELF’s common ground Il fattore umano rimane centrale, intervenendo
inevitably contains linguistic forms that it nelle operazioni di post-editing dell’output
shares with ENL, but it also contains forms that ottenuto con la traduzione automatica (PEMT) per
differ from ENL and that have arisen through
rendere il testo di arrivo più fruibile e più adeguato
contact between ELF speakers, and through
alle esigenze del contesto d’uso. Ferma restando
the influence of ELF speakers’ first languages
on their English.
la centralità della conoscenza umana nel processo
(Jenkins, 2009: 201) traduttivo, un interessante spunto di ricerca
applicato al settore Apparel potrebbe essere
quello di sperimentare approcci diversi alla
Alla luce delle implicazioni derivanti anche da tale traduzione (CAT, sistemi NMT e PEMT), nel
prospettiva, come può essere affrontato il tentativo di confrontarne l’efficacia in termini di
processo traduttivo nella traduzione professionale controllo della qualità del testo di arrivo.
applicata al settore preso in esame? Quali
approcci possono rivelarsi più efficaci sul piano L’ipotesi che in questa sede formuliamo è se, sul
della qualità del testo prodotto? Indagare tali piano della qualità, il metodo della traduzione
tematiche e isolare punti concettuali suscettibili di umana assistita possa produrre risultati
successivi approfondimenti sarà insieme l’auspicio complessivamente più soddisfacenti rispetto agli
e la finalità precipua della prospettiva di ricerca altri due procedimenti presi in esame, a
che si intende abbracciare. prescindere dalle caratteristiche del testo di
partenza e dalle specifiche necessità del contesto.
Riteniamo, infatti, che una modalità di lavoro
Un’ipotesi di studio basata unicamente sulla NMT possa rivelarsi
inadeguata rispetto ad alcune tipologie testuali
Nel panorama odierno, la possibilità di ottenere
tipiche dell’ambito della moda, soprattutto
con strumenti web-based di facile utilizzo una
laddove compaiano con maggior frequenza
traduzione istantanea, a costo zero e di qualità
neologismi o termini rari, oppure quando il testo
“mediamente accettabile”, ha spinto molte
di partenza richiederebbe un ulteriore livello di
aziende italiane, (anche all’interno del comparto
analisi in chiave pragmatica e interculturale. Il
Apparel) verso un utilizzo sempre maggiore dei
PEMT può rappresentare una valida alternativa,
sistemi di NMT disponibili online. Già da diversi
proprio per la presenza del fattore umano nel
anni, infatti, le imprese dei settori più vari (ed in
controllo dell’output grezzo prodotto dalla NMT,
particolare le multinazionali) figurano tra i
ma viene spontaneo interrogarsi, ad esempio,
principali utenti dei servizi di traduzione
4sull’entità dello sforzo cognitivo che deve esemplificativo, ad una brochure di
compiere il post-editor di fronte a quelle tipologie presentazione di nuovi materiali ad
di errori che richiedono modalità di intervento più alta impermeabilità ed efficienza
marcate, ad esempio a livello di strutturazione del termica, ottenuti attraverso
testo, di contenuto e di stile. Consideriamo procedimenti animal friendly o cruelty
l’esempio di seguito riportato, dove si può notare free.
come si renda necessario un intervento di post-
I traduttori lavoreranno tutti nella stessa
editing radicale per restituire il senso del Source
direzionalità linguistica (inglese > italiano),
Text e garantire l’accuratezza terminologica del
suddivisi in tre gruppi di uguale numerosità :
testo di arrivo:
- un primo gruppo dovrà tradurre il
Source Text - EN Please make sure only
testo della tipologia A in ambiente SDL
the correct bulk fabric
and trims are used. Trados Studio, applicando una TM
Machine Translation - IT Si prega di assicurarsi precedentemente costruita;
che vengano utilizzati - un secondo gruppo lavorerà con le
solo il tessuto e le risorse già citate, ma dovrà tradurre il
finiture di massa testo della tipologia B;
corretti. - al terzo gruppo, infine, sarà
Post Editing - IT Vi invitiamo ad richiesto di fare il PE della traduzione
utilizzare unicamente automatica di entrambi i testi; due
il tessuto e gli traduttori lavoreranno sull’output
accessori di generato da Google, mentre ai
produzione. restanti due sarà assegnato un testo
pre-tradotto con DeepL.
Allo scopo di verificare empiricamente le ipotesi Un primo criterio di verifica riguarderà la
formulate in questa sede, una metodologia di valutazione della qualità dei testi tradotti
lavoro potrebbe essere quella di realizzare uno automaticamente. Come è noto, di recente i test
studio pilota su un gruppo di traduttori che automatizzati basati sul punteggio BLEU hanno
abbiano già acquisito dimestichezza con l’uso degli indicato DeepL come sistema più performante
strumenti CAT e con le principali risorse rispetto a Google: sarà quindi interessante
informatiche proprie della traduzione automatica. provare a verificare tale risultato anche
Ai traduttori in questione si potrebbe proporre la nell’ambito del nostro esperimento, mettendo a
traduzione di testi di argomento affine, ma confronto le diverse tipologie di errori che i due
appartenenti a tipologie diverse. Immaginiamo, ad sistemi alternano.
esempio, di voler utilizzare due diversi testi sul
tema della moda ecosostenibile, così I dati ottenuti da questa analisi comparativa
caratterizzati: risulteranno poi utili nello studio della relazione
tra MT e PE per indagare, ad esempio, come
- un primo testo (tipologia A) eventuali punti critici presenti nel testo pre-
prettamente tecnico, a carattere tradotto influiscano poi sulla produttività del PE.
informativo e referenziale, come la Parimenti, ci si dovrà soffermare sulle strategie
scheda prodotto relativa ad una fibra adottate in fase di PE per correggere l’errore ed
tessile sintetica derivata dai processi arrivare ad elaborare un testo finale
di riciclo; qualitativamente apprezzabile.
- un secondo testo (tipologia B) di
comunicazione commerciale, sempre In ultima analisi, si dovrà procedere alla
di argomento tecnico, ma che valutazione della qualità dei testi tradotti dai primi
presenta anche una funzione due gruppi di traduttori con il procedimento della
persuasiva; si pensi, a titolo traduzione assistita in ambiente SDL Trados
5Studio. Si dovrà quindi verificare se, come
ipotizzato, un approccio di questo tipo, basato Jenkins, J. (2009). “English as a Lingua Franca:
cioè sull’applicazione della tecnologia, ma con al Interpretations and attitudes”. World Englishes,
centro l’attività umana e lo spessore intellettuale 28 (2). 200-207.
del traduttore, possa essere applicato con maggior
efficacia rispetto alla NMT o al PEMT, in O’Brien, S. (1998). “Practical Experience of
particolare in un settore che, come l’Apparel, Computer Aided Translation Tools in the Software
presenta al suo interno un linguaggio specialistico Localization Industry”. In L. Bowker, M. Cronin, D.
in continua evoluzione e caratterizzato da una Kenny e J. Pearson (eds). Unity in Diversity?
forte variabilità linguistica. Current trends in translation studies. Manchester:
St. Jerome Publishing. 115-22.
Peris, A. Et al. (2016). “Interactive Neural Machine
Translation. Computer Speech and Language”. 1-
Bibliografia 20. doi:10.1016/j.csl.2016.12.003.
Bentivogli, L. Et al. (2016). “Neural versus phrase- Russo, F. (2016). “Google Translate e Microsoft
based machine translation quality: a case study”. Translator - Valutazione di due applicazioni per la
In Proceedings of the 2016 Conference on traduzione automatica del parlato e analisi di una
Empirical Methods in Natural Language tecnologia in evoluzione”. Tesi di laurea non
Processing. Austing, TX, USA. 257–267. pubblicata, DIT Forlì.
Bettini, G. (2020). “Tradurre per le piccole e medie Somers, H. (2003). “Translation Memory
imprese: una traduzione nell’ambito della moda”. Systems”. In Harold Somers (ed). Computers and
Tesi di laurea non pubblicata, DIT Forlì. Translation: A Translator’s guide. Amsterdam e
Philadelphia: John Benjamins. 31-47.
Bowker, L. (2005). “Productivity VS Quality? A pilot
study on the impact of translation memory Stahlberg, F. (2019). “Neural Machine Translation:
systems”. Ottawa: University of Ottawa Press. A Review”. ArXiv: 1912.02047v1 [cs. CL] 4 Dec 2019.
1-51.
Dragsted, B. (2004). “Segmentation in translation
and translation memory systems: An empirical
investigation of cognitive segmentation and Wenger, E. (2006). “Comunità di pratica.
effects of integrating a TM system into the Apprendimento, significato e identità”. Milano:
translation process”. København: Raffaello Cortina Editore.
Samfundslitteratur. Ph.D. series, No. 5.
Wu et al. (2016). “Google’s Multilingual Neural
Machine Translation System: Bridging the Gap
García, I. (2009). “Beyond Translation
between Human and Machine Translation”. ArXiv:
Memory: Computers and the Professional
1609.08144v2 [cs. CL] 8 Oct 2016. 1-20.
Translator”. The Journal of Specialized Translation.
Issue 12.
Yamada, M. (2011). “The effect of machine
Hutchkins, J. (2005). “The history of machine translation databases on productivity”. In A. Pym
translation in a nutshell”. [Web: (ed). Translation Research Projects 3. Tarragona:
http://ourworld.compuserve.com/homepages/W Intercultural Studies Group. 63- 73.
JHUtchkins]
6Puoi anche leggere
