Using international standards for terminology exchange

Používání mezinárodních standardů pro výměnu terminologie KLAUS-DIRK SCHMITZ Cologne University of Applied Sciences KLÍČOVÁ SLOVA: správa terminologie, výměna terminologie, standardy, datové kategorie, TBX 1. MOTIVACE Tvorba kvalitní terminologie i profesionální správa terminologie jsou časově náročné a nákladné činnosti. Přístup k již existujícím terminologickým zdrojům a jejich opětovné využití mohou výrazně snížit náročnost terminologické práce. Tyto ekonomické otázky jsou v mnoha případech hlavním důvodem zájmu o výměnu terminologie. Existuje však mnoho dalších důvodů, proč je výměna terminologie tak důležitá. Obchodní činnosti v oblasti překladu mezi klienty, poskytovateli jazykových služeb a překladateli na volné noze vyžadují přenos terminologických dat oběma směry. Společnosti poskytují terminologii na podporu překladatelských projektů a překladatelé vracejí terminologické zdroje, které aktualizovali během překladatelské práce. A důsledné používání terminologie ve větších projektech s několika jednotlivými překladateli lze zaručit pouze tehdy, mají-li všechny zúčastněné osoby přístup ke stejným terminologickým datovým zdrojům; různé nástroje pro správu terminologie a individuálně navržené terminologické databáze však komplikují bezztrátovou a konzistentní výměnu terminologických dat. Dalším důležitým scénářem výměny terminologických dat je migrace terminologických datových sbírek z jednoho systému do jiného. To může být nezbytné, pokud společnost nebo pracovník na volné noze změní poskytovatele nástrojů a musí převést terminologii ze starého systému správy terminologie do nového nástroje, ale také v případě, že jsou terminologická data potřebná v jiných programech, jako jsou systémy pro správu obsahu nebo systémy strojového překladu (založené na pravidlech). Jednoduchá a snadná výměna terminologie ve všech těchto scénářích však může být problematická, protože technické požadavky na správu termino- Terminologija | 2012 | 19 3 3 ment (jazyky, datové kategorie, sady datových hodnot) se mohou značně lišit v závislosti na potřebách příslušných skupin uživatelů a organizačním prostředí. 2. POŽADAVKY Postupy výměny mezi dvěma konkrétními terminologickými databázemi se obvykle vyvíjejí individuálně s ohledem na stávající postupy a formáty importu a exportu obou zapojených systémů. Je také nutné znát datové modely a „sémantiku“ datových kategorií obou systémů. Pokud je potřeba výměna dat mezi více než dvěma systémy, počet nezbytných konverzních postupů rychle narůstá. Proto je velká poptávka po standardizovaných formátech výměny, v nichž každý ze zúčastněných systémů pro správu terminologie musí poskytovat pouze funkci pro import dat ze standardizovaného výměnného formátu a funkci pro export do standardního výměnného formátu. Jedním z nejznámějších a nejčastěji používaných formátů je CSV (hodnoty oddělené čárkami). Tento formát odděluje informace čárkami nebo tabulátory a datové záznamy konci řádků nebo značkami odstavců. Ačkoli jsou jednotlivé údaje obvykle od sebe odděleny, význam a interpretace jednotlivých údajů nejsou jasné ani výslovně stanovené ve formátu CSV. Obr. 1: Data z terminologické databáze MultiTerm 2011 exportovaná ve formátu CSV Formát CSV se často používá ke konverzi dat do tabulek Excelu a zpět. Někdy jsou názvy sloupců uvedeny na prvním řádku výměnného souboru, což umožňuje vyvozovat závěry o 34 Klaus–Dirk Schmitz | Using international standards for terminology exchange sémantice následujících dat. To však může fungovat pouze tehdy, pokud struktura terminologických dat není příliš složitá a každý záznam obsahuje stejný typ a počet údajů; proměnlivá data (např. různý počet termínů v několika jazycích) posunou sloupce a znemožní správnou interpretaci dat. Použití značkovacích jazyků, jako je XML (rozšiřitelný značkovací jazyk), tento problém přesně obchází. Každá jednotlivá informace nese sémantiku svého významu v takzvaném značce a seskupení a přiřazení každé datové položky jsou jednoznačně definovány strukturou XML. Obr. 2: Data z terminologické databáze MultiTerm 2011 exportovaná ve formátu XML Obrázek 2 ukazuje začátek výměnného souboru CSV z obrázku 1 ve formátu XML, konkrétně ve specifickém formátu XML MultiTerm 2011 používaném ke konverzi databází MultiTerm. 3. Ř E Š E N Í K dosažení dobře definovaného standardizovaného výměnného formátu již nemáme daleko. Stačí standardizovat značky v ostrých závorkách, tagy a atributy typu, aby bylo možné zajistit takzvanou „slepou výměnu“ mezi terminologickými databázemi. Slepá znamená, že není nutné znát strukturu, datové kategorie ani jejich hodnoty ve zdrojové a cílové terminologické bázi. Právě toho se snaží dosáhnout norma ISO 30042:2008, která specifikuje TBX (Term Base eXchange). TBX vychází z normy ISO 16642:2003, jež definuje terminologický metamodel s několika úrovněmi a strukturálními prvky pro Terminologija | 2012 | 19 35 soubor XML a z ISOCAT (www.isocat.org), který specifikuje terminologické datové kategorie podle normy ISO 12620:2009. Obrázek 3 ukazuje zjednodušený výňatek terminologického záznamu v reprezentaci TBX. Obr. 3: Zjednodušený příklad souboru TBX TBX je specifikován jako jediná mezinárodní norma, při konzultaci dokumentu a webových stránek ISOcat však zjistíme, že existují různé varianty TBX. Samotná norma definuje něco jako rodinu formátů kompatibilních s TBX, v níž TBX–Default podporuje celou sadu terminologických datových kategorií rodiny TBX, zatímco TBX–Basic používá pouze menší podmnožinu datových kategorií, aby usnadnil jednodušší postupy importu a exportu pro konkrétní skupiny uživatelů a méně komplexní databáze. 4. VÝZVY Ačkoli je TBX dobře definovanou normou ISO, je třeba zmínit dva problémy, které mohou výměnu terminologických dat značně komplikovat: nedostatečnou přísnost TBX v některých oblastech a flexibilitu moderních systémů správy terminologie. TBX se mimo jiné pokouší standardizovat přípustné instance uzavřených datových kategorií, tj. hodnoty, které se mohou vyskytovat. To může dobře fungovat u některých datových kategorií, jako je gramatický rod (gender = m / f / n), je to však předem odsouzeno k neúspěchu u datové kategorie, jako je obor, protože neexistuje žádná (ideální) klasifikace oborů 36 Klaus–Dirk Schmitz | Using international standards for terminology exchange který je vhodný pro všechny potřeby uživatelů a všechny oblasti použití. Proto nelze zaručit zcela „slepou“ výměnu dat pomocí TBX pro všechny kategorie dat, protože TBX nedokáže určit možné hodnoty kategorií dat, jako je obor. Systém pro správu terminologie by měl poskytovat rozhraní pro import a export podporující standard TBX. Někteří vývojáři systémů výslovně uvádějí, že jejich software dokáže importovat a exportovat soubory ve formátu TBX. To však může být pravda pouze tehdy, pokud má systém pro správu terminologie pevnou, předem stanovenou strukturu záznamu s přednastavenými kategoriemi dat; jen v takovém případě vývojář systému zná sémantiku kategorií dat a může je odpovídajícím způsobem reprezentovat v exportních souborech TBX nebo interpretovat v importních souborech TBX. Pokud však systémy pro správu terminologie vyžadují či umožňují, aby uživatel specifikoval datový model a kategorie dat podle svých konkrétních potřeb (např. MultiTerm), nebo alespoň upravil přednastavené datové modelování (např. crossTerm, qTerm nebo TermStar), nebude vývojář systému schopen poskytnout řádné rozhraní TBX, protože nemůže znát sémantiku uživatelem definovaných kategorií dat. K řešení takových případů připadají v úvahu pouze dvě možnosti (mimo TBX): buď uživateli pomůže namapovat jeho vlastní kategorie dat na standardizované kategorie ISOcat specializovaný mapovací nástroj, nebo si uživatel hned od začátku vytvoří vlastní terminologickou databázi na základě standardizovaných kategorií dat v ISOcat. 5. ZÁVĚR ISO/TC37, mezinárodní technická komise pro normalizaci terminologie, vypracovala a vydala několik norem, které se přímo týkají výměny terminologických dat (např. ISO 30042:2008 pro TBX). K výběru kategorií terminologických dat a modelování terminologických databází s cílem usnadnit a zajistit výměnu terminologických dat lze však využít i další normy TC37. Vzhledem k zásadním problémům moderních systémů pro správu terminologie, pokud jde o podporu výměnných formátů, jako je TBX, je třeba otázku výměny zohlednit při navrhování řešení pro správu terminologie ve firmách i pro samostatně výdělečně činné osoby. Špatná rozhodnutí a chybný výběr kategorií dat budou bránit budoucí výměně terminologických dat a jejich náprava bude možná pouze s vynaložením značného úsilí. Normy ISO, jako jsou ISO 12620:2009 a ISO 26162:2012 Terminologija | 2012 | 19 37 spolu s Registrem kategorií dat (www.isocat.org) uživatelům pomohou navrhovat profesionální a moderní systémy pro správu terminologie, které umožňují terminologickou výměnu založenou na standardech. BIBLIOGRAPHY ISO 12620:2009 Terminology and other language and content resources – Specification of data categories and management of a Data Category Registry for language resources. Geneva: ISO. ISO 16642:2003 Computer applications in terminology – Terminological markup framework. Geneva: ISO. ISO 26162:2012 Systems to manage terminology, knowledge and content – Design, implementation and maintenance of terminology management systems. Geneva: ISO. ISO 30042:2008 Systems to manage terminology, knowledge and content – TermBase eXchange (TBX). Geneva: ISO. Melby A. K., Schmitz K.-D., Wright S. E. 2001: Terminology Interchange. – Handbook of Terminology Management, Volume 2, Wright S. E., Budin G. (eds.), Amsterdam/Philadelphia: John Benjamins, 613–642. Schmitz K.-D. 2004: Terminologiearbeit und Terminographie. – Angewandte Linguistik – Ein Lehrbuch, Knapp K. et al. (Hrsg.), Tübingen/Basel: Francke, 435–456. Schmitz K.-D. 2008: Bedeutung von Normung und Terminologiearbeit für die Technische Dokumentation. – Terminologiearbeit für Technische Dokumentation. (= tekom Schriften zur technischen Kommunikation 12); Hennig J., Tjarks-Sobhani M. (Hrsg.), Lübeck: Schmidt-Römhild, 11–17. Schmitz K.-D., Straub D. 2010: Successful Terminology Management in Companies – Practical tips and guidelines, Stuttgart: TC and More. TARPTAUTINIŲ STANDARTŲ NAUDOJIMAS TERMINOLOGIJOS MAINAMS Kruopštus terminologijos darbas ir profesionali terminijos tvarkyba įmonėms ir laisvai samdomiems darbuotojams yra daug laiko ir išlaidų reikalaujanti veikla. Ją gerokai palengvintų prieiga prie esamų terminologinių išteklių ir jų panaudojimas. Klientų, vertimo paslaugas teikiančių įmonių ir vertėjų bendravimui ir bendradarbiavimui reikalingas duomenų perdavimas įvairiomis kryptimis. Skirtingos terminologijos tvarkybos sistemos ir nesuderinti, atskiri terminologinių išteklių duomenų modeliai gali trukdyti terminologinių duomenų mainams ar užkirsti jiems kelią. ISO/TK37 – tarptautinis terminologijos ir kitų kalbos bei turinio išteklių standartizavimo technikos komitetas – parengė ir išleido keletą standartų, skirtų terminologinių duomenų mainams (pvz., TBX mainų formatui skirtas ISO 30042). Pasirenkant tinkamas terminologinių duomenų kategorijas ir modeliuojant terminologinių duomenų bazes, galima remtis ir kitais ISO/TK37 standartais, kurių taikymas palengvintų terminologinių duomenų importą ir eksportą iš kitų išteklių. Straipsnyje kalbama apie bendruosius terminologinių duomenų mainų tikslus, principus ir problemas, supažindinama su tarptautiniais standartus, skirtais veiksmingus duomenų mainus užtikrinančioms terminologijos tvarkybos sistemoms kurti, aiškinamas TBX mainų formato taikymas. Gauta 2012-11-18 Klaus-Dirk Schmitz Cologne University of Applied Sciences Institute of Translation and Multilingual Communication Ubierring 48, 50678 Cologne, Germany E-mail [email protected] 38 Klaus-Dirk Schmitz Using international standards for terminology exchange