Using international standards for terminology exchange

Nemzetközi szabványok alkalmazása a terminológiacserében KLAUS-DIRK SCHMITZ Kölni Alkalmazott Tudományok Egyeteme KULCSSZAVAK: terminológiamenedzsment, terminológiacsere, szabványok, adatkategóriák, TBX 1. INDOKOLÁS A magas színvonalú terminológia létrehozása és a professzionális terminológiamenedzsment egyaránt időigényes és költséges tevékenység. A már meglévő terminológiai erőforrásokhoz való hozzáférés és azok újrafelhasználása jelentősen csökkentheti a terminológiai munka ráfordításait. Sok esetben ezek a gazdasági szempontok jelentik a terminológiacsere iránti érdeklődés fő indokát. A terminológiacsere fontosságának azonban számos más oka is van. Az ügyfelek, a nyelvi szolgáltatók és a szabadúszó fordítók közötti üzleti fordítási tevékenységek megkövetelik a terminológiai adatok mindkét irányú továbbítását. A vállalatok terminológiát bocsátanak rendelkezésre a fordítási projektek támogatására, a fordítók pedig visszaadják azokat a terminológiai erőforrásokat, amelyeket a fordítási munka során frissítettek. A nagyobb, több egyéni fordítót foglalkoztató projekteknél pedig csak akkor garantálható a terminológia következetes használata, ha minden érintett hozzáfér ugyanazokhoz a terminológiai adatforrásokhoz; a különböző terminológiamenedzsment-eszközök és az egyedi tervezésű terminológiai adatbázisok azonban megnehezítik a terminológiai adatok veszteségmentes és következetes cseréjét. A terminológiai adatok cseréjének egy további fontos esete a terminológiai adatgyűjtemények egyik rendszerből a másikba történő áttelepítése. Erre akkor lehet szükség, ha egy vállalat vagy szabadúszó eszközszolgáltatót vált, és a régi terminológiamenedzsment-rendszerből az új eszközbe kell átalakítania a terminológiát, de akkor is, ha a terminológiai adatokra más programokban, például tartalomkezelő rendszerekben vagy (szabályalapú) gépi fordítási rendszerekben van szükség. A terminológia egyszerű és könnyű cseréje azonban mindezekben az esetekben problémás lehet, mivel a terminológiamenedzsment technikai követelményei- Terminologija | 2012 | 19 3 3 (nyelvek, adatkategóriák, adatérték-készletek) jelentősen eltérhetnek az adott felhasználói csoportok és szervezeti környezetek igényeitől függően. 2. KÖVETELMÉNYEK A két konkrét terminológiai adatbázis közötti adatcsere-rutinokat jellemzően egyedileg fejlesztik ki, figyelembe véve az érintett két rendszer meglévő import- és export-rutinjait, valamint formátumait. Ismerni kell továbbá mindkét rendszer adatmodelljeit és adatkategóriáinak „szemantikáját”. Ha kettőnél több rendszer között van szükség adatcserére, a szükséges konverziós rutinok száma gyorsan növekszik. Ezért nagy az igény a szabványos adatcsere-formátumokra, amelyek esetében minden részt vevő terminológiamenedzsment-rendszernek csupán egy, a szabványos adatcsere-formátumból történő importálást lehetővé tevő funkciót és egy, a szabványos adatcsere-formátumba történő exportálást lehetővé tevő funkciót kell biztosítania. Az egyik legismertebb és gyakran használt formátum a CSV (vesszővel elválasztott értékek). Ez a formátum az információkat vesszőkkel vagy tabulátorokkal, az adatrekordokat pedig soremelésekkel vagy bekezdésjelekkel választja el. Bár az egyes adatok általában elkülönülnek egymástól, jelentésük és értelmezésük nem egyértelmű, és a CSV-formátum nem rögzíti őket kifejezetten. 1. ábra: Egy MultiTerm 2011-es terminológiai adatbázisból CSV-formátumban exportált adatok A CSV-formátumot gyakran használják az Excel-táblázatokból történő adatkonvertálásra, illetve azokba való adatkonvertálásra. Előfordul, hogy az adatcserefájl első sorában megadják az oszlopok nevét, ami következtetések levonását teszi lehetővé a 34 Klaus–Dirk Schmitz | Using international standards for terminology exchange következő adatok szemantikájáról. Ez azonban csak akkor működik, ha a terminológiai adatok szerkezete nem túl összetett, és minden rekord azonos típusú és számú adatot tartalmaz; a változó adatok (például ha a különböző nyelveken eltérő számú terminus szerepel) eltolják az oszlopokat, és lehetetlenné teszik az adatok helyes értelmezését. Az olyan jelölőnyelvek használata, mint az XML (extensible markup language), pontosan ezt a problémát küszöböli ki. Minden egyes információdarab a jelentés szemantikáját egy úgynevezett tag formájában hordozza, az egyes adatelemek csoportosítását és hozzárendelését pedig egyértelműen meghatározza az XML-struktúra. 2. ábra: Egy MultiTerm 2011-es terminológiai adatbázisból XML-formátumban exportált adatok A 2. ábra az 1. ábrán látható CSV-adatcserefájl kezdetét mutatja XML-formátumban, konkrétan a MultiTerm-adatbázisok konvertálásához használt, sajátos MultiTerm 2011 XML-formátumban. 3. M E G O L D Á S Most már közel járunk egy jól meghatározott, szabványosított adatcsere-formátum megvalósításához. Mindössze a szögletes zárójelek közötti jelöléseket, a címkéket és a type attribútumokat kell szabványosítani ahhoz, hogy úgynevezett „vak adatcserét” lehessen biztosítani a terminológiai adatbázisok között. A vak azt jelenti, hogy nem szükséges ismerni a forrás- és a céltermbázis struktúráját, adatkategóriáit és azok értékeit. Pontosan ezt igyekszik megvalósítani az ISO 30042:2008 szabvány, amely a TBX-et (Term Base eXchange) határozza meg. A TBX az ISO 16642:2003 szabványon alapul, amely a terminológiai XML-fájlhoz többszintű meta-modellt, valamint strukturális elemeket határoz meg. Terminologija | 2012 | 19 35 valamint az ISOCAT-on (www.isocat.org), amely az ISO 12620:2009 szabvány szerint határozza meg a terminológiai adatkategóriákat. A 3. ábra egy TBX-formátumú terminológiai bejegyzés egyszerűsített kivonatát mutatja. 3. ábra: TBX-fájl egyszerűsített példája A TBX egyetlen nemzetközi szabványként van meghatározva, de a dokumentum és az ISOcat webhelyének tanulmányozásakor kiderül, hogy a TBX-nek különböző változatai léteznek. Maga a szabvány TBX-kompatibilis formátumok egyfajta családját határozza meg: a TBX–Default a TBX-család terminológiai adatkategóriáinak teljes körét támogatja, míg a TBX–Basic csak az adatkategóriák szűkebb részhalmazát használja, hogy megkönnyítse az egyszerűbb importálási és exportálási eljárásokat bizonyos felhasználói csoportok és kevésbé összetett adatbázisok számára. 4. KIHÍVÁSOK Bár a TBX jól meghatározott ISO-szabvány, meg kell említeni két olyan problémát, amelyek rendkívül megnehezíthetik a terminológiai adatok cseréjét: a TBX egyes területeken tapasztalható következetlenségét, valamint a modern terminológiamenedzsment-rendszerek rugalmasságát. A TBX többek között megkísérli szabványosítani a zárt adatkategóriák megengedett példányait, vagyis az előforduló értékeket. Ez bizonyos adatkategóriák, például a nyelvtani nem esetében jól működhet (gender = m / f / n), de kudarcra van ítélve egy olyan adatkategória esetében, mint a szakterület, mivel nem létezik (ideális) szakterület-besorolás 36 Klaus–Dirk Schmitz | Using international standards for terminology exchange amely minden felhasználói igénynek és minden alkalmazási területnek megfelel. Ezért a TBX használatával történő teljesen „vak” adatcsere nem garantálható minden adatkategória esetében, mivel a TBX nem tudja meghatározni az olyan adatkategóriák lehetséges értékeit, mint például a szakterület. A terminológiamenedzsment-rendszereknek a TBX-szabványt támogató import- és exportfelületeket kell biztosítaniuk. Egyes rendszerfejlesztők kifejezetten állítják, hogy szoftverük képes a TBX-formátumnak megfelelő fájlok importálására és exportálására. Ez azonban csak akkor lehet igaz, ha a terminológiamenedzsment-rendszer rögzített, előre meghatározott bejegyzésszerkezettel és előre beállított adatkategóriákkal rendelkezik; csak ebben az esetben ismeri a rendszerfejlesztő az adatkategóriák szemantikáját, és tudja azokat megfelelően megjeleníteni a TBX-exportfájlokban, illetve értelmezni a TBX-importfájlokban. Ha azonban a terminológiamenedzsment-rendszer megköveteli/engedi, hogy a felhasználó saját igényei szerint adja meg az adatmodellt és az adatkategóriákat (pl. MultiTerm esetén), vagy legalább módosítsa az előre beállított adatmodellezést (pl. crossTerm, qTerm vagy TermStar esetén), a rendszerfejlesztő nem tud tiszta TBX-felületet biztosítani, mivel nem ismerheti a felhasználó által meghatározott adatkategóriák szemantikáját. Az ilyen esetek kezelésére a TBX-en kívül mindössze két megoldás lehetséges: vagy egy speciális leképezőeszköz segíti a felhasználót saját adatkategóriáinak a szabványosított ISOcat-kategóriákhoz való leképezésében, vagy a felhasználó már a kezdetektől fogva közvetlenül az ISOcat szabványosított adatkategóriái alapján hozza létre saját terminológiai adatbázisát. 5. KÖVETKEZTETÉS Az ISO/TC37, a terminológia szabványosításával foglalkozó nemzetközi műszaki bizottság számos, a terminológiai adatok cseréjéhez közvetlenül kapcsolódó szabványt dolgozott ki és tett közzé (pl. a TBX-re vonatkozó ISO 30042:2008 szabványt). Más TC37-szabványok is felhasználhatók azonban a terminológiai adatkategóriák kiválasztására és a terminológiai adatbázisok modellezésére, hogy elősegítsék és biztosítsák a terminológiai adatok cseréjét. Mivel a modern terminológiamenedzsment-rendszerek esetében alapvető problémák merülnek fel az olyan csereformátumok támogatásával kapcsolatban, mint a TBX, a csere kérdését figyelembe kell venni a vállalatok és szabadúszók számára készülő terminológiamenedzsment-megoldások tervezésekor. A hibás döntések és az adatkategóriák téves kiválasztása akadályozza a terminológiai adatok jövőbeli cseréjét, és csak nagy erőfeszítéssel orvosolható. Az olyan ISO-szabványok, mint az ISO 12620:2009 és az ISO 26162:2012 Terminologija | 2012 | 19 37 valamint az Adatkategória-nyilvántartás (www.isocat.org) támogatja a felhasználókat olyan professzionális és korszerű terminológiamenedzsment-rendszerek kialakításában, amelyek lehetővé teszik a szabványokon alapuló terminológiacserét. 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