Using international standards for terminology exchange

Utilizarea standardelor internaționale pentru schimbul de terminologie KLAUS-DIRK SCHMITZ Cologne University of Applied Sciences CUVINTE-CHEIE: gestionarea terminologiei, schimbul de terminologie, standarde, categorii de date, TBX 1. MOTIVAȚIE Crearea unei terminologii de înaltă calitate și gestionarea profesională a terminologiei sunt activități care necesită mult timp și sunt costisitoare. Accesul la resursele terminologice deja existente și reutilizarea acestora pot reduce considerabil efortul necesar activității terminologice. În multe cazuri, aceste considerente economice constituie principalele argumente în favoarea schimbului de terminologie. Dar există multe alte motive pentru care schimbul de terminologie este atât de important. Activitățile comerciale de traducere dintre clienți, furnizorii de servicii lingvistice și traducătorii independenți presupun transferul datelor terminologice în ambele sensuri. Companiile furnizează terminologie pentru a sprijini proiectele de traducere, iar traducătorii returnează resursele terminologice pe care le-au actualizat în timpul activității de traducere. Iar utilizarea consecventă a terminologiei în proiecte de amploare, cu mai mulți traducători independenți, poate fi garantată numai dacă toate persoanele implicate au acces la aceleași resurse de date terminologice; însă instrumentele diferite de gestionare a terminologiei și bazele de date terminologice concepute individual complică schimbul fără pierderi și consecvent al datelor terminologice. Un ultim scenariu important pentru schimbul de date terminologice este migrarea colecțiilor de date terminologice dintr-un sistem în altul. Acest lucru poate fi necesar dacă o companie sau un traducător independent își schimbă furnizorul de instrumente și trebuie să convertească terminologia din vechiul sistem de gestionare a terminologiei în noul instrument, dar și dacă datele terminologice sunt necesare în alte programe, precum sistemele de gestionare a conținutului sau sistemele de traducere automată (bazate pe reguli). Dar un schimb de terminologie simplu și facil în toate aceste scenarii poate fi problematic, deoarece cerințele tehnice pentru gestionarea termino- Terminologija | 2012 | 19 3 3 ment (limbi, categorii de date, seturi de valori de date) poate fi destul de diferit, în funcție de nevoile grupurilor de utilizatori respective și de mediile organizaționale. 2. CERINȚE Rutinele de schimb între două baze de date terminologice specifice sunt de obicei dezvoltate individual, ținând cont de rutinele și formatele de import și export existente ale celor două sisteme implicate. De asemenea, este necesar să se cunoască modelele de date și „semantica” categoriilor de date din ambele sisteme. Dacă este necesar schimbul de date între mai mult de două sisteme, numărul rutinelor de conversie necesare va crește rapid. De aceea, există o cerere puternică pentru formate de schimb standardizate, în care fiecare dintre sistemele de gestionare a terminologiei participante trebuie să ofere doar o funcție de import al datelor din formatul de schimb standardizat și doar o funcție de export în formatul standard de schimb. Unul dintre cele mai cunoscute și mai des furnizate formate este CSV (valori separate prin virgulă). Acest format separă informațiile prin virgule sau tabulatoare, iar înregistrările de date prin retururi de car sau marcaje de paragraf. Deși datele individuale sunt de obicei separate unele de altele, semnificația și interpretarea datelor individuale nu sunt clare și nu sunt definite explicit în formatul CSV. Fig. 1: Date dintr-o bază terminologică MultiTerm 2011 exportate în format CSV Formatul CSV este adesea utilizat pentru a converti datele în foi de calcul Excel și din acestea. Uneori, numele coloanelor sunt specificate pe primul rând al fișierului de schimb, ceea ce permite deducerea unor informații despre 34 Klaus–Dirk Schmitz | Using international standards for terminology exchange semantica datelor care urmează. Totuși, acest lucru poate funcționa numai dacă structura datelor terminologice nu este prea complexă și dacă fiecare înregistrare conține același tip și același număr de date; datele variabile (de exemplu, un număr diferit de termeni în mai multe limbi) vor deplasa coloanele și vor face imposibilă interpretarea corectă a datelor. Utilizarea limbajelor de marcare, precum XML (limbaj de marcare extensibil), evită tocmai această problemă. Fiecare element individual de informație poartă semantica semnificației sale într-o așa-numită etichetă, iar gruparea și alocarea fiecărui element de date sunt definite în mod unic de structura XML. Fig. 2: Date dintr-o bază terminologică MultiTerm 2011 exportate în format XML Figura 2 prezintă începutul fișierului de schimb CSV din Figura 1 în format XML, mai exact în formatul XML specific MultiTerm 2011, utilizat pentru conversia bazelor de date MultiTerm. 3. S O L U Ț I E Nu suntem acum departe de a obține un format de schimb bine definit și standardizat. Este necesar doar să standardizăm marcajele dintre parantezele unghiulare, etichetele și atributele de tip, pentru a asigura așa-numitul „schimb orb” între bazele de date terminologice. „Orb” înseamnă că nu este nevoie să cunoașteți structura, categoriile de date și valorile acestora nici în baza terminologică sursă, nici în cea țintă. Exact acest lucru încearcă să realizeze standardul ISO 30042:2008, care specifică TBX (Term Base eXchange). TBX se bazează pe ISO 16642:2003, care definește un metamodel terminologic cu mai multe niveluri și elemente structurale pentru Terminologija | 2012 | 19 35 fișierul XML, și pe ISOCAT (www.isocat.org), care specifică categoriile de date terminologice conform ISO 12620:2009. Figura 3 prezintă un extras simplificat al unei înregistrări terminologice în reprezentarea TBX. Fig. 3: Exemplu simplificat de fișier TBX TBX este specificat ca un singur standard internațional, însă consultarea documentului și a site-ului ISOcat arată că există variante diferite ale TBX. Standardul în sine definește ceva asemănător unei familii de formate compatibile cu TBX, în care TBX–Default acceptă întregul set de categorii de date terminologice al familiei TBX, iar TBX–Basic folosește doar un subset mai restrâns de categorii de date, pentru a facilita rutine mai simple de import și export pentru grupuri specifice de utilizatori și baze de date mai puțin complexe. 4. PROVOCĂRI Deși TBX este un standard ISO bine definit, trebuie menționate două probleme care pot complica extrem de mult schimbul de date terminologice: lipsa de strictețe a TBX în anumite domenii și flexibilitatea sistemelor moderne de gestionare a terminologiei. Printre altele, TBX încearcă să standardizeze valorile admise ale categoriilor de date închise, adică valorile care pot apărea. Acest lucru poate funcționa corespunzător pentru anumite categorii de date, precum genul gramatical (gender = m / f / n), dar este sortit eșecului pentru o categorie de date precum domeniul tematic, deoarece nu există o clasificare (ideală) a domeniilor tematice 36 Klaus–Dirk Schmitz | Using international standards for terminology exchange care este adecvată tuturor nevoilor utilizatorilor și tuturor domeniilor de aplicare. Prin urmare, nu se poate garanta un schimb de date complet „orb” folosind TBX pentru toate categoriile de date, deoarece TBX nu poate specifica valorile posibile pentru categorii de date precum domeniul de specialitate. Sistemele de gestionare a terminologiei ar trebui să ofere interfețe de import și export care să accepte standardul TBX. Unii dezvoltatori de sisteme afirmă explicit că software-ul lor poate importa și exporta fișiere în format TBX. Totuși, acest lucru este posibil numai dacă sistemul de gestionare a terminologiei are o structură fixă, prestabilită, a intrărilor, cu categorii de date predefinite; numai în acest caz dezvoltatorul sistemului va cunoaște semantica acestor categorii de date și le va putea reprezenta adecvat în fișierele de export TBX sau le va putea interpreta în fișierele de import TBX. Însă, dacă sistemele de gestionare a terminologiei impun / permit utilizatorului să specifice modelul de date și categoriile de date potrivit nevoilor sale specifice (de exemplu, MultiTerm) sau măcar să modifice un model de date prestabilit (de exemplu, crossTerm, qTerm sau TermStar), dezvoltatorul sistemului nu va putea oferi o interfață TBX fiabilă, deoarece nu poate cunoaște semantica categoriilor de date definite de utilizator. Pentru a compensa astfel de situații, există doar două soluții (în afara TBX): fie un instrument de mapare specific îl ajută pe utilizator să-și asocieze propriile categorii de date cu categoriile standardizate ISOcat, fie utilizatorul își creează de la bun început propria bază de date terminologică pe baza categoriilor de date standardizate din ISOcat. 5. CONCLUZIE ISO/TC37, comitetul tehnic internațional pentru standardizarea terminologiei, a elaborat și publicat mai multe standarde care se referă direct la schimbul de date terminologice (de exemplu, ISO 30042:2008 pentru TBX). Însă și alte standarde TC37 pot fi utilizate pentru selectarea categoriilor de date terminologice și pentru modelarea bazelor de date terminologice, astfel încât să faciliteze și să asigure schimbul de date terminologice. Întrucât sistemele moderne de gestionare a terminologiei prezintă probleme fundamentale în ceea ce privește acceptarea formatelor de schimb precum TBX, problema schimbului trebuie luată în considerare atunci când se proiectează o soluție de gestionare a terminologiei pentru companii și liber-profesioniști. Deciziile greșite și alegerile eronate ale categoriilor de date vor împiedica schimbul viitor de date terminologice și pot fi remediate doar cu eforturi considerabile. Standardele ISO precum ISO 12620:2009 și ISO 26162:2012 Terminologija | 2012 | 19 37 precum și Registrul categoriilor de date (www.isocat.org) îi vor sprijini pe utilizatori să proiecteze sisteme profesionale și de ultimă generație de gestionare a terminologiei, care permit schimbul terminologic bazat pe standarde. 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