Framtagandet av terminologi av hög kvalitet och professionell terminologihantering är båda tidskrävande och kostsamma aktiviteter. Tillgång till och återanvändning av redan befintliga terminologiska resurser kan avsevärt minska arbetsinsatsen för terminologiarbete. Dessa ekonomiska aspekter är i många fall de främsta argumenten för intresset för terminologiutbyte.
Men det finns många andra skäl till att terminologiutbyte är så viktigt. Affärsverksamhet inom översättning mellan kunder, språktjänsteleverantörer och frilansöversättare kräver överföring av terminologiska data i båda riktningarna. Företag tillhandahåller terminologi för att stödja översättningsprojekt, och översättare återför terminologiska resurser som de har uppdaterat under översättningsarbetet. Konsekvent användning av terminologi i större projekt med flera enskilda översättare kan endast garanteras om alla inblandade har tillgång till samma terminologiska dataresurser; olika terminologihanteringsverktyg och individuellt utformade terminologidatabaser försvårar dock ett förlustfritt och konsekvent utbyte av terminologiska data.
Ett sista viktigt scenario för utbyte av terminologiska data är migrering av terminologiska datasamlingar från ett system till ett annat. Detta kan vara nödvändigt om ett företag eller en frilansare byter verktygsleverantör och måste konvertera terminologin från det gamla terminologihanteringssystemet till det nya verktyget, men också om terminologiska data behövs i andra program, till exempel innehållshanteringssystem eller (regelbaserade) maskinöversättningssystem.
Men ett enkelt terminologiutbyte i alla dessa scenarier kan vara problematiskt, eftersom de tekniska kraven för terminologihanter-
Terminologija | 2012 | 19
3 3
Page 2
ment (språk, datakategorier, datavärdemängder) kan skilja sig avsevärt beroende på behoven hos respektive användargrupper och de organisatoriska miljöerna.
2. KRAV
Rutiner för datautbyte mellan två specifika termdatabaser utvecklas vanligtvis separat, med hänsyn till de befintliga import- och exportrutinerna och formaten i de båda berörda systemen. Det är också nödvändigt att känna till datamodellerna och ”semantiken” hos båda systemens datakategorier. Om datautbyte behövs mellan fler än två system ökar antalet nödvändiga konverteringsrutiner snabbt. Därför finns det ett stort behov av standardiserade utbytesformat, där vart och ett av de deltagande terminologihanteringssystemen endast behöver tillhandahålla en funktion för import av data från det standardiserade utbytesformatet och en funktion för export till standardutbytesformatet.
Ett av de mest kända och ofta tillhandahållna formaten är CSV (kommaseparerade värden). Detta format avgränsar information med kommatecken eller tabbar och dataposter med radbrytningar eller stycketecken. Även om enskilda data vanligtvis är åtskilda från varandra, är de enskilda datavärdenas betydelse och tolkning oklar och anges inte uttryckligen i CSV-formatet.
Fig. 1: Data från en MultiTerm 2011-termbas som exporterats i CSV-format
CSV-formatet används ofta för att konvertera data till och från Excel-kalkylblad. Ibland anges kolumnnamnen på den första raden i utbytesfilen, vilket gör det möjligt att dra slutsatser om
34
Klaus–Dirk Schmitz | Using international standards for terminology exchange
Page 3
semantiken hos de följande uppgifterna. Men detta fungerar bara om de terminologiska uppgifternas struktur inte är alltför komplex och om varje post innehåller samma typ och antal data; varierande data (t.ex. olika antal termer på flera språk) förskjuter kolumnerna och gör det omöjligt att tolka uppgifterna korrekt.
Genom att använda märkspråk som XML (utökningsbart märkspråk) kringgås just detta problem. Varje enskild informationsdel bär med sig betydelsen av sitt innehåll i en så kallad tagg, och grupperingen och tilldelningen av varje dataelement definieras entydigt av XML-strukturen.
Fig. 2: Data från en MultiTerm 2011-termbas som exporterats i XML-format
Figur 2 visar början av CSV-utbytesfilen i figur 1 i XML-format, nämligen i det specifika MultiTerm 2011 XML-format som används för konvertering av MultiTerm-databaser.
3. L Ö S N I N G
Vi är nu inte långt ifrån att uppnå ett väldefinierat standardiserat utbytesformat. Det är bara nödvändigt att standardisera markeringen inom vinkelparenteserna, taggarna och typattributen för att möjliggöra ett så kallat ”blint utbyte” mellan termdatabaser. Blint betyder att man inte behöver känna till strukturen, datakategorierna och deras värden i den ursprungliga respektive den mottagande termbasen. Detta är precis vad standarden ISO 30042:2008, som specificerar TBX (Term Base eXchange), försöker åstadkomma. TBX bygger på ISO 16642:2003, som definierar en terminologisk metamodel med flera nivåer och strukturella element för
Terminologija | 2012 | 19
35
Page 4
XML-filen och på ISOCAT (www.isocat.org), som specificerar terminologiska datakategorier enligt ISO 12620:2009. Figur 3 visar ett förenklat utdrag av en terminologisk post i TBX-format.
Fig. 3: Förenklat exempel på en TBX-fil
TBX specificeras som en enda internationell standard, men när man läser dokumentet och webbplatsen ISOcat inser man att det finns olika varianter av TBX. Standarden definierar i själva verket något som liknar en familj av TBX-kompatibla format, där TBX–Default stöder hela uppsättningen terminologiska datakategorier i TBX-familjen, medan TBX–Basic endast använder en mindre delmängd datakategorier för att underlätta enklare import- och exportfunktioner för specifika användargrupper och mindre komplexa databaser.
4. UTMANINGAR
Även om TBX är en väldefinierad ISO-standard måste två problem nämnas, eftersom de kan försvåra utbytet av terminologiska data avsevärt: bristande stringens i vissa delar av TBX och flexibiliteten hos moderna terminologihanteringssystem.
TBX försöker bland annat standardisera de tillåtna instanserna av slutna datakategorier, det vill säga de värden som kan förekomma. Detta kan fungera väl för vissa datakategorier, såsom grammatiskt genus (gender = m / f / n), men är dömt att misslyckas för en datakategori som ämnesområde, eftersom det inte finns någon (idealisk) klassificering av ämnesområden
36
Klaus–Dirk Schmitz | Using international standards for terminology exchange
Page 5
som är lämplig för alla användarbehov och alla tillämpningsområden. Därför kan ett fullständigt ”blint” datautbyte med TBX inte garanteras för alla datakategorier, eftersom TBX inte kan ange möjliga värden för datakategorier såsom ämnesområde.
Ett terminologihanteringssystem bör tillhandahålla import- och exportgränssnitt som stöder TBX-standarden. Vissa systemutvecklare anger uttryckligen att deras programvara kan importera och exportera filer i TBX-format. Detta kan dock bara stämma om terminologihanteringssystemet har en fast, förutbestämd poststruktur med förinställda datakategorier; endast i sådana fall känner systemutvecklaren till datakategoriernas semantik och kan återge dem på ett adekvat sätt i TBX-exportfiler eller tolka dem i TBX-importfiler. Men om terminologihanteringssystemet kräver / tillåter att användaren definierar datamodellen och datakategorierna utifrån sina specifika behov (t.ex. MultiTerm), eller åtminstone ändrar en förinställd datamodell (t.ex. crossTerm, qTerm eller TermStar), kommer systemutvecklaren inte att kunna tillhandahålla ett välfungerande TBX-gränssnitt, eftersom han inte kan känna till semantiken hos användardefinierade datakategorier. För att hantera sådana fall finns endast två lösningar (utanför TBX): antingen hjälper ett särskilt mappningsverktyg användaren att mappa sina egna datakategorier till de standardiserade ISOcat-kategorierna, eller så skapar användaren från början sin egen termdatabas utifrån de standardiserade datakategorierna i ISOcat.
5. SLUTSATS
ISO/TC37, den internationella tekniska kommittén för standardisering av terminologi, har utvecklat och publicerat flera standarder som direkt rör utbyte av terminologiska data (t.ex. ISO 30042:2008 för TBX). Även andra TC37-standarder kan användas för att välja terminologiska datakategorier och modellera termdatabaser i syfte att underlätta och säkerställa utbyte av terminologiska data.
Eftersom moderna terminologihanteringssystem har grundläggande problem när det gäller stöd för utbytesformat såsom TBX, måste frågan om datautbyte beaktas när man utformar en lösning för terminologihantering för företag och frilansare. Felaktiga beslut och olämpliga val av datakategorier kommer att hindra framtida utbyte av terminologiska data och kan endast åtgärdas med stor ansträngning. ISO-standarder såsom ISO 12620:2009 och ISO 26162:2012
Terminologija | 2012 | 19
37
Page 6
liksom registret över datakategorier (www.isocat.org) kommer att hjälpa användare att utforma professionella och moderna terminologihanteringssystem som möjliggör standardbaserat terminologiutbyte.
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
