クライアントとの翻訳品質期待値に関する指標

翻訳は本質的に主観的なプロセスであり、したがって翻訳コンテンツの品質もまた主観的である。これは、顧客に対して品質サービスの基準を保証しようとする言語サービスプロバイダーにとって課題となる。

LSPは「質の高い翻訳を提供します」と単純に宣言することはできません。なぜなら、その言葉が実際に何を意味するのか、あなたと顧客の間で認識が大きく異なる可能性があるからです。

他の要素よりも客観性に近づく要素は存在します：翻訳された文は原文と同じ意味を伝えているか？文法上の誤りはないか？しかし、Web-Translationsが説明しているように、

「翻訳が原文の意図した意味を正確に伝えているからといって、必ずしも質が高いとは限らない。質の高い翻訳とは、単に意味を維持する以上のもの——定義された仕様を満たし、目的に適合していなければならない。」

このジレンマは決して新しいものではない。翻訳業界の黎明期から、翻訳サービス提供者と購入者は、作業の品質を測定するための基準をどのように設定するかについて交渉を続けてきた。しかし機械翻訳の台頭により、このプロセスはさらに複雑化している。

人間の編集を一切経ない機械翻訳のコンテンツは、これまで顧客の予算では手が届かなかったコンテンツを、迅速かつ安価に翻訳する手段となり得る。新しい、より大量のコンテンツの翻訳が現実的になるにつれて、私たちはより柔軟な品質基準の範囲へと移行しつつあります。

結局のところ、あなたが望む品質とは、顧客が満足する品質なのです。品質の最終的な判断者はお客様ですが、LSP は多くの場合、こうした要件の指針となり、特定の品質評価プロセスを推奨することができます。

顧客との期待値設定

どの指標を使用するかについて議論する

翻訳の品質を測定するために設計されたモデルは数多く存在しますが、そのほとんどはエラーの類型に基づいており、スタイルをほとんど考慮していません。特定のモデルは、特定の業界やコンテンツタイプで人気があります。例えば、SAE J2450 メトリクスは、自動車技術者協会（SAE）と

一部のプロジェクトでは、翻訳出力の誤りではなく文脈に基づいて品質を測定する方が有用な場合があります。SDLの機械学習ソリューション担当副社長、ミハイール・ヴラドは次のように述べています。SDL 機械学習ソリューション担当副社長は、状況に応じた代替案を複数提案しています：

ポストエディットの品質は、翻訳者の生産性向上によって測定されます。
多言語eディスカバリの品質は、適切な文書の識別精度によって測定されます。
多言語テキスト分析における品質は、アナリストが関連情報を特定する効果性によって測定されます。
多言語チャットにおける品質は、エンドユーザーのフィードバック評価によって測定されます。

LSPは、顧客に対し、より多くの価値（例えばコスト削減やエンドユーザー満足度の向上など）をもたらす品質測定方法について教育することができます。

内部および外部のレビュープロセスについて合意する

内部のプロジェクトベースの評価では、編集者はプロジェクトの編集／校正作業の一環として翻訳者を審査し評価します。編集者は独自に作成した採点システム、または既存のモデルから派生したシステムを使用することがあります。プロジェクトマネージャーは、翻訳者の平均スコアに基づいて基準を設定し、追跡することができます。

一部の CAT ツールや翻訳メモリには、翻訳を評価するために、1 つ以上の複数の指標を統合しており、翻訳の評価に使用できます。

クライアントは、プロジェクトベースの評価を独自に実施する場合もあります。多くの場合、クライアントは、LSP の実績や評判に基づいて、LSP を暗黙的に信頼します。しかし、大企業は、現地の販売代理店（現地の販売代理店や現地支社のチームメンバーなど）を利用したり、サードパーティのレビューアを雇って LSP の仕事の品質を監査したりする場合があります。

外部レビューアと協力する場合、LSP とクライアントの間で合意した期待事項は、レビューアにも同様に適用される必要がある。レビュー担当者が同じ認識を共有していない場合に発生する 2 つの一般的な問題があります。まず、現地の販売代理店は言語の専門家ではないため、翻訳に誤りを導入してしまうケースを私は何度も目にしてきました。次に、特に優先度の低いコンテンツのポストエディット作業では、LSP とクライアントが翻訳の品質基準を低く設定しているにもかかわらず、そのことをレビュー担当者に伝えていない場合があります。これは、LSP がクライアントの要求したサービスを提供している場合でも、問題を引き起こす可能性があります。

プロジェクトごとに、コンテンツの種類と価格に基づいて基準を交渉する

すべてのコンテンツが最高品質基準を満たすために翻訳・編集される必要はありません。機械翻訳を利用すれば、膨大な量のコンテンツをかつてない速さで翻訳できますが、その翻訳品質にはばらつきが生じます。

つまり、ウェブサイトのコメントやフォーラムの投稿など、優先度の低いコンテンツは、流暢さや文法のために編集されなくても理解できる程度であれば、それで十分である場合もあるということです。

特に、機械翻訳に様々なレベルのポストエディティングを組み合わせることで、同じクライアント向けの複数のコンテンツタイプに対して、異なる価格帯と品質基準を設定して作業を進めることが可能です。

その他の内部品質評価

プロジェクトベースの評価はLSPがクライアントと交渉する場ではあるが、高品質なサービスを維持するには他の種類の評価も重要である。

初期評価

新しい翻訳者を採用する際、LSP（言語サービスプロバイダー）は翻訳者の総合的な能力を測るため、テスト翻訳を要求します。企業は単純な合格/不合格の基準を用いることもあれば、より複雑な評価尺度を作成して優先ベンダーを選別することもあります。評価は、自社で作成した基準または業界標準の指標を用いて採点されます。クライアント向け業務で使用している指標と同じものを採用すると有用かもしれません。

機械翻訳とポストエディティングに関する前回の記事では、機械翻訳エンジンの品質測定方法について議論しました。これはプロジェクトベースではない評価の別の形態です。

ランダムな評価

定期的に、完成した翻訳のサンプルを外部編集者や別の編集チームに評価のために提出することは有益です。常に同じ編集者と仕事をしていて、クライアントもあなたの仕事をレビューしていない場合、仕事の質を測る基準がありません。 LSP は、ランダムな評価を用いて、翻訳者だけでなく編集者の作業も再確認し、品質基準が常に満たされていることを保証することができます。

要約すると、業界の品質への取り組みは、技術の進歩や顧客ニーズの変化とともに進化しています。コモンセンスアドバイザリーが報告したように、