小規模なローカリゼーションチームの場合、言語品質保証(LQA)はアドホックに行われることがよくあります。しかし、ローカリゼーションの取り組みを拡大し始めるにつれて、より正式なプロセスを確立する必要があります。世界中の何十人、何百人もの翻訳者やレビュー担当者と一緒に仕事をしているかもしれません。誰が良い仕事をしていて、誰がそうでないかを、どのように把握すればよいでしょうか?
本記事では、LQAとは何か、どのように機能するのか、そしてなぜそれが大規模な会社にとって課題となるのかについて見ていきます。また、多次元品質メトリクス(MQM)フレームワークと、そのプロセスを自動化する方法についても見ていきます。
言語品質保証(LQA)とは何ですか?
LQAは、出典テキストとその翻訳をレビューし、顧客の基準を満たしていることを確認するプロセスです。その目的は、スペルや文法の誤り、適切な用語の使用、正確な意味の伝達、文体の正確性、文化的な適応、フォーマットの正しさなどを確認することです。
重要な点として、LQAは単なる一当事者のみならず複数の当事者が関与するプロセスです。
発注者は、翻訳ベンダーに送信する前に、出典テキストが最終決定されていることを確認する必要があります。
LSPは出典資料を選定する必要がある、
翻訳者は指示を注意深く読み、そして、そうですね、全力を尽くして翻訳しなければなりません。
言語品質保証は、3つのアクティビティに分解できます。
出典テキストのレビュー、
機械で検出可能なエラーの自動チェック、
そしてネイティブスピーカーによる最終チェック。
簡潔にするため、後者の2つのみを検討します。
自動LQA
自動化された言語品質保証には、翻訳における誤字やエラーを検出するためのさまざまなソフトウェアツールの使用が含まれます。例えば、Smartcatは誤字や数字の不一致だけでなく、フォーマットのエラーも自動的にチェックできます。また、スペルの誤りを素早く見つけるために使用できる組み込みのスペルチェッカーも備わっています。
LQAは、翻訳プラットフォームにおいてミスを伝達するための標準化された方法です。理解しやすく、誰にでもわかりやすい内容です。
しかし、自動化されたLQAがどれほど魅力的であっても、人手によるレビューの代わりにはなりません。自動チェックで検出できるのは特定の種類のエラーのみであり、誤検知が発生しやすくなります。それに、意味の正確さや文体の欠陥、文化的な適切さを確認できる自動化ツールは存在しません。
人的LQA
手動のLQAは、自動化ツールでは検出できないエラーがないか翻訳をレビューするプロセスです。これには、レビュー担当者がテキストを精査し、正確性、スタイル、文化的な適切さなど、すべての品質基準を満たしていることを確認する作業が含まれます。
しかしながら、「品質」はその性質上、極めて主観的な概念です。あるレビュー担当者が良い翻訳だと考えるものを、別の担当者は品質が悪いと見なす場合がある。これが、明確に定義され合意された一連の品質基準を持つこと、ならびにエラーを記録するためのプロセスや、それらをレポートして分析するためのツールを持つことが重要である理由です。
Smartcatは翻訳品質を評価するためにMultidimensional Quality Metrics(MQM)フレームワークを採用しています。それでは、詳しく見ていきましょう。
多次元品質指標(MQM)とは何ですか?
MQMは、World Wide Web Consortium(W3C)によって開発された、翻訳の品質を測定および評価するためのフレームワークです。要するに、品質をいくつかのカテゴリ、すなわち用語、正確性、言語規則、スタイル、ロケール規則、そしてデザインとマークアップに細分化しています(詳細についてはこちらをご覧ください)。
例えば、用語のエラーとしては「automobile」の代わりに「car」を使用することが挙げられ、正確性の問題としてはフレーズを誤訳することが考えられます。また、スタイルの問題には(組織のスタイルガイドに応じて)過度にフォーマル、または口語的な表現を使用することが含まれ、デザインやマークアップのエラーとしては、長すぎる、あるいは短すぎるUI要素のラベルなどが挙げられます。
各カテゴリーには独自の重み付けが設定されていますが、これは標準化されておらず、その決定は組織に委ねられています。各エラーには、軽微(1)から重大(25)までの重大度レベルも割り当てられ、これは重み付けにも使用されます。
翻訳品質評価(TQE)ワークフロー
確かに、いくつかの指標を導入しただけで、翻訳の品質が魔法のように向上するわけではありません。それらの指標を実際に活用するためのプロセスを整えておく必要があります。
そうしたプロセスの1つが、MQMフレームワークと密接に関連している翻訳品質評価(TQE)です。
端的に言えば、TQEは以下のステップを含むワークフローです。
1. 準備ステージ。ここでは指標が定義され、評価基準が設定されます。
2. アノテーションステージ:人間によるレビューが翻訳を確認し、MQMカテゴリーに従ってエラーをマークします。
3. 計算ステージ。翻訳管理システムまたはスプレッドシートがすべてのエラーの「スコアカード」を集計し、プロジェクトマネジャーに提出します。
なぜMQMは業界標準なのですか?
多次元品質指標フレームワークは、多くの理由から業界標準となっています。第一に、それはプロジェクトマネジャー、レビュー担当者、翻訳者など、そのプロセスに関わるすべての人に共通言語を提供します。また、クリアなカテゴリセットと重要度レベルにより、評価プロセスを標準化します。
同時に、MQMは柔軟です。組織は自らの特定の文脈において、どのカテゴリーや重大度レベルが最も重要かを決定できます。最後に、クリアな一連のルールによってレビュー担当者による恣意的な決定の可能性を減らし、品質保証における人的要因を軽減します。
大規模な言語的品質保証を自動化する方法
MQMフレームワークは大規模なローカリゼーションプロジェクトにおいて品質を確保するための優れた手法ですが、そのプロセスを自動化してより効率的にする方法もあります。その方法の1つとして、いくつかのレベルでMQMワークフローを自動化するSmartcatのようなツールを使用することが挙げられます。
事前定義されたテンプレートからLQAプロフィールを作成できます。これには、業界標準のMQM MQM CoreおよびMQM-DQFフレームワークが含まれます。
新しいプロフィールを作成
必要に応じて、組織のニーズに合わせてプロフィールをカスタマイズできます。
カテゴリーをカスタマイズし、ウェイト(重要度)を選択します。
レビュー担当者は、特定のMQMカテゴリと重大度レベルを含むコメントを追加でき、これはSmartcatインターフェースから直接行えます:
結果は自動的にLQAレポートにまとめられ、全体的な品質スコア、カテゴリおよび重要度レベル別のエラーの内訳、さらにはエラーが見つかった特定のセグメントへの参照まで完了します。
これにより、プロセスにおいて正気を失うことなく、大規模な言語的品質保証に対するMQMのあらゆる利点を享受できます。
言語品質評価プロセスのセットアップをSmartcatで行います。



