Tecnologia

Limites da Tradução de Máquina na sua Estratégia de Localização

Os limites da tradução de máquina podem ser ignorados quando você está ansioso para entrar em um mercado. MT e tradução humana não são mutuamente exclusivos. MT é uma ferramenta de produtividade. Isso pode ajudar os tradutores a trabalharem mais rápido e obterem resultados de maior qualidade.
Gabriel Fairman
2 min

Os limites da tradução de máquina podem ser ignorados quando você está ansioso para entrar em um mercado. MT pode ser uma ferramenta útil, mas não é uma solução completa. Desde que você esteja preparado para usá-lo como uma ajuda para localização e não como uma solução completa, você pode desfrutar de seus benefícios mantendo os padrões elevados. A tradução automática e a tradução humana não são mutuamente exclusivas. MT é uma ferramenta de produtividade. Isso pode ajudar os tradutores a trabalharem mais rápido e obterem resultados de maior qualidade. Em alguns casos, é até possível automatizar partes significativas do produto com um sistema criado por especialistas. No entanto, raramente é uma solução independente para a localização, razão pela qual é sábio entender suas limitações.

Aproveitando a automação dentro dos limites da tradução de máquina

Os limites da tradução de máquina frequentemente estão associados a dados limitados. MT é treinado para usar dados para fazer sugestões para tradutores. Para criar um programa de tradução de máquina eficaz, você vai precisar de pelo menos um milhão de palavras de conteúdo traduzido por humanos de alta qualidade.

Esse é o maior problema com o qual a maioria das empresas se depara porque elas não têm acesso a esses dados de treinamento, também conhecidos como corpora ou corpus de texto. Mesmo que elas tenham dados para treinar esses motores, muitas vezes são extremamente específicos para determinada área, como documentação técnica. Essa informação concisa é muito factual e pode automatizar a tradução de muitas peças de conteúdo ao usar e seguir padrões.

É por isso que usar MT é geralmente melhor em casos em que o material tem um valor muito baixo, ou seja, não é visualizado com frequência e não é projetado para ter muita "personalidade". Além disso, a maioria das pessoas que consideram o MT como um método de automação de tradução o fazem porque desejam economizar dinheiro. No entanto, para treinar a tradução de máquina, eles teriam que investir muito na criação de conteúdo e mineração de dados para construir efetivamente o sistema, o que acabaria com qualquer retorno sobre o investimento do projeto.

O orçamento é onde muitos projetos de tradução de máquina falham, pois descobrem que criar o sistema seria mais caro do que ter tradutores humanos gerenciando-o. Finalmente, um dos limites mais significativos da tradução de máquina vem dos próprios tradutores humanos. Inicialmente, houve muita resistência em usar MT quando ele foi lançado por causa do conceito do que é "suficientemente bom". Os tradutores foram informados de que só precisavam "ajustar" o conteúdo de MT para melhorá-lo, mas muitas vezes não receberam um referencial do que era considerado bom. Além disso, essas ferramentas reduziram suas taxas de pagamento e aumentaram suas metas de produtividade. Como resultado, sempre que você usar MT e complementá-lo com pós-edição, você vai querer estabelecer critérios claros e padrões para um conteúdo ótimo.

Avaliação da Tradução de Máquina para Qualidade

Outra limitação da tradução de máquina é a falta de padronização para determinar a qualidade. O avaliador bilíngue de estudo, ou BLEU, é o benchmark mais comumente aceito, mas sofre de algumas falhas fatais. Como está usando padrões de referência fixos, trata-se menos de medir a melhoria na qualidade e mais de aderir a uma estrutura rígida. Como esse é o caso, o score BLEU nunca deve ser o único critério para determinar o sucesso da tradução.Padrões de tradução para o sucesso devem vir de critérios objetivos e centrados no ser humano, como:

  • A receita diminuiu ou aumentou após o uso do conteúdo de MT?
  • Houve menos reclamações dos usuários?
  • Os usuários navegaram melhor no software e avançaram mais?
  • O tempo de edição diminuiu desde a tradução de máquina até as edições humanas até o conteúdo final ser bem-sucedido?

As melhores métricas para entender os limites da sua tradução de máquina são orientadas pelo usuário. Quando as reclamações diminuem, a receita aumenta e as pessoas navegam mais profundamente no software. Nesse caso, é fácil ver que eles estão compreendendo o conteúdo e se envolvendo com ele. Também, à medida que o material é desenvolvido, você ganha mais acesso a dados, o que melhorará o treinamento para o programa. Desde que este sistema seja uma ferramenta, em vez de uma solução definitiva, a maioria dos esforços de MT valerá o investimento, apesar de suas limitações.

Bureau Works pode melhorar seus esforços de localização de tradução combinando tradução de máquina com pós-editores especializados que sabem como destacar o conteúdo.Entre em contato com nossa equipe para levar sua tradução para o próximo nível.

Experimente a Bureau Works gratuitamente por 14 dias.

Integração com ChatGPT
Comece agora mesmo
Os primeiros 14 dias são por nossa conta
Suporte básico gratuito