Appendix II Target Text

Makine Çevirisi Çağında Çeviri Beceri Grupları

Anthony Pym

Rovira i Virgili Üniversitesi, Tarragona, İspanya Stellenbosch Üniversitesi, Stellenbosch, Güney Afrika anthony.pym@urv.cat

RÉSUMÉ

L’intégration de la traduction automatique statistique (TA) aux logiciels de mémoire de traduction (MT) est en train de produire une gamme de technologies de MT/TA qui devraient remplacer dans de nombreux domaines la traduction entièrement humaine. Ce processus ouvre la voie à son tour à une transformation des compétences procédu- rales des traducteurs. Dans la mesure où les experts non traducteurs peuvent prendre en charge certaines tâches dans certains domaines, on s’attend à ce que les traducteurs s’occupent de plus en plus de la post-édition, sans avoir besoin de connaissances appro- fondies sur le contenu des textes, et éventuellement avec une insistance moindre sur la compétence dans la langue étrangère. Cette reconfiguration de l’espace traductif l’ouvre aussi aux fonctions productives des bases de données MT/TA, en sorte que l’on ne reconnaît plus l’organisation binaire autour du couple « source » et « cible » : nous avons affaire maintenant à un « texte de départ » accompagné de matériaux également de départ comme le sont les mémoires de traduction autorisées, les glossaires, les bases terminologiques et les propositions qui proviennent de la traduction automatique. Afin d’identifier les savoir- faire nécessaires pour travailler dans cet espace, on a recours ici à une approche « négative » et minimaliste: il faut tout d’abord identifier les problèmes de

prise de décision qui résultent de l’emploi de des technologies MT/TA, pour ensuite essayer de décrire les compétences procédurales correspondantes. Nous proposons dix compétences de ce genre, organisées en trois groupes assez traditionnels : apprendre à apprendre, apprendre à accorder une confiance relative et raisonnée aux sources d’infor- mation, et apprendre à adapter la révision et la correction aux nécessités de la technolo- gie. L’acquisition de ces compétences peut être favorisée par une pédagogie qui intègre les espaces adéquats pour le cours de traduction, l’emploi transversal des technologies MT/TA, l’autoanalyse des processus traductifs, ainsi que les projets collaboratifs qui font appel aux experts non traducteurs.

ÖZET

İstatistiksel makine çevirisindeki verilerin (bir dizi ÇB/MÇ teknolojisi kullanılarak) çeviri belleği gruplarına entegre edilmesiyle, tamamen insan ürünü olan çevirilerin pek çok faaliyet alanında makine çevirisi ile yer değiştireceği ön görülebilmektedir. Bu durum, çeviri için gereken beceri gruplarının değişimini beraberinde getirmektedir.

Çeviri eğitimi almayan alan uzmanlarının bu sürece daha fazla dahil olmasıyla beraber, çevirmenlerin işlevinin kapsamlı alan bilgisi gerekliliği olmadan ve yabancı dil uzmanlığına daha az önem verilmesi muhtemel şekilde dilbilimsel bir makine çevirisi sonrası düzenlemeye dönüşmesi beklenebilir. Çeviri alanındaki bu yeniden yapılanma, TM/MT veri tabanlarının girdiler üzerindeki aktif rollerini de "kaynak" ve "hedef"

temelindeki ikili bir düzenlemenin artık gerekli olmayacağı şekilde yeniden tanımlamalıdır: Artık kayıtlı çeviri bellekleri, sözlükler, terminoloji tabanları ve makine çevirisi verileri şeklindeki kaynak materyallerinin tamamlayıcı rol oynadığı 'kaynak metinleri" (KM) olacaktır. Böylesi bir alanda çeviri projeleri için gereken becerileri tanımlamak için minimalist ve "negatif" bir yaklaşım benimsenebilir: Bu yaklaşım için

51

ilk olarak ÇB/MÇ kullanımının sonucunda ortaya çıkan en önemli karar verme problemleri bulunmalı ve sonrasına bunlara karşılık gelen hangi becerilerin öğrenileceği belirlenmelidir. Üç başlık altında kategorilendirilen toplam on beceri belirlenebilir:

öğrenmeyi öğrenmek, verilere güvenmeyi ve güvenmemeyi öğrenmek, ayrıntılara daha fazla dikkat ederek düzeltme yapmayı öğrenmek. Bu becerilerin edinilmesinde; uygun sınıf ortamlarının tasarlanması için gereken belirli niteliklerin, ÇB/MÇ'nin çapraz şekilde kullanılmasının, öğrencilerin çeviri süreçlerine ilişkin olarak kendi kendilerini değerlendirmesinin ve alan uzmanlarıyla birlikte gerçekleştirilecek projelerin dahil olduğu bir pedagojiden faydalanılabilir.

MOTS- CLÉS/ANAHTAR KELİMELER

savoir-faire du traducteur, compétence traductive, formation des traducteurs, technolo- gies de la traduction, post-édition

çeviri becerileri, çeviri yeterliliği, çevirmen eğitimi, çeviri teknolojisi, makine çevirisi sonrası düzenleme

1. Giriş

Öğrencilerim hala şikâyet ediyor. Çeviri belleklerinden (ÇB) zorla bir şeyler almaya çalışmaktan vazgeçtiler. En azından birçoğu, uyumsuzluklarla uğraşmanın harcadıkları vakte değmeyeceğini anladı. Tüm öğrencilerim çevirilerinde daima ÇB kullanmak zorunda, hangisini kullandıkları ise tamamen onlara kalmış. Artık başka bir şeyden şikâyet ediyorlar: Genellikle çeviri belleği paketlerine önerilen eşleşmelerin ek bir kaynağı olarak entegre edilen makine çevirisinin (MÇ), ÇB/MÇ eşleşmelerini farklı biçimlerde göstermesi. Bunlar, makine çevirisi verilerini entegre eden standart çeviri belleklerinden bir çeviri belleği aracı ile entegrasyon sağlayan makine çevirisi

programlarına kadar çeşitlilik gösteriyor. Tüm boş hedef segmentlerin önerilen çeviri belleği veya makine çevirisi eşleşmeleriyle doldurulması, öğrenciler arasında seslerin yükselmesine yol açıyor:

Bazıları "Benim işim çevirmek," diye hayıflanıp "Ben post-editör değilim," diyor.

Bunlara üstünkörü bir şekilde karşılık veriyorum. "O halde otomatik doldurma seçeneğini kapatın."

Bunu gerçekten de yapabilirler. Ancak genellikle bunu yapmıyor ve makinenin neler Sunabileceğini merak etmekten kendilerini alıkoyamıyorlar.

Cevabı üstünkörü bir şekilde vermemin sebebi, çok sayıda hibriti bulunan istatistiksel makine çevirisinin ilerleyen zamanlarda, belki de çok yakında, çevirmenlerin birçoğunu post-editörlere dönüştürmeyi kaçınılmaz kılacağına inanıyor olmam. Tıpkı şu an olduğu gibi, bu durumla karşılaştığımızda eğitim programlarımızın temel yapılandırmasını bir kere daha baştan düşünmemiz gerekecek. Başka bir deyişe, bazılarımızın çeviri yetkinliği olarak adlandırdığı şeye ait modellerimizi tekrar gözden geçirmemiz gerekecek.1

2. Değişimin nedenleri

MT sistemleri, geleneksel MT yöntemleri tarafından geliştirilen dilbilimsel algoritmaların yanı sıra istatistik eşleşmelerden de faydalanıyor ve bu sayede gittikçe daha iyi sonuçlar veriyor.

Teknik detaylarda boğulmadan, ortaya çıkan sistemlerin en önemli özelliklerini şu şekilde sıralayabiliriz:

1. Ne kadar (iyi) kullanırsanız o kadar iyi sonuçlar verir. Bu, ÇB/MÇ'nin

“öğrenme” boyutudur.

53

2. Çevrimiçi hale geldikçe ("bulut" ya da kullanıcının dışındaki veri tabanlarına taşındıkça), çok sayıda genel kullanıcı için daha erişilebilir hale gelerek daha fazla kullanılıyorlar.

Bu iki özellik, erişilebilirlik arttıkça potansiyel kullanımın ve sistemin iyi performans gösterme olasılığının artmasıyla açıkça bağlantılıdır. Özetleyecek olursak bu özellikler verimli bir döngü oluşturmalıdır. Bu durum, çeviri teknolojilerinin yanı sıra çevirinin sosyal kullanımı ve işlevi için de devrim niteliğindedir. Yakın zamanda yapılan bir araştırma, Çince-İngilizce ve diğer dil çiftlerinde2 istatiksel MÇ'nin temel teknoloji eğitimi almış yeni öğrencilerle yüksek lisans öğrencileri tarafından verimliliği ve kaliteyi artırmak için kullanıldığında tamamı insan ürün olan çevirilerle kıyaslanabilir bir düzeye ulaştığını ve sürekli kullanımda her anlamda kazanç sağlayacağını ortaya koymuştur (Pym 2009; García 2010; Lee ve Liao 2011). Daha profesyonel durumlarda ise ÇB/MÇ'nin sağladığı verimliliğin ortaya koyulması nispeten daha kolaydır.3

Elbette, tüm köklü değişimlerde olduğu gibi burada da mantık beklenildiği kadar otomatik değildir. Ücretsiz MÇ'ler her yerden ulaşılabilir hale geldikçe (Google Çeviri örneğindeki gibi), yeterince bilgi sahibi olmayan kullanıcılar tarafından düzenlenmemiş elektronik çeviriler yayınlanmakta ve bu durum istatistiklerin çalıştığı çok sayıda veritabanına hatalı veriler olarak geri dönmektedir. Yani, potansiyel verimli döngüler kısır döngülere dönüşmekte ve tüm çabalar boşa gitmektedir. Bunun bir çözümü, MT verilerinin mevcut olduğu uygulamaları sınırlandırmaktır (Google, Aralık 2011'de Uygulama Programı Arayüzünü ücretli bir hizmete dönüştürüp çoğu şirketin yapması gerektiği gibi kendi şirket içi MT sistemlerini ve veri tabalarını geliştirerek bu çözümü Google Çeviri için uygulamaya başlamıştır). Daha genel bir çözüm, MÇ'nin nasıl kullanılacağına ilişkin herkes tarafından erişilebilecek kısa süreli eğitimler sağlamak

olabilir. Her iki yöntemde de döngülerin tamamı verimli hale gelecektir.

Bu mantığın yüzeysel bir şekilde ele alınması bile, öğrencilerim için en rahatsız edici olan noktaya ulaşmalıdır: Makine çevirisi sonrası düzenleme veya bir deyişle hatalı elektronik çevirilerin düzeltilmesi. Bu, "neredeyse herkesin" yapabileceği bir şeymiş gibi görünmektedir. Bunu yaptığınızda, genellikle yabancı dile sürekli bakmanıza gerek yoktur. Kalitenin yüksek olmasının hedeflenmediği durumlarda, konuyu çok iyi biliyorsanız herhangi bir yabancı dil bilmenize bile gerek kalmayabilir. Tek yapmanız gereken çevirinin ifade etmeye çalıştığını söylemek olacaktır. Dolayısıyla yaptığınız şey çeviri değil ve siz de artık bir çevirmen rolü oynamıyorsunuz. Eyleminiz bambaşka bir şey haline dönüştü.

Peki yaptığınız şey tam olarak ne? Bu gerçekten çevirmenler için yolun sonu mu?

3. Çeviri yeterliliği modelleri

Şu anda baskın olan "çeviri yeterliliği" modellerinin çoğu birden fazla bileşenden oluşuyor. Başka bir deyişle çeviri yeterliliği, iyi bir çevirmenin farklı alanlarda sahip olduğu beceri ve bilgilere (teknik bilgiler ve uzmanlık) ek olarak henüz tam anlamıyla kategorilendirilememiş belirli kişisel özelliklerin birleşiminden oluşur. Bunun önemli bir örneği Avrupa Yüksek Lisans Tercümesi (EMT) (Şekil 1) için geliştirilen modeldir.

Bu modelde, çeviri hizmet sağlayıcısının (çoğunlukla pazara yönelik teknik çevirilerle ilgili olduğu için) yaptığı işte (“çeviri hizmeti sağlama yetkinliği”), dillerde (“dil yeterliliği”), uzmanlık alanlarında (“konusal yeterlilik”), metin dilbilimi ve toplum dilbiliminde (“kültürlerarası yeterlilik”), belgelemede (“bilgi madenciliği yeterliliği”) ve teknolojide (“teknoloji yeterliliği”) yeterlilik sahibi olması gerekir.

55 Şekil 1

Çeviri yeterliliğinin EMT modeli (EMT uzman Grubu 2009: 7)

Bu tür modellerde özellikle yanlış olan bir nokta yoktur. Gerçekte bu modeller ne doğru ne de yanlış olarak değerlendirilebilirler. Çünkü bu modeller başarı veya başarısızlık için belirli kriterler içermezler ve yalnızca eğitim amaçlarının bir listesidir. Belirli bir bileşenin gereksiz veya eksik olduğunu nasıl söyleyebiliriz? Bileşenlerin her birinin diğerlerinden gerçekten farklı olup olmadığını nasıl test edebiliriz? Bu bileşenlerin aslında birbirine sıkıca bağlı olan iki ya da üç bileşenden oluşmadığını nasıl kanıtlayabiliriz? Bu özel modelin, kişinin çeviri yapabilmesi için gereken beceri grupları şeklinde tanımlanan ve bazı modellerde "aktarım becerisi" olarak adlandırılan çeviri becerileri kadar temel ve önemli olan bir noktayı göz önünde bulundurmadığına gerçekten karşı çıkabilir miyiz? Bu özel bileşenlerin deneysel bir temeli bulunmamaktadır. En azından öğretim deneyimi ve fikir birliğinin ötesinde durum bu şekildedir. En iyi ihtimalle bu model, çeviri olarak adlandırılan belirli tarihi simgeler hakkında tutarlı bir düşünceyi temsil etmektedir.4 Bu durum, EMT konfigürasyonunu

son derece önemli hale getirir. Bunun sebebi ise Avrupalı uzmanlar tarafından kabul edilen ve Avrupa'daki 54 üniversite düzeyindeki eğitim programı için idolojik temel oluşturan belirli ortak görüşlerin sonucunda ortaya çıkmış olmasıdır. Peki EMT modeli makine çevirisi hakkında ne diyor? Bu modele göre MT, “teknoloji” kategorisi altında listelenir ve şu şekilde özetlenir: “MT'nin olanaklarını ve sınırlarını bilmek” (EMT Expert Group 2009: 7). Buna göre bir beceri (uzmanlık) değil, açıkça bir bilgidir (teknik bilgi). Söz konusu şeyin orada olduğunu bilir fakat onunla ilgi bir şey yapmayı düşünmezsiniz.

Elbette bunlar bir asır önce, 2009 yılında söylenenlerdi ve o zamanlar EMT uzmanlarından hiçbiri teknolojiye kendisini tam anlamıyla adamamıştı. (Bunu yapması en muhtemel kişi olan Gouadec, bir eğitim seminerindeki "tüm çeviri belleklerinin vakti geçti" sözleriyle ünlüdür). Birkaç yıl önce (Wilss'ten ilham alarak) tahminde bulunduğum gibi, çok bileşenli modeller daima teknolojinin ve sektörün gerisinde kalmaya mahkumdur (Pym 2003).

Peki artık ÇB/MÇ'yi ciddiye alıyorsak bu modelde ne gibi değişiklikler oldu?

Öğrencilerimizi sürekli istatiksel MT verileriyle entegre olan araçları kullanmaları için yönlendirirsek ne olur? Çok bileşenli yeterliliği bozabilecek birkaç nokta vardır:

– Bunlardan ilki olan “bilgi madenciliği” artık açıkça ayrı bir beceri grubu değildir: bilgilerin büyük kısmı ÇB'de, MÇ'de, yerleşik terim sözlüklerinde veya çevrimiçi sözlük verilerindedir. Elbette detaylar için paralel metinlere ve benzer metinlere başvurmanız gerekebilir. Ancak buradaki temel problemler MÇ/ÇB verilerini kullanan çevirmenlerinkinden biraz daha farklıdır: Hangi bilginin güvenilir olduğunu ayırt edebilmelisiniz. Bu güven konusu, farklı teknolojik bileşenler yerine bir tür makro-beceri için malzeme olabilir.

– Diller bileşeni, ÇB/MÇ'nin hedef dildeki her şeyi sunduğu durumlarda kesinlikle

57

önemli bir asimetriye sahip olmalıdır. Bu, şüphe duyulan durumlarda yabancı dilden yardım almayı sağlar. Ancak artık yapılması gerekli ve zorunlu bir eylem değildir (bu konuda araştırma yapılması gereklidir). Hedef dilde güçlü alan bilgisine sahip olmasına rağmen kaynak metin becerileri zayıf olan kişiler makine sonrası düzenlemeyi fayda sağlayacak şekilde gerçekleştirebilir ve diller hakkında bilgi edinmek için ÇB/MÇ'yi kullanabilirler.5

– Alan bilgisinin (”tematik yeterlilik " [EMT Uzman Grubu 2009]) mantığı da aynıdır. ÇB/MÇ dil becerilerine olan ihtiyacı azalttığı veya bu ihtiyacı son derece asimetrik bir hale getirebildiği için temel makine çevirisi sonrası düzenleme çoğu durumda oldukça sınırlı bir yabancı dil becerisine sahip alan uzmanları tarafından yapılabilir.6 Bu da hala çevirmen olarak adlandırdığımız dil uzmanı kişinin alan uzmanı tarafından yapılan makine çevirisi sonrası düzenlemeyi gözden geçirebildiği anlamına gelir. Çevirmenin artık her şey hakkında tüm bilgilere sahip olmasına gerek yoktur. İhtiyaç duydukları, hedef dil becerileri ve gelişmiş ekip çalışması becerileridir.

– Bir diğer alan "kültürlerarası yeterliliktir" (EMT Uzman Grubu 20009). Bu yeterlilikte EMT modeli metin dilbilimi ve toplum dilbilimi şeklini alır (ve bu nedenle kolaylıkla "dil yeterliliği" altında ele alınabilir). Gerçekten de ÇB/MÇ ile çalışan kişilerin cümle düzeyindeki bu metin üretme becerilerine tamamı insan ürünü olan çevirilere kıyasla daha fazla ihtiyacı olacaktır. Bu ihtiyaç, geleneksel bir yeterlilik modelinde olduğundan çok daha fazladır. Temel nokta, teknolojinin artık bir diğer eklenti bileşeni olmamasıdır. ÇB/MÇ'nin aktif ve akıllıca kullanılması, nihayetinde tüm diğer bileşenlerin doğasını ve dengesini önemli değişikliklere uğratarak hala çevirmen olarak adlandırdığımız kişilerin profesyonel profillerini de değiştirmektedir.

4. Temel çeviri terimlerini yeniden belirleme

Elbette teknik bir makine çevirisi sonrası düzenleyicinin artık bir çevirmen olmadığı konusunda ısrarcı olabilirsiniz. Söz konusu profesyonel profil artık teknik iletişimi sağlayan bir değişken veya profesyonel alan arayışına ilişkin bir dizi aktivite halini almış olabilir. Mesleğimizin bu şekilde yeniden adlandırılması, yeni mezunların işe alınabilirliğini azaltma riskini ortaya çıkarsa bile çevirmenlerin eğitiminde rol alan kişilere rahatlık sağlayarak geleneksel yeterlilik modellerinin etkili bir şekilde korunmasını sağlayacaktır. Yine de çevirmen terimini tamamen kaldırmadan veya bunu eski teknolojilerle sınırlanmadan önce düşünülmesi gereken önemli noktalar vardır:

Kurumsal profesyonelleşme biçimlerimiz hatalı olabilse de en azından Avrupa ve Kanada için teknik bir iletişim sağlayıcınınkiyle kıyaslandığında çok daha kurumsaldır.

Bu, çevirmenler için yolun sonu mu? Asla. Bazı becerilerimize duyulan talep büyük ihtimalle artık hiç olmadığı kadar fazla. İfade edildiği şekliyle bu soru, aslında hala çevirmen olarak adlandırılıp adlandırılmamamız gerektiğine dair terminoloji konularından biridir. Her zamanki adımızı kullanmak ve bunu yaparken teknolojiyle hareket etmek istiyorsak bunun getirisi olan bilişsel, profesyonel ve sosyal alanları çokça göz önünde bulundurmalıyız.

Örnek verecek olursak, Avrupa Rönesansı’ndan bu yana çeviribilim kaynak metin ile hedef metnin ikili karşılaştırmasına dayalı olmuştur (bu iki tür için pek çok farklı isim verilmiştir). Çeviribilim ve araştırma sürecinin bu iki metni karşılaştırmaya dayalı olduğu bu süreçte terimler geçerliliğini koruyordu. Fakat artık çevirmenlerin, çoğunlukla müşteri tarafından gönderilen ya da müşterinin önceki projeleri temelindeki bir tür veritabanı (çeviri belleği, terim sözlüğü veya en azından bir ikili metin dizisi) üzerinden çalıştığı durumlarla karşı karşıyayız. Bu gibi durumlarda, açıkça kaynak

59

metin olarak (metinlerarasılık teorileri tarafından ortadan kaldırılmış olması gereken orijinalin bir yansıması) belirlenebilecek tek bir metin yoktur, bunun yerine genellikle birbiriyle rekabet halinde olan birkaç çıkış noktası vardır: Her biri farklı seviyede baskın ve güvenilir olan metin, çeviri belleği, terim sözlüğü ve MT verileri. Bu çoklu kaynaklar arasından seçim yapmak, çevirmenler için zorunlu olan ve bu konuda onlara yardımcı olmamız gereken yeni şeylerden biridir. Şimdilik, çeviri alanının artık iki net tarafa sahip olmadığını ele alalım: Artık bu oyun kaynak ve hedef metinler arasında değil;

yabancı dildeki bir metin, çeşitli veritabanları ve gelecekte birileri tarafından kullanılacak olan bir çeviri arasında oynanıyor (Yamada 2012'de ele alınan önemli bir nokta).7 Bu doğrultuda, İngilizce'nin uzun zamandır kaynak metin olarak belirlediği şeyin artık kaynak olarak adlandırılmaması gerektiğini öneriyorum. Bu metin artık bir iş akışının başlangıç noktası ve pek çok diğer girdinin ortaya çıkartabileceği bir sürece yönelik çeşitli sayısal kriterlerden biri olan kaynak metinlerdir (KM harflerini kullanmaya devam edebiliriz).8 Hedef metne geldiğimizde ise, asıl hedef kavramı uzun bir süre önce metnin kullanım alanı sonrasına taşındığı için bu metinleri bir çeviri veya çeviri metin (ÇM) olarak adlandırmamamız için hiçbir temel sebep bulunmuyordu.

5. Çevirinin sosyal alanını yeniden belirleme

Bu alandaki çok daha önemli yeniden yapılandırmalar, dil uzmanlarının (çevirmenler veya diğer teknik iletişim uzmanları) alan uzmanlarıyla (ilgili bilgi alanında uzman olan kişiler) birlikte çalıştığı durumları kapsamaktadır. Günümüzde teknoloji ile yeni boyutlara ulaşan bu temel iş birliği biçimi uzun zaman önce teoriye geçirilmiştir (en tutarlı haliyle Holz-Mänttäri tarafından 1984'te).

Şekil 2, profesyonel çevirmenleri ve çevirmen olmayan uzmanları (aynı zamanda kurum içi bilim insanı, Greenpeace aktivisti veya uzun süreli Facebook kullanıcısı da

olsalar da basit bir şekilde kalabalık olarak adlandırılmış kişiler) entegre eden olası bir iş akışını göstermektedir. Sol üst köşeden başlayarak diyagramı takip edin: metinler çeviri belleklerinde (ÇB) kullanılmak üzere segmentlere ayrılır; sonrasında segmentler makine çevirisi sistemi (MÇ) ile işlenir; makine çevirisi çevirmen olmayan kişiler tarafından düzenlenir (kalabalık çevirisi); sonuç profesyoneller tarafından kontrol edilir, metnin stili incelenir, düzeltilir ve ilk segmentlere ayırma aşamasında kaldırılmış olabilecek tüm yerleşim özellikleri ve grafik malzemeleri yerine konularak nihai yerelleştirilmiş içerik elde edilir. Burada önemli olan nokta, makine çevirisi çıktısının çevirmen olmayan kişiler tarafından düzenlenmesi ve sonrasında profesyonel çevirmenler tarafından revize edilip profesyonel editörler tarafından gerekli düzeltmelerin yapılmasıdır.

Bu modelin pek çok olası çeşidi vardır. Bunların çoğu, tamamen ticari olan uygulamalardan ziyade gönüllü katılımın gittikçe rağbet gören alanlarıyla ilgilidir.

Yine de bu modele bir dereceye kadar bağlı kalındığında, çevirmenlerin geleneksel yeterlilik modellerinde belirtilenlerden biraz daha farklı beceri kombinasyonlarına ihtiyaç duyacağını düşünüyorum.

Şekil 2

Gönüllü çevirmenleri entegre eden olası yerelleştirme iş akışı (kalabalık çevirisi)

61 Carson-Berndsen, Somers, et al. (210: 60)9

6. Yeni bir model için yeni beceriler mi gerekiyor?

Makalenin başka bir noktasında çok bileşenli bir yetkinliği model haline getirmek için çok fazla zaman harcamamız gerektiğini önerdim (Pym 2003). Çevirinin bilişsel sürecini belirli bir uzmanlık alanı olarak tanımlamak ve bunu yapmaya çalıştığımız her şeyin merkezi olarak belirleyip mesleki uygulamada ya da profesyonellerin eğitiminde uygulamamız yeterlidir.

Kendimizi bu çerçeveyle sınırlarsak ÇB/MÇ'nin etkisini tanımlamak nispeten daha kolay olacaktır (bkz. Pym 2011b): Çevirmenin beceri grupları ve çabalarının bir çoğu geçmişte çeviri sorunlarına (yani, bilişsel sürecin üretken tarafı) yönelik olası çözümlerin tanımlanması için kullanılmış olsa da bu becerilerin ve çabaların büyük bir kısmı artık mevcut çözümler arasında seçim yapmak ve sonrasında seçilen çözümü hedef tarafın amaçlarına (yani bilişsel süreçlerin seçici tarafı) uygun hale getirmek için kullanılıyor. Vurgu nesilden uzaklaşarak seçime kaymıştır. Bu son derece basit ve köklü bir değişimdir ve internetin etkisiyle giderek daha da artmaktadır.

Bununla beraber, hala bazılarımızdan eğitim programları hazırlamaları ve bu programları öğrenilecek şeyler listesiyle doldurmaları beklenmektedir. Bu, yetkinlik modellerinin uygulamaya konulması için kurumsal işlevi yasallaştırmaktır. O halde sorun, temel değişimi ortadan kaldırarak modele eklenen şeyleri savunmak için karşılıklı anlaşmaya dayalı ve ampirik bir yol tasarlamaktır.

Bunun geleneksel yöntemi, nelerin gerekli olduğuna ilişkin özet bir uzman görüşü gibi görünmektedir. Profesör oldunuz ve sizi bu konuma getiren beceri, bilgi ve erdemleri biliyor ve bunları yeniden üretmeye çalışıyorsunuz. Veya kurumunuz programlarında pek çok şey öğretiyor ve başarılı olduğunuzu düşünüyorsunuz, bu nedenle de bunları

bir yeterlilik modeline yerleştiriyorsunuz. Anne Lafeber (2012) tarafından uluslararası kurumlar için çevirmenlerin işe alımına yönelik olarak gerçekleştirilen son araştırmalarda ele alınan bir diğer yöntem, mevcut eğitim uygulamalarında neyin yanlış olduğunu görmek ve bu yanlışlardan yola çıkarak çalışmaktır. Böylece Lafeber, yeni işe alınan kişilerin çevirilerini gözden geçiren uzmanlarla bir anket yapmıştır; ankette uzmanlara en çok neleri düzeltmek için zaman harcadıklarını ve yeni işe alınanların yaptığı hangi hataların en önemli olduğunu sordu. Araştırmanın sonucunda ise ideal çevirmenlerin bazıları tarafından değil, mevcut eğitim programları tarafından iyi yapılmayan veya yeterli olmayan şeylerin kırk belirli beceri ve bilgi türünün ayrıntılı bir listesine ulaşılmıştır. Eksikliklerin yer aldığı bu listede kişi, belirli bir eğitim programı için nelerin yapılması gerektiğini veya işveren kurumlardaki şirket içi eğitimciler için nelerin daha iyi olduğunu belirleyebilmelidir. Gerçekte bu, olumsuz yetkinliklerin ölçülmesine yönelik ampirik bir yöntemi meydana getirir ve bu özelliğiyle de nelerin öğrenilmesi gerektiğine yönelik yeni modelleri planlar.10

Bu gibi bir olumsuz yaklaşımı ÇB/MÇ ile ilişkili belirli becerilere uygulamak zor olmamalıdır. ÇB/MÇ araçlarının kullanımında öğrencileri eğiten kişilerin, tıpkı buna dahil olan öğrenciler gibi, ne tür zorlukların ortaya çıkabileceği hakkında adil bir fikri olmalıdır. Bu, kişinin öğretebileceği şeyleri listelemeye başlayabileceği nokta olan uygulamalı deneyselciliğin ilk türüdür. Bununla beraber, aralarında ÇB/MÇ çevirisini tamamıyla insan ürünü olan çevirilerle karşılaştıran bazı projelerin de yer aldığı farklı ÇB/MÇ yönlerini ele alan ve sayıları gittikçe artmakta olan test edilmiş deneysel araştırmalar da mevcuttur. Ayrıca, pek çoğu bilişsel süreçlerden ziyade ürünlerin değerlendirilmesine dayalı olan bu çalışmalar, çözülmesi gereken problem türleri hakkında birkaç önemli noktaya işaret etmektedir.11 Deneyim ve araştırmalarla, dikkat edilmesi gereken noktalara ulaşılabilir. Bunu yaparken, yeni mezunların herhangi bir

63

özel eğitim programı tarafından hedeflenen iş yerlerine girmek için ayrıldıklarında söz konusu noktaların gerçekten eksik olup olmadığını anlamak için bunların test edilmesi gerektiği göz önünde bulundurulmalıdır.

Burada eksik veya hatalı olabilecek becerilerin ilk listesi öne sürülmüştür ve böylelikle sürecin herhangi bir aşamasında öğrenilmesi gerekebilecek şeyler için bir öneridir.

6.1. Öğrenmeyi öğrenmek

Bu, genel tecrübelerden, ömür boyu öğrenmeye yönelik mevcut eğitim felsefelerinden ve teknolojinin yakın tarihinden gelen çok temel bir mesajdır: Bu yıl kullanmayı öğrendiğiniz tüm araçlar iki yıl veya daha kısa bir süre içerisinde farklılaşacak veya modası geçmiş hale gelecektir. Dolayısıyla öğrencilerin yalnızca bir aracı aşamalı şekilde öğrenmesi yeterli değildir. Sezgiyi, akran desteğini, çevrimiçi yardım gruplarını, çevrimiçi öğreticileri, kullanım kılavuzlarını temel alarak çok hızlı bir şekilde yeni bir aracı anlama konusunda deney yapabilmeleri, bu konuda ustalaşabilmeleri ve paniğe kapıldıkları durumlarda (kaynaklar muhtemelen bu sırayla daha fazla veya daha az kullanılacak) kendilerine yardım edecek bir insan eğitmen için kendi hallerine bırakılmaları gerekir. Öğrenmeyi öğrenmenin belirli yönleri şunları içerebilir: (burada

“B” beceri anlamına gelmektedir):

B.1.1. Çevrimiçi kaynakları bulup işleyerek öğrenme eğrilerini azaltma (yani hızlı öğrenme) yeteneği;

B.1.2. Bir aracın teknik ihtiyaçlar ve fiyat söz konusu olduğunda uygun olup olmadığını değerlendirebilme;

B.1.3. Öğrenmeye yönelik problemlerin çözümü için sınıf arkadaşlarıyla birlikte çalışabilme;

B.1.4. Araçla gerçekleştirilen iş sürecini eleştirel olarak değerlendirebilme.

Burada belirtilen son iki madde, aşağıda da göreceğimiz üzere gerçek bir sınıfta veya çalışma alanında bulunanlar için önemli sonuçlar içermektedir.

6.2. Verilere güvenmeyi ve güvenmemeyi öğrenmek

ÇB/MÇ'yi tamamen insan ürünü olan çevirilerle karşılaştıran deneylerin birçoğu, çevirmenlerin kendilerine önerilen eşleşmeleri değerlendirme yöntemleriyle ilgili bazı problemleri ortaya koymaktadır. Bunlar arasında önerilen eşleşmelerdeki hataları görmemek (Bowker 2005; Ribas 2007), metni en baştan çevirmenin daha iyi olacağı durumlarda kısmi eşleşmeler üzerinden ilerlemek (O’Brien 2008; Guerber 2009;

Yamada 2012' dan olası bir uyarlama) veya yönetilen belleklere yeterince güvenmemek yer almaktadır (Yamada 2012). Ayrıca, dış kaynakları araştırmak yerine ÇB/MÇ veritabanındaki sonuçlara güvenmeye yönelik bir eğilim de söz konusudur (Alves ve Campos 2009). Bu vakaların üçünü de verilere güvenme ve güvenmemeye yönelik dağılımı içeren durumlar olarak tanımlayabilir ve bu doğrultuda özel bir risk yönetimi türü olarak ele alabiliriz. Bu genel yetenek, herhangi bir belirli teknik uzmanlığın ötesinde farklı kültürel durumlardaki kişilerarası ilişkilerle ilgili deneyimlerden kaynaklanmaktadır (bkz. Pym 2012). Teixeira (2011), bir pilot deneyinde, önerilen eşleşmelerin kaynağını bilen çevirmenlerin bilmeyenlerden daha az zaman harcadığını keşfettiğinde bu risk yönetiminin bir kısmını kavramıştır. Başka bir deyişle, çevirmenler önerilen eşleşmelerin güvenilirliğini değerlendirmekte ve bunun yapılmasının gerekli olduğunu düşünmektedir. Buradaki belirlenen beceriler şunlardır:

B.2.1. Önerilen eşleşmelerin ayrıntılarını kaynak bilgisine ve/veya karşılık gelen fiyat oranlarına (“indirimler”) göre kontrol etme yeteneği. Daha açık ifade etmek gerekirse,

%100 eşleşmeleri kontrol etmek için para alıyorsanız, bunları okumanız gerekir. Eğer bu eşleşmeler için ücret almıyorsanız bunları kontrol etmenize gerek yoktur;

65

B.2.2. Bilişsel yükü, fayda-maliyet açısından uygun olan eşleşmelere odaklayabilme.

Bir başka deyişle, önerilen bir çeviri çok fazla değişiklik gerektiriyorsa (muhtemelen

%70 ya da daha az)12, hızlı bir şekilde bir kenara bırakılmalıdır; eğer önerilen bir eşleşme sadece birkaç değişiklik gerektiriyorsa, sadece bu değişiklikler yapılmalıdır 13; ve eğer %100 eşleşmeler zorunlu ise ve bunları kontrol etmeniz için size para ödenmiyorsa, o zaman düşünülmemelidir; 14

B.2.3. Verileri çeviri için verilen talimatlara uygun olarak kontrol etme yeteneği:

Talimatlarda bir ÇB veritabanına tam anlamıyla bağlı kalmanız gerektiği belirtildiyse, bu şekilde ilerlemelisiniz (Yamada 2012);15 eğer referansları dış kaynaklarla kontrol etmeniz gerekiyorsa, ilerlemeniz de bu yönde olmalıdır. Eğer bir konuda şüphe duyuyorsanız, bu şüphenizi ortadan kaldırmaya çalışmalısınız (örneğin, ÇB/MÇ'ye özgü olmayan beceriler arasındaki müşteriden açıklama talep etme yoluyla risklerin ortadan kaldırılması).

Bu becerilerin ilk ikisinin, ÇB/MÇ kullanımı için çevirmenlere ne kadar para ödendiğiyle ilgili olduğuna dikkat edin. Burada odaklandığımız nokta, bilişsel çabayı geçeli finansal kazanımlar açısından ayarlamaya yönelik teknik yeterliliktir. Bununla birlikte madalyonun başka bir yüzü daha vardır: Yeterli ödeme oranlarını kararlaştırmak ve değiştirmek için önemli olan politik kavrama yeteneğine giderek daha fazla ihtiyaç duyulmaktadır (farklı müşteriler, ülkeler, dil çiftleri ve belleklerin nitelikleri arasında önemli farklılıklar vardır). Ancak bu konu, mesleki değişikliklerle ilgili olma eğilimindedir. Bu değişikler sınıfta tartışılmalıdır. Böylece fiyatların kararlaştırılması faydalı bir şekilde simüle edilebilir; üretkenliğin sonucunda elde edilen ödüllerinin nasıl değerlendirildiği ve dağıtıldığına dair eleştirel bir farkındalık kazandırmak üzere pek çok şey yapılabilir. Yani, her bir çevirmen çalışma koşullarının performansıyla uyumlu olması için elinden geleni yapmaya hazır olmalıdır. Ancak yine