CAT en literair vertalen: de toekomst of een utopie?
Hoewel het gebruik van Computer-Assisted Translation (CAT) tools in de non-literaire vertaalwereld tegenwoordig meer regel dan uitzondering is, zijn er maar weinig literair vertalers die specialistische tools gebruiken. Ook in de vertaalwetenschappelijke artikelen die de afgelopen jaren zijn verschenen, staan non-literaire teksten en Machine Translation (MT) centraal.
Door Lisa Horenberg
Met mijn masterscriptie (Master Vertalen, Universiteit Utrecht 2019) heb ik mij bij de onderzoekers gevoegd die hier verandering in proberen te brengen. Nu mijn onderzoek is afgerond, droom ik van een toekomst waarin vertaaltechnologie ook in het literair vertalen is geïntegreerd.
Hoewel enkele literair vertalers ervoor uit durven te komen baat te hebben bij het gebruik van CAT in hun vertalingen (e.g. Stegeman, 2014), heeft vertaaltechnologie nog een lange weg te gaan in de literaire vertaalpraktijk. Er wordt meer en meer geëxperimenteerd met MT, hoewel sommige CAT-tools laagdrempeliger zijn en het vak van vertalers minder bedreigen dan MT dat lijkt te doen. Er zijn CAT-tools die serieuze mogelijkheden bieden en op den duur de efficiëntie van vertalers mogelijk kunnen vergroten.
CAT versus MT
Binnen Translation Studies is vertaaltechnologie een hot topic, maar zoals gezegd richt het gros van de onderzoekers zich op of non-literair vertalen of MT, waardoor vaak alles dat daarbuiten valt zonder pardon wordt genegeerd. Dit onderstreept twee problemen.
Ten eerste blijft de combinatie van literair vertalen en technologie onterecht onderbelicht. Hoewel MT in literaire context wel wordt onderzocht, valt dit in het niet bij de mate waarin er met overige tekstsoorten en technologie wordt geëxperimenteerd. Ten tweede worden in bestaande onderzoeken naar vertaaltechnologie verschillende soorten tools te vaak over één kam geschoren, terwijl er duidelijke verschillen zijn tussen de werking en effecten van verschillende vertaaltechnologieën.
In zijn onderzoek uit 2008 maakt Amparo Alcina onderscheid tussen verschillende soorten vertaaltechnologie. Dit onderscheid wordt echter niet altijd gehanteerd, ook al blijkt de noodzaak voor de toepassing ervan uit inconsistent terminologiegebruik binnen en tussen andere artikelen. Zo bespreekt bijvoorbeeld Desiree Schyns (2017) MT uitgebreid, maar vervangt zij tegen het eind van haar artikel de term ‘machinevertaling’ zonder duidelijke toelichting door CAT. Hiermee wordt ongetwijfeld onbewust, maar vooral onterecht, geïmpliceerd dat de implicaties van MT ook gelden voor andere CAT-tools.
Om dergelijke misverstanden te voorkomen, heb ik in mijn onderzoek het onderscheid binnen vertaaltechnologie radicaler doorgetrokken en heb ik MT als iets fundamenteel anders beschouwd dan CAT. Afhankelijk van de reden waarom er een vertaling gewenst is, volstaat MT namelijk soms ook zonder post-editing. Realistisch gezien is een machine als bijvoorbeeld Google Translate vaker wel dan niet in staat om de grove inhoud van een brontekst met een vertaling duidelijk te maken. Hoewel ik hiermee op geen enkele manier probeer stellen dat de output van MT zonder meer publicabel is, blijkt hieruit wel dat in sommige situaties het ondersteunende (assisted) aspect van CAT wegvalt en dat MT dus niet langer volledig onder CAT valt.
Het onderzoek
De kern van traditionele CAT-tools zijn vertaalgeheugens, waarin vertalingen worden opgeslagen. Door de jaren heen zijn er echter meer aanvullende functionaliteiten en tools ontwikkeld die slechts zeer recentelijk worden onderzocht binnen een literaire vertaalcontext. Zo onderzocht Roy Youdale (2019) hoe tools die teksten kunnen analyseren nuttig kunnen zijn voor het vertalen van literaire stijl, waarbij hij een overzicht maakte van verschillende analysetools. In navolging van dit onderzoek heb ik onder andere geïnventariseerd hoe analysetools de vertaler kunnen ondersteunen bij het analyseren van een brontekst.
Voor mijn onderzoek heb ik het korte verhaal ‘Mr Loveday’s Little Outing’ van Evelyn Waugh (1936) als case study gebruikt. Ten eerste heb ik het korte verhaal vertaald zonder daarbij CAT in te zetten, zodat ik dit proces later kon vergelijken met het computer-assisted vertaalproces. Vervolgens heb ik twee analysetools afzonderlijk gebruikt om de brontekst te analyseren: Voyant Tools en Sketch Engine. Daarna heb ik een traditionele CAT-tool, SDL Trados Studio (Studio), gebruikt bij het hervertalen van de tekst, waarvoor ik de bestaande vertaling van R. Meijer (1982) heb geüpload in het vertaalgeheugen. Tijdens het hervertalen zijn ook voordelen van de tool naar voren gekomen die van toepassing zijn tijdens het literair vertalen zonder bestaand vertaalgeheugen.
CAT en brontekstanalyse
Een veelbelovend voordeel van de inzet van CAT kwam voort uit de observatie dat analysetools bepaalde thema’s en patronen kunnen aanduiden in teksten. Op basis van woordfrequentie en eventueel met behulp van referentiemateriaal kunnen zowel Voyant Tools als Sketch Engine mogelijk kenmerkende woorden uit de tekst distilleren. Hoe de tools deze resultaten weergeven, verschilt echter aanzienlijk.
Bij het analyseren van de brontekst met Voyant Tools kwam bijvoorbeeld naar voren dat de frequentie van de namen van personages in het verhaal correspondeerde met hun rol in het verhaal. De tool verdeelde de tekst in tien even lange passages en gaf de frequenties van terugkerende woorden per passage weer in een grafiek. Hoewel Sketch Engine vergelijkbare frequenties had berekend, werd hier de kracht van de visualisaties van Voyant Tools duidelijk. Er zat namelijk een duidelijk omslagpunt in het voorlaatste deel van de tekst. Inhoudelijk kwam dit punt nagenoeg exact overeen met de plot twist die in het verhaal voorkomt.
Verder biedt Sketch Engine veel mogelijkheden vanwege de manier waarop het woordsoorten kan herkennen en op basis daarvan analyseert welke woorden als synoniemen worden gebruikt. Hierdoor kunnen tevens interessante structuren binnen de tekst worden blootgelegd.
Met behulp van Sketch Engine en Voyant Tools kan nog meer interessante data verzameld worden dan hier ruimte is om te beschrijven. De tools bieden duidelijke mogelijkheden voor het analyseren van bronteksten, ook al is dit voor ervaren vertalers een grotendeels geïnternaliseerd proces. Een brontekstanalyse met behulp van CAT kan als een alternatieve, objectieve benadering gebruikt worden. Het is hierbij nog altijd aan de vertaler om uit deze analyse conclusies te trekken en te bepalen in hoeverre de uitkomsten van de analyse relevant zijn voor het vertalen.
CAT en (her)vertalen
De inzet van CAT bij het hervertalen heeft tevens enkele voordelen aan het licht gebracht, waarvan sommige ook gelden voor het vertalen zonder dat er een eerdere vertaling beschikbaar is. Het eerste voordeel pleit bovendien voor het gebruik van CAT tijdens zowel het analyseren als het vertalen, omdat de herhalende woorden die met behulp van de analysetools waren geïdentificeerd eenvoudig consistent konden worden vertaald. Voor de case study was bepaald dat die herhalingen stilistisch relevant waren en bijdroegen aan de boodschap van de tekst, waardoor de herhaalde woorden idealiter behouden moesten blijven. De manier waarop Studio terminologiebeheer en de inzet van vertaalgeheugens faciliteert, droeg hierdoor bij aan de kwaliteit van de vertaling en heeft de potentie om ook positief bij te dragen aan de efficiëntie van de vertaler.
CAT-tools als studio maken gebruik van segmentatie[1], waarvan vaak wordt beweerd dat het creativiteit tegenwerkt en dat het één-op-één vertalingen in de hand zou werken. Segmentatie biedt echter ook voordelen, doordat het de vertaler helpt nauwkeuriger te werken en ervoor zorgt ervoor dat de vertaler zich bewuster is van de zinstructuren in de brontekst. De vertaler wordt gedwongen een bewuste keuze te maken met betrekking tot de structuur van de zin in de vertaling, waarbij de vertaler met een korte handeling segmenten kan samenvoegen en opsplitsen. Dit laatste wordt gaandeweg eenvoudiger.
Ten slotte kan er met behulp van diverse zoekfuncties en dankzij de segmentatie eenvoudig tussen verschillende delen van de bron- en doeltekst bewogen worden. Studio zorgt hiermee bijvoorbeeld voor een efficiëntere manier van teksten nalezen, doordat de vertaling naast de brontekst staat.
Mijn utopie
Uit mijn onderzoek is gebleken dat de analysetools een alternatief perspectief kunnen bieden bij het analyseren van de brontekst, ter aanvulling op dat van de vertaler. De resultaten worden eenvoudig en overzichtelijk gepresenteerd in de tools, waardoor de vertaler relatief eenvoudig kan bepalen of en hoe de resultaten de vertaalstrategie beïnvloeden. Studio kan de vertaler helpen de gekozen vertaalstrategie na te leven en de nauwkeurigheid van de vertaling te vergroten.
Hoewel ik mij bewust ben van de inhoudelijke beperkingen van mijn onderzoek en ik uitkijk naar vervolgonderzoek, ben ik optimistisch gestemd over de toekomst van computer-assisted literary translation. In de dagelijkse literaire vertaalpraktijk is intensief gebruik van CAT-tools op het moment te tijdrovend, maar de tools kunnen enkel efficiënter worden indien ze verder worden ontwikkeld. Wel geloof ik dat de inzet van Voyant Tools ook nú al relevante observaties te bieden heeft. Ik hoop van harte dat er (varianten van deze) tools worden ontwikkeld om juist literaire vertalers te ondersteunen. Ondertussen blijf ik dromen van een toekomst waarin alle vertalers vertaaltechnologie optimaal kunnen benutten.
Bibliografie en noten
Alcina, Amparo. 2008. ‘Translation Technologies’ Target, 20 (1): 79-102.
Horenberg, Lisa. 2019. Using CAT in Literary Translation - How Tools May Support Translators in Source-Text Analysis, Translation and Retranslation: A Case Study of “Mr Loveday’s Little Outing” (masterscriptie). Universiteit Utrecht.
Schyns, Désirée. 2017 ‘Doe mij maar een Picardie string’ Filter, 24 (2): 13-18.
Waugh, Evelyn. 1936. Mr Loveday’s Little Outing: And Other Sad Stories. Chapman & Hall.
---. 1982. ‘Het uitje van de heer Loveday’ Huivering wekken. Vertaald door R. Meijer, Loeb: 186-192.
Youdale, Roy. 2019. Using Computers in the Translation of Literary Style: Challenges and Opportunities, Routledge.
[1] Segmentatie is het opsplitsen van teksten in kleine delen, doorgaans zinnen of alinea’s. Bron- en doelsegmenten worden in CAT-tools onder of naast elkaar gepresenteerd.