Uso de estándares internacionales para el intercambio de terminología

KLAUS-DIRK SCHMITZ

Cologne University of Applied Sciences

PALABRAS CLAVE: gestión terminológica, intercambio de terminología, estándares, categorías de datos, TBX

1. MOTIVACIÓN

La creación de terminología de alta calidad y la gestión profesional de la terminología son actividades que requieren mucho tiempo y son costosas. El acceso a los recursos terminológicos ya existentes y su reutilización pueden reducir considerablemente el esfuerzo dedicado al trabajo terminológico. Estas cuestiones económicas son, en muchos casos, los principales argumentos que justifican el interés por el intercambio de terminología.

Pero hay muchas otras razones por las que el intercambio de terminología es tan importante. Las actividades comerciales de traducción entre clientes, proveedores de servicios lingüísticos y traductores autónomos requieren la transferencia de datos terminológicos en ambas direcciones. Las empresas proporcionan terminología para apoyar los proyectos de traducción y los traductores devuelven los recursos terminológicos que han actualizado durante el trabajo de traducción. Además, solo puede garantizarse el uso coherente de la terminología en proyectos grandes en los que participan varios traductores si todas las personas implicadas tienen acceso a los mismos recursos de datos terminológicos; sin embargo, las distintas herramientas de gestión terminológica y las bases de datos terminológicas diseñadas individualmente dificultan el intercambio íntegro y coherente de datos terminológicos.

Un último escenario importante para el intercambio de datos terminológicos es la migración de colecciones de datos terminológicos de un sistema a otro. Esto puede ser necesario si una empresa o un profesional autónomo cambia de proveedor de herramientas y tiene que convertir la terminología del antiguo sistema de gestión terminológica a la nueva herramienta, pero también si se necesitan datos terminológicos en otros programas, como sistemas de gestión de contenidos o sistemas de traducción automática (basados en reglas).

Pero el intercambio de terminología de forma sencilla y fácil en todos estos escenarios puede resultar problemático, ya que los requisitos técnicos para la gestión terminológica-

Terminologija | 2012 | 19

3 3

mento (idiomas, categorías de datos, conjuntos de valores de datos) puede variar considerablemente según las necesidades de los respectivos grupos de usuarios y los entornos organizativos.

2. REQUISITOS

Las rutinas de intercambio entre dos bases de datos terminológicas específicas suelen desarrollarse individualmente, teniendo en cuenta las rutinas y los formatos de importación y exportación existentes de los dos sistemas implicados. También es necesario conocer los modelos de datos y la «semántica» de las categorías de datos de ambos sistemas. Si se necesita intercambiar datos entre más de dos sistemas, el número de rutinas de conversión necesarias aumentará rápidamente. Por ello, existe una gran demanda de formatos de intercambio estandarizados, en los que cada uno de los sistemas de gestión terminológica participantes solo tenga que proporcionar una función para importar datos del formato de intercambio estandarizado y otra función para exportarlos al formato de intercambio estándar.

Uno de los formatos más conocidos y utilizados es CSV (valores separados por comas). Este formato separa la información mediante comas o tabulaciones y los registros de datos mediante retornos de carro o marcas de párrafo. Aunque los datos individuales suelen estar separados entre sí, su significado e interpretación no están claros ni se especifican explícitamente en el formato CSV.

Fig. 1: Datos de una base terminológica de MultiTerm 2011 exportados en formato CSV

El formato CSV se utiliza a menudo para convertir datos desde y hacia hojas de cálculo de Excel. A veces, los nombres de las columnas aparecen especificados en la primera línea del archivo de intercambio, lo que permite inferir

34

Klaus–Dirk Schmitz | Using international standards for terminology exchange

la semántica de los datos siguientes. Pero esto solo puede funcionar si la estructura de los datos terminológicos no es demasiado compleja y si cada registro contiene el mismo tipo y número de datos; los datos variables (por ejemplo, un número diferente de términos en varios idiomas) desplazarán las columnas e imposibilitarán interpretar correctamente los datos.

El uso de lenguajes de marcado como XML (lenguaje de marcado extensible) evita precisamente este problema. Cada elemento de información lleva la semántica de su significado en una llamada etiqueta, y la agrupación y asignación de cada elemento de datos quedan definidas de manera inequívoca por la estructura XML.

Fig. 2: Datos de una base terminológica de MultiTerm 2011 exportados en formato XML

La figura 2 muestra el comienzo del archivo de intercambio CSV de la figura 1 en formato XML, concretamente en el formato XML específico de MultiTerm 2011 utilizado para convertir bases de datos de MultiTerm.

3. S O L U C I Ó N

Ahora estamos cerca de lograr un formato de intercambio estandarizado y bien definido. Solo es necesario estandarizar el marcado entre corchetes angulares, las etiquetas y los atributos de tipo para proporcionar un denominado «intercambio ciego» entre bases de datos terminológicas. «Ciego» significa que no es necesario conocer la estructura, las categorías de datos ni sus valores en la base de datos terminológica de origen ni en la de destino. Esto es precisamente lo que pretende lograr la norma ISO 30042:2008, que especifica TBX (Term Base eXchange, intercambio de bases terminológicas). TBX se basa en ISO 16642:2003, que define un metamodelo terminológico con varios niveles y elementos estructurales para el

Terminologija | 2012 | 19

35

archivo XML, y en ISOCAT (www.isocat.org), que especifica categorías de datos terminológicos de acuerdo con ISO 12620:2009. La Figura 3 muestra un extracto simplificado de una entrada terminológica representada en TBX.

Fig. 3: Ejemplo simplificado de un archivo TBX

TBX se especifica como una única norma internacional, pero al consultar el documento y el sitio web de ISOcat se reconoce que existen distintas variantes de TBX. La propia norma define algo parecido a una familia de formatos compatibles con TBX, en la que TBX–Default admite el conjunto completo de categorías de datos terminológicos de la familia TBX, mientras que TBX–Basic solo utiliza un subconjunto menor de categorías de datos para facilitar rutinas de importación y exportación más sencillas a grupos de usuarios específicos y a bases de datos menos complejas.

4. DESAFÍOS

Aunque TBX es una norma ISO bien definida, cabe mencionar dos problemas que pueden complicar enormemente el intercambio de datos terminológicos: la falta de rigor de TBX en algunos ámbitos y la flexibilidad de los sistemas modernos de gestión terminológica.

Entre otras cosas, TBX intenta estandarizar las instancias permitidas de las categorías de datos cerradas, es decir, los valores que pueden aparecer. Esto puede funcionar correctamente para ciertas categorías de datos, como el género gramatical (gender = m / f / n), pero está condenado al fracaso en una categoría de datos como el campo temático, porque no existe una clasificación (ideal) de campos temáticos

36

Klaus–Dirk Schmitz | Using international standards for terminology exchange

que sea adecuado para todas las necesidades de los usuarios y todos los ámbitos de aplicación. Por lo tanto, no se puede garantizar un intercambio de datos completamente «ciego» mediante TBX para todas las categorías de datos, ya que TBX no puede especificar los valores posibles de categorías de datos como el campo temático.

Los sistemas de gestión terminológica deberían ofrecer interfaces de importación y exportación compatibles con la norma TBX. Algunos desarrolladores de sistemas declaran explícitamente que su software puede importar y exportar archivos en formato TBX. Sin embargo, esto solo puede ser cierto si el sistema de gestión terminológica tiene una estructura de entradas fija y predeterminada, con categorías de datos preestablecidas; solo en ese caso el desarrollador del sistema conocerá la semántica de las categorías de datos y podrá representarlas adecuadamente en los archivos de exportación TBX o interpretarlas en los archivos de importación TBX. Pero si el sistema de gestión terminológica requiere/permite que el usuario especifique el modelo de datos y las categorías de datos según sus necesidades específicas (p. ej., MultiTerm), o al menos modifique un modelado de datos preestablecido (p. ej., crossTerm, qTerm o TermStar), el desarrollador del sistema no podrá ofrecer una interfaz TBX fiable, porque no puede conocer la semántica de las categorías de datos definidas por el usuario. Para compensar situaciones como esta, solo hay dos soluciones posibles (fuera de TBX): o bien una herramienta de mapeo específica ayuda al usuario a asignar sus propias categorías de datos a las categorías normalizadas de ISOcat, o bien el usuario crea desde el principio su propia base de datos terminológica a partir de las categorías de datos normalizadas de ISOcat.

5. CONCLUSIÓN

ISO/TC37, el comité técnico internacional para la normalización de la terminología, ha elaborado y publicado varias normas que se refieren directamente al intercambio de datos terminológicos (p. ej., ISO 30042:2008 para TBX). Pero también pueden utilizarse otras normas de TC37 para seleccionar categorías de datos terminológicos y modelar bases de datos terminológicas, a fin de facilitar y garantizar el intercambio de datos terminológicos.

Dado que los sistemas modernos de gestión terminológica presentan problemas fundamentales en lo que respecta a la compatibilidad con formatos de intercambio como TBX, la cuestión del intercambio debe tenerse en cuenta al diseñar una solución de gestión terminológica para empresas y profesionales autónomos. Las decisiones erróneas y la selección equivocada de categorías de datos obstaculizarán el futuro intercambio de datos terminológicos y solo podrán corregirse con mucho esfuerzo. Normas ISO como ISO 12620:2009 e ISO 26162:2012

Terminologija | 2012 | 19

37

así como el Data Category Registry (www.isocat.org), ayudarán a los usuarios a diseñar sistemas profesionales y actuales de gestión terminológica que permitan el intercambio terminológico basado en normas.

BIBLIOGRAPHY

ISO 12620:2009 Terminology and other language and content resources – Specification of data categories and management of a Data Category Registry for language resources. Geneva: ISO.

ISO 16642:2003 Computer applications in terminology – Terminological markup framework. Geneva: ISO.

ISO 26162:2012 Systems to manage terminology, knowledge and content – Design, implementation and maintenance of terminology management systems. Geneva: ISO.

ISO 30042:2008 Systems to manage terminology, knowledge and content – TermBase eXchange (TBX). Geneva: ISO.

Melby A. K., Schmitz K.-D., Wright S. E. 2001: Terminology Interchange. – Handbook of Terminology Management, Volume 2, Wright S. E., Budin G. (eds.), Amsterdam/Philadelphia: John Benjamins, 613–642.

Schmitz K.-D. 2004: Terminologiearbeit und Terminographie. – Angewandte Linguistik – Ein Lehrbuch, Knapp K. et al. (Hrsg.), Tübingen/Basel: Francke, 435–456.

Schmitz K.-D. 2008: Bedeutung von Normung und Terminologiearbeit für die Technische Dokumentation. – Terminologiearbeit für Technische Dokumentation. (= tekom Schriften zur technischen Kommunikation 12); Hennig J., Tjarks-Sobhani M. (Hrsg.), Lübeck: Schmidt-Römhild, 11–17.

Schmitz K.-D., Straub D. 2010: Successful Terminology Management in Companies – Practical tips and guidelines, Stuttgart: TC and More.

TARPTAUTINIŲ STANDARTŲ NAUDOJIMAS TERMINOLOGIJOS MAINAMS

Kruopštus terminologijos darbas ir profesionali terminijos tvarkyba įmonėms ir laisvai samdomiems darbuotojams yra daug laiko ir išlaidų reikalaujanti veikla. Ją gerokai palengvintų prieiga prie esamų terminologinių išteklių ir jų panaudojimas. Klientų, vertimo paslaugas teikiančių įmonių ir vertėjų bendravimui ir bendradarbiavimui reikalingas duomenų perdavimas įvairiomis kryptimis. Skirtingos terminologijos tvarkybos sistemos ir nesuderinti, atskiri terminologinių išteklių duomenų modeliai gali trukdyti terminologinių duomenų mainams ar užkirsti jiems kelią.

ISO/TK37 – tarptautinis terminologijos ir kitų kalbos bei turinio išteklių standartizavimo technikos komitetas – parengė ir išleido keletą standartų, skirtų terminologinių duomenų mainams (pvz., TBX mainų formatui skirtas ISO 30042). Pasirenkant tinkamas terminologinių duomenų kategorijas ir modeliuojant terminologinių duomenų bazes, galima remtis ir kitais ISO/TK37 standartais, kurių taikymas palengvintų terminologinių duomenų importą ir eksportą iš kitų išteklių.

Straipsnyje kalbama apie bendruosius terminologinių duomenų mainų tikslus, principus ir problemas, supažindinama su tarptautiniais standartus, skirtais veiksmingus duomenų mainus užtikrinančioms terminologijos tvarkybos sistemoms kurti, aiškinamas TBX mainų formato taikymas.

Gauta 2012-11-18

Klaus-Dirk Schmitz Cologne University of Applied Sciences Institute of Translation and Multilingual Communication Ubierring 48, 50678 Cologne, Germany E-mail [email protected]

38

Klaus-Dirk Schmitz

Using international standards for terminology exchange