Utilização de normas internacionais para o intercâmbio terminológico

KLAUS-DIRK SCHMITZ

Cologne University of Applied Sciences

PALAVRAS-CHAVE: gestão terminológica, intercâmbio terminológico, normas, categorias de dados, TBX

1. MOTIVAÇÃO

A criação de terminologia de alta qualidade e a gestão profissional da terminologia são atividades que consomem muito tempo e recursos. O acesso a recursos terminológicos já existentes e a sua reutilização podem reduzir consideravelmente o esforço necessário para o trabalho terminológico. Em muitos casos, estas questões económicas são os principais argumentos a favor do interesse no intercâmbio terminológico.

Mas há muitas outras razões pelas quais o intercâmbio terminológico é tão importante. As atividades comerciais de tradução entre clientes, prestadores de serviços linguísticos e tradutores independentes exigem a transferência de dados terminológicos em ambas as direções. As empresas fornecem terminologia para apoiar projetos de tradução, e os tradutores devolvem os recursos terminológicos que atualizaram durante o trabalho de tradução. Além disso, a utilização coerente da terminologia em projetos de maior dimensão, com vários tradutores, só pode ser garantida se todas as pessoas envolvidas tiverem acesso aos mesmos recursos de dados terminológicos; no entanto, diferentes ferramentas de gestão terminológica e bases de dados terminológicas concebidas individualmente dificultam o intercâmbio integral e coerente de dados terminológicos.

Um último cenário importante para o intercâmbio de dados terminológicos é a migração de coleções de dados terminológicos de um sistema para outro. Tal pode ser necessário se uma empresa ou um profissional independente mudar de fornecedor de ferramentas e tiver de converter a terminologia do antigo sistema de gestão terminológica para a nova ferramenta, mas também se forem necessários dados terminológicos noutros programas, como sistemas de gestão de conteúdos ou sistemas de tradução automática (baseados em regras).

Mas um intercâmbio terminológico simples e fácil em todos estes cenários pode ser problemático, uma vez que os requisitos técnicos para a gestão terminoló-

Terminologija | 2012 | 19

3 3

mento (línguas, categorias de dados, conjuntos de valores de dados) podem ser bastante diferentes, dependendo das necessidades dos respetivos grupos de utilizadores e dos contextos organizacionais.

2. REQUISITOS

As rotinas de intercâmbio entre duas bases de dados terminológicas específicas são normalmente desenvolvidas individualmente, tendo em conta as rotinas e os formatos de importação e exportação existentes dos dois sistemas envolvidos. Também é necessário conhecer os modelos de dados e a «semântica» das categorias de dados de ambos os sistemas. Se for necessário intercambiar dados entre mais de dois sistemas, o número de rotinas de conversão necessárias aumentará rapidamente. Por isso, há uma forte procura de formatos de intercâmbio normalizados, nos quais cada um dos sistemas participantes de gestão terminológica tenha de fornecer apenas uma funcionalidade para importar dados do formato de intercâmbio normalizado e apenas uma funcionalidade para exportar para o formato de intercâmbio normalizado.

Um dos formatos mais conhecidos e frequentemente disponibilizados é o CSV (valores separados por vírgulas). Este formato separa as informações por vírgulas ou tabulações e os registos de dados por quebras de linha ou marcas de parágrafo. Embora os dados individuais sejam normalmente separados uns dos outros, o significado e a interpretação de cada dado não são claros nem estão explicitamente definidos no formato CSV.

Fig. 1: Dados de uma base terminológica MultiTerm 2011 exportados no formato CSV

O formato CSV é frequentemente utilizado para converter dados de e para folhas de cálculo do Excel. Por vezes, os nomes das colunas aparecem especificados na primeira linha do ficheiro de intercâmbio, o que permite inferir

34

Klaus–Dirk Schmitz | Using international standards for terminology exchange

a semântica dos dados seguintes. Mas isto só pode funcionar se a estrutura dos dados terminológicos não for demasiado complexa e se cada registo contiver o mesmo tipo e número de dados; dados variáveis (por exemplo, um número diferente de termos em várias línguas) deslocarão as colunas e impossibilitarão a interpretação correta dos dados.

A utilização de linguagens de marcação como XML (linguagem de marcação extensível) contorna precisamente este problema. Cada elemento de informação individual transporta a semântica do seu significado numa chamada etiqueta, e o agrupamento e a atribuição de cada item de dados são definidos de forma inequívoca pela estrutura XML.

Fig. 2: Dados de uma base terminológica MultiTerm 2011 exportados no formato XML

A Figura 2 mostra o início do ficheiro de intercâmbio CSV da Figura 1 no formato XML, nomeadamente no formato XML específico do MultiTerm 2011 utilizado para a conversão de bases de dados MultiTerm.

3. S O L U Ç Ã O

Estamos agora perto de alcançar um formato de intercâmbio padronizado e bem definido. Basta padronizar a marcação entre os sinais de menor e maior, as etiquetas e os atributos de tipo, para proporcionar o chamado «intercâmbio cego» entre bases de dados terminológicas. «Cego» significa que não é necessário conhecer a estrutura, as categorias de dados nem os respetivos valores na termbase de origem e na de destino. É precisamente isto que a norma ISO 30042:2008, que especifica o TBX (Term Base eXchange), procura alcançar. O TBX baseia-se na ISO 16642:2003, que define um metamodelo terminológico com vários níveis e elementos estruturais para o

Terminologija | 2012 | 19

35

ficheiro XML, e no ISOCAT (www.isocat.org), que especifica categorias de dados terminológicos de acordo com a ISO 12620:2009. A Figura 3 apresenta um excerto simplificado de uma entrada terminológica em representação TBX.

Fig. 3: Exemplo simplificado de um ficheiro TBX

O TBX é especificado como uma única norma internacional, mas, ao consultar o documento e o sítio Web do ISOcat, constata-se que existem diferentes variantes do TBX. A própria norma define algo semelhante a uma família de formatos compatíveis com TBX, na qual o TBX–Default abrange o conjunto completo de categorias de dados terminológicos da família TBX, enquanto o TBX–Basic utiliza apenas um subconjunto menor de categorias de dados, a fim de facilitar rotinas mais simples de importação e exportação para grupos específicos de utilizadores e bases de dados menos complexas.

4. DESAFIOS

Embora o TBX seja uma norma ISO bem definida, há dois problemas que devem ser mencionados, pois podem complicar enormemente o intercâmbio de dados terminológicos: a falta de rigor do TBX em algumas áreas e a flexibilidade dos sistemas modernos de gestão terminológica.

Entre outras coisas, o TBX procura padronizar as instâncias permitidas de categorias de dados fechadas, isto é, os valores que podem ocorrer. Isto pode funcionar corretamente para certas categorias de dados, como o género gramatical (gender = m / f / n), mas está condenado ao fracasso no caso de uma categoria de dados como o domínio temático, porque não existe uma classificação (ideal) dos domínios temáticos

36

Klaus–Dirk Schmitz | Using international standards for terminology exchange

que seja adequada a todas as necessidades dos utilizadores e a todas as áreas de aplicação. Portanto, não é possível garantir uma troca de dados completamente «cega» utilizando TBX para todas as categorias de dados, uma vez que TBX não pode especificar os valores possíveis para categorias de dados como o domínio temático.

Um sistema de gestão terminológica deve fornecer interfaces de importação e exportação que suportem a norma TBX. Alguns desenvolvedores de sistemas afirmam explicitamente que o seu software é capaz de importar e exportar ficheiros no formato TBX. No entanto, isso só pode ser verdade se o sistema de gestão terminológica tiver uma estrutura de entradas fixa e predeterminada, com categorias de dados predefinidas; só neste caso o desenvolvedor do sistema conhecerá a semântica das categorias de dados e poderá representá-las adequadamente nos ficheiros de exportação TBX ou interpretá-las nos ficheiros de importação TBX. Mas, se o sistema de gestão terminológica exigir/permitir que o utilizador especifique o modelo de dados e as categorias de dados de acordo com as suas necessidades específicas (por exemplo, MultiTerm), ou pelo menos modifique uma modelação de dados predefinida (por exemplo, crossTerm, qTerm ou TermStar), o desenvolvedor do sistema não poderá fornecer uma interface TBX adequada, porque não poderá conhecer a semântica das categorias de dados definidas pelo utilizador. Para compensar situações como esta, só há duas soluções possíveis (fora do TBX): uma ferramenta específica de mapeamento ajuda o utilizador a mapear as suas próprias categorias de dados para as categorias padronizadas do ISOcat, ou o utilizador cria desde o início a sua própria base de dados terminológica com base diretamente nas categorias de dados padronizadas do ISOcat.

5. CONCLUSÃO

A ISO/TC37, comissão técnica internacional responsável pela normalização da terminologia, desenvolveu e publicou várias normas diretamente relacionadas com o intercâmbio de dados terminológicos (por exemplo, a ISO 30042:2008 para TBX). Mas também podem ser utilizadas outras normas da TC37 para selecionar categorias de dados terminológicos e modelar bases de dados terminológicas, a fim de facilitar e assegurar o intercâmbio de dados terminológicos.

Uma vez que existem problemas fundamentais nos sistemas modernos de gestão terminológica no que diz respeito ao suporte de formatos de intercâmbio como TBX, a questão do intercâmbio deve ser tida em conta ao conceber uma solução de gestão terminológica para empresas e profissionais independentes. Decisões erradas e escolhas inadequadas de categorias de dados impedirão o futuro intercâmbio de dados terminológicos e só poderão ser corrigidas com grande esforço. Normas ISO como a ISO 12620:2009 e a ISO 26162:2012

Terminologija | 2012 | 19

37

bem como o Registo de Categorias de Dados (www.isocat.org) apoiarão os utilizadores na conceção de sistemas profissionais e de última geração de gestão terminológica que permitam o intercâmbio terminológico baseado em 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