AI-oversættelse kan håndtere mange hverdagssætninger bemærkelsesværdigt godt, men det betyder ikke, at den altid følger de strukturelle grammatiske regler i ethvert sprog. Nogle af de sværeste fejl handler ikke om kluntet formulering eller tone. De opstår, når et målsprog kræver en bestemt grammatisk form baseret på tal, køn, kontekst eller forholdet mellem taler og læser.
Disse grænsetilfælde bliver især tydelige på flersprogede websteder, hvor korte UI-strenge og dynamisk indhold ofte giver oversættelsesmotorer meget lidt kontekst. Fra russiske flertalsformer til fransk kønsbøjning og formelle pronominer kan disse regler få en ellers præcis oversættelse til pludselig at se maskinelt genereret ud. Læs videre for at se, hvor disse fejl opstår, og hvordan du kan kontrollere dem.
Vigtige punkter: Flertal, køn & formel tiltale i AI-oversættelse
AI-oversættelse kæmper med flertals- og kønsproblemer
AI-oversættelse kan producere forkerte flertalsformer eller grammatisk køn, når kildeteksten ikke giver nok kontekst. Dette er især almindeligt i sprog, hvor navneord, tillægsord eller udsagnsord ændrer sig afhængigt af tal eller køn.
Formelhed og kontekst kan ændre betydningen
Oversættelsesnøjagtighed afhænger også af den tilsigtede målgruppe og tone. Formelle og uformelle former, pronominer og udtryk kan variere betydeligt mellem sprog, så oversættelse af isolerede ord eller korte strenge kan føre til unaturlige eller forkerte resultater.
Oversættelsesregler hjælper med at forbedre nøjagtigheden
Ordforrådslister, oversættelsesregler og kontekstuelle instruktioner giver AI-oversættelse klarere vejledning om, hvordan specifikke termer og udtryk skal oversættes. De hjælper med at opretholde ensartet terminologi, flertalsformer, kønsbøjning og tone på tværs af hele webstedet.
Pluraliseringsfejl i AI-oversættelse
Pluralisering virker ligetil på engelsk: tilføj et “s” til de fleste navneord, når tallet ændres fra én til mere end én. Mange sprog bruger dog mere komplekse systemer, hvor selve tallet bestemmer, hvilken navneordsform der vises. Det skaber en strukturel udfordring for AI-oversættelse, især når websites bruger dynamiske variabler.
Hvordan pluralisregler adskiller sig på tværs af sprog
Ikke alle sprog behandler pluralisering som en simpel skelnen mellem ental og flertal. Afhængigt af sproget kan formen af et navneord ændre sig alt efter det præcise antal, mens nogle sprog også har en særlig form til to ting.
For eksempel kan den samme grundlæggende brugergrænsefladebesked kræve meget forskellig grammatisk logik:
- Engelsk: 1 vare / 2 varer
- Russisk: Substantivformer ændrer sig afhængigt af tallet.
- Arabisk: ental, dualis og flertal kan være påkrævet.
Dette er vigtigt, når man oversætter dynamisk indhold. En oversættelsesmotor kan ikke altid tage det engelske mønster og erstatte navneordet med dets ækvivalent på et andet sprog. Den skal tage højde for det tal og den grammatiske kontekst, der bestemmer den korrekte form i målsproget.
For en flersproget ecommerce-website bør en kurvmeddelelse for eksempel ikke gemme én enkelt oversættelse af “item.” Systemet kan have brug for forskellige former afhængigt af, om kurven indeholder ét, to eller flere produkter.
Russiske flertalsformer og talbaserede regler
Russisk er et godt eksempel på, hvorfor talbaseret grammatik kan være svært at oversætte automatisk. Navneord kan antage forskellige former afhængigt af det tal, de følger. Et forenklet eksempel med ordet for “produkt” er:
- 1 stk
- 2 varer
- 5 værker
Det vigtige er, at selve navneordet ændrer sig, når tallet ændrer sig. Det er anderledes end på engelsk, hvor den grundlæggende forskel normalt er mellem 1 produkt og 2 produkter.
Forestil dig en ecommerce-indkøbskurv, der dynamisk viser antallet af produkter. Oversættelsessystemet skal vide, om {count} er 1, ligger inden for et bestemt talinterval, eller kræver en anden grammatisk form. Et lignende problem kan opstå i søgeresultater:
- 1 produkt fundet
- 2 produkter fundet
- 5 produkter fundet
Hvis oversættelsen genereres uden at anvende målsprogets regler for tal, kan navneordet forblive i den forkerte form, selvom det tal, der vises for brugeren, er korrekt.
Arabiske flertals- og dualisformer
Arabisk tilføjer endnu et lag af kompleksitet, fordi det skelner mellem ental, dualis og flertal. Engelsk udtrykker generelt forskellen mellem ét element og mere end ét, mens arabisk kan bruge en specifik grammatisk form til præcis to. For en UI, der viser antal elementer, kan logikken derfor se sådan ud:
- 1 vare > ental
- 2 varer > dobbelt
- 3+ elementer > flertal
Denne sondring bliver vigtig for dynamisk websiteindhold. En streng som Du har {count} elementer indeholder en variabel, hvis værdi direkte kan påvirke den grammatiske form af oversættelsen.
Hvis oversættelsesmotoren behandler {count} som intet andet end et tal indsat i en oversat sætning, kan den overse den grammatiske sammenhæng mellem tallet og navneordet. Resultatet kan være forståeligt, men strukturelt forkert.
Flertalsfejl i dynamiske UI-strenge
Dynamiske UI-strenge er særligt sårbare, fordi deres endelige betydning afhænger af værdier, der indsættes efter oversættelsen. Almindelige eksempler omfatter antal varer i kurven, søgeresultater, notifikationer, kommentarer, downloads og dashboardstatistikker. Overvej en simpel engelsk besked:
- Du har 1 vare
- Du har 2 varer
- Du har 5 varer
På engelsk er den grammatiske ændring forholdsvis enkel. I sprog med flere pluralkategorier kan hver værdi dog kræve en anden form.
Problemet er derfor ikke nødvendigvis dårlig oversættelseskvalitet. Oversættelsen kan være fuldt forståelig som en sætning, men fejle, når variablen ændres. Et flersproget website skal bevare den grammatiske sammenhæng mellem den dynamiske værdi og den oversatte tekst.
Det er derfor, at det ikke altid er nok kun at oversætte de synlige ord. Dynamisk indhold har brug for oversættelseslogik, der forstår, hvordan variabler interagerer med målsprogets grammatik.
Grammatiske kønsfejl i AI-oversættelse
Grammatisk køn skaber en anden strukturel udfordring. I sprog, der klassificerer substantiver som maskuline, feminine eller nogle gange andre grammatiske kategorier, kan kønnet på et substantiv påvirke flere ord omkring det.
Sådan påvirker grammatisk køn oversættelse
Grammatisk køn handler ikke bare om at mærke et navneord som maskulint eller feminint. Køn kan påvirke grammatisk kongruens, hvilket betyder, at relaterede artikler, adjektiver, pronominer eller andre ord også kan skulle ændres. Et forenklet forhold ser sådan ud:
noun → article → adjective
Hvis oversættelsesprogrammet vælger det forkerte køn for substantivet, kan fejlen sprede sig til resten af sætningen. I stedet for ét forkert ord kan hele udtrykket indeholde inkonsistente grammatiske former.
Dette bliver særligt udfordrende, når en sætning på kildesproget ikke eksplicit giver den information, som målsproget har brug for. En kort engelsk sætning kan derfor kræve yderligere kontekst, før den kan oversættes korrekt til et sprog med grammatisk køn.
Kønslig kongruens på fransk og spansk
Fransk og spansk giver klare eksempler på, hvordan navneords køn påvirker de omkringliggende ord. Navneord har generelt grammatisk køn, og tilhørende artikler og adjektiver skal stemme overens med dette køn.
For en hjemmeside kan dette påvirke sætninger, der bruges i produktbeskrivelser, kategorinavne, profiletiketter eller servicebeskrivelser. En oversættelse, der får navneordets køn forkert, kan derfor give forkert kongruens i resten af sætningen. For eksempel kan en oversættelsesarbejdsgang have brug for at afgøre:
- Hvilket navneord beskrives der?
- Hvad er dens grammatiske køn?
- Hvilken artikel skal ledsage den?
- Har adjektivet brug for en tilsvarende form?
Det er derfor, en oversættelse, der ser korrekt ud, når hvert ord betragtes separat, stadig kan være grammatisk forkert, når ordene kombineres.
Kønsfejl i UI-tekststrenge
Korte UI-strenge er særligt vanskelige, fordi de ofte indeholder lidt kontekst. Et oversættelsessystem kan modtage en sætning som “ny konto”, “opdateret profil” eller “tilgængelig tjeneste” uden at vide præcis, hvordan navneordet bruges andre steder på siden.
Dette er almindeligt med etiketter, notifikationer, CTA'er, produktnavne og genanvendelige grænsefladekomponenter. En oversættelsesnøgle kan indeholde kun få ord, mens den information, der er nødvendig for at bestemme grammatisk kongruens, findes et andet sted i applikationen. For eksempel kan en udvikler genbruge en generisk streng som:
New {item}
Den korrekte oversættelse kan afhænge af, hvad {item} repræsenterer. Hvis variablen kan henvise til navneord med forskellige grammatiske køn, fungerer en enkelt statisk oversættelse muligvis ikke i alle kontekster.
Problemet er derfor ikke blot, at AI'en “oversatte ordet forkert.” Den har muligvis ikke modtaget nok information til at afgøre, hvilken grammatisk form målsproget kræver.
Rettelse af grammatiske kønsfejl
Retning af kønsrelaterede fejl begynder med at give oversættelsessystemet tilstrækkelig kontrol over terminologi og kontekst. I stedet for udelukkende at stole på automatisk output kan teams definere, hvordan vigtige termer skal oversættes og gennemgås. Nyttige tilgange omfatter:
- Definér kønsfølsom terminologi i en ordliste, så vigtige navneord konsekvent bruger den tilsigtede form.
- Brug brugerdefinerede oversættelsesregler til tilbagevendende mønstre eller specifikke termer.
- Angiv yderligere kontekst for tvetydige brugergrænsefladestrenge, hvor kildeteksten ikke afslører det nødvendige køn.
- Anvend menneskelig efterredigering på kritiske sider og tekststrenge, hvor grammatisk overensstemmelse er vigtig.
Denne kombination er særligt nyttig til websteder med store mængder genanvendeligt UI-indhold, hvor det hurtigt bliver ineffektivt at rette det samme problem manuelt flere steder.
Kønnede og personbaserede substantivformer
Nogle sproglige grænsetilfælde går ud over en simpel maskulin/feminin skelnen. I visse sprog kan grammatiske former også afhænge af, hvad et substantiv henviser til, såsom en person, en genstand eller en anden kategori. Disse tilfælde gør konteksten endnu vigtigere for automatisk oversættelse.
Navneordsformer, der ændres efter kontekst
Et ord kan kræve en anden grammatisk form afhængigt af dets betydning eller referent i en sætning. Dette kan blive vanskeligt, når den samme oversættelsesnøgle genbruges på tværs af forskellige dele af et website. Overvej almindeligt websiteindhold såsom:
- Bruger- og kontoroller
- Produktkategorier
- Kundetyper
- Etiketter, der kan henvise til en person eller et objekt
En kort etiket kan se harmløs ud på kildesproget, men kræver yderligere oplysninger på målsproget. For eksempel kan et dashboard bruge en generisk etiket for "kunde" på ét sted og genbruge en lignende struktur for en ikke-menneskelig enhed et andet sted.
Når denne kontekst mangler, kan oversættelsesmotoren vælge en grammatisk korrekt form, som alligevel er forkert i forhold til den tilsigtede betydning. Korte, isolerede strenge er derfor blandt de mest sårbare dele af en flersproget grænseflade.
Polske personbaserede navneordsformer
Polsk viser, hvordan grammatiske former kan afhænge af, om en reference involverer personer eller ikke-menneskelige enheder. Det betyder, at oversættelse af et ord eller en sætning kan kræve mere information, end kildestrengen ser ud til at indeholde.
Overvej et dashboard, der viser antal for brugere, kunder og produkter. Grænsefladen bruger måske en genanvendelig struktur som {count} brugere eller {count} produkter.
Den korrekte grammatiske behandling kan afhænge af, hvad der tælles med, og den relevante grammatiske kategori. En oversættelsesmaskine skal derfor forstå, om indholdet beskriver personer eller objekter, i stedet for at behandle hvert substantiv som en udskiftelig betegnelse.
For udviklere og websteds ejere fremhæver dette en vigtig begrænsning ved isoleret strengoversættelse: oversættelsesmotoren har brug for tilstrækkelig kontekst til at identificere, hvad strengen repræsenterer.
Hvorfor AI overser kontekstuelle grammatikregler
AI-oversættelse kan have svært ved kontekstuel grammatik, når målsproget kræver oplysninger, der ikke findes i kildestrengen. Engelsk efterlader for eksempel ofte grammatisk information implicit, som et andet sprog kan kræve eksplicit. Almindelige årsager omfatter:
- Meget korte strenge med lidt omgivende kontekst.
- Variabler, der ikke angiver, hvad de repræsenterer.
- Oversættelsesnøgler, der genbruges i forskellige dele af webstedet.
- Kildesprogsstrukturer, der ikke koder information, der kræves af målsproget.
Tag en streng som:
{{count}} users
Oversættelsesmotoren skal forstå, hvad {{count}} repræsenterer, og hvilke grammatikregler der gælder for det efterfølgende navneord. Tilsvarende kan en streng som:
{{name}} is available
kan kræve information om, hvad {{name}} refererer til i et sprog, hvor grammatisk kongruens afhænger af den information.
Jo mindre kontekst en streng giver, jo mere sandsynligt er det, at et automatisk system må træffe en grammatisk antagelse.
Retning af køns- og navneformsfejl
Den mest pålidelige tilgang er at give oversættelsesarbejdsgangen mere kontrol over strenge, hvor den grammatiske kontekst er vigtig. Automatisk oversættelse kan håndtere den indledende arbejdsbyrde, mens yderligere kontroller hjælper med at håndtere tilbagevendende eller tvetydige tilfælde. En praktisk arbejdsgang kan kombinere:
- Kontekstbevidst oversættelse af strenge, hvor betydningen afhænger af deres anvendelse.
- Ordforrådslister til terminologi med særlige grammatiske krav.
- Brugerdefinerede oversættelsesregler for tilbagevendende mønstre.
- Menneskelig gennemgang af tvetydige eller højprioriterede strenge.
- Oversættelseshukommelse for at bevare rettede oversættelser til fremtidig brug.
Denne tilgang undgår at behandle hver oversættelse som en isoleret sætning. I stedet holder den vigtige grammatiske beslutninger konsistente på tværs af hele hjemmesiden.
Formelt vs. uformelt sprogbrug
Formelt og uformelt sprog kan også skabe strukturelle oversættelsesproblemer. I nogle sprog påvirker register pronominer, verbumformer og sætningsstruktur, så valget af det forkerte register kan ændre grammatikken i den oversatte meddelelse.
Formelle og uformelle pronominer
Nogle sprog skelner mellem formelle og uformelle måder at henvende sig til læseren på. Den passende form afhænger af målgruppen, forholdet og konteksten. Overvej en engelsk brugergrænseflademeddelelse som f.eks. "Indtast venligst dit navn".
Engelsk kræver ikke, at oversættelsen angiver, hvorvidt “du” er formel eller uformel. Et målsprog kan dog kræve denne sondring. Det passende valg kan variere afhængigt af webstedet:
- E-handelsbetaling: kan bruge en høflig eller formel form.
- Kundesupport: foretrækker måske en respektfuld register.
- Bank- eller kontosider: kan konsekvent bruge et formelt sprog.
- SaaS-onboarding: kan vælge enten formelt eller mere samtalepræget sprog afhængigt af brandet.
Det centrale problem er konsistens. Når en hjemmeside først har etableret en stil, bør oversatte UI-strenge følge det samme grammatiske valg gennem hele brugerrejsen.
Sådan ændrer register sætningsstruktur
Register kan påvirke mere end det pronomen, der bruges til at henvende sig til nogen. I sprog med formelle og uformelle grammatiske former kan valget også påvirke verbbøjning eller andre dele af sætningen. For eksempel kan den samme type besked optræde i forskellige sammenhænge:
- En formel kundemeddelelse kan bruge en respektfuld grammatisk struktur.
- En uformel forbrugerapp kan henvende sig mere direkte til brugerne.
- Et professionelt servicewebsted kan konsekvent bruge formelle former.
Det betyder, at register bør behandles som en sproglig regel frem for blot en præference for skrivestil. Hvis oversættelsesmotoren skifter mellem formelle og uformelle strukturer uden en klar grund, kan hjemmesiden føles inkonsekvent, selv når hver sætning er teknisk forståelig.
Registerfejl i UI og kundebeskeder
Inkonsekvent register kan forekomme på mange områder af et website, især når forskellige strenge oversættes uafhængigt af hinanden. Almindelige områder omfatter:
- UI-labels
- Fejlmeddelelser
- Meddelelser
- Transaktionelle e-mails
- Kundesupportmeddelelser
Forestil dig et checkout-flow, der konsekvent tiltaler kunder formelt, efterfulgt af en notifikation, der pludselig skifter til et uformelt pronomen. Ingen af beskederne behøver indeholde en åbenlys oversættelsesfejl, men skiftet skaber en inkonsekvent flersproget oplevelse.
Dette er især tydeligt, når brugere bevæger sig mellem forskellige dele af det samme websted. Et oversættelsessystem skal opretholde det valgte register på tværs af relaterede strenge i stedet for at beslutte uafhængigt for hver sætning.
Opretholdelse af et konsistent sprogligt register
Det første skridt er at fastlægge den foretrukne register for hvert målsprog og bruge den konsekvent på tværs af hele webstedet. Det giver oversættere og oversættelsessystemer en klar reference, når kildesproget ikke gør forskellen eksplicit. Et websted kan understøtte denne konsistens gennem:
- Oversættelsesretningslinjer, der definerer den foretrukne register.
- Ordliste over vigtige pronominer og terminologi.
- Brugerdefinerede oversættelsesregler for tilbagevendende sprogmønstre.
- Menneskelig gennemgang af indhold med høj effekt, såsom betalings- og transaktionsmeddelelser.
Med disse kontroller på plads bliver formelle og uformelle valg en del af oversættelsesarbejdsgangen i stedet for beslutninger, der træffes tilfældigt fra én streng til en anden.
Rettelse af strukturelle AI-oversættelsesfejl
Brug brugerdefinerede oversættelsesregler
Brugerdefinerede oversættelsesregler giver dig mere kontrol over, hvordan specifikke termer, mønstre eller strenge håndteres, når automatisk oversættelse ikke giver det krævede grammatiske resultat. For eksempel kan regler hjælpe med at håndtere:
- Dynamiske pluraliseringsmønstre
- Specifik terminologi
- Konsistente grammatiske former
- Gentagne UI-strenge
I stedet for manuelt at rette den samme oversættelse, hver gang den vises, kan du definere en regel, der anvender din foretrukne adfærd konsekvent. Dette er især nyttigt for websteder med dynamiske eller genanvendelige komponenter. Linguise understøtter også brugerdefinerede oversættelsesregler, så du kan finjustere specifikke oversættelser, mens resten af indholdet håndteres automatisk.
Styr terminologi med ordlister
Ordforråd hjælper med at styre terminologi, der skal forblive konsekvent på tværs af oversættelser. De er især nyttige, når et udtryk har flere mulige oversættelser, eller når dets grammatiske egenskaber er vigtige. For eksempel kan et ordforråd definere foretrukne oversættelser for:
- Produktnavne
- Brandterminologi
- Rollenavne
- Udtryk med specifik grammatisk køn
Dette giver oversættelsesmotoren en eksplicit reference i stedet for at overlade hver forekomst til en ny fortolkning. For flersprogede websites kan det reducere terminologivariation og hjælpe med at opretholde konsekvente grammatiske valg.
Anvend menneskelig efterredigering
Nogle strukturelle grænsetilfælde kræver stadig menneskelig sproglig vurdering, især når den nødvendige kontekst ikke kan udledes pålideligt af kildestrengen. Menneskelig efterredigering kan prioriteres for indhold med stor effekt, såsom:
- Checkout-flows
- Juridiske og kontomeddelelser
- Vigtige meddelelser
- Landingssider med høj trafik
Formålet er ikke manuelt at oversætte et helt websted. I stedet kan menneskelig gennemgang fokusere på undtagelser og følsomme strenge, hvor grammatisk nøjagtighed direkte påvirker brugeroplevelsen.
Bevar korrektioner med oversættelseshukommelse
Når en oversættelse er blevet gennemgået og rettet, bør rettelsen ikke forsvinde, næste gang en lignende streng oversættes. Oversættelseshukommelsen hjælper med at bevare godkendte oversættelser, så de kan genbruges til matchende eller lignende indhold. En forenklet arbejdsgang ser sådan ud:
AI-oversættelse → menneskelig korrektion → gemt oversættelse → genbrugt til matchende indhold.
Dette er især nyttigt for websteder med gentagne UI-strenge, tilbagevendende terminologi eller store mængder af lignende indhold. Når du først har rettet et strukturelt problem, kan du anvende den samme beslutning hver gang i stedet for at starte fra en ny automatisk oversættelse.
Conclusion
Strukturelle AI-oversættelsesfejl kan opstå, selv når en oversættelse umiddelbart ser korrekt ud. Pluralisering, grammatisk køn, personbaserede navneordsformer og formel eller uformel tiltale kan introducere regler, der ikke er tydelige ud fra den oprindelige engelske streng.
Jo mere komplekst målsproget er, desto vigtigere er det at styre, hvordan automatiske oversættelser anvendes. Linguise kombinerer automatisk oversættelse med funktioner som brugerdefinerede oversættelsesregler, ordbogsstyring, menneskelig efterredigering og oversættelseshukommelse, hvilket giver websteds ejere en måde at håndtere disse sproglige grænsetilfælde uden at opgive effektiviteten af automatisk oversættelse. Prøv Linguise for at holde dit flersprogede websted præcist og konsistent på tværs af sprog.
