Nedívejte se jen na první tři stránky dlouhého překladového rukopisu: vybírejte stránky podle typů rizik, aby problémy nemohly být skryty

Namátková kontrola dlouhých překladových rukopisů by se neměla dívat jen na prvních pár stránek. Zatímco obálka a obsah jsou obvykle úhledně naformátovány, tabulky, naskenované přílohy a stránky vzorců, které následují, mohou mít úplně jiné problémy. Tato rizika lze snadno přehlédnout, pokud se podíváte pouze na začátek.

Tento článek je napsán pro editory, QA a vedoucí projektů, kteří potřebují dodat dlouhé překlady dokumentů. Po přečtení můžete vzorky rozdělit podle typu rizika stránky, opravit proces vzorkování pro opakování, klasifikovat typy nalezených problémů a určit cestu opravy.

Účelem namátkových kontrol není dát lidem pocit ujištění, že to „viděli", ale dát každému typu rizika šanci být viděn. Výsledky vzorkování mohou pouze popisovat situaci vzorkovaných stránek a nemohou nahradit ověření důležitého obsahu.

Jak náhodně kontrolovat dlouhé překladové rukopisy? Závěr jednou větou

Nejprve stratifikujte podle typu stránky, náhodně vyberte a opravte náhodná semena pro každý typ, zaznamenejte typy defektů nalezených problémů a poté se na základě rizika rozhodněte, zda provést úplnou kontrolu.

Nejprve klasifikujte, poté odeberte vzorek

Nejprve rozdělte fond vzorků podle obsahu stránky, jako je text, tabulky a naskenované stránky. Klasifikace může být vytvořena ručně nebo odkazem na výsledky předběžné kontroly, ale je třeba uznat, že klasifikace může být chybná.

To, že je kategorie malá, neznamená, že je nedůležitá. Pokud existuje pouze jedna stránka podpisů nebo seznam klíčových parametrů, může být užitečné prohlédnout si přímo celou stránku.

Následující příklad extrahuje až dvě stránky z každé kategorie a opraví náhodná semena pro reprodukci. Toto je pouze vzorkovací číslo používané pro syntetické vzorky. Nejedná se o průmyslový standard a neznamená to, že neexistují žádné problémy se stránkami, které nejsou vzorkovány.

Příklad reprodukovatelného stratifikovaného vzorkování

import random

def choose_pages(groups, per_group=2, seed=17):
    if per_group < 0:
        raise ValueError("negative sample size")
    rng = random.Random(seed)
    picked = {}
    for name in sorted(groups):
        pages = sorted(set(groups[name]))
        picked[name] = sorted(rng.sample(pages, min(per_group, len(pages))))
    return picked

groups = {"body": [1, 2, 3, 4, 5], "table": [6, 7], "scan": [8]}
sample = choose_pages(groups)
assert sample == choose_pages(groups)
assert sample["scan"] == [8]
assert sample["table"] == [6, 7]
assert len(sample["body"]) == 2
assert choose_pages({"empty": []}) == {"empty": []}
try:
    choose_pages(groups, -1)
except ValueError:
    pass
else:
    raise AssertionError("negative size must fail")

Čísla stránek zadávejte pomocí číslování orientovaného na čtení 1. Při přijímání indexu PDF založeného na 0 je vyžadován explicitní převod.

Vstupní seznam by měl být také zdokumentován. Uložením pouze semene bez stejné dávky stránek a stejných pravidel třídění nemusí být možné reprodukovat původní vzorek. Pokud jej chcete striktně opakovat v různých provozních prostředích, je bezpečnější uložit konečný seznam čísel stránek přímo.

Co zkontrolovat po rozbalení stránky

Nezaznamenávejte pouze „prošel"nebo „nevyhověl", zaznamenejte také typ závady. Zmeškané překlady a přetečení sazby mohou vyžadovat zcela odlišné cesty oprav a jejich samostatné protokolování vám pomůže zjistit, kde jsou problémy soustředěny.

Odběr vzorků se nerovná závazku přesnosti

Chcete-li k odhadu celkové chybovosti použít vzorek, musíte určit návrh vzorkování, statistické jednotky a předpoklady chyb. Tento článek pouze zavádí metodu orchestrace kontrolních úkolů. Nepočítá intervaly spolehlivosti a neuvádí žádné skutečné hodnoty kvality služeb.

Proto „vytažené stránky vypadají dobře"nelze přepsat, protože „celý dokument je zcela bez chyb".

Pevná sada tvrdých příkladů by měla být také zachována pro regresní testování. Nemusí být statisticky reprezentativní, ale po aktualizaci pravidel vám mohou připomenout: zda se znovu objevily dříve revidované tabulky mezi stránkami nebo chyby vzorců.

Tento článek používá syntetické vzorky k demonstraci metody zpracování. Kód byl ukázkově zkontrolován v izolovaném prostředí a není zárukou všech skutečných souborů nebo výkonu produktu. Před zpracováním důležitých dokumentů si prosím uschovejte originály a zkontrolujte je podle hranic a přejímacích položek v textu.

🎯 Která metoda je pro vás vhodná?

Pokud potřebujete rychle zjistit obecný stav překladového rukopisu

Stratifikujte podle typu stránky, vyberte několik stránek z každé kategorie a nejprve se podívejte, ve které kategorii se vady soustředí.

Pokud jste odpovědní za smluvní, finanční nebo parametrické soubory

Přímo zkontrolujte podpisovou stránku, tabulku množství a stránku klíčových parametrů, aniž byste se spoléhali na vzorkování.

Pokud chcete porovnat účinky různých překladatelských nástrojů

Připravte dokument o znecitlivění různých typů stránek a vyhodnoťte je pomocí stejného kontrolního seznamu vzorků, abyste se vyhnuli výběru pouze vysoce výkonných stránek.

Pokud chcete udržet proces kontroly kvality po dlouhou dobu

Udržujte si pevnou sadu obtížných příkladů a spusťte je znovu po každé aktualizaci pravidla, abyste předešli návratu starých problémů.

❓ Často kladené otázky (FAQ)

1. Kolik stránek z každé kategorie je vhodných pro vzorkování?

V příkladu jsou z každé kategorie vylosovány maximálně dvě stránky a náhodné semeno je pevně dané. Toto je pouze nastavení pro syntetické vzorky, nikoli průmyslový standard.

2. Začíná číslo stránky od 0 nebo 1?

Čísla stránek zadávejte pomocí číslování orientovaného na čtení 1. Při příjmu indexu PDF založeného na 0 je vyžadován explicitní převod.

3. Stačí jen zaznamenat prospěl nebo neuspěl?

nestačí. Měl by být také zaznamenán typ vady, protože chybějící překlady a přetečení sazby jsou často opraveny jinak.

4. Pokud vzorek projde, znamená to, že celý dokument neobsahuje žádné chyby?

nemůže. Výsledky vzorkování pouze popisují situaci stránek, které byly vzorkovány, a nemohou nahradit posouzení stránek, které nebyly vzorkovány, ani nemohou nahradit ověření klíčového obsahu.

5. Jak reprodukovat výsledky náhodného výběru?

Vyžaduje uložení torrentu, seznam vstupních stránek a pravidla řazení. Při striktním opakování napříč běžícími prostředími je bezpečnější přímo uložit konečný seznam čísel stránek. Generování náhodných čísel naleznete v Python random.

📝 Shrnutí

Pro namátkovou kontrolu dlouhých překladových rukopisů musíme nejprve stratifikovat, poté odebrat vzorky a zaznamenat typy vad. Pochybnosti zjištěné při namátkových kontrolách by měly být vráceny k původnímu textu k ověření a neměly by být uvolněny pouze na základě plynulosti překladu.

Vyzkoušejte to hned: Nahrajte dokument a začněte překládat při zachování původního rozvržení