ONTWIKKELINGEN ROND LITERAIR VERTALEN EN TECHNOLOGIE   24-01-2021een inleidingGys-Walt van EgdomJoke Daems 

In deze inleiding op het dossier ‘Literaire vertaling en technologie’ kijken we eerst naar de geschiedenis van de vertaaltechnologie. Vervolgens reflecteren we kort op de verhouding tussen technologie en literair vertalen in en buiten de vertaalwetenschap. Met deze introductie leggen we uit waarom dit dossier juist nu verschijnt. Bij wijze van conclusie gaan we ook nog even in op de dossierbijdragen.

Een korte geschiedenis van de vertaaltechnologieVertaling bekleedt een belangrijke rol in de geschiedenis van de informatie- en communicatietechnologie. Er wordt al eeuwen over automatisering van vertaling gefantaseerd. In de eerste helft van de twintigste eeuw resulteerden de denkoefeningen voor het eerst in een aantal patenten die op ‘vertaalsystemen’ (of wat ervoor moest doorgaan) werden aangevraagd. De vertaaltechnologie nam, zoals we dat wel vaker zien bij technologieën, pas echt een vlucht in oorlogstijd. Tijdens de Tweede Wereldoorlog leverden de cryptoanalisten van de geallieerden, met name de analisten van de Britse Government Code and Cipher School, duizelingwekkende prestaties door onder andere de codes van de Lorenzmachine en de Schlüsselmaschine E (oftewel: de Enigma), die door de asmogendheden werden gebruikt om veilig berichten te versturen, te kraken (Anastasiou 2010).

Het optimisme van de computationele wetenschappers kende aanvankelijk geen maat: er werd voorspeld dat volwaardige machinevertaling, gevat in het acroniem ‘FAHQT’ (Fully Automatic High-Quality Translation), binnen vijf jaar tot de mogelijkheden zou behoren (Bar-Hillel 1960). Het optimisme was het grootst na het Georgetown-IBM-experiment, waarin werd gedemonstreerd hoe een computer meer dan zestig Russische zinnen in correct Engels wist om te zetten (ibidem). Aanvankelijk trok de ontwikkeling van vertaalmachines, mede door de continuering van de oorlog in de vorm van de Koude Oorlog, dus gigantische investeringen van overheden aan. De kraan werd iets meer dan tien jaar later echter dichtgedraaid: met de publicatie van het ALPAC-verslag was het klip en klaar dat ‘there has been no machine translation of general scientific text, and none is in immediate prospect’ (1966, p. 19; zie Josselson 171, p. 44-48). De vijfjarenbelofte was een running gag geworden.

Toch is de moed niet bij alle computerwetenschappers in de schoenen gezakt. De toenmalige state-of-the-arttechnologie, ‘Rule-based Machine Translation’ (RbMT), werd in bepaalde kringen doorontwikkeld (zie voor meer informatie over RbMT: Forcada 2010; Poibeau 2017, p. 49-74). Dat machinevertaling nog niet helemaal zieltogend was, bleek onder andere in 1976 toen de vertaalmachine van SYSTRAN, die al sinds de oprichting van het bedrijf door Amerikaanse overheidsdiensten in gebruik werd genomen, door de Europese (Economische) Gemeenschap werd omarmd. Europa gebruikte het systeem voor zogenaamde ‘gist translation’, waarbij de machineoutput in zijn ruwe vorm wordt ingezet, maar ook voor ‘post-editing’, waarbij de output door vertalers wordt bewerkt (zie Wagner 1985; Wilks 1992).

Er werden ook andere initiatieven ontplooid om de vertaaltechnologie een duwtje in de rug te geven. In de jaren 1970 en 1980, jaren die misschien wel als de ‘dark ages’ van de machinevertaling kunnen worden getypeerd, kwam de ontwikkeling van Computer-aided Translation Tools (CAT-tools) op gang. Computerwetenschappers en softwareontwikkelaars, die ervan doordrongen waren dat FAHQT niet tot de mogelijkheden behoorde, kwamen tot de conclusie dat onderdelen van de bestaande vertaaltechnologie konden worden ingezet ter ondersteuning van vertalers (Bar-Hillel 1960; Kay 1980; Melby 1981, 1992). De standaardmodules van de eerste CAT-tools waren: 1) een vertaalgeheugen, in feite een database van brontekstsegmenten met corresponderende vertaling, en 2) een terminologiedatabank (‘termbase’). De eerste CAT-systemen kostten klauwen met geld: ze waren voorbehouden aan grote bedrijven. Tijdens de jaren 1990 kwam er verandering in die situatie: SDL Trados lanceerde de Translator’s Workbench [1995], een tool die ook door middelgrote ondernemingen in gebruik werd genomen. In de zakelijke vertaalwereld werd CAT-toolgebruik al snel de norm (Hutchins 1998). Toen het internettijdperk aanbrak, verschenen er steeds meer tools op de markt. De echte revolutie in de ontwikkeling van CAT-tools vond plaats met de opkomst van cloudtechnologie: logge standalonetools werden ingeruild voor cloud-based software, die werd aangevuld met allerhande applicaties. De term ‘CAT-tool’ is nog erg in zwang, maar tegenwoordig wordt er, door de uitbreiding van de software, ook een breder begrip gehanteerd: Translation Environment Tools (TEnTs). In deze suites worden concordancers, termextractors, tekstanalysetools, quality assurance tools en projectmanagementmodules samengebracht (zie Bowker en Fisher 2010).

Wat ook aan een TEnT kan worden gekoppeld, is een vertaalmachine. De reden waarom men daar weer echt heil in is gaan zien, was de beschikbaarheid van enorme tekstcorpora op het internet. Je zou kunnen zeggen dat RbMT nog geschoeid was op de leest van de toenmalige taalwetenschap: de kwaliteit van de output was afhankelijk van een goed inzicht in de grammaticale structuren van talen en een kwalitatief hoogwaardige voeding met lexica (meertalige woordenlijsten). RbMT werd aan het begin van het nieuwe millennium al snel overvleugeld door Statistical Machine Translation (SMT). Grote hoeveelheden tekst werden als invoer gebruikt en de vertaalmachine genereerde, simpel gesteld, op basis van een waarschijnlijkheidsberekening en taalmodellen een vertaling. Na de ingebruikneming van Google Translate [2006] wist SMT een tijdje hoge toppen te scheren: het geloof in het FAHQT-ideaal werd bij ‘techoptimisten’ gesterkt. Toch stuitte men ook bij SMT op de grenzen van de technologie: SMT had uiteindelijk geen boodschap aan semantiek en wist niet wat ze met grammatica moest aanvangen. Bovendien was het nog zo dat een gebrekkige semantische en grammaticale output in de hand werd gewerkt door het GIGO-principe (of Garbage In Garbage Out-principe). Tekstcorpora die van het internet werden geplukt waren zeker geen ‘schone’ data: dit had een effect

op de berekeningen van SMT (zie voor meer informatie over SMT: Koehn 2010, Poibeau 2017).

Toch heeft de machinevertaling een flinke impuls gekend: door SMT is machinevertaling overal te vinden en is het besef gegroeid dat de output na bewerking best bruikbaar kon zijn. In wetenschappelijke en professionele teksten werd steeds vaker geclaimd dat de vertaler van de toekomst een ‘post-editor’ zou zijn (zie Pym 2013).

Inmiddels zijn we alweer bijna een lustrum in de ban van een nieuwe technologie: Neural Machine Translation (NMT), een technologie die, zoals de term al aangeeft, op neurale netwerken in het menselijk brein is geënt. Met deze technologie werd al in de jaren 1990 geëxperimenteerd (Forcada en Ñeco 1997, Castaño, Casacuberta en Vidal 1997), maar het vermogen van computers was in die tijd verre van toereikend. In 2016 deed Google de vertaalwereld op haar grondvesten daveren toen het bedrijf claimde dat Google NMT automatische vertalingen wist te produceren die niet of nauwelijks voor ‘gewone’ vertalingen onderdeden (Wu et al. 2016). NMT-systemen kun je nog altijd typeren als statistische vertaalmachines, maar ze worden gekenmerkt door het vermogen om (na een uitgebreide training) zelf te ‘leren’, en nieuwe data te verwerken. Door dat zelflerende vermogen kunnen ze, door technieken als ‘word embedding’ en ‘semantische vectorrepresentaties’, betekenisrelaties afleiden. Om een voorbeeld te geven: een SMT-systeem ziet geen semantische overeenkomst tussen de woorden ‘kuiken’ en ‘kuikens’ of tussen ‘kuiken’ en ‘kip’; een NMT-engine kan die overeenkomst (na instructie of inferentie) wel detecteren (Forcada 2017; Koehn 2018). Het zelflerende vermogen komt het beste tot uiting in de productie van nieuwe woorden: waar SMT een ‘niet-vertaalbaar’ woord in de vertaling nog onvertaald weergaf, daar doet NMT een gokje (op basis van word embedding) (Koehn 2018). Met veel computervermogen, brandschone data en een gedegen training weet NMT fantastische resultaten te boeken. Toch weet NMT de belofte van FAHQT ‘of unrestriced text’, ondanks alle enthousiasme in de computationele linguïstiek, nog niet gestand te doen. Bepaalde met de machine vertaalde teksten en teksttypes kunnen zonder of met minimale menselijke bewerking als zelfstandige tekst functioneren, maar NMT bewijst nog vaak het gelijk van de sceptici (Koehn en Knowles 2017; zie voor meer informatie over NMT: Koehn 2020).

Literaire vertaling: een onneembare vesting?Door bovenstaande ontwikkelingen speelt technologie al decennia een belangrijke rol in de vertaalindustrie. CAT-tools/TEnTs zijn niet meer uit de industrie weg te denken. Machinevertaling en post-editing worden in de vertaaldienstverlening steeds vaker als aparte diensten aangeboden. Kortom, het aantal vertaalopdrachten dat niet met ondersteuning van vertaaltechnologie wordt geproduceerd, is zeer klein.

De toenemende automatisering wordt ook al enige tijd in de literaire wereld opgemerkt. Toch is er lang smakelijk gelachen om de nieuwe snufjes die vertalers moesten helpen of zelfs vervangen. Zeer typerend voor de perceptie van literair vertalers is de reeks teksten die Martin de Haan in Filter publiceerde over de fictieve vertaaltool ‘Tovertaal’ (zie De Haan 2002a, 2002b, 2002c, 2002d). Uit deze vermakelijke reeks kon worden opgemaakt dat vertaaltechnologie (of eigenlijk: machinevertaling) geen knip voor de neus waard was.

De toon is in de literaire vertaalwereld inmiddels omgeslagen of op zijn minst gematigd. Dat blijkt onder andere uit een reeks columns die De Haan in 2019 voor Filter schreef. In ‘Vertalen in de toekomst (bis)’ geeft De Haan aan dat de menselijke vertaler (in sommige kringen spreekt men zelfs van de ‘biotraducteur’) nog niet met uitsterven wordt bedreigd. Toch ziet hij dat de vertaaltechnologie ook in de literaire tak binnendringt. De technologie dient, zoals hij beweert, de menselijke vertaler dolkstoten toe:

Wat ons boven het hoofd hangt is niet het grote, tot de verbeelding sprekende zwaard van de supercomputer die de mens volledig zal vervangen (aangenomen dat er dan nog menselijke lezers zijn), maar een wolkje van kleine dolkjes die het vak ogenschijnlijk juist veel aangenamer helpen maken: zoekmachines, elektronische woordenboeken, vertaalgeheugens, terminologiedatabases – en toch ook machinevertalingen, maar dan zonder de pretentie dat die het uiteindelijk beter moeten kunnen dan wij: ze maken

gewoon een niet onaardig kladje, dat scheelt als het meezit flink wat tikwerk. (p. 48, cursivering GvE & JD)

Het betoog dat De Haan afsteekt, dat (als vanouds) draait rond de auteurspositie van de vertaler en rond een gepaste beloning voor dit auctoriële werk, zullen we, ondanks onze sympathie voor de verkondigde ideeën, niet uitgebreid behandelen. Wat het bovenstaande fragment lijkt te onderschrijven, is het idee dat vertaaltechnologie sinds relatief korte tijd ook een rol van betekenis heeft opgeëist in de literaire sector en dat we het ons niet kunnen veroorloven die rol te negeren of onderschatten (zie ook Van Egdom, Bloemen en Segers 2017).

Dit valt overigens ook af te leiden uit de (snel) toenemende interesse in de vertaalwetenschap, waar technologie steeds vaker op literair vertalen wordt betrokken. Toral en Way typeerden de literaire vertaling nog niet zo lang geleden als ‘the last bastion of human translation’ (2014, p. 174). Dat bastion lieten vertaalwetenschappers lange tijd links liggen, omdat de creatieve arbeid van literaire vertalers haaks leek te staan op automatisering. Inmiddels wordt er echter al redelijk wat onderzoek verricht naar manieren waarop dataminingtools, vertaalgeheugens en datavisualisatietools literaire vertalers kunnen ondersteunen (zie Youdale 2019; Rothwell en Youdale, te verschijnen). Recent is er zelfs een term gemunt om de technologisch ‘ondersteunde’ vorm van literair vertalen te classificeren: ‘Computer-assisted Literary Translation’ (of CALT).

Tegelijkertijd zien we dat machinevertaling, mede door het optimisme rond NMT, weer volop in de vertaalwetenschappelijke belangstelling staat. Sleutelpublicaties in deze context zijn de publicaties van Antonio Toral, die onderzoek heeft verricht naar de perceptie van de kwaliteit van machinevertaling, de toepassing van post-editing op machinevertalingen van literaire teksten en de invloed van machinevertaling en post-editing op creativiteit (Toral en Way 2015a, 2015b, 2018; Toral, Wieling en Way 2018, Moorkens et al. 2018; zie ook: Besacier en Schwartz 2015). Minder aanwezig maar minstens net zo opvallend zijn de recente onderzoeken van Van de Cruys (2019, 2020). Hij richtte de aandacht aanvankelijk vooral op de automatische productie van poëzie, maar verkent inmiddels de mogelijkheden van machinevertaling van poëzie.

Wie met een kritische blik naar bovenstaand onderzoek kijkt, zal niet snel concluderen dat de vesting van de literaire vertaling niet langer onneembaar wordt geacht. Toch worden we wel aangespoord om na te denken over de verhouding tussen literair vertalen en technologie. Daarbij moet natuurlijk niet alleen gekeken worden naar tekstuele eigenschappen van literaire teksten en technologische mogelijkheden, maar ook naar de onbetwiste spin in het web: de (menselijke) vertaler. Hoewel het goed mogelijk is dat vertaalprocessen kunnen worden ondersteund met allerhande hulpmiddeltjes en technologie kan helpen de kwaliteit van literaire vertalingen te verbeteren, is het nog geen vanzelfsprekendheid dat literaire vertalers de nieuwe

technologieën ook zullen omarmen. Het is daarom zinvol om te kijken naar het gebruik van technologie door literaire vertaling en de houding tegenover technologie (Ruffo 2018). Door hier inzicht in te verwerven kunnen softwareontwikkelaars zoeken naar een juiste afstemming van technologische mogelijkheden op de werkwijze en wensen van vertalers (zie o.a. Olohan 2011; O’Brien 2012).

Inzicht in gebruik en houding kan ook helpen bij het scherpstellen van de technologische competenties waar literair vertalers en literair vertalers in opleiding over moeten beschikken. In het Europese competentiemodel PETRA-E (2016) worden een vlotte omgang met tools en efficiënte zoekstrategieën als descriptoren van de heuristische competentie van de literair vertaler benoemd (zie ook ELV 2019). Voor het vertaalonderwijs is het van belang dat die omgang en die zoekstrategieën correct worden aangeleerd en op betrouwbare wijze worden getoetst, zodat er met vertrouwen kan worden gesteld dat exponenten van de vertaalopleiding ‘technologisch’ competent zijn.

Meer dan ooit wordt de urgentie gevoeld om onderzoek te doen naar technologie in relatie tot literaire vertaling. Met onze bescheiden bijdrage, in de vorm van een Filter-dossier, hopen wij inzicht te bieden in het onderzoek dat recent naar de relatie technologie-literaire vertaling is gedaan, zelf een bijdrage aan dat onderzoek te leveren en een aanzet te geven tot nieuw onderzoek.

Technologie: nieuwe mogelijkheden voor onderzoek naar literaire vertalingTegelijkertijd wordt het door de technologische vooruitgang ook mogelijk om het fenomeen vertaling op andere manieren te bestuderen. Wat de laatste jaren vooral opvalt, is dat er veel hypothesen zijn die al wat langer geleden door vertaaltheoretici en -wetenschappers zijn geponeerd die door de beschikbaarheid van handige nieuwe tools ineens onderzocht worden. 

Daarbij kunnen we denken aan meer cultuurgerelateerde theorieën, zoals de polysysteemtheorie. Binnen de polysysteemtheorie wordt aangenomen dat literatuur en cultuur geen statische begrippen zijn: wat literatuur is, hangt af van de tijd en ruimte waarin werken worden geproduceerd en ontvangen. Uiteindelijk wordt een cultuur gezien als een systeem van systemen waarbinnen culturele genres (en werken) zich op dynamische wijze tot elkaar verhouden. Hoewel deze theorie heel aannemelijk klinkt; is het in het verleden moeilijk geweest om kwantitatief materiaal te verwerken waarmee deze socio-culturele dynamiek kon worden aangetoond. De hedendaagse bibliometrie maakt het mogelijk om publicaties in kaart te brengen en zo tijd- en cultuurgebonden dynamiek binnen polysystemen in kaart te brengen. Binnen de polysysteemtheorie neemt vertaling ook een belangrijke plaats in. Volgens Even-Zohar bezet vertaling vaak een perifere positie in een literair-cultureel polysysteem. Binnen sommige culturen weet vertaling echter een centralere rol te bekleden. Dit is het geval:

(a) when a polysystem has not yet been crystallized, that is to say, when a literature is ‘young,’ in the process of being established; (b) when a literature is either ‘peripheral’ or ‘weak,’ or both; and (c) when there are turning points, crises, or literary vacuums in a literature (1978, p. 23).

Met bibliografische tools kan de centraliteit van vertaling binnen een cultuur goed in beeld worden gebracht: er kan worden gekeken naar de verhouding tussen de productie van vertaalde en niet-vertaalde teksten. Dit onderzoek krijgt meer diepgang als er ook een blik op vertaalstromen wordt gericht. Bibliografisch onderzoek kan bijvoorbeeld uitwijzen uit welke talen er in een cultuur vooral vertaald wordt. Bilbiometrie geeft ons bijvoorbeeld een genuanceerd beeld van de toenemende dominantie van vertalingen uit het Engels in het Nederlandse en Vlaamse literaire landschap. Bibliometrisch vertaalonderzoek kan natuurlijk ook worden toegepast op genres.

De polysysteemtheorie wordt vaak in een adem genoemd met de zogenaamde ‘Descriptive Translation Studies’. Er is in de loop van de jaren een flink aantal hypothesen geformuleerd rond de eigenschappen van vertalingen. Binnen de DTS werden de termen ‘translation universals’ of ‘translation laws’ vaak gebezigd (Baker 1993). Met omvangrijke corpora kan er worden nagaan of de ‘wetten’ van vereenvoudiging, explicitering, normalisering etc. binnen vertaling daadwerkelijk van kracht zijn (zie Zanettin 2014).

Dataminingtools en -methoden geven daarnaast een nieuwe impuls aan theorie over de stem en zichtbaarheid van de vertaler. In ‘Sprekend ’n vertaling’ schrijft Hermans dat ‘vertalingen [...] altijd meerstemmig zijn, instabiel, gedecentreerd; hybride’ (1997, p. 192). Kwalitatief onderzoek, waarin opvallende verschuivingen ten opzichte van de brontekst vaak een uitgangspunt vormen, kan methoden die in de Digital Humanities worden ingezet om stijl te kwantificeren (stilometrie) en auteurschap aan de hand van stilometrische eigenschappen te herkennen enorm worden verrijkt. Zo heeft vertaler Jan Rybicki (2012) met prachtige dendrogrammen laten zien dat de stem van een vertaler kan worden herkend en dat eenzelfde stemgeluid in verschillende vertalingen van dezelfde vertaler kan worden geregistreerd. Meerstemmigheid in vertaling wordt nog interessanter wanneer er meerdere vertalers aan een tekst hebben gewerkt, wanneer uitgevers hun stempel op de vertaling drukken of wanneer er in de vertaling een ‘mechanische’ stem weerklinkt (zoals in het geval van post-editing van machinevertalingen van literaire teksten). Stilometrisch onderzoek naar de zichtbaarheid en de stem van de vertaler is steeds populairder (Taivalkoski-Shilov 2019; Kenny & Winters 2020).

Ten slotte hebben ook de cognitiewetenschappen een stempel op de vertaalwetenschap gedrukt (zie Schwieter en Ferreira [red.] 2017). Een halve eeuw geleden werd er al geschreven over het vertaalproces dat zich grotendeels voltrekt in het hoofd van de vertaler (Holmes 1988: 72). De ‘zwarte doos’ geeft haar geheimen maar moeilijk prijs. Aanvankelijk probeerde men door middel van hardopdenk- en dialoogprotocollen meer te weten te komen over wat vertalers doen als ze vertalen (zie Kussmaul 1995, pp. 5-38). Inmiddels beschikken we over een keur aan tools waarmee processen kunnen worden vastgelegd en geanalyseerd. Wat te denken van screencastingtools, waarmee tijdens het vertaalproces opnames van het beeldscherm worden gemaakt, keystroke loggers, waarmee toetsaanslagen, cursorbewegingen en pauzes kunnen worden geregistreerd, en eye-trackers, waarmee oogbewegingen en pupilverwijding worden gemeten. Met deze snufjes en met vele anderen (EEG’s, fMRI-scanner) is er de laatste jaren een wonderbaarlijke wereld voor de vertaalwetenschapper ontsloten (zie ook: Saldanha en O’Brien 2013, p. 109-148). Hoewel cognitieve benaderingen van literaire vertalingen nog schaars zijn, lijkt het, zeker gezien een recente heropleving van onderzoek naar creativiteit, een kwestie van tijd voor literaire vertaling een brandpunt in procesonderzoek vormt.

Dossier: literaire vertaling en technologieIn dit Filter-dossier hebben we negen uiteenlopende bijdragen en een addendum gebundeld. We hebben geprobeerd om een zo rijk mogelijk aanbod aan teksten aan te bieden. Met dit aanbod hopen we het Nederlandstalige debat over technologie en literaire vertaling in de eerste plaats sterk te verrijken. Terecht stelt Philippe Noble dat vooral in de vertaalwereld zelf de plaat vaak blijft hangen en daardoor hetzelfde riedeltje herhaald wordt: ‘nooit en te nimmer [zal] een “machine” de literair vertaler kunnen vervangen’ (2019, p. 104). Maar we willen het debat niet alleen verrijken; met deze bijdragen willen we het ook aanzwengelen: de nieuwe ontwikkelingen kunnen,

zoals Segers en Bloemen in dit dossier aangeven, de aansporing vormen tot een ‘diepgaande reflectie’.

In de eerste twee bijdragen wordt er aandacht besteed aan de onderzoeksperspectieven die dankzij nieuwe technologieën worden ontsloten. Jack McMartin en Luc Van Doorslaer tonen hoe de bibliometrie het mogelijk maakt om op basis van kwantitatieve data over boekpublicaties nieuwe inzichten op te doen over het mondiale publicatielandschap. De casussen die ze uitwerken gaan over vertaalstromen van werken uit het Nederlands en over de Translation Studies Bibliography, waarin vertaalwetenschappelijke publicaties worden opgenomen en geclassificeerd. In de tweede bijdrage verkennen Haidee Kotze en Gys-Walt van Egdom   onbekend terrein in vertaalreceptieonderzoek. Zij hebben opgemerkt dat er online miljoenen reviews van vertaalde werken te vinden zijn, maar dat tot op heden niemand zich de moeite heeft getroost om die lekenrecensies te bestuderen. In een pilotonderzoek kijken ze naar de receptie van twee literaire werken in vertaling, Harry Potter and the philosopher’s stone en Het diner. Met de tekst willen ze vooral nagaan welke onderzoeksvragen er met al die miljoenen recensies zouden kunnen worden beantwoord.

In het tweede deel van dit dossier wordt er nadrukkelijker ingegaan op de rol van technologie in literair vertalen. In de eerste bijdrage van dit tweede luik bespreekt Joke Daems de resultaten van een onderzoek naar de houding van literair vertalers tegenover (vertaal)technologie en hun vertrouwdheid met technologie. Aan de hand van een enquête (die door 155 respondenten is ingevuld) wordt uitgezocht in welke mate literair vertalers op de hoogte zijn van recente ontwikkelingen in de vertaaltechnologie en wat volgens hen de belangrijkste redenen zijn om wel of niet gebruik te maken van deze technologie voor literair vertalen. Zoals eerder aangehaald in deze inleiding, kan dit soort onderzoek een aanzet geven tot de verdere ontwikkeling van vertaaltechnologie en kan het inzicht verschaffen in de specifieke aard van technologische competenties die in het vertaalonderwijs dienen te worden verworven

De bijdrage van Daems wordt gevolgd door drie bijdragen over machinevertaling. In het eerste artikel reflecteren Winibert Segers en Henri Bloemen op het afgrondelijke karakter van de ontwikkelingen in de vertaaltechnologie. De auteurs stellen dat de afgrond niet alleen beangstigend is, maar ook ontzagwekkend. De afgrond zet aan tot reflectie, overwegingen en heroverwegingen – onder andere tot een heroverweging van Benjamins desubjectivering in het licht van NMT. Ook Onno Kosters   is ter ore gekomen dat NMT hoge toppen schijnt te scheren. Met veel aandacht gaat hij na hoe het bij dit product van de zoveelste kunstmatigeintelligentiegolf gesteld is met de CARE (Collobaration, Adaptivity, Responsibility en Explanation) van machinevertaling. In zijn experiment haalt hij een van zijn lievelingsauteurs,

Barthelme, door drie vertaalmachines en probeert hij na te gaan of NMT nu daadwerkelijk meer is dan een veredeld hulpmiddeltje voor de menselijke vertaler. Margot Fonteyne en Rebecca Webster evalueren de kwaliteit van automatische vertalingen van vier klassiekers met behulp van automatische analyses. Hun evaluatie betreft niet uitsluitend een droge foutenanalyse; ze richten zich onder andere op lexicale rijkdom, tekstcohesie en ook op woordvolgorde.

Als vertaalmachines geen of nog geen uitkomst bieden, waar hebben vertalers dan wel baat bij? In de volgende drie bijdragen worden voorzichtige (deel)antwoorden op die vraag geformuleerd. Lisa Horenberg, een vertaalster met een dubbelprofiel, heeft in haar scriptie willen nagaan welke bestaande tools er onmiddellijk een meerwaarde voor de vertaler kunnen hebben. In haar artikel gaat ze vooral in op de wijze waarop Voyant Tools op een laagdrempelige manier tekstuele data presenteert en zo in een oogopslag inzicht verschaft in bepaalde structurele en stilistische eigenschappen van de literaire tekst, in haar geval Waughs ‘Mr Loveday’s Little Outing’. Chris Bakker en Pauline de Bok   gooien het in hun bijdrage over een geheel andere boeg. Zij stellen vast dat er in deze tijden van duurzaamheid weinig wordt gedaan om de vertaalcultuur te behouden. Vertalingen verschijnen, worden in hun eigen tijd gelezen, maar verdwijnen vervolgens vaak in stoffige archieven en worden zelden tot nooit meer geraadpleegd. Dat is zonde van de enorme inspanningen die vertalers leveren. Daarom hebben ze de laatste jaren werk gemaakt aan een databank van literaire vertalingen (een collectief vertaalgeheugen), waarin de noeste arbeid van generaties vertalers zou kunnen worden opgeslagen. Het vertaalgeheugen is er, in de eerste plaats, ‘opdat wij niet vergeten’; maar het wordt ook zo opgebouwd dat het toekomstige vertalers van nut kan zijn. Het geheugen wordt doorzoekbaar gemaakt, opdat toekomstige generaties vertalers inspiratie kunnen opdoen bij hun voorgangers. Theo van der Ster   stelt in de slotbijdrage misnoegd vast dat de vertaaltools die voorhanden zijn niet zijn afgestemd op de wensen van vertalers. Hij stelt in zijn artikel een conceptversie van Comtexxt voor, een plug-in met tal van functionaliteiten waarmee de vertaler, maar ook de schrijver en de redacteur op zijn wenken zou moeten worden bediend.

Literaire vertaling en technologie: bij wijze van conclusieMet dit dossier hebben we een (naar onze bescheiden mening) fraai overzicht van onderzoeken gepresenteerd waarin literaire vertaling op technologie wordt betrokken. Bij wijze van besluit benadrukken we graag dat er nog talloze onderzoeksonderwerpen onbesproken zijn gebleven. Jammer genoeg hebben we geen bijdragen over procesregistratie bij literaire vertaling ontvangen. De beoordeling en evaluatie van technologische competenties hebben evenmin de aandacht gekregen die deze onderwerpen verdienen. De term ‘post-editing’ is ook minder aanwezig dan wellicht gehoopt. Een laatste thema dat we ook graag onder de aandacht van de lezer hadden gebracht, waren de randvoorwaarden voor een verantwoord of ‘fair’ gebruik van technologie (zie ook Taivalkoski-Shilov 2019a, Kenny, Moorkens en do Carmo 2020).

Zelfs als het aantrekkelijk blijkt om machinevertaling of automatische suggesties op segmentniveau te gebruiken, dan nog is het met het oog op rechten niet vanzelfsprekend dat die teksten en tekstdelen klakkeloos kunnen worden overgenomen. Ten slotte is er het probleem van beloning: De Haan stelt in ‘Vertalen in de toekomst’ dat het niet geheel terecht is dat er wordt aangenomen dat vertaalprocessen dankzij de technologie sneller verlopen (2019). Door deze verkeerde aanname (die bij uitgeverijen kan heersen) bestaat de kans dat tarieven nog sterker onder druk komen te staan.

ReferentiesALPAC. 1966. Language and Machines: Computers in Translation and Linguistics—A Report by the Automatic Language Processing Advisory Committee. Washington: National Research Council.

Anastasiou, D. 2010. Idiom treatment experiments in machine translation. Newcastle: Cambridge Scholars.

Baker, M. 1993. ‘Corpus Linguistics and Translation Studies: Implications and Applications’, in: M. Baker, G. Francis en E. Tognini-Bonelli (red.) Text and Technology: In Honour of John Sinclair. Amsterdam: Benjamins, p. 233–250

Bar-Hillel, Y. 1960. ‘The present status of the automatic translation of languages’, in F. L. Alt (red.), Advances in Computers, dl. 1. New York: Academic Press, p. 92-164.

Besacier, L., en Schwartz, L. 2015. ‘Automated translation of a literary work: a pilot study’, in: Proceedings of the Fourth Workshop on Computational Linguistics for Literature. p. 114-122.

Bowker, L. en D. Fischer. 2010. ‘Computer-aided Translation’, in: Y Gambier en L. van Doorslaer, (red.), Handbook of Translation Studies, dl. 1. Amsterdam: Benjamins, p. 60-65. 

Castaño, M. A., Casacuberta, F. en E. Vidal. 1997. ‘Machine translation using neural networks and finite-state models’, http://www.mt-archive.info/TMI-1997-Castano.pdf [geraadpleegd op 14 december 2020].

ELV. 2019. VerTALEN voor de toekomst. Een nieuw vertaalpleidooi. Utrecht: ELV.

Even-Zohar, I. 1978. Papers in Historical Poetics. Tel Aviv: Porter Institute.

Forcada, M. en R. P. Ñeco. 1997. ‘Recursive hetero-associative memories for translation’, in: Biological and artificial computation: From neuroscience to technology. Berlijn: Springer, p. 453–462.

Forcada, M. 2010. ‘Machine Translation Today’, in: Y Gambier en L. van Doorslaer, (red.), Handbook of Translation Studies, dl. 1. Amsterdam: Benjamins, p. 215-223.

Forcada, M. 2017. Making sense of neural machine translation. Translation Spaces 6:2, 291-309.

Haan, M. de 2002a. ‘De vertaalmachine: Laten we de dingen beter maken’, Filter 9:1, 25-27.

Haan, M. de 2002b. ‘Trouwen doe je omdat je van elkaar houdt’, Filter 9:2, 55-58.

Haan, M. de 2002c. ‘De zoekgeraakte tijd’, Filter 9:3, 57-60.

Haan, M. de 2002d. ‘Groot nieuws voor de dichters’, Filter 9:4, 12-16.

Haan, M. de 2019. ‘Vertalen in de toekomst (bis)’, Filter 26:3, 47-48.

Hermans, T. 1997. ‘Sprekend ’n vertaling’, Filter 4:2, p 9-16.

Holmes, J.S. 1988. Translated! Papers on Literary Translation and Translation Studies. Amsterdam: Rodopi.

Hutchins, J. 1998. ‘The origins of the translator’s workstation’, Machine Translation 13:4, 287-307.

Josselson, H. H. 1971. ‘Automatic translation of languages since 1960: A linguist’s view’, Advances in Computers 11, 1-58. http://mt-archive.info/Josselson-1971.pdf [geraadpleegd op 14 december 2020].

Kay, M. 1980. ‘The proper place of men and machines in translation’, Machine Translation 12, 3-23.

Kenny, D., J. Moorkens en F. do Carmo 2020. ‘Fair MT: Towards ethical, sustainable machine translation’, Translation Spaces 9:1, 1-11.

Kenny, D. en M. Winters. 2020. ‘Machine translation, ethics and the literary translator’s voice’, Translation Spaces 9:1, 123-149.

Koehn, Ph. en R. Knowles. 2017. ‘Six challenges for Neural Machine Translation’. https://arxiv.org/pdf/1706.03872.pdf [geraadpleegd op 14 december 2020].

Koehn, Ph. 2010. Statistical Machine Translation. New York: Cambridge University.

Koehn, Ph. 2018. ‘Introduction to Neural Machine Translation’. https://www.youtube.com/watch?v=TtigmxA5gNQ [geraadpleegd op 14 december].

Koehn, Ph. 2020. Neural Machine Translation. New York: Cambridge University.

Melby, A. 1981. ‘Translators and machines: Can they cooperate?’, Meta 26:1, 23-34.

Melby, A. 1992. ‘The translator workstation’, in: J. Newton (red.), Computers in translation: a practical appraisal. London: Routledge, p. 147-165.

Moorkens, J., Toral, A., Castilho S. en A. Way. 2018. ‘Perceptions of Literary Post-editing using Statistical and Neural Machine Translation’, Translation Spaces 7:2, 240-262.

Noble, Ph. 2019. ‘Een flirt met DeepL, of een riskante relatie’, in: E van der Knaap & C. Koster (red.), Teksten in beweging. Over vertaling, vertalers en literatuur. Nijmegen: Vantilt, p. 104-108.

O’Brien, S. 2012. ‘Translation as Human-Computer Interaction’, Translation Spaces 1:1, 101–122.

Olohan, M. 2011. ‘Translators and translation technology: The dance of agency’, Translation Studies 4:3, 342–357.

PETRA-E [Plateforme Européenne pour la Traduction Littéraire - Education]. 2016. PETRA-E Europees referentiekader voor de opleiding en deskundigheidsbevordering van literair vertalers. https://petra-educationframework.eu/nl/ [geraadpleegd op 26 oktober 2019].

Poibeau, T. 2017. Machine translation. London: MIT.

Pym, A. 2013. ‘Translation Skill-Sets in a Machine-Translation Age’, Meta 58:3, 487-503.

Rothwell, A. and Youdale, R. ter perse. ‘Computer-Assisted Translation (CAT) tools, translation memory and literary translation’, in: S. Deane-Cox en A. Spiessens (red.) The Routledge Handbook of Translation and Memory. London and New York: Routledge.

Ruffo, P. 2018. ‘Human-Computer Interaction in Translation: Literary Translators on Technology and Their Roles’, in: Proceedings of the 40th Conference Translating and the Computer, Londen, Verenigd Koninkrijk, p. 127–131.

Rybicki, J. 2012. ‘The great mystery of the (almost) invisible translator: Stylometry in translation’, in: M.P. Oakes en M. Ji (red.), Quantitative methods in corpus-based Translation Studies: A practical guide to descriptive translation research. Amsterdam: John Benjamins, p. 231-48.

Saldanha, G. en S. O’Brien. 2013. Research methodologies in Translation Studies. London: Routledge.

Segers, W., Van Egdom, G.W. en H. Bloemen. 2018. ‘Pijnpunten’, Webfilter, dossier ‘Getuigenis en vertaling’. https://www.tijdschrift-filter.nl/webfilter/dossier/getuigenis-en-vertaling/2018-1/pijnpunten/.

Schwieter, J.W. en A. Ferreira. 2017. The Handbook of Translation and Cognition. Hoboken: Wiley Blackwell.

Taivalkoski-Shilov, K. 2019a. ‘Ethical issues regarding machine(-assisted) translation of literary texts’, Perspectives 27:5, 689-703.

Toral, A. en A. Way. 2014. ‘Is machine translation ready for literature?’, Translating and the Computer 36, 174-176.

Toral, A. en A. Way. 2015a. ‘Translating literary text between related languages using SMT’, in: Proceedings of the Fourth Workshop on Computational Linguistics for Literature, NAACL. Denver, p. 123–132.

Toral, A. en A. Way. 2015b. ‘Machine-assisted translation of literary text: A case study’, Translation Spaces 4:2, 240-267.

Toral A. en A Way. 2018. ‘What Level of Quality Can Neural Machine Translation Attain on Literary Text?’, in: J. Moorkens, S. Castilho, F. Gaspari, & S. Doherty (Eds.), Translation Quality Assessment. Machine Translation: Technologies and Applications, vol 1. Springer: Cham, p. 263-287.

Toral, A., Wieling, M. en A. Way. 2018. ‘Post-editing effort of a novel with statistical and neural machine translation’, Frontiers in Digital Humanities 5:9, 1-11.

Van de Cruys; T. 2019. ‘La génération automatique de poésie en français’, Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019, dl. I p. 113-126.

Van de Cruys, T. 2020. ‘Articuler ou trahir: La poésie des machines à traduire’. http://timvandecruys.be/media/presentations/pres_tradlit_070220.pdf [Geraadpleegd op 14 december 2020].

Van Egdom, G.W., Bloemen, H. en W. Segers. 2017. ‘Machinevertaling, singularity en Prometheïsche Scham’, Filter 24:2, 19-26.

Wagner, E. 1985. ‘Rapid post-editing of SYSTRAN’, in: V. Lawson (red.), Tools for the Trade. London: Aslib, p. 199-214.

Wilks, Y. 1992. ‘SYSTRAN: It obviously works, but how much can it be improved?’, in J. Newton (red.), Computers and Translation: A Practical Appraisal, London: Routledge, p. 166-188. 

Wu, Yonghui et al. 2016. ‘Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation’, https://arxiv.org/pdf/1609.08144v2.pdf [Geraadpleegd op 14 december 2014]

Youdale, R. 2019. Using computers in the translation of literary style: Challenges and opportunities. London: Routledge.

Zanettin. F. 2014. ‘Corpora in translation’, in: J. House (red.), Translation: A multidisciplinary approach. New York: Palgrave Macmillan, p. 178-199.

 

Joke Daems  is postdoctoraal onderzoeker bij de vakgroep Vertalen, Tolken en Communicatie aan de Universiteit Gent. Als lid van de onderzoeksgroep LT³ (Language and Translation Technology Team) voert ze onderzoek naar de impact van vertaaltechnologie en naar de interactie tussen vertaler en vertaalomgeving.

Gys-Walt van Egdom doceert vertalen en vertaalwetenschap aan de Universiteit Utrecht.

BOEKEN TELLEN   24-01-2021Bibliometrie in de vertaalwetenschapJack McMartinLuc van Doorslaer 

InleidingToen Johannes Gutenberg in 1440 voor het eerst zijn drukpers in gang zette, kon hij nauwelijks voorspellen dat zijn uitvinding tot een globale kennismaatschappij zou leiden. Boeken en wetenschappelijke artikelen vormen hier twee levensaders van. In onze huidige tijd verschijnen er jaarlijks zo’n 2,2 miljoen nieuwe boeken en 2,5 miljoen nieuwe wetenschappelijke artikelen in honderden talen. Door de globalisering en de digitale revolutie van de late twintigste eeuw is het uitgeverswezen productiever en internationaler dan ooit geworden. Digitale tools en het internet vereenvoudigen de wereldwijde verspreiding van gepubliceerde content. Daarnaast zijn veel van de belangrijkste literaire en academische uitgevers geleidelijk aan ondergebracht in grote mediaconcerns, die verschillende nationale markten en taalgebieden overschrijden. Binnen zo’n mondiaal publicatielandschap steunt kennisuitwisseling op twee communicatietechnieken: een lingua franca en vertalingen. Het Engels is anno 2020 de lingua franca van de wetenschap én de brontaal van het merendeel van ’s werelds vertaalde boeken.

De bibliometrie – of de wetenschap van de kwantitatieve meting van gepubliceerde informatie – stelt ons in staat om inzicht te verwerven in dit mondiale publicatielandschap. Door middel van vooral statistische methoden tracht de bibliometrie grootschalige tendensen en verschuivingen in de stroom van gepubliceerde informatie in kaart te brengen en te analyseren. In die zin kan ze ook als een ‘metawetenschap’ beschouwd worden: op een gestructureerde manier leert de bibliometrie ons iets over hoe wetenschap zich ontwikkelt en welke disciplines (en daarbinnen welke regio’s of centra, stromingen en wetenschappers) dominant worden. Dit levert belangrijke inzichten op voor wetenschapshistorici, maar ook voor andere wetenschappers. Omdat er veel meer gepubliceerd wordt dan gelezen kan worden, kan de bibliometrie ons helpen om tendensen te onderscheiden en de weg te wijzen naar de invloedrijkste boeken en artikelen binnen ons interessegebied.

De bibliometrie kan ook inzicht verschaffen in (machts)verhoudingen tussen delen van het mondiale publicatielandschap. Door de bibliografische gegevens van boekvertalingen te analyseren kunnen we bijvoorbeeld vaststellen welke genres zich het best lenen voor internationale circulatie, welke talen en landen meer of minder openstaan voor vertalingen, hoe de verhouding tussen vertaalimport en -export per land of taal varieert, wie de meest vertaalde auteurs zijn enz. Omdat deze benadering

diachronisch is, stelt ze ons ook in staat om bepaalde periodes te vergelijken en periodieke verschillen in kaart te brengen. Bibliometrische informatie kan in een tweede beweging ook gebruikt worden om inzichten te verdiepen: hoe onze globale kennismaatschappij (hiërarchisch) functioneert bijvoorbeeld, en hoe onevenwichtig boeken en artikelen internationaal circuleren, met winnaars en verliezers tot gevolg. Om die reden liggen bibliometrische inzichten vaak mede aan de basis van wetenschaps- en cultuurbeleid.

In deze bijdrage gaan we na hoe de bibliometrie tot nu toe werd toegepast binnen de vertaalwetenschap en bespreken we enkele representatieve casussen. Eén voorbeeld is meer uitgewerkt en brengt vertaalstromen tussen taalgebieden in kaart. De tweede casus toont vooral hoe de data van een bibliografische tool gebruikt kunnen worden voor allerlei vormen van bibliometrisch onderzoek. Je kunt er bijvoorbeeld een balans mee opmaken van de voornaamste stromingen binnen de vertaalwetenschap na een halve eeuw van sterke mondiale ontwikkeling; maar je kunt je ook toespitsen op de data van slechts één publicatietaal. Het is bij al deze bibliometrische benaderingen van belang om een onderscheid te maken tussen de verschillende onderzoeksobjecten: boekvertalingen enerzijds en vertaalwetenschappelijke output anderzijds. Wij bespreken de twee onderdelen apart en sluiten af met enkele overkoepelende vaststellingen over de sterke en minder sterke eigenschappen van een bibliometrische benadering.

Bibliometrie en boekvertalingenDe toepassing van de bibliometrie op boekvertalingen hebben we in de eerste plaats te danken aan de socioloog Johan Heilbron. Zijn artikel over de wereldwijde distributie van vertalingen uit het Nederlands (Heilbron 1995) is een van de eerste systematische analyses van boekvertalingen binnen het wereldtalenstelsel. Dat Heilbron bijzondere aandacht had voor het Nederlands, heeft te maken met zijn Nederlandse nationaliteit. Hij haalde inspiratie uit Immanuel Wallersteins moderne wereldsysteemtheorie, die de

wereldmarkt en geografische of culturele gebieden onderverdeelt in drie categorieën: de kern, de semiperiferie en de periferie. Kerngebieden zijn kapitaalkrachtig en goed ontwikkeld, terwijl gebieden in de periferie kapitaalarm en minder goed ontwikkeld zijn. Betrekkingen en handel tussen de kern en de periferie zijn gekenmerkt door ongelijkheid, afhankelijkheid en uitbuiting: zwakkere gebieden importeren veel meer dan ze exporteren en zijn afhankelijk van anderen, terwijl sterkere gebieden minder importeren en veel meer exporteren. Voor Wallerstein is deze dynamiek sociaaleconomisch van aard en verklaart ze mede ontwikkelingen als kolonialisme, imperialisme en globalisering. Voor Heilbron is deze dynamiek eerder cultureel van aard en kenmerkend voor het verloop van internationaal cultureel verkeer. Vertaalstromen vormen Heilbrons maatstaf bij uitstek: taalgebieden met veel uitgaande en weinig inkomende boekvertalingen beschouwt hij als centraal, terwijl taalgebieden met weinig uitgaande en veel inkomende boekvertalingen tot de periferie behoren.

Om uit te zoeken welke taalgebieden in welke categorie vielen, heeft Heilbron een beroep gedaan op bibliografische gegevens over boekvertalingen. Deze vond hij in de Index Translationum, een door de Unesco beheerde database met maar liefst 1,8 miljoen vertalingen uit diverse literaire, academische en populaire genres. Uit zijn onderzoek, dat betrekking heeft op de periode 1979–2007, is gebleken dat het internationale vertaalstelsel een hiërarchische structuur vertoont met een duidelijke scheiding tussen centrum en periferie. Sommige talen genieten een veel groter aandeel van de mondiale markt voor vertalingen dan andere. Vertaalstromen vertrekken vanuit een klein aantal brontalen: de twintig talen waaruit het vaakst vertaald werd (waarvan zestien Europese) leverden 96 procent van alle vertalingen in de Index. Meer dan de helft van alle vertalingen in de periode 1979–2007 hadden het Engels als brontaal. Het Engels neemt dus een centrale of zelfs hypercentrale positie in. Daarna volgen (met enige afstand) drie centrale talen: Frans, Duits en Russisch, die respectievelijk 10, 9 en 5 percent van de wereldmarkt voor vertalingen vertegenwoordigen. Samen leverden deze vier talen (Engels, Frans, Duits en Russisch) 80 procent van alle bronteksten. Italiaans, Spaans en Zweeds nemen een semicentrale positie in, met een aandeel tussen de 3 en de 1 percent. Alle andere talen, elk met een aandeel van 1 procent of minder, kunnen tot de periferie van het internationale vertaalstelsel gerekend worden, inclusief wereldtalen als Chinees, Arabisch, Japans of Portugees. Dit betekent dat het aantal moedertaalsprekers lang niet altijd doorslaggevend is bij het bepalen van een centrale of perifere positie in het internationale vertaalstelsel. Andere factoren – zoals de grootte van het uitgeverswezen binnen het taalgebied, overheidsinterventie en het niveau van economische ontwikkeling – zijn ook van eminent belang.

Vertaalstromen vloeien vaker van centrale naar perifere talen dan in de omgekeerde richting, maar er wordt ook heel wat vertaald tussen perifere talen onderling. Belangrijk hier is dat culturele transfer van periferie naar periferie vaak afhankelijk is van de selectie die plaatsvindt in de culturele centra (bijv. New York, Londen, Parijs,

Barcelona) waar de dominantste uitgevers geconcentreerd zijn en waar internationaal prestige verdeeld en verworven wordt. Vertaald worden in een centrale wereldtaal is bijzonder en als het gebeurt is de kans groot dat die vertaling aanleiding geeft tot vertalingen in andere talen. Dit fenomeen kan deels gelinkt worden aan symbolische factoren: vertaling van een boek uit de perifere in een centrum en de daarmee gepaard gaande (internationale) erkenning zorgt voor een versteviging van de positie van het boek en zijn makers, zowel in de nationale als in de transnationale context. Vertaling kan dus ook een belangrijke vorm van literaire consecratie zijn en speelt een rol in canonvorming (zie ook Casanova 2010).

Er zijn evenwel genres die zich beter lenen voor vertaling dan andere. De heilige teksten van de wereldgodsdiensten, die gelezen worden door een internationale gemeenschap gelovigen, behoren tot de meest vertaalde boeken aller tijden. In de moderne tijd is fictie het meest vertaalde genre. Sommige belangrijke genres, zoals schoolboeken, maken een groot deel uit van de nationale boekproductie, maar worden vrijwel nooit vertaald. Kinder- en jeugdboeken daarentegen doen het vaak goed, zowel nationaal als internationaal. Dit heeft te maken met historische veranderingen in het uitgeverswezen, de opkomst van populaire boekenreeksen zoals Harry Potter en het feit dat boeken voor kinderen vaak veel illustraties en weinig woorden bevatten, wat het transferproces, op enkele cultuurgebonden gevoeligheden na, vergemakkelijkt.

Casus: Recente vertaalstromen uit het NederlandsDe Nederlandse taal bevindt zich in de periferie van het internationale vertaalstelsel. Ze levert iets minder dan één procent van alle bronteksten van ’s werelds vertaalde boeken (Heilbron & Sapiro 2016: 382). Voor iedere zes boeken die in het Nederlands worden vertaald, wordt er één uit het Nederlands vertaald (Heilbron 1995: 208). De vertaalimport is dus aanzienlijk groter dan de vertaalexport. Vertalingen in het

Nederlands vertegenwoordigen ongeveer een kwart van de boekproductie in Nederland en Vlaanderen, waarvan 60 procent uit het Engels (Van Baelen 2013: 35).

Niettemin worden er behoorlijk wat boeken uit het Nederlands vertaald. In deze sectie kijken we naar recente vertaalstromen uit het Nederlands als voorbeeld van hoe de bibliometrie gebruikt kan worden om culturele transfer uit de periferie te analyseren. We baseren ons op bibliografische gegevens uit de vertalingendatabase van het Nederlands Letterenfonds en Literatuur Vlaanderen, de twee overheidsinstanties die instaan voor het binnenlandse en buitenlandse letterenbeleid van respectievelijk Nederland en Vlaanderen (zie Vertalingendatabase). Deze database vormt een ruime en gedetailleerde bron van boekvertalingen uit het Nederlands, maar heeft niet de pretentie om volledig te zijn. De database wordt manueel gevoed door medewerkers van de twee literatuurfondsen en weerspiegelt daarom onvermijdelijk hun eigen circuits en generieke voorkeuren. Alleen vertalingen die behoren tot genres die de door de twee literatuurfondsen als ‘literair’ beschouwd worden, worden geregistreerd in de database. We moeten daarom voorzichtig omspringen met de cijfers voor boekvertalingen in genres die pas recent een literaire stempel gekregen hebben (non-fictie en graphic novel/strips). De database leert ons ook niets over de vertaling van niet-literaire boeken. Hoe dan ook geeft de database een indicatie van de belangrijkste trends. De dataset die we hier gebruiken heeft betrekking op de periode 1998–2018 en bevat bibliografische gegevens over 11.121 uit het Nederlands vertaalde boeken. Wij kijken in eerste instantie naar genre en doeltaal om zo een beeld te krijgen van de recente internationale circulatie van boeken uit het Nederlands (voor een uitgebreidere analyse zie McMartin 2020).

Figuur 1: Boekvertalingen uit het Nederlands (1998-2018, alle genres) Bron: Vertalingendatabase Nederlands Letterenfonds

Het is een duidelijke tendens dat er steeds meer boeken vertaald worden (zie figuur 1). Het aantal boekvertalingen uit het Nederlands steeg geleidelijk gedurende de voorbije twee decennia. Na een sprong van 406 vertalingen in 1998 naar 493 in 1999 schommelde het aantal jaarlijkse vertalingen tussen 500 en 600. In 2016, het jaar van het gastlandschap van Vlaanderen en Nederland op de Frankfurter Buchmesse, steeg het aantal vertalingen fors naar 721, om daarna opnieuw te stabiliseren op 500–600.

 

Figuur 2: Boekvertalingen uit het Nederlands gerangschikt naar genre (1998-2018) Bron: Vertalingendatabase Nederlands

Letterenfonds

Twee genres domineren de exportmarkt voor boeken uit het Nederlands (zie figuur 2): kinder- en jeugdliteratuur (goed voor 42 procent van alle vertalingen uit het Nederlands, of gemiddeld 230 boeken per jaar) en fictie voor volwassenen (33 procent, 186 per jaar). Daarna volgen non-fictie (15 procent, 84 per jaar), poëzie (4 procent,

twintig per jaar), graphic novel/strips (2 procent, elf per jaar), reisliteratuur (2 procent, tien per jaar) en bloemlezingen (2 procent, negen per jaar). Het relatieve aandeel van de twee grootste genres varieerde, maar nam de laatste twee decennia lichtjes af. Dit kan mede verklaard worden door stijgingen in het aandeel van twee kleinere genres: non-fictie, dat groeide van 12 procent van de uitgaande vertalingen in 1998 naar 16 procent in 2018, en graphic novels/strips, dat toenam van nul in 1998 naar 4 procent in 2018, met een piek van 6 procent in 2014. Het aandeel van poëzie bleef stabiel op ongeveer 4 procent. 

Tabel 1: Boekvertalingen uit het Nederlands gerangschikt naar doeltaal (1998-2018, alle genres) Bron: Vertalingendatabase

Nederlands Letterenfonds

Wat de doeltalen betreft (zie tabel 1), was Duits veruit de meest voorkomende afzetmarkt voor boeken uit het Nederlands; ongeveer één op vier vertalingen waren in het Duits. Engels verdrong Frans van de tweede plaats en steeg van 7 procent in 1998 naar ongeveer 13 percent in 2018. Frans daalde van 20 procent in 2003 (het jaar van

het gastlandschap van Vlaanderen en Nederland op het Salon du livre) naar 10 procent in 2018. Ondanks zijn positie als dominantste doeltaal, is het aandeel van Duits de voorbije twee decennia aanzienlijk kleiner geworden, van 38 procent in 1999 naar 20 procent in 2018. In 2016, opnieuw het jaar van het gastlandschap in Frankfurt, bereikte het 34 procent, om nadien naar slechts 16 procent te dalen in 2017. Dit zouden we kunnen omschrijven als een symptoom van de Frankfurt fatigue, waarbij de aandacht van Duitse uitgevers voor boeken uit de taal van het gastland afneemt nadat ze een jaar lang in de kijker hebben gestaan. Het aandeel van Duits is wel opnieuw gestegen naar 21 procent in 2018.  Uitgedrukt in percentage betekende het Frankfurtse piekjaar 2016 weliswaar niet het absolute hoogtepunt van de afgelopen twintig jaar, maar dat is te wijten aan de jaarlijkse toename in het totale aantal vertalingen. In absolute termen was 2016 wél een recordjaar voor vertalingen in het Duits, met 243 vertalingen, veel meer dan de piek van 189 in 2000.

Twee factoren dragen bij tot deze algemene stijging van het aantal jaarlijkse vertalingen uit het Nederlands: een groei van vertalingen in enkele ‘nieuwe’ doeltalen en de ontdekking van kinder- en jeugdliteratuur uit Vlaanderen en Nederland door Chinese uitgevers. Turks, Pools, Afrikaans en Arabisch kunnen tot de ‘nieuwkomers’ gerekend worden – voor deze talen is het jaarlijkse gemiddelde van vertalingen gestegen van nul naar tien. Chinees is eigenlijk ook een nieuwkomer, maar dat aandeel groeide veel sneller dan de andere. Vertalingen in het Chinees stegen van een jaarlijks gemiddelde van vier vertalingen tussen 1999 en 2005 naar een hoogtepunt van 89 in 2012 (na het gastlandschap van Nederland – dit keer zonder Vlaanderen – op de boekenbeurs van Beijing in 2011) om daarna te stabiliseren rond de twintig à dertig vertalingen per jaar.

Hoe verhouden deze doeltalen zich tot de rest? De centrale doeltalen definiëren we als die met een groter aandeel vertalingen uit het Nederlands, de perifere doeltalen hebben een kleiner aandeel. We komen dan tot drie categorieën: Duits (25 procent), Engels (12 procent) en Frans (10 procent) kunnen we als centrale doeltalen beschouwen. Samengeteld zijn ze goed voor de helft van de boekvertalingen uit het Nederlands. Spaans, Italiaans, Deens en Chinees nemen in deze dataset een semicentrale positie in, met elk een aandeel van 5 procent. Alle andere talen behoren tot de periferie, met een aandeel van twee procent of minder. Tussen de 2 en 1 procent bevinden zich: Japans (2,3), Zweeds (2,3), Koreaans (2,1), Turks (2,1), Hongaars (2,1), Pools (1,7), Tsjechisch (1,6), Portugees (1,4), Noors (1,3), Sloveens (1,2), Afrikaans (1,1) en Catalaans (1). 32 doeltalen telden minstens één vertaling per jaar. In totaal zijn 81 doeltalen vertegenwoordigd in de dataset.

Wat we tot nu toe hebben gepresenteerd is een bibliometrische weergave van recente vertaalstromen uit het Nederlands. Een volgende stap zou zijn om in te zoomen op opvallende uitschieters. We hebben bijvoorbeeld vastgesteld dat vertalingen pieken in

gastlandjaren en ertoe neigen om weer te dalen in de daaropvolgende jaren. Verder onderzoek zou zich kunnen toespitsen op de praktijken van de twee letterenfondsen, die deze gastlandpresentaties als deel van hun buitenlandbeleid organiseren (zie Heilbron & Sapiro 2018; McMartin 2019a, 2019b). Op die manier kan de bibliometrie bijdragen tot een ‘mixed-methods approach’ die kwantitatieve en kwalitatieve methoden samenbrengt. Overigens is dit de richting die Heilbron en zijn coauteurs zouden uitgaan in hun latere werk, dat de weg zou vrijmaken voor een sociologie van de vertaling (zie Heilbron 1999; Heilbron & Sapiro 2007; Van Es & Heilbron 2015).

Bibliometrie en vertaalwetenschappelijke outputOp congressen wordt vertaalwetenschap nog geregeld aangeduid als een ‘jonge discipline’. ‘Jong’ is vanzelfsprekend een relatief begrip. Wanneer je de vertaalwetenschap vergelijkt met bijvoorbeeld de linguïstiek, is ze inderdaad jong. Maar in de periode van vijftig, zestig jaar waarin de internationale ‘translation studies’ intussen bestaat, zijn er talloze nieuwere (sub)disciplines ontstaan. In dat opzicht is de vertaalwetenschap best al volwassen te noemen. Dat valt eveneens af te leiden uit tal van institutionaliseringsfactoren: internationaal is er de voorbije decennia een enorme toename geweest van het aantal specifiek vertaalwetenschappelijke onderzoekers en academische organisaties, van vertaalwetenschappelijke tijdschriften, van uitgevers met vertaalwetenschappelijke boekreeksen (ook toonaangevende zoals Routledge en Benjamins), van congressen en colloquia, van universitaire en niet-universitaire opleidingen, van doctoraatsprogramma’s, enzovoort (voor een uitgebreidere bespreking: zie van Doorslaer 2019). Als gevolg van al deze factoren is onvermijdelijk ook het aantal vertaalwetenschappelijke publicaties sterk toegenomen.

Twee soorten publicaties vormen hiervoor de beste indicator. Het is geen toeval dat er de afgelopen twee decennia voor het eerst heel wat encyclopedische overzichtspublicaties verschenen zijn – tot de bekendste behoren de Encyclopedia of Translation Studies (Baker & Saldanha 2009) en het Handbook of Translation Studies (Gambier & van Doorslaer 2010-13). Voor zulke werken ontstaat pas belangstelling (en een potentiële markt) wanneer er zoveel kennis en onderzoek voorhanden is dat onderzoekers behoefte krijgen aan structuur en overzicht. En naast de encyclopedische werken bestaan er sinds een tweetal decennia ook (online) bibliografieën, tools die bibliografische gegevens over vertaalwetenschappelijke publicaties verzamelen. Waar de eerste generatie vertaalwetenschappers in de jaren 1970 en 1980 een generalistische instelling kon hebben, gewoon omdat het aantal publicaties erg beperkt was, is dat voor de volgende generaties onmogelijk geworden. De specialisering is ontzettend toegenomen, zoals blijkt uit de tienduizenden publicaties die terug te vinden zijn in die bibliografieën. De twee bekendste zijn BITRA (de Bibliography of Interpreting and Translation, geredigeerd door Javier Franco aan de universiteit van Alicante) en TSB (de Translation Studies Bibliography, geredigeerd door Yves Gambier en Luc van

Doorslaer en uitgegeven door John Benjamins in Amsterdam). Bibliografieën gebruiken vaak heel andere selectiecriteria (wanneer precies noem je een publicatie vertaalwetenschappelijk?). Die van BITRA zijn ruimer, wat leidt tot een totaal van meer dan 70.000 publicaties. TSB hanteert strengere criteria, daar vind je ongeveer de helft van dat aantal. Maar hoe dan ook: om tienduizenden publicaties gaat het in elk geval. Er is uiteraard geen enkele wetenschapper meer die zulke aantallen nog individueel kan behappen; specialisatie is het logische gevolg.

Belangrijk voor deze bijdrage is dat in het bijzonder de online bibliografieën veel meer bieden dan gewoon maar een lijst van bestaande publicaties. Ze hebben ook abstracts, dus korte samenvattingen van de publicatie – TSB doet dat systematisch, BITRA soms. Maar bovenal bieden ze uitgebreide zoekfuncties aan, waardoor de bibliografieën belangrijke instrumenten worden voor bibliometrisch onderzoek. Juist omdat de vertaalwetenschap intussen een flink uit de kluiten gewassen discipline is geworden, leert een bibliometrische benadering ons veel over de (kwantitatieve) verhouding tussen de thema’s, auteurs, plaatsen van onderzoek, methoden van onderzoek, enz. – en als gevolg daarvan ook veel over de evolutie van de discipline en het denken over vertalen in het algemeen. Dat de bibliometrie intussen algemeen aanvaard is als methode in de vertaalwetenschap, blijkt ook uit de opname als entry in verschillende methodologisch georiënteerde of overzichtswerken. Daarin wordt het nut van bibliometrische benaderingen binnen de vertaalwetenschap omschreven, met name voor ‘publication counting, citation counting, word analysis, and social network analysis’ (Grbić 2013: 22), omdat ze het mogelijk maken ‘to use these resources not only as search tools, but also as research tools’ (van Doorslaer 2016: 173) en ook ‘to analyse the role played by the different publications, the impact they have caused and, generally speaking, to help us draw a family tree of the development of any scientific field’ (Rovira-Esteva and Franco Aixelá 2018: 117-118). Een symbolische erkenning was ook het special issue over bibliometrie dat werd uitgebracht door het vertaalwetenschappelijke tijdschrift Perspectives in 2015.

Casus: Translation Studies Bibliography (TSB)Wat bibliometrisch allemaal mogelijk is met de verschillende categoriseringen van een online bibliografie zoals TSB, is eerder al aangetoond. Zo toonde een diachronische analyse van de keywords die worden toegekend aan elke publicatie hoe zwaartepunten en thema’s veranderen door de tijd, maar ook hoezeer ze verschillen per taalgebied of per tijdschrift (van Doorslaer & Gambier 2015). In de TSB kan immers gezocht worden op auteur, titel, keyword, abstract, uitgever, publicatietaal, brontaal, doeltaal, subjectpersoon (b.v. over vertalingen van een bepaald auteur), subjecttitel (b.v. over vertalingen van een bepaald werk), boekenreeks, tijdschrift en jaar van publicatie. Alle mogelijke combinaties van die categorieën kunnen interessant zijn voor onderzoek. Bovendien beschikt de database nog over andere gegevens die niet publiek beschikbaar zijn, zoals de affiliatie van de auteurs. Op basis daarvan stelden van

Doorslaer en Gambier (2015) ook een top twintig op van de meest ‘actieve’ universiteiten op het gebied van vertaalwetenschappelijke publicaties (met de Universitat Autònoma in Barcelona op één). Tegelijkertijd leggen zulke lijstjes ook een valkuil van bibliometrisch onderzoek bloot. Alles is afhankelijk van de database en de criteria op basis waarvan die gemaakt is. Zoals eerder vermeld hanteert TSB selectiecriteria voor opname (volgens periode, beschikbaarheid, graad van wetenschappelijkheid, enz.). Met andere criteria krijg je vanzelfsprekend andere resultaten. Het is belangrijk om die relativiteit in het achterhoofd te houden bij elke bibliometrische analyse.

Dit artikel is niet de plaats om een uitgebreide studie op te zetten, maar we kunnen natuurlijk wel voorbeelden suggereren. Een kleine vingeroefening zou kunnen zijn: welke rol speelt het Nederlands als publicatietaal in een discipline zoals de vertaalwetenschap, in een academische wereld waar het Engels steeds dominanter wordt als lingua franca en dus ook als publicatietaal? Op basis van een recente telling (25 juni 2020) bevat TSB 313 Nederlandstalige publicaties op een totaal van zowat 33.000. Dat is verhoudingsgewijs ontzettend weinig, maar tegelijkertijd bekleedt het Nederlands daarmee nog wel een achtste plaats, na Engels (meer dan twee derde van alle publicaties), Spaans, Frans, Duits, Portugees, Italiaans en Catalaans. Die 313 publicaties zou je als basiscorpus kunnen gebruiken voor verdere analyse. Welke thema’s komen vooral aan bod? In welke tijdschriften of bij welke uitgevers verschijnen bijdragen in het Nederlands? Het corpus is wat klein voor een relevante diachronische analyse. Zo stel je bijvoorbeeld vast dat er een piek van Nederlandstalige publicaties uit 2015 in TSB te zien is. Was dat dan een ‘topjaar’ voor de Nederlandstalige vertaalwetenschap? Nee, maar het was wel het jaar waarin De Bijbel in de Lage Landen verscheen. En aangezien TSB van samengestelde werken met vele auteurs ook de aparte hoofdstukken opneemt, krijg je meteen een piek van 35 publicaties.

Hieruit blijkt dus dat enkele honderden publicaties relatief beperkt is voor bepaalde analyses. Wanneer we echter een selectie zouden maken op basis van de affiliaties, is het aandeel van Nederlandstalige auteurs veel groter, maar zij publiceren meestal in het Engels. Opvallend is ook dat Chinees voorlopig nog net na Nederlands komt, maar wellicht niet meer zo lang. TSB sloot onlangs een akkoord met een Chinese universiteit af voor de systematische opvolging van Chinese vertaalwetenschappelijke publicaties. Ook dit voorbeeld toont aan hoezeer bibliometrische resultaten bepaald (kunnen) worden door praktische regelingen.

Bij wijze van conclusie: enkele aandachtspuntenDe voorbeelden hierboven tonen aan op welke manieren de bibliometrie tot zinvolle gegevens en inzichten kan leiden binnen de vertaalwetenschap. Niet alleen is het door de bibliometrie mogelijk geworden om de overvloed aan informatie in onze

meertalige, globale kennismaatschappij toch vanuit een welbepaald perspectief te overschouwen. Het is ook een optie om bibliografische benaderingen, via selectie van gegevens, als lens te gebruiken en in te zoomen op bepaalde specifieke data – afhankelijk van de categorisering, de zoekmogelijkheden enzovoort. Uiteraard moeten we daarbij erg waakzaam blijven voor blinde hoeken en lacunes die onvermijdelijk voorkomen bij grote gegevensbestanden. Hieronder sommen we kort de belangrijkste aandachtspunten (en beperkingen) van een bibliometrische benadering op.

Door de klemtoon te leggen op grootschalige tendensen en het totaalbeeld, dreigen belangrijke bijzonderheden en nuances uit het blikveld te verdwijnen. Een ‘mixed-methods approach’ kan dan al de nodige nuanceringen aanbrengen. Daarin wordt de bibliometrie dan bijvoorbeeld gecombineerd met interviews, veldwerk en andere kwalitatieve methoden. Die combinatie kan belangrijke contextuele en aanvullende omkadering bieden. Dit biedt de mogelijkheid om uitzonderlijke gevallen en belangrijke actoren en instituties alsnog meer in detail te onderzoeken. Verder is het zo dat de resultaten van bibliometrisch onderzoek in grote mate afhankelijk zijn van de betrouwbaarheid en de representativiteit van de verzamelde data. Een vaak voorkomende (en terechte) kritiek op de Index Translationum en het vele vertaalwetenschappelijk onderzoek dat op deze database berust, is dat ze voor bibliografische gegevens afhankelijk is van de Unesco-lidstaten. Deze gegevens worden meestal geput uit jaarlijkse cijfers over de binnenlandse boekproductie zoals verzameld door de nationale bibliotheken (voor Nederland is dat de Koninklijke Bibliotheek, voor België KBR). Maar niet alle lidstaten hanteren dezelfde criteria voor wat ze onder ‘een vertaald boek’ verstaan. Bovendien zijn er ook grote verschillen tussen landen wat het aanleveren van data betreft. Dit alles roept vragen op over de representativiteit van de Index als geheel en maakt vergelijkingen tussen talen en analyses van vertaalstromen uit specifieke talen erg heikel. In dat laatste opzicht heeft de vertalingendatabase van de twee literatuurfondsen die we hierboven bespreken twee voordelen ten opzichte van de Index: de criteria en de verzamelde categorieën metadata blijven hetzelfde voor alle opgenomen vertalingen en de data worden centraal verzameld door deze twee nauw samenwerkende instanties. Naast verschillen in rapporteringsnormen is ook de verwante kwestie van datatoegankelijkheid van belang. Vaak worden bepaalde data (bijv. verkoopcijfers) afgeschermd door uitgevers, wat een accuraat beeld van verspreiding onmogelijk maakt. Dit is ook verwant met een ander aandachtspunt: hoge aantallen komen lang niet altijd overeen met een hoge impact. Om een voorbeeld uit de vertaalstromen uit het Nederlands te nemen: op basis van het grote aandeel vertalingen lijkt het Deens als doeltaal naast het Spaans en het Italiaans te staan. Maar als je in aanmerking neemt dat de oplages voor boekvertalingen in het Deens veel kleiner zijn, verandert het beeld aanzienlijk. Bovendien spelen andere, moeilijk meetbare (sociale) factoren mee die doorslaggevend kunnen zijn voor de impact van gepubliceerde informatie: het waargenomen gezag van een uitgever of tijdschrift, de sociale positie van de auteur of

vertaler, de politieke restricties in de doelcultuur enz. Een laatste en uiterst belangrijk aandachtspunt: interpretatie. De keuzen die de vertaalwetenschapper maakt voor de selectiecriteria en de categorisering bepalen grotendeels hoe de bibliometrische data geïnterpreteerd kunnen/zullen worden. Daarom blijft het van groot belang om vooraf kritisch na te denken over de methodologische veronderstellingen en de heuristische gevolgen van een bibliometrische aanpak. Het gebruik van de bibliometrie heeft ook voor de vertaalwetenschap nieuwe horizonten geopend, maar tegelijkertijd blijft – zoals in elk onderzoek – uiterste analytische waakzaamheid en voorzichtigheid geboden.  

 

LiteratuurBaker, Mona, en Gabriela Saldanha (red.). 2009. Routledge Encyclopedia of Translation Studies. Abingdon & New York: Routledge.

BITRA: Bibliography of Interpreting and Translation, red. Javier Franco, universiteit van Alicante. https://aplicacionesua.cpd.ua.es/tra_int/usu/buscar.asp?idioma=en.

Casanova, Pascale. 2010. ‘Consecration and Accumulation of Literary Capital: Translation as Unequal Exchange’, vert. door Siobhan Brownlie, in Mona Baker (red.), Critical Readings in Translation Studies. London & New York: Routledge, p. 285–303.

Doorslaer, Luc van. 2016. ‘Bibliometric studies’, in: Claudia V. Angelelli en Brian J. Baer (red.), Researching Translation and Interpreting. London & New York: Routledge, p. 168-177.

Doorslaer, Luc van. 2019. ‘Te rijk om nog jong te zijn. Contouren van een halve eeuw vertaalwetenschappelijk onderzoek’, in: Gert De Sutter en Isabelle Delaere (red.), In balans. Een inleiding tot de vertaal- en tolkwetenschap. Leuven & Den Haag: Acco, p. 131-152.

Doorslaer, Luc van, en Yves Gambier. 2015. ‘Measuring relationships in Translation Studies: On affiliations and keyword frequencies in the Translation Studies Bibliography', Perspectives, 23:2, p. 305-319.

Es, Nicky van, en Johan Heilbron. 2015. ‘Fiction from the Periphery: How Dutch Writers Enter the Field of English-Language Literature’, Cultural Sociology, 9:3, p. 296-319.

Gambier, Yves, en Luc van Doorslaer (red.). 2010-13 (4 delen). Handbook of Translation Studies. Amsterdam & Philadelphia: John Benjamins. Onlineversie met updates op https://www.benjamins.com/online/hts.

Grbić, Nadja. 2013. ‘Bibliometrics’, in Yves Gambier en Luc van Doorslaer (red.), Handbook of Translation Studies, Volume 4. Amsterdam & Philadelphia: John Benjamins, p. 20–24. 

Heilbron, Johan. 1995. ‘Nederlandse vertalingen wereldwijd. Kleine landen en culturele mondialisering’, in: Johan Heilbron, Wouter de Nooy en Wilma Tichelaar (red.), Waarin een klein land. Nederlandse cultuur in internationaal verband. Amsterdam: Prometheus, p. 206-253.

Heilbron, Johan. 1999. ‘Towards a Sociology of Translation: Book Translations as a Cultural World-System’, European Journal of Social Theory, 2:4, p. 429-444.

Heilbron, Johan, en Gisèle Sapiro. 2007. ‘Outline for a Sociology of Translation. Current Issues and Future Prospects’, in: Michaela Wolf en Alexandra Fukari (red.), Constructing a Sociology of Translation. Amsterdam: John Benjamins, p. 93-107.

Heilbron, Johan, en Gisèle Sapiro. 2016. ‘Translation: Economic and Sociological Perspectives’, in: Victor Ginsburgh en Shlomo Weber (red.), The Palgrave Handbook of Economics and Language. Basingstoke: Palgrave Macmillan, p. 373-402.

Heilbron, Johan, en Gisèle Sapiro. 2018. ‘The Politics of Translation: How States Shape Cultural Transfers’, in: Diana Roig-Sanz en Reine Meylaerts (red.), Literary Translation and Cultural Mediators in ‘Peripheral’ Cultures: Customs Officers or Smugglers? Londen: Palgrave Macmillan, p. 183-208.

Index Translationum. Unesco. http://www.unesco.org/xtrans/.

McMartin, Jack. 2019a. ‘A Small, Stateless Nation in the World Market for Book Translations: The Politics and Policies of the Flemish Literature Fund’, TTR: Traduction Terminologie Redaction, 32:1, p. 145-175.

McMartin, Jack. 2019b. ‘“Our catalogue is our national literature”: State agents and target(ed) publisher outreach in the world market for book translations’, in: Beatriz Martínez Ojeda, María Luisa Rodríguez en Muñoz Editado (red.), Translation in and for Society: Sociological and Cultural Approaches in Translation. Córdoba: UCOPress, p. 23-40.

McMartin, Jack. 2020. ‘Dutch Literature in Translation: A Global View’, Dutch Crossing: Journal of Low Countries Studies, 44:2, p. 145-164. 

Rovira-Esteva, Sara, en Javier Franco Aixelá. 2018. ‘Bibliometric tools: evaluation, mapping’, in: Lieven D’hulst en Yves Gambier (red.), A History of Modern Translation Knowledge: Sources, concepts, effects. Amsterdam & Philadelphia: John Benjamins, p. 117-122.

TSB: Translation Studies Bibliography, red. Yves Gambier en Luc van Doorslaer. Amsterdam & Philadelphia: John Benjamins. https://www.benjamins.com/online/tsb/.

Van Baelen, Carlo. 2013. 1+1 = zelden 2. Over grensverkeer in de Vlaams-Nederlandse literaire boekenmarkt. Den Haag: Nederlandse Taalunie. https://literairvertalen.org/sites/default/files/2017-10/11zelden2.pdf.

Vertalingendatabase. Geredigeerd door het Nederlands Letterenfonds in samenwerking met het Vlaams Fonds voor de Letteren en de Nederlandse Taalunie. https://letterenfonds.secure.force.com/vertalingendatabase/zoeken.

 

Jack McMartin  is docent vertaalwetenschap en Engels aan de KU Leuven. Zijn onderzoek richt zich op de productie en receptie van Nederlandse literatuur in vertaling. Hij is co-redacteur (met Jan Van Coillie) van Children’s Literature in Translation: Texts and Contexts  (Leuven University Press, 2020). Hij schrijft momenteel aan een monografie over het leven en werk van de Amerikaans-Nederlandse poëzievertaler, vertaaltheoreticus en dichter James Holmes.

Luc van Doorslaer  is hoogleraar vertaalwetenschap aan de universiteit van Tartu (Estland) en ook part-time verbonden aan de KU Leuven (België) en de universiteit van Stellenbosch (Zuid-Afrika). Sinds 2016 is hij vice-president van EST, de European Society for Translation Studies. In het bijzonder publiceert hij over journalistiek en vertaling, imagologie en vertaling, vertaalbeleid en de institutionalisering van de vertaalwetenschap.

‘MAYBE IT WAS LOST IN THE TRANSLATION’   24-01-2021User-Generated Content in receptieonderzoekHaidee KotzeGys-Walt van Egdom 

Vertaalreceptieonderzoek is op de receptie van vertalingen gericht. De wetenschappelijke belangstelling voor de ontvangst van literatuur en literatuur in vertaling heeft zich sinds de jaren 1960, het decennium waarin de receptie-esthetica (Jauss 1970; Iser 1970) werd geïntroduceerd, snel uitgebreid. In receptieonderzoek is men zich op steeds meer vormen van receptie gaan richten en zijn er tal van onderzoeksmethoden gebruikt om een accuraat beeld van vertaalreceptie te kunnen schetsen. Zo maken we een onderscheid tussen actieve en passieve receptie. Bij actieve receptie denken we aan de invloed van een auteur op andere auteurs/kunstenaars. Wij richten ons hier op de passieve receptie. De term ‘passieve receptie’ kan met traditionele vormen van (vertaal)kritiek worden geassocieerd. Hierbij denken we in de eerste plaats aan boekrecensies. Aan de hand van recensies kan er licht worden geworpen op de wijze waarop een werk of een auteur wordt ontvangen. In traditioneel onderzoek gaat de aandacht vooral uit naar recensies die door (semi-) professionele recensenten (auteurs, vertalers, critici) worden geschreven. Hoewel het geen twijfel lijdt dat professionele recensenten, door vergaard symbolisch kapitaal, een groot gewicht in de schaal leggen (Vanderschelden 2000; Fernández 2011), dreigt er in dit traditionele onderzoek voorbij te worden gegaan aan dilettanten die hun waardering voor een werk of een auteur uitspreken.1

Liefhebbers beïnvloeden de communis opinio op talloze wijzen. Uiteraard wordt de receptie beïnvloed door ‘mond-tot-mondvormen’, oordelen die in willekeurige gesprekken, maar ook in leesgroepjes worden uitgesproken. Deze vormen van receptie ontsnappen meestal aan de greep van receptieonderzoekers. Literatuurliefhebbers uiten hun mening echter ook in geschreven vorm. Hoewel er af en toe een dilettantenrecensie in gedrukte vorm zal verschijnen, staat het buiten kijf dat veel liefhebbers tegenwoordig het internet gebruiken om hun mening te ventileren. Het internet biedt een keur aan blogs, vlogs, Facebook-, Twitter- en Instagramaccounts die deels of geheel aan literatuur (in vertaling) worden gewijd. De invloed van posts op deze accounts is, net als die van professionele recensenten, afhankelijk van een symbolisch kapitaal, al wordt het symbolisch kapitaal van de gebruikers van deze accounts vooral bepaald door het aantal volgers. Je zou bij deze recensenten van een virtuele street cred kunnen spreken. Dat die credibiliteit geen wassen neus is, blijkt uit de influencermarketingtechnieken die ook in de culturele sector worden ingezet en die

maken dat het onderscheid tussen professionele en niet-professionele recensenten soms moeilijk te maken is (zie Vigerland & Borg 2018).

Verreweg de grootste groep recensenten treffen we echter aan op sites als Amazon, Bol.com en Goodreads, sites waar lezers de mogelijkheid krijgen om hun ongezouten mening te formuleren. De individuele recensenten zijn relatief gezien anoniem; toch is hun invloed op de receptie (en indirect op publicatie), zoals uit marketing- en met name serviceonderzoek (zie Pluymaekers 2015; Alt & Reinhold 2020) is gebleken, aanzienlijk. Aanvankelijk konden individuele gebruikers hun waardering slechts met sterren (1-5 sterren) aangeven. Tegenwoordig bieden de sites de ruimte om ook tekstmateriaal te plaatsen. Dit tekstmateriaal noemen we User-Generated Content (UGC) of e-Word-of-Mouth (eWoM); UGC/eWoM wordt als volgt gedefinieerd: ‘any positive or negative statement made by potential, actual, or former customers about a product or company, which is made available to a multitude of people and institutions via the Internet’ (Hennig-Thurau, Gwinner, Walsh & Gremler 2004, p. 39).

De invloed van deze UGC berust op drie factoren:

1. de vorm die de mening vaak aanneemt (de rating die, meestal in combinatie met korte tekstjes, direct een beeld schetst van de waardering van de gebruiker);

2. het grote aantal recensies dat op één pagina wordt gegroepeerd;3. het platform waarop de recensies verschijnen (sites die moderne lezers raadplegen als ze een

boek willen aanschaffen).

Hoewel weinig onderzoekers de invloed van UGC in ons digitale tijdperk zullen geringschatten, is onderzoek naar de receptie in UGC niet vanzelfsprekend. De grootste kracht van UGC, de hoeveelheid beschikbaar materiaal, vormt voor onderzoekers een obstakel. Het is immers een onmogelijke opgave om alle losse reviews door middel van close reading te analyseren (zie Miner et al. 2012; Van Egdom et al. 2018). Gelukkig zijn er technologische snufjes, zoals scrapers, crawlers, die het mogelijk maken om grote hoeveelheden tekst van het internet te plukken, en dataminingtools, die het mogelijk maken patronen te ontdekken die voor het menselijk oog niet (snel) zichtbaar zijn en die bovendien kunnen helpen bij het uitlichten van tekstmateriaal dat waardevol is voor close reading.

In deze bijdrage geven we een bescheiden aanzet tot onderzoek naar UGC van vertaalde literatuur. In het voorjaar van 2020 hebben we een proefballonnetje opgelaten: we hebben recensies van J.K. Rowlings Harry Potter and the Philosopher's Stone (en vertalingen van dit werk) en recensies van Herman Kochs Het diner (en vertalingen) van Goodreads gehaald. Het was niet zozeer onze bedoeling om de receptie van deze twee werken en hun vertalingen in kaart te brengen; we waren in eerste instantie benieuwd naar het bewustzijn van vertaling in recensies en de manier waarop vertaaldheid (translatedness) van vertaalde literatuur in Goodreadsrecensies gepercipieerd wordt. Deze bijdrage draait dan ook niet zozeer om grootse inzichten,

noch om de algemene validiteit van kennisuitspraken. We willen laten zien welke mogelijkheden datamining biedt in vertaalreceptieonderzoek door een (corpusondersteunde) close reading met distantreadingmethoden te combineren.

Het onderzoeksmateriaalAls eerste stap in het project DIOPTRA-L (Digital Opinions on Translated Literature) hebben we, in samenwerking het Digital Humanities Lab (Universiteit Utrecht), recensies van Goodreads verzameld.2 Daarbij is er om pragmatische redenen voor één Engelstalig en één Nederlandstalig boek gekozen. In totaal hebben we, in de eerste fase van ons onderzoek, 22.685 recensies, overwegend met gekoppelde ratings, verzameld. Van Harry Potter and the philosopher's stone (vanaf nu: HP) zijn er in totaal 17.654 recensies verzameld. Van Het diner (vanaf nu: HD) zijn er 5031 recensies verzameld (zie Tabel 1). We hebben er bewust voor gekozen om een meertalig recensiecorpus samen te stellen. Bij de keuze voor een meertalig corpus werd rekening gehouden met een geleidelijke uitbreiding van het corpus.3 De recensies zijn die van de bronteksten en van de Duitse, Engelse, Franse Nederlandse, Spaanse vertalingen. De talen waarin de recensies zijn opgesteld corresponderen meestal met de taal van uitgave.

  Taal van uitgave Aantal recensies

Harry Potter and the philosopher’s stone

Duits 529

Engels (brontaal) 14.713

Frans 427

Nederlands 301

Spaans 1648

  17.654

Het diner

Duits 30

Engels 4267

Frans 15

Nederlands (brontaal) 646

Spaans 73

  5031

Totaal aantal recensies   22.685

Tabel 1. Een overzicht van het corpus

SterrenratingsOp Goodreads kunnen lezers hun waardering kenbaar maken door sterren aan een boek toe te kennen: een lezer kent een score tussen één en vijf sterren toe. Om vlot een beeld te krijgen van de waardering voor de twee werken uit ons corpus hebben we daarom eerst naar de ratings per uitgavetaal gekeken. HP wordt door de bank genomen positief geëvalueerd; over HD zijn de meningen sterk verdeeld.  De verschillen in waardering voor origineel en vertaling zijn overigens niet bijster groot.

Bij de subdataset van HP (zie Tabel 2) valt op dat de reviews die betrekking hebben op het origineel, het laagste gemiddelde (4,33/5) hebben en dat het aantal vijfsterrenratings in die taal proportioneel gezien het laagste ligt (57% van reviews van deze uitgave). Mogelijk heeft dit lage gemiddelde te maken met het grote aantal reviews, waardoor er meer ruimte voor nuance is. Lezers van de Duitse en Franse vertalingen zijn met een gemiddeld cijfer van respectievelijk 4,69 en 4,61 het positiefst over HP.

1 2 3 4 5

Duits0

(0,00)

5

(0,98)27 (5,28) 89 (17,42) 390 (76,32)

Engels 363 (2,50) 503 (3,46) 1451 (9,98) 3935 (27,06)8289

(57,00)

Frans3

(0,75)

2

(0,50)26 (6,50) 88 (22,00) 281 (70,25)

Nederlands0

(0,00)

0

(0,00)28 (9,62) 87 (29,90) 176 (60,48)

Spaans5

(0,30)24 (1,44) 133 (8,01) 501 (30,16) 998 (60,08)

Tabel 2. Overzicht van de ratings in het Harry Pottercorpus met vermelding van het aantal keren dat een bepaalde rating is

toegekend, de proportionele frequentie van een rating tussen haakjes en het sterrengemiddelde per taal van het boek dat wordt beoordeeld

Bij de subdataset van HD (zie Tabel 3) liggen de gemiddelden beduidend lager. Ook de verschillen tussen gemiddelde ratings in de vijf talen zijn groter. De recensenten van de Engelse vertaling hebben, met een gemiddelde van 3,08 sterren, de minste waardering voor de roman opgebracht: vooral het relatief hoge percentage één- en tweesterrenratings valt op. De reviewers van de Spaanse vertaling zijn, in vergelijking met de andere reviewers, behoorlijk lovend dit werk; zij geven het gemiddeld een 3,72.Tabel 2. Overzicht van de ratings in het Harry Pottercorpus met vermelding van het aantal keren dat een bepaalde rating is toegekend, de proportionele frequentie van een rating tussen haakjes en het sterrengemiddelde per taal van het boek dat wordt beoordeeld

1 2 3 4 5

Duits2

(6,90)

6

(20,69)

8

(27,59)

8

(27,59)

5

(17,24)

Engels557

(13,14)

802

(18,92)

1180

(27,84)

1145

(27,02)

554

(13,07)

Frans1

(7,14)

3

(21,43)

2

(14,29)

5

(35,71)

3

(21,43)

Nederlands50

(7,76)

100

(15,53)

207

(32,14)

221

(34,32)

66

(10,25)

Spaans2

(2,78)

6

(8,33)

20

(27,78)

26

(36,11)

18

(25,00)

Tabel 3. Overzicht van de ratings in het Het dinercorpus met vermelding van het aantal keren dat een bepaalde rating is toegekend, de proportionele frequentie van een rating tussen haakjes en het sterrengemiddelde per taal van het boek dat wordt beoordeeld

Als we alleen naar deze ratings kijken, dan zouden we al voorzichtige hypotheses kunnen formuleren met betrekking tot verschil in lokale waardering van vertalingen en het fenomeen ‘vertalen’. Door het corpus uit te breiden kunnen we die hypothesen testen.

Bewustzijn van vertalingZichtbaarheid is al jaren een belangrijk thema in het vertaalethische en -kritische debat (May 1994; Venuti 1995; Hermans 1996; Booth 2008; Coldiron 2012). Er is bijvoorbeeld beweerd dat er bij de doorsneelezer van vertalingen veelal sprake is van een willing suspension of disbelief:

Als we [...] een boek in vertaling lezen, dan blijkt de vertaalde status al snel irrelevant. Zonder blikken of blozen beweren we dat we Tolstoj, García Márquez of Murakami hebben gelezen, zelfs wanneer we geen van de talen waarin zij schrijven beheersen en [...] niet zonder vertaling hadden gekund (Van Egdom 2015; zie Hermans 1996, 1999, 2002, 2004).

De vertaaldheid wordt naar verluidt vooral besproken wanneer de doeltekst te wensen overlaat, wanneer de vertaaldheid opvalt (Venuti 1995; Solum 2017). Met een recensiecorpus kan de expectancy norm van 'onzichtbaarheid' onder niet-professionele lezers worden onderzocht (zie Chesterman 1997, 64-67).

In ons proefproject hebben we eerst naar de frequentie van de lemmata ‘translat*’, ‘verta*’, ‘tradu*’ and ‘u/übersetz*’ gekeken. Uiteraard kan er in de toekomst ook naar andere lemmata worden gekeken; voor het Nederlands valt te denken valt aan ‘interpret*’, ‘omzet*’ (en ‘omgezet’). Onderstaande tabel (Tabel 4) en staafdiagram (Afbeelding 1) lijkt vooralsnog de veronderstelde onzichtbaarheid van vertaling te bevestigen: in het corpus van 22 685 recensies wordt er slechts 487 keer naar vertaling verwezen. Verwijzingen zijn relatief gezien frequenter in de subdataset van HD. Dit zou erop kunnen wijzen dat de vertaaldheid in literaire teksten (voor volwassenen) sneller wordt opgemerkt (dan die in populaire kinderliteratuur). Ook zou er een verband kunnen worden gelegd met de relatief lage waardering voor HD. Ons corpus is niet representatief genoeg om deze hypotheses te bevestigen.

HP HD

Duits 21 2Engels 95 245Frans 38 1Nederlands 8 33Spaans 41 3  203 284

Tabel 4. Aantal verwijzingen naar ‘vertaling’ in recensies van HP en HD

Opvallend is dat er in de recensies van het Engelse HP en in die van het Nederlandse HD over vertaling wordt geschreven. Toch laten de cijfers duidelijk zien

dat de referentie aan vertalingen bij die Engelse HP-reviews, met een gemiddelde van 0,01 vermeldingen per review, relatief gezienzeldzamer zijn. In de Nederlandse recensies van HD zijn de verwijzingen, zo blijkt uit het gemiddelde van 0,05 vermeldingen per recensie, frequenter; in de recensies van het Spaanse HD wordt er zelfs minder aan vertaling gerefereerd (0,04).

Afbeelding 1. Staafdiagram met het aantal vermeldingen per recensie

Wat ook zeker een vermelding waard is, is de relatief hoge gemiddelde frequentie van vertaallemmata in reviews van de Franse vertalingen en de relatief lage frequentie in reviews van de Spaanse uitgaven. Het is moeilijk om hier op basis van de kwantitatieve gegevens een verklaring voor te vinden. Mogelijk zou het lage aantal verwijzingen in recensies van Spaanse vertalingen verband kunnen houden met de relatief positieve waardering van de vertalingen in het Spaanse taalgebied: bevestigen deze gegevens het vermoeden dat vertalingen enkel een vermelding waard zijn, als ze gebrekkig zijn, indien hun ‘vertaaldheid’ opvalt? Om een tentatief antwoord op die vraag te krijgen moet er worden gekeken naar de context waarin de vertaallemmata verschijnen.

Perceptie van vertaling: close readingDe kennis die we met de zoektocht naar vertaallemmata hebben opgedaan, kan nog worden verrijkt. Dit kan bijvoorbeeld door closereadingtechnieken toe te passen. Die technieken kunnen met behulp van concordantiefunctionaliteiten efficiënt op grote corpora worden toegepast. Na ingeven van een relevant lemma verschijnen alle corresponderende elementen uit het corpus in contextueel verband. In dit geval is de concordantie met behulp van I-Analyzer (Digital Humanities Lab 2019) uitgevoerd.

Op basis van de context hebben we de lemmata vervolgens geclassificeerd. De classificatie wordt (met het aantal treffers per type) in Tabel 5 weergegeven.

  HP1. Commentaar over de vertaling van algemene aard 221.1 Commentaar over de vertaalde status van de gelezen tekst 111.2 Commentaar over de verschillende bestaande vertalingen van de tekst 7

1.3 Algemene reflectie op vertaling 42. Evaluatie van intratalige of intersemiotische vertalingen 143. Eerdere ervaringen met vertalingen van de gelezen tekst 543.1 Negatief 193.2 Neutraal 223.3 Positief 134. Gedetailleerde evaluatie van de gelezen vertaling 514.1 Gemengd 14.2 Negatief 254.2 Neutraal 54.4 Positief 205. Algemene evaluatie van de gelezen vertaling 525.1 Negatief 135.2 Neutraal 45.3 Positief 356. Metaforisch gebruik van vertaling 87. Commentaar zonder relevantie (voor dit onderzoek) 2

Tabel 5. Thematische classificatie van vermeldingen van ‘vertaling’

Hieronder zullen we kort ingaan op wat onze close reading heeft opgeleverd. We richten ons eerst op HP en vervolgens op HD. De analyses zullen lichtjes verschillen, omdat er 1) van HD niet voldoende vertaalgerelateerde recensies over andere edities dan de Engelse waren, en 2) van HP veel interessante informatie uit de vertaalgerelateerde recensies over de Engelse brontekst kon worden geput.

Perceptie van vertaling: Harry PotterOnze verdieping vangt aan met een atypische beschouwing op reviews van de Engelse brontekst. Het lemma ‘transl*’ komt 95 keer voor in de recensies van de Engelse HP en de relevante reviews leveren interessante inzichten op. Zo contesteren ze in de eerste plaats het beeld van een (cultureel) homogeen publiek. Veel recensenten van de Engelse HP zijn ‘anderstaligen’: ze hebben het boek eerst in de moedertaal gelezen of hebben het boek gelijk in het Engels gelezen om hun

vreemdetaalvaardigheid Engels te verbeteren (54). Deze recensenten komen uit alle windstreken. Qua evaluatie is er niet echt een peil op hun waardering te trekken (19 negatief, 22 neutraal en 13 positief). Wel zien we regelmatig dat de vertaling vaak de aanleiding vormde om het origineel te lezen. In veel gevallen is de vertaling niet bevallen (zie fragment (1)); de negatieve waardering is soms gevormd na het lezen van het origineel. Er zijn, zoals uit fragment (2) blijkt, ook lezers die zo enthousiast over de vertaling waren, dat ze besloten het origineel te lezen.

(1) I started reading the Bangla translations and those were quite awful! So baba bought me the English ones as well (He never says ‘no’ to me about books ^_^ ) (review_840151240)

(2) 5 stars. This book`s Always gonna be 5 stars! The swedish translation got me to want to read [the English original]. First book of 2019! Wooo! (review_2649226997)

Het subcorpus bevat tevens een aantal reflecties op de meervoudige receptie van het werk. Er wordt namelijk ook ingegaan op intralinguale en intersemiotische vertaling (14). Reviewers nemen vooral de Amerikaans-Engelse versie op de hak; zo wordt er gevraagd waarom ‘philosopher’ in ‘sorcerer’ moest worden veranderd.

Reviewers waren, zoals we hebben gezien, vaak zeer te spreken over de Spaanse HP. Die positiviteit valt minder op in de selectie recensies waarin vertaling wordt gethematiseerd. De positieve reviews waren meestal kort (9 reviews). Detailkritiek werd dan weer geleverd als er een negatief oordeel over de vertaling werd uitgesproken (15): de aandacht ging in deze recensies dan vooral uit naar de vertaling van eigennamen en naar stijl. Fragment (3) is illustratief:

(3) While I enjoyed revisiting the Harry Potter universe once again, I was pretty disappointed with the Spanish translation, especially compared to the Dutch translation I’ve read for years... I feel like this translation is a lot less imaginative than the Dutch one, or the original English version, for that matter. I was also bugged by the use of English terms and names (for example, to a Spanish child, the part where Minerva asks about “Wood” will make no sense, and reading about “los muggles” is kind of weird as well). (review_2005217769)

Recensenten van de Franse HP gaan vaak in op de vertaalde status van de tekst. Ze zijn vaak te spreken over de vertaling. Bovendien hebben aardig wat recensenten zich de moeite getroost het oordeel te onderbouwen met detailkritiek (10 positieve, 10 negatieve recensies). Ook hier worden eigennamen, stijl, maar ook weglatingen onder de aandacht gebracht (zie fragment (4)).

(4) This is my all-time favorite book series, and I read the first side-by-side with the English version only to be disappointed with a rather poor French translation. Whole

sentences and phrases were left out probably 20 or 30 times. The gritty, slightly uneducated voice of Hagrid simply did not translate at all. I could even forgive that if it weren't for other obvious errors and poor decisions on Ménard’s part. Often times his translation was just plain lazy and lacked the full, rich description of the original. One example of many: Hagrid is described as “bundled up in a long moleskin overcoat, rabbit fur gloves, and enormous beaverskin boots” in the original and “emmitouflé dans un gros manteau” in the French edition. To me, “wrapped up in a big coat” does not do this descriptive sentence justice, and doesn't leave the reader with any particular sensation... How can you call yourself a good literary translator if you don’t bother attempting to translate the richness of vocabulary? (review_1335732490)

De recensies van de Duitse uitgave staan in schril contrast met die van de Franse. De vertalingen werden weliswaar vooral positief geëvalueerd, maar recensenten hielden zich op de vlakte (12). Detailkritiek is zo goed als afwezig; ze maken, zoals uit fragment (5) blijkt, weinig woorden vuil aan de vertaling:

(5) “Nicely translated” (review_1639171635)

Vertaalgerelateerde reviews van de Nederlandse HP waren er weinig. Er is een gelijke verdeling van positieve en negatieve reviews en de vertaling wordt, zoals uit fragment (6) blijkt, zeer oppervlakkig besproken,

(6) Geweldig om dit boek voor de zoveelste keer te lezen. Ik vind de Nederlandse vertaling echt tof!(review_1460138532)

Als we kijken naar deze subdataset, dan lijken we te kunnen stellen dat er tussen bepaalde groepen een verschil in kritisch engagement is. Recensenten uit de Romaanse culturen gaan gedetailleerder op de vertaling in. De detailkritiek heeft voornamelijk betrekking op de vertaling van namen en stilistische aspecten. Recensenten uit Germaanse culturen vellen een vluchtig oordeel. Hoewel deze bevindingen buitengewoon interessant zijn, moet er worden opgemerkt dat de omvang van het corpus beperkt is. Met een groter corpus kunnen we vaststellen of dat verschil in kritisch engagement daadwerkelijk cultuurgebonden is.

Het is immers niet onwaarschijnlijk dat onze keuze voor HP voor een vertekend beeld zorgt. HP  is een wijdverbreid cultureel fenomeen. Veel niet-Engelstaligen zijn in enige mate bekend met de Engelse taal en met de brontekst. Datzelfde kan niet over HD worden gezegd. Dit boek geniet wereldwijd minder bekendheid en is bovendien uit een perifere taal vertaald.

Perceptie van vertaling: Het dinerDe subdataset van Het diner verschilt inhoudelijk in veel opzichten van die

van HP. Allereerst stellen we vast dat er bijna geen indicaties van een comparatieve lectuur zijn: de meeste lezers van vertalingen zullen het Nederlands niet beheersen. Wat ook opvalt, is dat veruit de meeste niet-Nederlandstalige reviews van HD over de Engelse vertaling gaan (zie ook: Tabel 1 en 4). Hierdoor is het voorlopig nog zinloos om een interculturele vergelijking te treffen.

De manier waarop vertaling wordt gekaderd, verschilt wezenlijk van de wijze waarop dat in onze andere subdataset gebeurde. Verwijzingen naar eerdere vertalingen ontbreken. Opvallend aanwezig zijn dan weer de recensies waarin wordt opgemerkt dat het boek in (Engelse) vertaling is gelezen zonder dat daar verder aandacht aan wordt gewijd: de frequentie van dit soort terloopse opmerkingen (78) ligt bij deze dataset een stuk hoger dan bij de HP-dataset.

De indruk dat er slechts terloops aandacht aan vertaling wordt besteed wordt bovendien nog versterkt door het aantal evaluatieve uitspraken van algemene aard (139). In deze recensies wordt een positieve of negatieve waardering uitgesproken zonder dat er wordt benoemd wat er goed of slecht is. De positieve (61) en negatieve (71) recensies zijn overigens redelijk gelijk verdeeld.

Desalniettemin zien we in de evaluaties van algemene aard drie aardige patronen ontstaan. De uitdrukking lost in translation, de eerste topos, wordt niet minder dan 44 keer aangetroffen. Deze uitdrukking wordt vaak met hedges (modale bijwoorden als maybe en perhaps) afgezwakt. Typerend voor deze topos zijn fragmenten (7) en (8).

(7) This book? Nope. Not even a little. Maybe it was lost in the translation from the original Dutch?                (review_1010777868)

(8) Somewhere in this book there was a really good story trying to get out and I'm not sure if something was lost in the translation but something went horribly wrong here (review_563559989)

Die hedges vallen veel minder op in de HP-dataset: doordat lezers van het Engelse HD de Nederlandse taal vaak niet machtig zijn, leggen ze enige voorzichtigheid aan de dag. Toch mag er met enige zekerheid worden gezegd dat vertaling veelal in een kwaad daglicht wordt gesteld: de tekst is matig of slecht, maar dat zal dan wel aan de vertaling liggen.

Een tweede topos die we hebben opgemerkt, kan worden gevat met de woorden: even though it is a translation. Deze woorden worden, zo illustreren fragmenten (9) en (10) meestal aangetroffen in positieve recensies. Het concessieve verband dat ze uitdrukken, is veelzeggend: ‘even though’ geeft blijk van een negatieve houding ten overstaan van vertaling.

(9) The Dinner is a book in translation, and yet it does a brilliant job of presenting crisp dialogue, character observations and also trickery. (review_1751566835)

(10) Well-written, even as a translation. (review_3299106848)

De derde topos is vergelijkbaar met de vorige: it didn’t read like a translation (vergelijk de vorige fragmenten maar met fragmenten (11) en (12)). Ook deze topos treffen we voornamelijk aan in positieve beoordelingen. Het strekt een vertaler tot eer als hij/zij erin slaagt een doeltekst te produceren die niet als vertaling wordt herkend. Het lijdt geen twijfel dat ‘vertaaldheid’ in deze recensies allerminst zou worden gewaardeerd.

(11) Sam Garrett’s translation is so idiomatically accurate that it appears to have been composed in English. (review_767977822)

(12) The author is Dutch and the translation is clear; I was never aware of the fact that it was originally written in a language other than English.( review_672575849)

Er zijn ook recensies waarin wel aandacht aan aspecten van de vertaling is besteed. Opvallend is dat gedetailleerde recensies voornamelijk negatief zijn (46); in de HP-reviews was detailkritiek redelijk evenwichtig verdeeld. Wat als storend wordt ervaren is het taalgebruik, de stijl. Adjectieven die frequent worden aangetroffen zijn: stilted (hoogdravend) (44), clunky (krukkig) (7) en choppy (3) (hakkelig). Schimpscheuten zijn vooral gericht op interpunctie, woordkeus en redundantie. Vaak wordt er, zoals in fragment (13), direct een (modaal genuanceerd) verband met vertaling gelegd.

(13) It’s always tricky to criticise a book when you’re not reading it in the original language, but I can’t deny that the odd, stilted tone of The Dinner was a major reason I didn’t enjoy it more. I can only guess at how much this has to do with how it was actually written originally, and how much is down to the translator’s work. (review_464533334)

Uit de close reading van de subdataset van HD komen dus, mede door een gebrekkige spreiding van gegevens, hele andere dingen naar voren. In positieve recensies, die vaak algemeen van aard zijn, merken we vaak tussen de regels een negatief beeld van vertaling op. In negatieve recensies van algemene aard gaat het vaak over verlies. In detailkritiek, die vaak negatief is, zijn taalgebruik en stijl het voorwerp van kritiek. De gegevens uit deze subdataset bevestigen het beeld van een negatieve waardering voor vertaling in het Engelse taalgebied: om gewaardeerd te worden, moet een vertaling aan de esthetische normen van de doelcultuur worden aangepast (zie Fawcett 1995). Toch moeten we ook hier weer benadrukken dat ons corpus klein is.

Perceptie van vertaling: distant readingClose reading levert waardevolle inzichten op, maar er kleven ook veel nadelen aan deze onderzoeksmethode. Bij close reading zoek je naar patronen en werk je vaak met aannames; soms ben je geneigd om niet objectief genoeg naar de data te kijken. Daarom is het zinvol om afstand tot je corpus in te bouwen, bijvoorbeeld door distantreadingtechnieken (Moretti 2013) toe te passen. Door voor meervoudige invalshoeken te kiezen, kun je bias makkelijker uitsluiten, kennisuitspraken over patronen beter onderbouwen en meer nuance aanbrengen. Wij hebben een driehoeksmeting uitgevoerd door close en distant reading te combineren.

De distantreadingmethode die we hebben toegepast is collocatieanalyse. Daarbij worden contiguïteitsrelaties tussen woorden onderzocht (zie Brezina 2018, 66-79). Vaak worden woorden in elkaars nabijheid aangetroffen, omdat ze zich idiomatisch of fraseologisch tot elkaar verhouden: in een juridisch corpus zal ‘vonnis’ in de nabijheid van ‘wijzen’ worden aangetroffen. Contiguïteitsrelaties kunnen ook wijzen op een conceptueel verband, een diepere betekenis. 

In de #LancsBox toolbox hebben we collocatienetwerken van het lemma ‘transl*’ geanalyseerd (Brezina et al. 2020).4 Bij de analyse hebben we de Mutual Information-score (>5) als criterium aangehouden en hebben we de vijf woorden links en 5 woorden rechts van het lemma als contextspanne vastgelegd. De grafische weergave van dit netwerk is in #LancsBox met CollGraph geproduceerd. De relatieve nabijheid van een collocate duidt de sterkte van het verband (met ‘transl*’); de grijswaarde duidt de relatieve frequentie van een collocate in het corpus (donker is daarbij gelijk aan frequent); aan de hand van positionering van collocates kan worden vastgesteld of een woord vaker vóór (links van) of na (rechts van) het lemma is aangetroffen.

We zullen enkel de Engelstalige reviews uit onze dataset bekijken. Als we een vluchtige blik op de collocatienetwerken van ‘transl*’ van HP en HD werpen, dan zien we dat een aantal eerdere bevindingen weerklank vinden in de distantreadinganalyse. Afbeelding 2, waarop het collocatienetwerk van het lemma ‘transl*’ in HP wordt weergegeven, bevestigt gelijk het beeld van een heterogeen publiek (japanese, german, dutch, spanish, french). Ook wordt de aandacht getrokken naar de intralinguale versie (american). De vergelijking die veelvuldig tussen versies wordt getroffen komt ook in de collocates different, edition en version tot uiting. Opvallend zijn ook woorden met een positieve sentimentwaarde (excellent, good, better, fun, pretty). Vooral excellent springt in het oog, omdat dit woord het sterkste verband met ‘translat*’ vertoont. Een negatieve sentimentwaarde heeft het woord lost, dat ook op Afbeelding 3 te zien is. De detailkritiek lijkt minder goed uit de verf te komen. Toch zien we dat names relatief dicht bij het lemma staat: dit woord verwijst naar de vertaalproblematiek rond (eigen)namen.

Afbeelding 2. Collocaties met ‘TRANSLATE’ in de Engelstalige Harry Potterdata

Afbeelding 3, waarop het collocatienetwerk van het lemma ‘transl*’ in HD wordt getoond, biedt een ander perspectief op vertaling. We zien dat er, net als op de vorige afbeelding, plaats voor talen (dutch, english) is ingeruimd. We zien ook dat verlies (lost) gethematiseerd wordt. Toch is het verband tussen ‘transl*’ en lost in deze subdataset veel sterker. Dat verband wordt versterkt door de aanwezigheid van original. Dit woord lijkt net als different in de Harry Potterset naar een vergelijking te verwijzen, alleen komt de vertaling er in deze vergelijking veelal bekaaid vanaf. Andere opvallende elementen in dit lexicale netwerk zijn bovengenoemde hedges (something, sometimes, perhaps, maybe, though). De vertaling en de vertaler (sam, garrett) krijgen dus gemakshalve de zwartepiet toegespeeld, al is er ook nog een kans dat de vertaling gebrekkig (bad) is, omdat het origineel niet geweldig is. De oorzaak van al die negativiteit, waarnaar met het connectief due wordt verwezen, is ook snel gevonden in het collocatienetwerk: met woorden als stilted, hard en language wordt de vinger op de zere plek gelegd.

Afbeelding 3. Collocaties met ‘TRANSLATE’ in de Engelstalige Harry Potterdata

Door de kwantitatieve gegevens uit het distantreadinggedeelte visueel voor te stellen worden veel thematisch uiteenlopende bevindingen uit het closereadinggedeelte kracht bijgezet. Uiteraard vormen deze bevindingen weer aanknopingspunten voor diepgravender kwantitatief en kwalitatief onderzoek. Zo kunnen we ook de lexicale netwerken van vertaallemmata (bijv. ‘verta*’) in recensies uit de andere subsets in kaart brengen (al zal de subset Het diner niet veel nieuwe inzichten opleveren), kunnen we andere vertaalgerelateerde lemmata (bijv. ‘interpret*’) onderzoeken en kunnen we op basis van onze vertaal- en vertaalgerelateerde lemmata nog zijpaden bewandelen door lexicale netwerken van andere lemmata (excellent, name, garrett, dutch) uit te diepen.

ConclusieIn deze bijdrage hebben we willen tonen hoe er met grote hoeveelheden UGC een bijdrage kan worden geleverd aan (vertaal)receptieonderzoek. Uit de resultaten van ons onderzoek mogen geen sterke conclusies worden getrokken: ons onderzoek is exploratief, ons corpus is klein en onze resultaten zijn (met uitzondering van de collocatieanalyse) niet statistisch bewerkt. Toch heeft onze verkenning enkele interessante inzichten en overwegingen opgeleverd. We hebben kunnen zien dat en

hoe (corpus)onderzoek naar UGC kennis over het bewustzijn en de waardering van vertaling kan opleveren. Onze corpusanalyse heeft bovendien getoond hoe complex en divers het doelpubliek is. De resultaten attenderen ons erop dat er voorzichtig moet worden omgesprongen met de notie ‘lezer’: recensenten hebben verschillende achtergronden, verschillende motiveringen om een boek te lezen en uiteenlopende verwachtingen van een vertaling. In empirisch onderzoek moet er een manier worden gevonden om recht te doen aan deze heterogeniteit. Daarnaast lijkt waardering een zeer complex gegeven. Waardering hangt samen met normen in verschillende ‘literaire’ culturen, maar die normen kunnen naargelang de subcontext verschillen: de aard van de tekst (genre, type) kan een rol spelen bij de beoordeling van de vertaling. Dit zijn, hoe exploratief het onderzoek ook mag zijn, verrijkende conclusies.

In de toekomst hopen we de thematiek die we in deze bijdrage hebben behandeld verder uit te diepen. We hopen verschillende hypothesen die we in de loop van dit pilotonderzoek hebben geformuleerd te kunnen testen met het DIOPTRA-L-corpus dat gestaag in omvang toeneemt. We zullen dus blijven focussen op (al dan niet cultuurgebonden) bewustzijn, waardering en evaluatiecriteria van vertaling. We hopen in de toekomst echter ook andere vragen te kunnen beantwoorden en hypothesen te kunnen testen. Daarbij kan worden gedacht aan bewustzijn en waardering van vertaling in literair-culturele systemen; hierbij wordt de aandacht op import gericht. Er kan ook worden gekeken naar de ontvangst van vertalingen uit bepaalde culturen (vertalingen uit centrale talen tegenover semi-perifere en perifere talen). Het verschil in bewustzijn en waardering van vertaling tussen (al dan niet) literaire teksttypes en genres zou ook kunnen worden onderzocht. Daarnaast zouden actuele thema’s (seksisme en racisme) mogelijk kunnen worden onderzoek. De kansen liggen er; het is aan een nieuwe generatie vertaalwetenschappers om ze te grijpen en, met behulp van ‘nieuwe’ onderzoeksmethoden en technologische snufjes, nieuwe perspectieven op literatuurreceptie te ontsluiten.

Noten1 In filosofische termen kan worden gesteld dat er in traditioneel receptieonderzoek sprake is van een ‘interpassieve’ receptie; de waardering van het publiek wordt nagenoeg aan de (semi-) professionele recensenten uitbesteed (Žižek 2008, pp. 144-147).

2 Het DIOPTRA-L-project, dat aan Haidee Kotze, Gys-Walt van Egdom en Alex Hebing is toegekend, wordt gefinancierd met een Digital Innovation Grant van de Universiteit Utrecht. Wij zijn Alex Hebing, José de Kruif en Berit Janssen van het Digital Humanities Lab (https://dig.hum.uu.nl/) zeer erkentelijk voor hun bijdragen aan dit project.

3 Het DIOPTRA-L-corpus is inmiddels (juli 2020) uitgegroeid tot een corpus van ongeveer driehonderdduizend recensies van ongeveer honderdvijftig vertaalde

fictiewerken voor volwassenen en kinderen. Deze werken zijn afkomstig uit acht brontalen (Engels, Afrikaans, Italiaans, Duits, Frans, Spaans, Nederlands en Portugees). Het corpus van recensies wordt gehost in I-Analyzer, met een op maat gemaakte interface waarin onder andere kan worden gezocht op titel, brontaal, vertaaltaal, jaar en recensietaal.

4 Deze analyse hadden we ook kunnen toepassen op andere data in onze dataset, maar door het beperkte aantal vertaallemmata was het moeilijk om met niet-Engelstalige data een gedegen collocatieanalyse uit te voeren. Dit verklaart onze focus op het Engels.

LiteratuurAlt, Rainer en Olaf Reinhold. 2002 Social Customer Relationship Management. Fundamentals, Applications, Technologies. Cham: Springer.

Brezina, Vaclav. 2018. Statistics in Corpus Linguistics: A Practical Guide. Cambridge: Cambridge University Press.

Brezina, Vaclav, Weill-Tessier, Pierre, en Tony McEnery 2020. #LancsBox v. 5.x. [software]. http://corpora.lancs.ac.uk/lancsbox.

Booth, Marilyn. 2008. ‘Translator v. author (2007)’, Translation Studies 1.2, p. 197–211.

Chesterman, Andrew. 1997. Memes of translation: The spread of ideas in translation theory. Amsterdam-Philadelphia: Amsterdam.

Coldiron, Anne E.B. 2012. ‘Visibility now: Historicizing foreign presences in translation’, Translation Studies 5 (2): p. 189–200.

Fawcett, Peter. 1995. ‘Translation and Power Play’, The Translator 1.2, p. 177-192.

Fernández, Fruela. 2011. La recepción critica de literatura traducida en España (1999-2008). Aportaciones a una sociología de la literatura transnacional. Granada: Universidad de Granada.

Hennig-Thurau, Thorsten, Kevin Gwinner, Gianfranco Walsh en Dwayne D. Gremler. 2004. ‘Electronic word-of-mouth via consumer-opinion platforms: What motivates consumers to articulate themselves on the Internet?’, Journal of Interactive Marketing 18(1): 38-5.

Hermans, Theo. 1996. ‘The translator’s voice in translated narrative’, Target 8.1, p. 23-48.

Hermans, Theo. 1999. Translation in systems. Descriptive and system-oriented approaches explained. Manchester: St. Jerome.

Hermans, Theo. 2002. 'Paradoxes and Aporias in Translation and Translation Studies', in: A. Riccardi (red.), Translation Studies - Perspectives on an Emerging Discipine. Cambridge: Cambridge University Press, p. 10-23.

Herman, Theo. 2004. ‘Spekend ’n vertaling’, in: Ton Naaijkens et al. (red.), Denken over vertalen. Tekstboek vertaalwetenschap. Nijmegen: Vantilt, p. 191-196.

Digital Humanities Lab (Universiteit Utrecht). 2019. I-Analyzer [software]. https://ianalyzer.hum.uu.nl/home

Iser, Wolfgang. 1970. Die Appellstruktur der Texte. Unbestimmtheit als Wirkungsbedingung literarischer Prosa. Konstanz: Universitätsverlag.

Jauss, Hans Robert. 1970. Die Literaturgeschichte als Provokation der Literaturwissenschaft. Frankfurt am Main: Suhrkamp.

May, Rachel. 1994. The Translator in the Text. On Reading Russian Literature in English. Evanston: Northwestern University.

Miner, Garry, John Elder IV en Thomas Hill. 2012. Practical Text Mining and Statistical Analysis for Non-structured Text Data. Waltham: Academia Press.

Moretti, Franco. 2013. Distant Reading. Londen: Verso.

Pluymaekers, Mark 2015. Intimacy Across Borders. Maastricht: Zuyd Research.

Popovič, Anton. 2006. La scienza della traduzione. Asspetti Metodologici. La comunicazione traduttiva. Traduzione dallo slovacco di Bruno Osimo. Milaan: Hoepli.

Solum, Kristina. 2017. ‘Translators, Editors, Publishers, and Critics: Multiple Translatorship in the Public Sphere’, in Cecilia Alvstad et al. (red.), Textual and Contextual Voices of Translation. Amsterdam: Benjamins, p. 39-60.

Van Egdom, Gys-Walt. 2015. Naar een ethiek van de literaire vertaling [ongepubliceerd proefschrift]. Brussel: Vrije Universiteit Brussel.

Van Egdom, Gys-Walt, Mark Pluymaekers en Zilla Dooge. 2018. ‘Applying Machine Translation in Sentiment Analysis: the Case of Chinese Reviews on TripAdvisor.’ 2018 SERVSIG Proceedings: Opportunities for Services in a Challenging World. Parijs: SERVSIG Research Community, p. 337-340. https://www.ieseg.fr/wp-content/uploads/2018/02/SERVSIG-2018-Proceedings.pdf

Van Leuven-Zwart, Kitty. 2004. ‘Een goede vertaling, wat is dat?’, in: Ton Naaijkens et al. (red.), Denken over vertalen. Tekstboek vertaalwetenschap. Nijmegen: Vantilt, p. 301-311.

Vanderschelden, Isabelle. 2000. ‘Quality assessment and literary translation in France’, The Translator, 6.2, 271-293

Venuti, Lawrence. 1995. The Translator's Invisibility: A History of Translation. Londen: Routledge.

Vigerland, Lars en Erik Borg. 2018. ‘Cultural Capital in the Economic Field: A Study of Relationships in an Art Marke’, Philosophy of Management, 17.2, p. 169-185.

Žižek, Slavoj. 2008. The Plague of Fantasies. London: Verso.

 

Haidee Kotze  is hoogleraar Vertaalwetenschap aan de Universiteit Utrecht en redacteur van het tijdschrift Target. In haar huidige onderzoek combineert ze lingüistiek, vertaalwetenschap en digitale geesteswetenschappen.

Gys-Walt van Egdom doceert vertalen en vertaalwetenschap aan de Universiteit Utrecht.

WAT DENKEN LITERAIRE VERTALERS ECHT OVER TECHNOLOGIE?   24-01-2021Joke Daems 

Het gebruik van technologische ondersteuning tijdens het vertalen is grotendeels ingeburgerd. Digitale woordenboeken zijn immers sneller te raadplegen dan papieren woordenboeken, fouten zijn eenvoudiger te verbeteren in een digitaal document dan op een stuk papier en het is handiger om een digitale vertaalomgeving te hebben die automatisch eerder vertaalde fragmenten of woorden kan aanduiden dan zelf in eerder vertaalde documenten op zoek te gaan. De meeste vertalers maken dan ook gretig gebruik van de beschikbare technologische oplossingen.

Maar hoe zit het precies met literaire vertalers? In eerste instantie lijkt het misschien vreemd om te kijken naar het gebruik van technologie bij literaire vertalers. Is literaire vertaling niet immers een hoofdzakelijk creatieve activiteit, een kunst? Toch hoeft kunst het gebruik van technologie niet uit te sluiten, zij het als onderwerp of als hulpmiddel. Zo verkende Andy Warhol in de jaren tachtig reeds de mogelijkheden van digitaal tekenen op de computer en werd in 2018 een schilderij gemaakt door artificiële intelligentie geveild voor maar liefst driehonderdvijfenzeventigduizend euro. In 2017 werkte schrijver Ronald Giphart in samenwerking met schrijfrobot Asibot een nieuw hoofdstuk uit voor ‘Ik, robot’ van Isaac Asimov, waarbij de robot ideeën en personages aanbracht die Giphart niet zelf bedacht had.

De laatste jaren zijn er heel wat ontwikkelingen geweest in de vertaaltechnologie die mogelijk interessant kunnen zijn voor meer creatieve vormen van vertalen. Zo bestaan er interactieve vertaalomgevingen waarbij een vertaler als het ware samenwerkt met een automatisch vertaalsysteem om zo tot een geschikte vertaling te komen. Alvorens in de praktijk uit te testen in hoeverre dergelijke systemen literaire vertalers kunnen ondersteunen, is het belangrijk om inzicht te krijgen in de huidige situatie. Door middel van een enquête wilde ik volgende vragen beantwoorden: in welke mate zijn literaire vertalers op de hoogte van het bestaan van vertaaltechnologie; waarom kiezen literaire vertalers ervoor om de technologie wel of niet te gebruiken; wat is de attitude van literaire vertalers ten aanzien van de technologie; over welke elementen zou een vertaaltool voor literaire vertalers zeker moeten beschikken? In deze bijdrage licht ik de belangrijkste bevindingen toe.

RespondentenDe enquête was specifiek toegespitst op literaire vertalers die uit of in het Nederlands werken. Er werd contact opgenomen met mogelijke respondenten op basis van de informatie in het vertalersbestand van het Expertisecentrum Literair Vertalen1 en via organisaties die de belangen van auteurs en vertalers behartigen2. In totaal namen 155 personen deel aan de enquête, van wie één persoon nog niet gestart was als literair vertaler en van wie één persoon zei geen literaire teksten te vertalen. De resultaten van deze twee respondenten worden bijgevolg niet in de analyse en bespreking meegenomen. 

Voor de helft van de respondenten is literair vertaler het hoofdberoep, al is dit voor slechts 38% van deze groep het enige beroep. Daarnaast heeft 22% van respondenten niet-literair vertaler als hoofdberoep en heeft 20% een andere hoofdfunctie. 8% van de respondenten vermeldde expliciet met pensioen te zijn en tijdens dit pensioen gestart te zijn met literair vertalen.

De enquête wist een gevarieerd doelpubliek te bereiken. De jongste respondent was 25 jaar oud, de oudste 88 (de gemiddelde leeftijd was 55 jaar, de mediaan 57). Gemiddeld hadden de respondenten zo’n achttien jaar ervaring met literair vertalen. De minst ervaren respondent was net gestart, de meest ervaren deelnemer had maar liefst 54 jaar ervaring.

De meeste respondenten hebben de Nederlandse (60%, waarvan 18% met dubbele nationaliteit) of Belgische nationaliteit (20%, waarvan één persoon met dubbele nationaliteit). Eén respondent heeft zowel de Belgische als de Nederlandse nationaliteit. Daarnaast zijn de meest voorkomende nationaliteiten Duits (6%), Spaans (3%), Tsjechisch (2%), Italiaans (1%), Zweeds (1%), en Amerikaans (1%). In totaal komen de reacties van zeventien verschillende nationaliteiten. Er werden achttien verschillende moedertalen opgegeven, met Nederlands als meest voorkomende taal

(70%, waarvan 4% met dubbele moedertaal), gevolgd door Duits (7%), Engels (4%), Frans (4%), Tsjechisch (3%), Spaans (1%), Catalaans (1%), en Zweeds (1%).

De meeste vertalers (61%) werken vanuit een andere taal naar het Nederlands, 32% werkt in omgekeerde richting, en 7% geeft aan in beide vertaalrichtingen te werken.

De meerderheid van de respondenten (92%) vertaalt proza, maar ook poëzie (41%) en theaterteksten (22%) kwamen aan bod. Respondenten konden naast deze drie automatisch aangeboden opties zelf bijkomende soorten literaire teksten opgeven. Ze vermeldden hierbij hoofdzakelijk literaire non-fictie, kinder- en jeugdliteratuur, essays, en biografieën.

EnquêteDe enquête werd opgesteld in Google Forms en via e-mail met mogelijke respondenten gedeeld. Antwoorden werden verzameld van augustus tot oktober 2019. De enquête bestond uit zeventig vragen, opgedeeld in de volgende secties: achtergrondinformatie (o.a. geboortejaar, talencombinaties, eventuele opleidingen, aantal jaren ervaring), gebruik van technologie voor niet-literaire vertalingen indien van toepassing (o.a. de mate waarin de vertalers al dan niet gebruikmaken van technologie voor niet-literaire vertalingen, welke technologie, waarom ze ervoor kiezen wel of niet gebruik te maken van technologie), gebruik technologie voor literaire vertalingen (parallel met vorige sectie maar dan voor literaire vertalingen), soorten vertaaltechnologie (met uitleg over vertaalgeheugensystemen, terminologiebeheer en automatische vertaalsystemen, de vraag of vertalers op de hoogte waren van het bestaan van deze technologie en of ze denken dat deze technologie nuttig zou kunnen zijn bij het vertalen van literaire werken), vertaaltechnologie en literaire vertalingen (om te polsen naar eventuele andere ondersteunende technologie die niet in de enquête vermeld werd, de grootste beperkingen van de huidige technologie, zaken waar een digitale vertaalomgeving voor literaire vertalers zeker over zou moeten beschikken) en contactgegevens (voor hen die achteraf op de hoogte gebracht wensten te worden van de resultaten van het onderzoek of die achteraf zouden willen deelnemen aan experimenten waarbij in de praktijk getest zal worden in welke mate literaire vertalers steun of hinder ondervinden van hedendaagse vertaalomgevingen). Als onderdeel van de sectie ‘soorten vertaaltechnologie’ kregen de vertalers informatie over bepaalde soorten vertaaltechnologie met uitleg over het mogelijke nut van deze technologieën voor literair vertalers. De volgende soorten technologie kwamen aan bod:

Vertaalgeheugen(systemen). Een vertaalgeheugen is een databank die bestaat uit eerder gemaakte vertalingen (brontekstzinnen en corresponderende doeltekstzinnen). Een vertaalgeheugen kan gebruikt worden als naslagwerk (concordantie): door te zoeken naar woorden of fragmenten in het vertaalgeheugen kan een vertaler een lijst te zien krijgen van eerder vertaalde zinnen uit het geheugen waar de gezochte woorden of

fragmenten in voorkomen. Een vertaalgeheugen kan ook geïntegreerd worden in een vertaalgeheugensysteem, een werkomgeving waarin de vertaler allerlei extra ondersteuning aangeboden krijgt. Tijdens het vertalen gaat het vertaalgeheugensysteem automatisch op zoek in het vertaalgeheugen. Wanneer er in de tekst een zin verschijnt die reeds in het vertaalgeheugen aanwezig is, of die sterk lijkt op een zin uit het vertaalgeheugen, zal het systeem aan de vertaler de eerder bewaarde zin voorstellen als mogelijke vertaling. In een literaire vertaling kan een vertaalgeheugensysteem mogelijk van pas komen bij een werk dat veel herhalingen of parallelismen bevat.

Terminologiebeheer. Onder terminologiebeheer verstaan we het aanmaken en bewaren van eigen terminologielijsten: termen in de ene taal met hun vertaling in de andere taal, al dan niet met extra uitleg of verrijkende informatie. Deze lijsten kunnen ofwel als naslagwerk gebruikt worden, of geïntegreerd worden in een vertaalprogramma. Een vertaalprogramma kan woorden uit een terminologielijst automatisch herkennen en de vertaler dan meteen de vertaling uit de lijst aanbieden. Zo wordt een specifiek woord in de brontekst consistent vertaald in de doeltekst. Een mogelijke toepassing van terminologielijsten in een literaire vertaling is het aanmaken van een lijst met uitspraken of woorden die typisch zijn voor een bepaald personage in een roman die de vertaler graag overal in de tekst op dezelfde manier vertaalt, zorgen voor consistentie in auteursstijl, of het bijhouden van de vertaling van namen van personages.

Automatische vertaalsystemen. Een automatisch vertaalsysteem is in staat zelf te vertalen. Een van de meest bekende systemen is Google Translate. Een automatisch vertaalsysteem wordt getraind op heel veel eerder vertaalde teksten. De huidige generatie automatische vertaalsystemen (neurale vertaalsystemen) werkt heel wat beter dan de systemen die tot vijf jaar geleden de markt overheersten (statistische vertaalsystemen). Enerzijds omdat neurale systemen op zinsniveau werken waar de statistische systemen nog met stukjes van een zin werkten (waardoor deze laatste doorgaans minder grammaticaal correcte vertalingen konden leveren), anderzijds omdat ze meerdere dimensies van woorden kunnen vatten en ook semantische gelijkenissen kunnen ontdekken (‘hond’ en ‘hondje’ of ‘soep’ en ‘tomatensoep’ zijn voor een statistisch systeem bijvoorbeeld ongerelateerd, maar voor een neuraal systeem niet). Daarnaast worden automatische vertaalsystemen op steeds creatievere manieren ingezet. In eerste instantie kan een dergelijk systeem in een vertaalomgeving geïntegreerd worden, zodat een vertaler een suggestie aangeboden kan krijgen wanneer er geen relevante zinnen in het vertaalgeheugen teruggevonden kunnen worden. Verder kunnen vertaalsystemen beter worden in het vertalen van bepaalde teksttypes door het systeem meer teksten van dat type te laten verwerken. Zo zal een systeem dat bijkomend getraind wordt op handleidingen beter worden in het vertalen van handleidingen en zal een systeem dat bijkomend getraind wordt op romans in een bepaald genre beter worden in het vertalen van romans in dat genre. Tot slot zijn er

tegenwoordig ook adaptieve en interactieve vertaalsystemen. Een adaptief automatisch vertaalsysteem leert uit de aanpassingen die een vertaler maakt. Als een vertaler een probleem oplost, wordt dit doorgegeven aan het systeem. De volgende keer dat een soortgelijke vertaling nodig is, zal het systeem automatisch de oplossing van de vertaler kiezen en niet opnieuw dezelfde fout maken. Een interactief systeem past zich aan in functie van wat de vertaler schrijft. Dit is een beetje te vergelijken met de voorspellendschrijvenfunctie in een online zoekopdracht, maar dan met een vertaling.

Afhankelijk van de vraag konden de respondenten kiezen uit vooraf gedefinieerde antwoorden (bijvoorbeeld ‘Ik maak … gebruik van deze technologie’ met als keuzeopties ‘nooit’, ‘soms’, ‘regelmatig’ of ‘altijd’) of kregen de respondenten de kans hun mening in detail toe te lichten in een open antwoordvakje (bijvoorbeeld ‘waarom maakt u gebruik van deze technologie bij het vertalen?’). Meerkeuzevragen waren verplicht in te vullen, open vragen waren niet altijd verplicht. Resultaten werden pas bewaard wanneer een respondent de volledige vragenlijst had doorlopen, er waren dus geen onvolledige antwoorden die verwijderd moesten worden voor de analyse.

AnalyseDe aanvaarding van technologie door (potentiële) gebruikers is afhankelijk van verschillende factoren, die in de wetenschappelijke literatuur in allerlei modellen beschreven worden. Voor de analyse van de enquête wordt er gebruikgemaakt van UTAUT (Unified Theory of Acceptance and Use of Technology, Venkatesh et al. 2003). Dit is een theorie die uitgaat van vier basisconcepten: prestatieverwachting (performance expectancy), inspanningsverwachting (effort expectancy), sociale invloed (social influence) en faciliterende omstandigheden (facilitating conditions). Prestatieverwachting omvat de mate waarin iemand gelooft dat het gebruik van technologie nuttig is of met andere woorden een positieve invloed zal hebben op diens prestaties, bijvoorbeeld door het werk efficiënter of beter te laten verlopen. Inspanningsverwachting omvat de mate waarin iemand gelooft dat de technologie eenvoudig te gebruiken is. Sociale invloed omvat de invloed van de omgeving, of de mate waarin iemand het gevoel heeft dat bijvoorbeeld collega’s of opdrachtgevers verwachten dat er met bepaalde technologie gewerkt wordt. Faciliterende omstandigheden zijn zaken die iemand bij het gebruik van de technologie extra ondersteunen, zoals opleidingen of de beschikbaarheid van technische hulp bij problemen. Sinds het ontstaan van UTAUT is het model verder uitgebreid met verschillende factoren, afhankelijk van de specifieke context van de studie. Een van die bijkomende factoren waarvan uit meerdere studies gebleken is dat die een cruciale rol speelt in de aanvaarding en het gebruik van technologie is ‘attitude’. De impact van attitude zou mogelijk zelfs groter zijn dan sommige van de vier basiselementen uit UTAUT (Thomas, Singh en Gaffar, 2013; Dwivedi et al., 2019). In de analyse van deze enquête wordt ‘attitude ten opzichte van de technologie’ dan ook meegenomen als bijkomende factor.

De gegevens verzameld met de enquête werden geanonimiseerd en verwerkt met Microsoft Excel en Nvivo 12 (software voor kwalitatieve data-analyse). In Nvivo werden de antwoorden op de open vragen gecodeerd volgens de hierboven beschreven factoren om zo te kunnen achterhalen welke soorten argumenten literaire vertalers aanhalen om al dan niet gebruik te maken van technologie.

Resultaten

Zijn literair vertalers op de hoogte van het bestaan van vertaaltechnologie?De aanvaarding van technologie kan pas plaatsvinden als een potentiële gebruiker de technologie gebruikt, en voor de technologie gebruikt kan worden, moet een potentiële gebruiker uiteraard op de hoogte zijn van het bestaan ervan. Bewustzijn is dan ook een cruciale eerste factor. In de enquête werd de respondenten gevraagd in hoeverre ze vóór deelname op de hoogte waren van het bestaan van bepaalde vormen vertaaltechnologie.

Op basis van de resultaten blijkt dat de vertalers weliswaar op de hoogte lijken te zijn van het bestaan van de meeste technologieën, maar niet zozeer van de meer recente ontwikkelingen. Vooral de ontwikkelingen op het vlak van integratie in een vertaalomgeving en de recente ontwikkelingen binnen de automatische vertaalsystemen zijn bij de meerderheid van de vertalers niet bekend, zoals te zien is in Figuur 1.

Figuur 1. In welke mate zijn literair vertalers op de hoogte van recente technologische ontwikkelingen?

Een mogelijke verklaring voor dit gebrek aan bewustzijn is het gebrek aan technologie als onderdeel van een vertalersopleiding. Het is aangetoond dat onder andere ervaring en training impact hebben op de mate waarin technologie aanvaard wordt (Dillon 2001). In totaal heeft slechts 40% van de respondenten een opleiding tot vertaler genoten. Daarnaast heeft 13% een talenopleiding gevolgd, de overige 46% hebben een andere achtergrond. Van de personen die een opleiding tot vertaler gevolgd hebben, is er slechts 24% voor wie ‘vertaaltechnologie’ in meer of mindere mate deel uitmaakte van die opleiding3. Van alle respondenten is er 44% die een opleiding of cursus tot literair vertalen gevolgd heeft (60% van deze groep heeft zowel een vertaalopleiding gevolgd als een cursus of opleiding literair vertalen) en van hen is er slechts 6% die als onderdeel van die opleiding iets over vertaaltechnologie geleerd heeft.

 

Figuur 2. Kwamen de literair vertalers die een opleiding tot vertaler genoten tijdens hun algemene vertaalopleiding in contact met

vertaaltechnologie?

Figuur 3. Kwamen de literair vertalers die een opleiding tot literair vertaler genoten tijdens hun literaire vertaalopleiding in contact met

vertaaltechnologie?

Leeftijd zou in theorie een plausibele verklaring kunnen zijn voor het gebrek aan technologie in een vertaalopleiding. De eerste betaalbare ‘personal computers’ met bijbehorende vertaalsoftware kwamen immers pas in 1990 op de markt, toen het merendeel van de respondenten die een vertaalopleiding genoten hun diploma al op zak had. Toch zijn er zelfs bij de jongere generatie opvallend weinig vertalers in contact gekomen met vertaaltechnologie (slechts 3 van de 12 deelnemers jonger dan 40 jaar), zoals te zien is in Figuur 2 en Figuur 3.

Maken literair vertalers gebruik van vertaaltechnologie? Waarom wel of niet?Aangezien bewustzijn een cruciale eerste factor is voordat iemand overgaat tot het gebruik en de mogelijke aanvaarding van technologie, is het niet geheel verwonderlijk dat de meeste respondenten geen gebruik maken van bovenvermelde technologieën. De resultaten in Figuur 4 liggen dan ook in de lijn der verwachting als we kijken naar de eerdere figuren (literaire vertalers zijn minder op de hoogte van recente technologische ontwikkelingen en kwamen weinig tot niet in contact met technologie tijdens een eventuele opleiding). De meeste respondenten geven aan deze technologieën nooit voor literaire vertalingen te gebruiken. Vertaalgeheugens en terminologielijsten worden iets vaker gebruikt dan automatische vertaalsystemen.

Figuur 4. In welke mate maken literair vertalers gebruik van specifieke technologieën?

In totaal geeft 18% van de respondenten aan dat ze bij het vertalen van literaire teksten gebruikmaken van vertaaltechnologie. Dit betekent uiteraard niet dat de overige vertalers helemaal geen technologie gebruiken. Integendeel, vrijwel alle respondenten maken gebruik van tekstverwerkers als Microsoft Word (96%) of Google Docs (5%) als voornaamste werkomgeving, net zoals 99% van de respondenten gebruikmaakt van digitale bronnen als zoekmachines en woordenboeken. Slechts twee vertalers gaven aan ook hier geen gebruik van te maken, omdat ze het voordeel niet zien.

In een open vraag konden de respondenten toelichten waarom ze wel of niet gebruikmaken van (vertaal)technologie. De argumenten die door de respondenten werden aangehaald zijn hoofdzakelijk gerelateerd aan prestatieverwachtingen (77%), in mindere mate aan inspanningsverwachting (17%), faciliterende omstandigheden (2,5%), sociale invloed (2,3%) en attitude (2%). Belangrijke kanttekening bij deze cijfers: de percentages omvatten alle aangevoerde argumenten van alle respondenten. Het kan dus zijn dat één respondent bijvoorbeeld tien verschillende argumenten aanhaalde die gerelateerd waren aan prestatieverwachtingen; deze worden alle tien meegeteld. Bij algemene technologie wordt er vooral vermeld dat de software vertalers helpt sneller te werken, dat het hen helpt informatie op te zoeken of correcte vertalingen te vinden en dat deze technologie een noodzakelijk hulpmiddel bij het vertalen is. Bij vertaaltechnologie wordt er vooral gewezen op het feit dat een vertaler dankzij de technologie geen zinnen overslaat en dat er consistent vertaald kan worden, wat zeker bij terminologie belangrijk is. Daarnaast is vooral de inspanningsverwachting een belangrijke factor: gebruiksgemak wordt hierbij als voornaamste aspect vermeld.

Voorbeeldargumenten Categorisatie binnen UTAUT‘Omdat je digitaal veel sneller kunt zoeken dan handmatig. Omdat ik dankzij de computer heel snel veranderingen consequent in de hele tekst kan aanbrengen. En omdat ik gelukkig niet meer de hele tekst drie of vier keer hoef over te tikken om een nette versie in te leveren bij de uitgever.’

Combinatie van prestatieverwachting (snelheid en efficiëntie) en inspanningsverwachting (minder inspannend dan handmatig alternatief)

‘Ik heb met veel verschillende merken gewerkt in mijn eerdere carrière als technisch vertaler, maar MemoQ is het meest veelzijdig, betaalbaar en stabiel, en de klantenservice is heel goed.’

Faciliterende omstandigheden (prijs en klantenservice)

‘Wordt vaak geëist door de klant.’ Sociale invloed (verwachtingen van klant)‘Maakt het werk veel leuker.’ Attitude (plezier)

De redenen om geen vertaaltechnologie te gebruiken bij het literair vertalen hebben ongeveer in gelijke mate te maken met lage prestatieverwachtingen (38%) en een gebrek aan faciliterende omstandigheden (33%) met daarnaast ook een negatieve attitude ten aanzien van technologie (20,5%). Argumenten gerelateerd aan

inspanningsverwachtingen (8%) zijn minder aanwezig, argumenten gerelateerd aan sociale invloed ontbreken volledig. De meeste vertalers zien eenvoudigweg het nut niet, of denken dat vertaaltechnologie niet geschikt is voor het teksttype dat ze vertalen. Opvallend is dat naast deze redenen er vooral aangegeven wordt dat de vertalers geen ervaring hebben met de technologie, dat ze zich niet bewust zijn van de mogelijkheden of er niet bekend mee zijn.

Voorbeeldargumenten Categorisatie binnen UTAUT‘Nooit geleerd. Heb ook mijn twijfels bij het nut ervan voor literaire vertalingen.’

Combinatie van faciliterende omstandigheden (geen opleiding) en prestatieverwachting (twijfels over nut)

‘Vertrouw de vertaaltechnologie nog niet genoeg.’ Attitude (gebrek aan vertrouwen)‘Verder is het nut beperkt in het geval van literaire vertalingen, en er zijn af en toe technische strubbelingen waardoor het extra tijd kost.’

Combinatie van prestatieverwachting (beperkt nut) en inspanningsverwachting (technische problemen)

Wat denken literair vertalers over het (potentieel) nut van vertaaltechnologie?Dat kennis over de technologie kan helpen bij de attitude ten aanzien van technologie en het mogelijke gebruik ervan blijkt uit de enquête zelf. Hoewel de meerderheid van de respondenten aangaf bij het literair vertalen nooit van vertaaltechnologie gebruik te maken, gaven de meeste respondenten na het lezen van de informatie aan dat de technologie soms nuttig zou kunnen zijn bij het literair vertalen. Hierbij zijn ze positiever over het gebruik van terminologielijsten en vertaalgeheugensystemen dan over het gebruik van automatische vertaling (zie Figuur 5).

Figuur 5. Attitude van literair vertalers ten opzichte van specifieke technologieën

Ook hier konden de respondenten extra uitleg geven in een open vraag. Redenen waarom terminologielijsten wel of niet nuttig zouden zijn behoren hoofdzakelijk tot de categorie prestatieverwachting (80%), gevolgd door attitude (7%), faciliterende omstandigheden (6%), inspanningsverwachting (5%) en sociale invloed (3%). Concreet geven respondenten aan dat ze van pas zouden kunnen komen bij specifiek jargon of dialect om de consistentie te garanderen, vooral bij langere teksten of meerdere werken van eenzelfde auteur. Andere respondenten geven dan weer aan dat ze hen niet geschikt lijken voor literaire werken omdat juist variatie cruciaal is, of dat de tijdsinvestering te hoog zou liggen om een terminologielijst aan te leggen. Vergelijkbare reacties keren terug bij de uitleg rond vertaalgeheugensystemen. Net zoals bij terminologielijsten behoren de argumenten hoofdzakelijk tot de categorie prestatieverwachting (86%), en in veel mindere mate tot faciliterende omstandigheden (6%), attitude (5%), inspanningsverwachting (2%) en sociale invloed (1%). Respondenten zijn het eens dat dit vooral nuttig zou kunnen zijn om de consistentie te waarborgen bij langere teksten of teksten van eenzelfde auteur waarin veel herhaald wordt. Een reden die wordt aangehaald om de software niet te gebruiken is het idee dat deze niet geschikt is voor literaire teksten omdat variatie en creativiteit erg belangrijk zijn. Sommige respondenten vrezen dat het gebruik van de technologie een negatieve impact op vertaalvaardigheid zal hebben, omdat vertalers leren te vertrouwen op de software en daardoor niet langer zelf met oplossingen hoeven komen. Voor automatische vertaling is prestatieverwachting (68%) eveneens de belangrijkste factor die wordt aangehaald, al lijkt bij deze technologie vooral ook attitude een rol te spelen (20%) en in mindere mate faciliterende omstandigheden (7%) en inspanningsverwachting (5%). Sociale invloed werd niet vermeld. Wat betreft prestatieverwachtingen bij automatische vertaling zijn er enerzijds respondenten die vinden dat het potentieel interessant klinkt en die zich er bewust van zijn dat de technologie continu evolueert en dus geloven dat zij in de toekomst nuttig zou kunnen zijn voor literaire vertalers, zeker in de interactieve en adaptieve variant. Anderzijds zijn er respondenten die vinden dat automatische vertaling niet aansluit bij de aard van literaire vertaling, en die vrezen dat het gebruik van automatische vertaling de creatieve en alternatieve oplossingen niet ten goede zal komen. Bij attitude spelen frustratie en scepticisme een rol: het feit dat een machine nooit een mens zal kunnen vervangen, het gevoel van controleverlies en het idee dat technologie gevaarlijk is (‘ze maken het ambacht kapot’).

Soort technologie Voorbeeldargumenten Categorisatie binnen UTAUT

Terminologielijst‘Je kunt niet alles onthouden. Ook leuk om mooie maar onbruikbare vondsten te bewaren voor later.’

Prestatieverwachting (helpt de vertaler iets te doen dat hij/zij zelf niet kan)

Terminologielijst ‘Er zijn zelden terugkerende “termen” in literaire werken die steeds op dezelfde manier vertaald moeten worden. Het lijkt

Combinatie van prestatieverwachting (weinig nut voor literaire werken) en inspanningsverwachting (veel

me veel inspanning en duur voor weinig resultaat.’ inspanning)

Vertaalgeheugen

‘Dit soort systemen kan misschien in de handen van een echt goede vertaler een opstap zijn naar een persoonlijke vertaling, maar ik ben bang dat men niet loskomt van de aangereikte oplossingen. Daar kan in het beste geval een vlakke tekst uit voortkomen en in het slechtste geval plagiaat.’

Attitude (angst voor vasthouden aan bestaande oplossing)

Vertaalgeheugen‘De te vertalen tekst moet wel digitaal beschikbaar zijn, dat is lang niet altijd het geval.’

Faciliterende omstandigheden (tekst niet beschikbaar in digitaal formaat)

Automatische vertaalsystemen ‘Houd graag zelf de regie maar sta open voor nieuwe ontwikkelingen.’

Attitude (belang van controle, open voor ontwikkelingen)

Automatische vertaalsystemen

‘Dit is een kwestie van wantrouwen grenzend aan overtuiging: de mens met eigen taal- en interpretatievermogen en onderkenning van onderstromen en intertekstualiteit boven de computer’

Attitude (wantrouwen)

Tekortkomingen en toekomstperspectievenOm af te sluiten kregen de vertalers de vraag wat in hun ogen de grootste tekortkomingen zijn van de huidige technologie voor literair vertalen en de vraag hoe de ideale vertaaltechnologie voor literaire vertalers eruit zou kunnen zien als ze deze zelf konden ontwikkelen.

De antwoorden die de respondenten gaven op de vraag rond de tekortkomingen van technologie hadden hoofdzakelijk te maken met prestatieverwachting (70%), gevolgd door attitude (18%), faciliterende omstandigheden (9%) en inspanningsverwachting (4%). De meeste antwoorden bevatten verwijzingen naar de aard van het literair vertalen zelf. Volgens de respondenten kan de technologie de stijl van een auteur niet vatten, heeft ze geen gevoel voor context of taal, kan ze geen humor of metafoorgebruik begrijpen en kan ze geen rekening houden met hoe de lezer een tekst zal ervaren. Een aantal respondenten vreest ook dat het gebruik van de technologie nefast zal zijn voor de creativiteit en de taal omdat je als vertaler gedwongen wordt gebruik te maken van voorgekauwde oplossingen. Het gebrek aan menselijkheid was eveneens een veelvoorkomend argument.

Voorbeeldargumenten Categorisatie binnen UTAUT‘Hoe accuraat ze ook (zullen) kunnen vertalen, de literaire Prestatieverwachting (geen tijdswinst of meerwaarde)

meerwaarde moet van de vertaler komen. Het resultaat van een vertaaltool blijft m.a.w. een voorlopige versie, en het bijschaven van die versie duurt mogelijk langer dan van meet af aan zelf vertalen.’‘In het geval van automatisch vertalen: het grote gevaar dat je als vertaler genoegen neemt met wat de machine aanbiedt, en je aldus je normen en autonomie aanpast of zelfs opgeeft.’

Attitude (gevoel van gevaar, gebrek aan autonomie)

‘De gebruikersvriendelijkheid van de huidige tools is ongelofelijk slecht, en ten slotte zijn de prijzen die voor deze tools worden gevraagd vele malen hoger dan nu de standaard is.’

Combinatie van inspanningsverwachting (niet gebruiksvriendelijk) en faciliterende omstandigheden (prijs te hoog)

Met de vraag zelf een ideale vertaalhulpmiddel te ontwikkelen hadden de meeste respondenten het wat moeilijker. De meerderheid gaf aan geen idee te hebben of er niet over te willen nadenken. Toch kwam 30% van de respondenten met een aantal ideeën naar voren. Zo zagen een aantal respondenten nut in een grote database van eerder gemaakte literaire vertalingen waarin een vertaler kan zoeken naar woorden in context: ‘Een grote doorzoekbare concordantie van literatuur uit bron- en doeltaal, waarin de vertaler kan opzoeken hoe een bepaald woord allemaal gebruikt wordt, wat de nuances zijn, of er een bepaalde uitdrukking mee wordt geassocieerd.’ Het collectief vertaalgeheugen werd in deze context bij naam genoemd (zie de bijdrage van Chris Bakker en Pauline de Bok in dit Dossier). Verder vinden sommige respondenten het belangrijk om als een woord aangeklikt wordt informatie te kunnen krijgen uit meerdere bronnen (‘één bron is geen bron’) en dan vooral uit goede (synoniem)woordenboeken. Daarnaast vinden respondenten het werken op segmentniveau, zoals dat in de huidige vertaaltools de norm is, te beperkend en wil men sneller kunnen schakelen tussen de vertaalomgeving en een weergave van het eindproduct: ‘Iets dat een preview kan produceren in één oogopslag of gewoon doorlopend (real time) want bvb. bij gedichten is het vormelijk aspect ook van groot belang.’ Een van de respondenten maakte expliciet de vergelijking met de schrijfsoftware Scrivener: ‘Ik vind de omgeving van Scrivener erg prettig, waarbij men teksten naast elkaar kan weergeven en kan wisselen tussen een enkel hoofdstuk en een heel boek, met nog ruimte voor documenten met extra opmerkingen, achtergrondinformatie en annotaties. Als dit programma de mogelijkheid zou hebben om te wisselen naar een weergave per zin, waarbij het makkelijker zou zijn om overgeslagen zinnen en woorden te herkennen, zou het voor mij perfect zijn.’ Respondenten vinden het tot slot vooral belangrijk dat de software gebruiksvriendelijk en eenvoudig is, ‘zo onzichtbaar mogelijk’. Twee vertalers gaven aan dat ze zelf een vorm van vertaaltechnologie aan het ontwikkelen zijn of ontwikkeld hebben.

ConclusieHoewel literair vertalers duidelijk niet actief gebruikmaken van technologie en er in

het algemeen eerder sceptisch tegenover staan, blijkt uit deze enquête ook dat veel vertalers niet op de hoogte zijn van de technologieën die er bestaan. Voor enkelen onder hen was de enquête in dat opzicht verrijkend, met opmerkingen als: ‘Dit lijkt me inderdaad een waardevol hulpmiddel, ik was er niet van op de hoogte en zou mijn vooroordeel wellicht moeten overwinnen.’ Anderzijds mogen de tegenkantingen niet zomaar geminimaliseerd worden. Literair vertalen is een kunst, en hoewel sommige vormen van kunst baat kunnen hebben bij het gebruik van technologie, is dat niet noodzakelijk voor alle vormen het geval.  De vrees dat de technologie het proces in de weg zou kunnen zitten en dat het gebruik van technologie zal leiden tot taalverarming en een verlies aan autonomie en creativiteit moeten verder bestudeerd worden om vast te kunnen stellen in hoeverre deze gegrond zijn. Positief of negatief, de vertalers hebben in ieder geval interesse in de technologie: 56% van de respondenten gaf aan dat ze graag op de hoogte gebracht wilden worden bij de volgende stappen in het onderzoek. In een volgende fase zal er gekeken worden naar het vertaalproces en -product van literaire vertalers die werken met een interactieve, adaptieve vertaalomgeving. Deze omgevingen werden immers ontwikkeld om de vertaler opnieuw meer controle te geven over het vertaalproces en zouden door middel van de neurale automatische vertaalsystemen ook met meer creatieve oplossingen kunnen komen aanzetten. Of deze bestaande vertaalomgevingen voldoende tegemoetkomen aan de verwachtingen en noden van literair vertalers zoals gebleken uit deze enquête blijft nog maar de vraag.

 

Noten1 Vertalersbestand Expertisecentrum Literair Vertalen: https://literairvertalen.org/vertalersbestand.

2 Met dank aan iedereen die de enquête ingevuld en/of verspreid heeft en in het bijzonder aan de volgende instanties voor het verder verspreiden van de enquête en/of het aanbieden van informatie: Centrum voor Literatuur in vertaling, Vertalersvakschool, de Boekvertalers, Vlaamse Auteursvereniging, Euregio Kultur, Vereniging van nieuwe vertalers, Uitgeverij P, the Chronicles, Flanders Literature, Nederlands Letterenfonds, Auteursbond, CBTI-BKTV, tijdschrift Pluk.

3 Er werd door enkele vertalers opgemerkt dat er geen (literaire) vertaalopleiding bestond toen zij aan het studeren waren, wat eveneens deze lage cijfers kan verklaren.

BibliografieDavis, Fred.D., Bagozzi, Richard.P., en Warshaw, Paul.R., 1989. ‘User acceptance of computer technology: a comparison of two theoretical models’, Management science 35:8, p. 982-1003.

Dillon, Andrew. 2001. ‘User Acceptance of Information Technology’, in Waldemar Karwowski (ed.), Encyclopedia of Human Factors and Ergonomics. London: Taylor and Francis.

Dwivedi, Y.K., Rana, N.P., Jeyaraj, A. et al. 2019. ‘Re-examining the Unified Theory of Acceptance and Use of Technology (UTAUT): Towards a Revised Theoretical Model’, Inf Syst Front 21, p. 719–734. https://doi.org/10.1007/s10796-017-9774-y .

Thomas, T., Singh, L., & Gaffar, K. (2013). The utility of the UTAUT model in explaining mobile learning adoption in higher education in Guyana.  International Journal of Education and Development using ICT, 9(3).

Venkatesh, Viswanath, Morris, Michael G., Davis, Gordon B., en Davis, Fred D. 2003. ‘User acceptance of information technology: toward a unified view’, MIS quarterly 27:3, p. 425-478.

 

Joke Daems  is postdoctoraal onderzoeker bij de vakgroep Vertalen, Tolken en Communicatie aan de Universiteit Gent. Als lid van de onderzoeksgroep LT³ (Language and Translation Technology Team) voert ze onderzoek naar de impact van vertaaltechnologie en naar de interactie tussen vertaler en vertaalomgeving.

MISSCHIEN EEN TROOST   24-01-2021Winibert SegersHenri Bloemen 

Dat was het dan.

Is dit zinnetje literatuur? Of gewoon een uitspraak van een uitgeputte wielrenner? Of de woorden van de laatste stamgast, die het café waggelend verlaat? Met ‘dat was het dan’ lijken de wielrenner en de stamgast naar een eindpunt, een breekpunt te verwijzen. Ook de schrijver en filosoof Albert Camus heeft het in Le mythe de Sisyphe over zo’n punt:

Il arrive que les décors s’écroulent. Lever, tramway, quatre heures de bureau ou d’usine, repas, tramway, quatre heures de travail, repas, sommeil et lundi mardi mercredi jeudi vendredi et samedi sur le même rythme, cette route se suit aisément la plupart du temps. Un jour seulement, le « pourquoi » s’élève et tout commence dans cette lassitude teintée d’étonnement. « Commence », ceci est important. La lassitude est à la fin des actes d’une vie machinale, mais elle inaugure en même temps le mouvement de la conscience. Elle l’éveille et elle provoque la suite. La suite, c’est le retour inconscient dans la chaîne, ou c’est l’éveil définitif. (Camus 1942: 29)1

Een machinaal leven wordt gekenmerkt door herhaling – elke dag, elke week hetzelfde. Er zijn geen verrassingen. Nooit gebeurt er iets onverwachts. Alles is voorspelbaar. Het is een leven dat zijn gang gaat, een leven waarop je als subject weinig vat hebt. De dingen zijn wat ze zijn. En zelfs als je de routine wil doorbreken, is dat vaak geen eigen beslissing. De succesvolle zakenvrouw die op maandagochtend de wekker door het raam gooit, is onderhevig aan allerlei omstandigheden die buiten haar wil plaatsvinden. Of, een ander voorbeeld: bepalen we echt zelf hoe en wanneer een liefdesrelatie eindigt?

Het zinnetje ‘dat was het dan’ heeft ongetwijfeld iets literairs, zelfs iets poëtisch. Vier woorden van drie letters, woorden met de combinatie medeklinker-klinker-medeklinker. Het eerste en het laatste woord beginnen met dezelfde letters: da. De vraag is of die vormkenmerken volstaan om van ‘dat was het dan’ literatuur te maken.

Om literatuur te worden zal het zinnetje het individuele, het singuliere moeten overstijgen. Een dagboek, een liefdesbrief die uitsluitend tot één persoon zijn gericht, kunnen we moeilijk literatuur noemen. Of, nog breder gesteld: een tekst die is gemaakt voor een lezerspubliek kan nooit een literaire tekst zijn.

Wat betekent ‘dat was het dan’? Staat het zinnetje op zich of is het ergens uit weggeplukt? Is het een zinnetje uit een lied? Of is het de Nederlandse vertaling van een Engelse romantitel? We weten het niet. Misschien heeft ‘dat was het dan’ geen betekenis, is het louter een klankspel. De onbeslisbaarheid zal de vertaler in een ongemakkelijke situatie brengen. Maar toch zal hij beslissen. Een vertaler is een probleemoplosser. Hij houdt niet van hangende kwesties.2 Hij hakt knopen door.

Hoe zou je ‘dat was het dan’ kunnen vertalen? We laten ons helpen, zoals we dat al enkele jaren doen, door een van de vertaalmachines: DeepL Translator. In het Duits, Engels, Frans en Spaans krijgen we:

Nun, das war’s dann wohl.

Well, that’s it, then.

Eh bien, c’est ça, alors.

Bueno, eso es todo, entonces.

Het lijkt wel een meertalig gedicht. DeepL maakt poëzie: automatische, machinale poëzie. DeepL maakt gedichten zonder dichter. Hierover maakt de klankdichteres Greta Monach interessante opmerkingen. In Compoëzie, een boek waarin ze uitleg geeft ‘over hoe en waarom ze poëzie met behulp van een computer genereert’ (Monach 2020: 1), zegt ze het volgende:

[…] elke automaat [is] een dood ding en lijkt als zodanig weinig geschikt om kunstwerken te produceren. Wij eisen immers van de kunst, dat zij ‘leeft’, en daarbij denken wij aan een opvallend kenmerk van het levende: het kan ons verrassen, het is in staat tot onverwachte en onberekenbare handelingen. (Monach 2020: 3)

In deze passage is het woord ‘lijkt’ belangrijk. Monach zal zich afzetten tegen de traditionele kunstopvattingen en tegen de ingebakken ideeën over de verhouding kunst-computer:

[Wij weten], dat de computer een reken-automaat is, en wij stellen ons voor, dat het resultaat van berekeningen altijd voorspelbaar is, en dus, in artistieke zin, ‘dood’.

Dit nu is onwaar. Zodra berekeningen een zekere graad van complexiteit bereiken, is de ‘formule’ niet meer uit de resultaten te herkennen; die resultaten zijn onverwacht en doen zich aan ons voor als TOEVAL – m.a.w. als ‘het onberekenbare’. (Monach 2020: 5)

Monachs standpunt is verfrissend. Ook in verband met de rol van betekenis in poëzie neemt ze een duidelijke stelling in:

Wijd verbreid is nog steeds het geloof, dat in poëzie de betekenis van de woorden van overheersend belang is. Men stelt zich de volgende gang van zaken voor: de dichter gaat uit van een bepaalde gedachte (indruk, gevoel, etc.) en zoekt woorden (zinnen), die deze gedachte adequaat kunnen overbrengen. […].Ik kan dit geloof niet delen. (Monach 2020: 10, 11)

We kunnen voortborduren op de stelling van Monach en de taak van de vertaler duidelijk omschrijven. Hij zal de weg die de dichter heeft afgelegd ook afleggen, maar in omgekeerde zin. De vertaler zal van de woorden van de dichter naar de gedachte gaan en die gedachte zal hij vervolgens in de doeltaal proberen te verwoorden. Hij maakt het betekende los van de betekenaar. Monach problematiseert die ‘gang van zaken’. Voor haar is een vertaler geen betekeniszoeker.

Zijn de DeepL-vertalingen van ‘dat was het dan’ goede vertalingen? Wie kan, wie mag die vraag beantwoorden? Is de menselijke vertaling de norm? Kan, mag de mens machinevertalingen beoordelen? Of moet dat ook door machines worden gedaan?3

Enkel in het Duits wordt de verleden tijd van het origineel behouden. In de andere drie talen wordt overgegaan op de tegenwoordige tijd. DeepL Translator heeft in de vier talen meer woorden en leestekens nodig dan het Nederlandse origineel. De vraag is of een menselijke vertaler betere oplossingen zal vinden. Ook voor hem zal het zinnetje in grote mate onvertaalbaar zijn. Hij staat voor een barrière. Het letterspel ‘da-da’, bijvoorbeeld, zal hij moeilijk in een andere taal kunnen overbrengen. En dat heeft niets te maken met het kunnen van de vertaler. Hij zit onvermijdelijk vast aan wat de talen

hem geven. De vertaler bevindt zich in een situatie waarop hij nauwelijks vat heeft. De talen overkomen hem. Hij leeft in talen.

Misschien zal de vertaler zijn creativiteit moeten aanboren om het zinnetje in een andere taal over te zetten. Creativiteit: is dat het domein waar de vertaalmachines niet bij kunnen? Het laatste onneembare bastion? Ook dat is niet zeker. Waarom zou de machine niet kunnen leren om creatief te zijn? En misschien ook om grappig of ironisch te zijn? Of om nuances en subtiliteiten te respecteren?4

Een vertaler heeft geen greep op de talen. Dat gevoel van onmacht wordt versterkt door de resultaten van de machinevertalingen. Zal de machine op termijn het vertalen volledig overnemen? Zal de menselijke vertaler door de machine worden vervangen? Wacht hem hetzelfde lot als de kassier in de supermarkt of de loketbediende in het treinstation? Hebben we de vertaler altijd al overschat? Is vertalen echt niet zo moeilijk als vaak wordt beweerd?

De vertaalmachine – alleen het woord al zal vele literair vertalers doen gruwelen – kan in verband worden gebracht met het filosofische begrip ‘desubjectivering’. In het opstel ‘Die Aufgabe des Übersetzers’ – de genitief kan worden gelezen als een objectsgenitief: de vertaler wordt opgegeven – heeft de vertaler en vertaaltheoreticus Walter Benjamin het begrip ‘desubjectivering’ als volgt omschreven:

[…] gewisse Relationsbegriffe [behalten] ihren guten, ja vielleicht besten Sinn […], wenn sie nicht von vorne herein ausschlieẞlich auf den Menschen bezogen werden. So dürfte von einem unvergeẞlichen Leben oder Augenblick gesprochen werden, auch wenn alle Menschen sie vergessen hätten. (Benjamin 1923: VIII)5

Een onvergetelijk leven of ogenblik verbinden we spontaan met mensen: het turbulente parcours van een jazz-zangeres, een romantische gondeltocht met een geliefde … ‘Vergeten’ is een relatiebegrip omdat het onlosmakelijk is verbonden met de mens. ‘Liefhebben’, ‘vriendschap’ en ja, ook ‘vertalen’, zijn andere voorbeelden van relatiebegrippen. In zijn opstel probeert Benjamin de verbinding tussen mens en vertaling te verbreken. Hij richt zijn aandacht op het object ‘vertaling’, dat is losgemaakt van de subjecten die rond de vertaling cirkelen: auteur, beoordelaar, criticus, lezer, uitgever, vertaler.

De naam van de vertaalmachine die we hebben gebruikt, DeepL Translator, is revelerend. De machine is een diep lerende vertaler. Twee relatiebegrippen ‘diep leren’ en ‘vertaler’ worden van de mens losgemaakt. De machine kan diep leren en vertalen. De vertaalmachine zet de vertaler, het vertalende subject buiten spel. Ze stelt de centrale plaats van het subject ter discussie. De desubjectivering heeft ongetwijfeld een vervreemdend effect. Het ambachtelijke aspect van het vertalen verdwijnt. De oude Hiëronymus heeft zijn studeerkamer verlaten. De machine neemt het werk over. En dat

doet ze niet alleen met gebruiksteksten – een handleiding voor een vaatwasser, instructies voor een yoga-oefening – maar ook met literair-artistieke teksten – een chanson, een gedicht.

Het bedrijf DeepL geeft de volgende uitleg bij zijn vertaalmachine:

Neurale netwerken scheppen nieuwe mogelijkheden voor de mens, doorbreken taalbarrières en brengen culturen dichter bij elkaar.6

Opvallend in de uitleg is het expliciet voorkomen van de woorden ‘mens’ en ‘neurale netwerken’. DeepL stelt ons gerust. De mens blijft centraal. Die positie wordt versterkt door het gebruik van de lichamelijke metafoor van de neurale netwerken, verbindingen tussen zenuwcellen.

Desubjectivering is geen nieuw verschijnsel. Galilei, Darwin, Marx, Freud stelden de centrale positie van de mens al ter discussie. De uitspraak ‘de mens is niet de maat der dingen’ is zelfs al een cliché geworden. En ook in het dagelijkse leven ervaren we de desubjectivering. In de supermarkt kies ík niet het flesje Italiaanse olijfolie. Nee, het flesje kiest mij. Of een ander voorbeeld: Ik bepaal niet zelf hoe ik in mijn dorp rondwandel. Nee. Mijn manier van lopen wordt bepaald door de structuur van het dorp.

De machinevertaling is de zoveelste knauw die het subject te verwerken krijgt. Een knauw die we niet per se als negatief moeten ervaren. Dankzij de machinevertaling wordt een diepgaande reflectie in gang gezet over de verhoudingen tussen origineel en vertaling en tussen brontaal en doeltaal. De machinevertaling brengt ons misschien tot de kern, het wezen van de vertaling. Misschien een troost.

De vertaler die wordt geconfronteerd met de vertaalmachines kan doen alsof er niets aan de hand is en vanuit een soort overmoed denken dat het allemaal niet zo’n vaart zal lopen of hij kan wakker worden geschud en beginnen na te denken over zijn situatie.

We stappen over van het mysterieuze, hangende zinnetje ‘dat was het dan’ naar het chanson ‘Que c’est triste Venise’, dat Charles Aznavour in het Duits (‘Venedig in Grau’), Engels (‘How sad Venice can be’), Frans, Italiaans (‘Com’è triste Venezia’) en Spaans (‘Venecia sin tí’) zong.7 Onze overstap is niet zo vreemd. Het lied gaat immers over een breekpunt, het einde van een liefdesrelatie.

Zoals de titel al aangeeft, staat Venetië centraal in dit chanson. Niet de subjecten, de ex-geliefden, dus, maar wel een stad. In het lied wordt expliciet verwezen naar de Brug der Zuchten, de kerken, de lagune, de musea … Venetië is bedroefd. Het neemt de droefenis van de ex-geliefden over.

Dit zijn de eerste twee strofen:

Que c’est triste VeniseAu temps des amours mortesQue c’est triste VeniseQuand on ne s’aime plus

On cherche encore des motsMais l’ennui les emporteOn voudrait bien pleurerMais on ne le peut plus

Eerst laten we DeepL het vertaalwerk opknappen. In het Nederlands krijgen we:

Hoe triest VenetiëIn de tijd van de dode liefdeHoe triest VenetiëAls we niet meer van elkaar houden

We zijn nog steeds op zoek naar woordenMaar de verveling neemt ze wegWe willen graag huilenMaar dat kunnen we niet meer 

Niet slecht, zelfs verbazingwekkend goed. We vergelijken de DeepL-vertaling met een Nederlandse vertaling die we op het net vonden.8 De vertaling is van de hand van Gerda Hanen:

Wat is Venetië somberAls de liefde voorbij isWat is Venetië somberAls je niet meer van elkaar houdt 

We zoeken nog naar woordenMaar de verveling blaast ze wegWe zouden wel willen huilenMaar dat kunnen we niet meer

Tussen de machinevertaling en Hanens vertaling zijn er enkele verschillen. Voor ‘au temps des amours mortes’ geeft DeepL ‘in de tijd van de dode liefde’ en Hanen ‘als de liefde voorbij is’. DeepL zit dichter bij het origineel dan Hanen. Hanens vertaling klinkt gewoner, minder poëtisch dan de DeepL-oplossing. Ook het zinnetje ‘l’ennui les

emporte’ krijgt verschillende vertalingen: ‘de verveling neemt ze weg’ en ‘de verveling blaast ze weg’. Hanen is hier beeldrijker dan DeepL.

Beide Nederlandse vertalingen zijn inhoudelijke vertalingen, die geen rekening houden met vormkenmerken. Zo werd, bijvoorbeeld, het aantal lettergrepen van het Franse origineel niet gerespecteerd. In het Frans telt elk vers zes lettergrepen. Dat is een van de elementen die ervoor zorgen dat de tekst zingbaar is. De DeepL-vertaling en Hanens vertaling zijn niet zingbaar. Kan DeepL dan niet zingen? We vermoeden dat het niet zo moeilijk is om aan de machine te vragen om bij het vertalen rekening te houden met het aantal lettergrepen en met andere muzikaal noodzakelijke elementen.

Bij het beluisteren van ‘Que c’est triste Venise’ denken we onvermijdelijk aan het wiegende tempo van barcarolles, gondelliederen.9 Het is mooi vast te stellen dat het woord ‘barcarolles’ in het chanson voorkomt:

Que c’est triste VeniseLorsque les barcarollesNe viennent soulignerQue des silences creux

Dit is een mise en abyme. In het gondellied zitten gondelliederen. Een afgrondelijke structuur.

Literair vertalers kunnen de indruk hebben dat ze aan rand van een afgrond staan: machinevertalingen zullen hun werk inpikken en hen overtroeven. Maar een afgrond heeft iets moois, iets wijds. De afgrond is de ruimte waar plaats wordt gemaakt voor het denken over taal en vertaling. Misschien een troost.

 

Noten1 Het gebeurt dat de decors instorten. Opstaan, tram, vier uur kantoor of fabriek, eten, tram, vier uur werken, eten, slapen en maandag dinsdag woensdag donderdag vrijdag en zaterdag in hetzelfde ritme, die weg wordt gemakkelijk het grootste deel van de tijd gevolgd. Maar op zekere dag rijst het ‘waarom’ op en alles begint in de moeheid getint met verbazing. ‘Begint’, dat is belangrijk. Moeheid is er aan het einde van een machinaal leven, maar tegelijkertijd zet ze de beweging van het bewustzijn in gang. Ze wekt de beweging op en lokt het vervolg uit. Het vervolg is de onbewuste terugkeer in de keten, of het is het definitieve ontwaken. (Onze [WS & HB] vertaling)

2 We kunnen ons afvragen of het hangende, het en suspens, niet verbonden is met het literaire. Een tekst die hangend is, een tekst die zich niet meteen geeft, dat is misschien een literaire tekst.

3 Winibert Segers en Gys-Walt van Egdom bespreken die problematiek in De kwaliteit van vertalingen (2018: 65, 66).

4 Tim Van de Cruys doet in dit domein boeiend onderzoek (2019: 113-126).

5 [...] bepaalde relatiebegrippen [behouden] hun goede, misschien zelfs beste zin [...], als ze niet van meet af aan uitsluitend op de mens worden betrokken. Men zou dus kunnen spreken van een onvergetelijk leven of ogenblik, zelfs als alle mensen die vergeten waren. (Onze [WS & HB] vertaling)

6 https://www.deepl.com/nl/home

7 De Franse tekst is van de schrijfster en actrice Françoise Dorin.

8 https://lyricstranslate.com/nl/que-cest-triste-venise-wat-veneti%C3%AB-somber.html

9 Een van de bekendste barcarolles is ‘Belle nuit, ô nuit d’amour’ uit de opera Les contes d’Hoffmann van Jacques Offenbach.

 

LiteratuurBenjamin, Walter. 1923. ‘Die Aufgabe des Übersetzers’ in Baudelaire, Charles. Tableaux parisiens. Deutsche Übertragung mit einem Vorwort über die Aufgabe des Übersetzers von Walter Benjamin. Heidelberg: Verlag von Richard Weissbach. VI-XVII.

Camus, Albert. 1942. Le mythe de Sisyphe. Essai sur l’absurde. Paris: Gallimard.

Monach, Greta. 2020. Compoëzie. https://ooteoote.nl/2020/02/greta-monach-compoezie/ [Oorspronkelijke uitgave: Monach, Greta. 1973. Compoëzie. Alphen aan den Rijn/Brussel: Samsom Uitgeverij.]

Segers, Winibert & Van Egdom, Gys-Walt. 2018. De kwaliteit van vertalingen. Een terminologie van de vertaalevaluatie. Kalmthout: Pelckmans Pro.

Van de Cruys, Tim. 2019. ‘La génération automatique de poésie en français’ in TALN-RECITAL@PFIA. 113-126.

 

Winibert Segers geeft colleges vertaaltheorie en begeleidt vertaalateliers juridisch vertalen en medisch vertalen aan de KU Leuven. In zijn onderzoek spitst hij zich toe

op de verbindingen tussen architectuur en vertaling, filosofie en vertaling, psychotesting en vertaling.

Henri Bloemen doceert literair en juridisch vertalen en vertaaltheorie aan de KU Leuven en doet onderzoek naar vertaaltheorieën, vertaalethiek en de didactiek van het literair vertalen.

GEMAKSKRANTENKAARTEN, RUIMTESLUIKING EN WEGGEDOKEN ZONES   24-01-2021Donald Barthelme door de machineOnno Kosters 

In 1990 studeerde ik aan de VU af in de Literatuurwetenschap, met een scriptie getiteld: ‘Making the Translation: Vier vertalers op zoek naar hun vertaling.’ De vertalingen betroffen het gedicht ‘Making the Move’ van de Ierse dichter Paul Muldoon. Ik was zelf net begonnen aan een groepsvertaling van Wallace Stevens’ lange gedicht Notes towards a Supreme Fiction en gefascineerd geraakt door wat James Holmes ‘the “little black box” of the translator’s “mind”’1 heeft genoemd: wat gebeurt er ‘in het hoofd’ van de vertalende vertaler? Eén inmiddels tamelijk achterhaalde methode om dat te onderzoeken was vertalers te vragen ‘hardop’ te vertalen en zichzelf op te nemen, waardoor er (tot op zekere hoogte) toegang wordt verschaft tot het vertalende brein. Eyetracking en andere meer geavanceerde technieken leveren dezer dagen hoogwaardigere onderzoeksresultaten.

Voor mijn scriptie bleven de instrumenten bescheiden en moest ik pragmatisch zijn. Vier vertalers van naam (Paul Claes, Jan Eijkelboom, Marko Fondse en Wiebe Hogendoorn) maakten op mijn verzoek een vertaling van Muldoons gedicht en hielden daarbij een geschreven protocol bij, waarin ze iedere denk- en naslagstap optekenden. Dat resulteerde in vier fascinerende narratieven alsmede zeer uiteenlopende vertalingen. Ik analyseerde protocollen en vertalingen en kon conclusies trekken over bijvoorbeeld werkwijzen en interpretaties, stilistische voorkeuren, gebruik van naslagwerken, creatieve denk-uitstapjes en ‘trucs’.

Maar kon ik ook conclusies trekken over wat er gebeurt ‘in het hoofd’ van de vertalende vertaler? Nee. Ik mag dan beweren dat mijn vertalers ‘iedere denk- en naslagstap’ optekenden, maar dat is natuurlijk een illusie. Het neurologisch proces dat denken behelst en talige (of ver-talige) uitdrukking tot stand brengt, was destijds nauwelijks toegankelijk (en het onderzoek daarnaar behoorde bovendien niet tot mijn vakgebied). In de jaren die volgden, is door technologische ontwikkelingen het onderzoek naar de werking van de hersenen in een stroomversnelling geraakt en heeft ook het grote publiek meer en meer inzicht kunnen krijgen in de materie (denk aan Dick Swaabs besteller Wij zijn ons brein uit 2010). Ook in de hersenwetenschap heerste een vorm van techno-optimisme, waarin doorschemerde dat het niet lang meer zou duren voor we volledig zouden begrijpen hoe de hersenen werken. Inmiddels weten we beter. ‘Over de werking van de hersenen weten we net zoveel als over het universum’, las ik ooit. Best veel, nauwelijks iets. Al was het maar vanwege de aloude

cartesiaanse misvatting dat het feit dat ik denk, bepaalt dat ik ben. Wij zijn ons brein niet.

Desalniettemin is ook de kennis over wat er gebeurt ‘in het hoofd’ van de vertalende mens de afgelopen twee decennia enorm toegenomen. Er blijft veel discussie over wat vertalen is en een begrip als ‘creativiteit’ wordt verre van eenduidig gedefinieerd, maar we weten veel meer dan begin jaren ’90 wat vertalen inhoudt. Je zou verwachten dat ontwikkelaars van vertaalsoftware zich daar dan ook een idee over vormen voor ze aan de slag gaan. Maar dat blijkt een illusie. In ‘Machinevertalingen, singularity en prometeïsche Scham’ (2017) gaan Gys-Walt van Egdom, Henri Bloemen en Winibert Seegers uitgebreid in op de stand van zaken in het onderzoek naar, de filosofische bespiegelingen omtrent en, met name voor de literair vertaler, de praktische toepassing van vertaaltechnologie. Een van de opmerkelijkste zinnetjes in het stuk is het volgende: ‘Software-ontwikkelaars hebben in het verleden geoordeeld over machinevertaling als een blinde over kleuren: ze beweren dat machineoutput goed of, op zijn minst, bruikbaar is, zonder dat ze weten wat vertaling inhoudt.’2

In dit artikel onderzoek ik nut en noodzaak van technologie voor de literair vertaler. Ik maak daarbij in eerste instantie onderscheid tussen vertaaltechnologie (vertaalmachines als GoogleTranslate en aanverwanten) en vertaalgerelateerde technologie. Om met dat laatste te beginnen: die is reeds lang onder ons. Er is geen vertalerswerkplek zonder vertaalgerelateerde technologie als laptop/pc, Word en dus: Shift-F7, Ctrl-f en aanverwanten; het internet verschaft ons daarnaast toegang tot Van Dale en andere één- en tweetalige online woordenboeken, synoniemen.net, woordenlijst.org, Wikipedia, Linguee, alsmede Google en minder kwaadaardige zoekmachines als DuckDuckGo en Startpage. Ook hoogwaardige tekstanalyseprogramma’s schaar ik onder deze noemer: online (vrijwel) gratis beschikbare tekstanalyse-instrumenten als Voyant Tools en Sketch Engine, die de vertaler inzicht kunnen geven in opbouw en stijl van een brontekst (korte/lange alinea’s; korte/lange zinnen; woord- en fraseherhaling, bepaalde vaste combinaties, etc.). Vertalers kunnen die informatie gebruiken bij het nemen van beslissingen over

bijvoorbeeld consistentie (concordant vertalen) of het afwijken daarvan.3 Vertaalgeheugens, ten slotte, die middels geavanceerde software kunnen worden samengesteld (de professionele vertaalindustrie maakt er op grote schaal gebruik van) of als do’s-and-don’ts-lijstjes door vertalers zelf worden aangemaakt, wil ik ook rekenen tot vertaalgerelateerde technologie.

De omarming van vertaalgerelateerde technologie staat zeker onder literair vertalers in schril contrast met een meestal afwerende houding tegenover vertaaltechnologie. In 2002 bijvoorbeeld schreef Martin de Haan vier columns voor Filter waarin hij het wonderbaarlijke MT (Machine Translation)-programma ‘Tovertaal’ beschreef.4 In de laatste aflevering onthulde dat hij zélf Tovertaal was. De conclusie was duidelijk: geen literair vertaler heeft werkelijk baat bij vertaaltechnologie.

Van Tovertaal naar CAREIn 2002 vormde Machine Translation nog geen echte bedreiging voor de literair vertaler van vlees en bloed. Ze was zodoende voor De Haan een zittende eend. Maar ‘[i]nmiddels’, stellen Van Egdom et al., ‘is er veel veranderd. De dreiging is reëler’ (19). De reden daarvoor is volgens hen gelegen in de sterk verbeterde kwaliteit van ‘CAT-snufjes’, Google Translate en andere vertaalprogramma’s alsmede de digitalisering van bibliotheken. En dat is nog maar het begin:

De mogelijkheden van de technologie lijken eindeloos. Zo eindeloos dat langzaam maar zeker hele beroepsgroepen binnen de dienstensector door haar van de kaart worden geveegd: vriendelijke diensten worden ras smart services. Dat alles kan niet anders dan beangstigend klinken. Gevaar houd je dan ook beter op afstand. (20)

Niet Ctrl-f, diens hoogwaardiger neefjes Sketchengine en Voyant tools en zoekmachine Google vormen de ‘dreiging’, maar het steeds ‘betere’ GoogleTranslate en diens trawanten DeepL, Systran en (in mindere mate) Reverso: door kunstmatige intelligentie aangezwengelde ‘Neural Machine Translation’ (NMT)-programma’s. De vraag is of die dreiging voor de literair vertaler ook zo reëel is.

Waar voorheen voor vertaalprogramma’s het begrijpen en verwerken van ‘context’ het grootste struikelblok was, is dat steeds minder het geval. Een NMT-programma begint, net als een ‘gewone’ machinevertaling, op woordniveau te vertalen, maar (en hier komt de N van Neural uit de mouw) is steeds beter in staat om, net als de mens met zijn neurale cortex, verbanden, logica, syntaxis en context te gebruiken om een natuurlijke doeltekst te produceren. NMT is bovendien een zelflerend systeem:

De eerste neurale verbindingen zijn door mensen gelegd. Na de trainingsperiode wordt het systeem aan zijn lot overgelaten. Dat betekent echter niet dat het systeem dan is uitgeleerd. NMT is de manuurinvestering enkel waard, omdat het, na een periode van training, in staat is om ‘zelf’ van nieuw materiaal te leren, om zelf verbanden en verbindingen te leggen. (Van Egdom et al. (25n3)

Zelflerende systemen hebben, zeker in de dystopische verbeelding, de neiging de boel over te nemen. Bekende voorbeelden zijn ‘the creature’ in Mary Shelley’s Frankenstein, or the Modern Prometheus, HAL in Stanley Kubricks 2001: A Space Odyssey, en meest recent Adam in Ian McEwans Machines Like Me – niet allemaal zijn ze even succesvol, overigens. Recente ontwikkelingen in het onderzoek naar Kunstmatige Intelligentie (KI) laten zien dat het met een machtsovername zo’n vaart niet hoeft te lopen, tenminste, als de mens zich verantwoordelijk blijft voelen voor zijn eigen schepping. Recent onderzoek naar kunstmatige intelligentie benadert die verantwoordelijkheid middels het (wellicht wat al te optimistische of zelfs eufemistisch geframede) acroniem CARE: Collobaration, Adaptivity, Responsibility en Explanation. Een verantwoorde verhouding tussen tussen KI en mens kan alleen bestaan als aan deze CARE-voorwaarden wordt voldaan:

Collaboration, samenwerking tussen mens en KI, kan alleen als ze een gezamenlijke ‘taal’ spreken, opdat ze van elkaar begrijpen wat ze willen en doen. Daarvoor benodigd is een ‘theory of mind’ zoals mensen onderling die per definitie hebben: ik kan mij een idee vormen van jouw perspectief op anderen en jezelf (hoezeer dat ook kan verschillen van dat van mij) en vice versa.

Adaptivity, aanpassing, betreft het in niet-voorgeprogrammeerde situaties adequaat en verantwoord kunnen handelen.

Responsibility betreft het uitgangspunt van verantwoordelijkheid, bijvoorbeeld ten aanzien van privacy, vertrouwen, sociale codes.

Explanation benadrukt de relevantie van onderlinge uitleg: de mens moet aan de machine kunnen uitleggen wat haar opdracht en doel is, de machine moet aan de mens kunnen ‘uitleggen’ wat het doel is van het uitvoeren van een zichzelf aangeleerde handeling.

Ontwikkelingen in het KI-onderzoek worden op dit moment in sterke mate bepaald door deze CARE-factoren en samengebracht onder de noemer ‘hybrid intelligence’ of ‘human-centred articifial intelligence’.

KI is een fascinerend onderzoeksgebied en inmiddels uit het dagelijks leven niet meer weg te denken. Maar dat wil niet zeggen dat door kunstmatige intelligentie aangedreven NMT-programma’s zich inmiddels ook als hoogwaardig literair vertalers kunnen manifesteren. Vertaalsoftware is steeds beter in staat om naast tekst ook context te integreren in het vertaalproces, maar ‘steeds beter’ wil niet zeggen: zo goed als een mens dat kan en dus met optimaal en doordacht gebruik van bijvoorbeeld die CARE-factoren. Menselijke literair vertalers maken allerlei keuzes waaruit je overwegingen kunt distilleren over de noodzakelijke creatieve vrijheid die nodig is om van een literaire brontekst een literaire doeltekst te maken. Het hieronder beschreven experiment toont aan dat dat voor NMT-programma’s nog niet is weggelegd. De dreiging ervan voor het voortbestaan van de literair vertaler is nog steeds zeer relatief.5

Ik vertaalde een briefOp 2 juli van dit jaar vertaalde ik het kortverhaal ‘I Wrote a Letter...’ (1980) van Donald Barthelme.6 In deze korte satire vertelt iemand dat hij een brief aan de president van de maan heeft geschreven omdat hij er de pest over in heeft dat zijn auto is weggesleept. Zijn eerste vraag is of ze op de maan ook wegsleepzones hebben. Dat blijkt niet het geval en de maan lijkt ook in andere opzichten een steeds aantrekkelijkere vestigingsplaats. De  president heeft er zijn zaakjes heel behoorlijk op orde, zo lijkt het. De correspondentie voltrekt zich via steeds idiotere kanalen: brief, telegram, holle boomstam, ‘maanstraal’, zelfgebreide ‘ALGOL-circuits’, een ‘MIRV’d metaphor’, engelenvluchten en ten slotte een asteroïdenregen bestaande uit tweedehands auto’s. Ten slotte vraagt de verteller of het presidentschap ‘of us’ iets voor de president van de maan zou zijn (desnoods in deeltijd). Nee, daar past de president van de maan voor; Dizzy Gillespie worden, dat lijkt hem eventueel wel wat.

‘I Wrote a Letter...’ is een typisch Barthelmeverhaal, waarin het banale en het absurde hand in hand gaan en je nauwelijks greep krijgt op de stijl: het geheel is zorgvuldig geconstrueerd en er komen veel spreektalige elementen in voor. Barthelme’s korte verhalen gebruik ik al jaren als lesmateriaal in de bachelor en master en de intensieve cursussen vertalen, onder het provocerende motto: ‘Als je Barthelme kunt vertalen, kun je alles vertalen.’ Hoe zouden de drie door mij zorgvuldig geselecteerde NMT-programma’s het ervan af brengen?

De eerste stap was het verhaal zélf te vertalen. Voor ik dat deed, voerde ik de brontekst in het programma Voyant Tools (VT) in, dat mij na 4,5 seconde meldde:

This corpus has 1 document with 532 total words and 262 unique word forms.Vocabulary Density: 0.492 [verhouding aantal woorden totaal / aantal unieke woorden]Average Words Per Sentence: 19.7Most frequent words in the corpus: moon (10); dollar (6); president (5); health (4); mental (4)

Wat zegt dat? Belangrijk gegeven is de gemiddelde woordlengte per zin: dat zegt iets over dat specifieke stijlelement. Het zegt ook iets over de te verwachten resultaten uit de vertaalmachines: het is bekend dat hoe langer de zinnen worden, hoe ‘moeilijker’ ze het krijgen. Interessant zijn verder de ‘most frequent words’. Dat ‘moon’ en ‘president’ daartoe behoren is niet verrassend; ‘dollar’, ‘mental’ en ‘health’ zijn interessanter als motieven in het verhaal. Deze analyse door Voyant Tools is een eenvoudig voorbeeld van hoe vertaalrelevante technologie de vertaler een seintje kan geven om op een bepaald element extra gespitst te zijn. Ideaal met name voor langere teksten.

Donald Barthelme

Bij mijn eigen vertaling (in Word) maakte ik gebruik van een aantal standaardinstrumenten als de woordenboeken van Van Dale en Webster-Merriam, Shift-F7, synoniemen.net, Wikipedia en zoekmachine duckduckgo. Ik herzag de doeltekst enkele malen, met name op het niveau van stijl in het algemeen en consistentie, idiomatische uitdrukkingen en spreektaligheid in het bijzonder. De bondige formuleringen en de combinatie van banaliteit en absurditeit dragen sterk bij aan het humoristische gehalte. Ik koos ervoor één pragmatisch element te moderniseren (of te naturaliseren, zo je wilt): de ‘Apple computer’ uit 1980 wordt in 2020 in mijn vertaling een ‘Apple’. Aangezien in het verhaal de Spaceshuttle nog gelanceerd moet worden, is het gevaar dat de lezer de Apple als een iPhone zal interpreteren (hopelijk) verwaarloosbaar. Mijn aanpak was verder voornamelijk exotiserend, hetgeen ironisch genoeg betekent dat de vertaling op één punt nog een graadje ‘exotischer’ wordt dan de brontekst toch al is: ‘MIRV’d metaphor’ zal de brontaallezer de nodige hoofdbrekens bezorgen; vertalen als ‘M.I.R.V.-metafoor’ of ‘ge-MIRVde metafoor’ maakt het voor de doeltaallezer nog exotischer dan het voor de brontaallezer al is. Maar om er nou ‘DMORS-metafoor’ van te maken...7 De versterkte exotisering wordt – zo bedacht ik – verzacht door het feit dat je ‘MIRV’ tenminste nog kunt opzoeken. ‘DMORS’ (probeer maar) levert louter misleiding op.

Ik was met de vertaling in totaal ruim twee uur bezig. Vervolgens liet ik de brontekst door drie verschillende NMT-programma’s vertalen: DeepL, Systran en Google Translate (GT).8 Geen van deze programma’s had meer dan 10 seconden nodig om een doeltekst te realiseren. Het redigeren van deze teksten tot het niveau van een een

enigszins adequate literaire  tekst werd daarentegen een hoofdpijndossier waarvan ik nog steeds moet bijkomen.

De machines aan het woordEerst moest ik de overduidelijke blunders in de gegenereerde teksten corrigeren. De hoeveelheid en aard van binaire fouten verschilden onderling nogal. Systran had duidelijk de meeste moeite vertaling en werkelijkheid op elkaar af te stemmen: opmerkelijk waren ‘vroeg of ze daar naar toe moesten gaan’ voor ‘asked him if they had towaway zones up there’ (van heel ander kaliber is GT: ‘vroeg hem of ze daar weggedoken zones hadden’); ‘Ik heb 75 dollar gekost’; ‘op kleine auto’s plukken’ en het ronduit schitterende ‘ruimtesluiking’ voor ‘space shuttle’. ‘[H]e moonbeamed back’ werd ‘hij heeft zich teruggeschroefd’. Voor ‘ticktacktoe’ weet Systran niks anders te verzinnen dan ‘tikkapper’. DeepL en GT doen het marginaal beter door ‘ticktacktoe’ voor te stellen.9 Alle systemen stellen voor ‘roger’ ‘roger’ voor, waardoor ik ging twijfelen aan mijn eigen vertaling (‘begrepen’). Van Dale geeft ‘ontvangen en begrepen’, wat preciezer dan mijn aanvankelijke vertaling is, maar ook omslachtiger en bovendien enigszins tautologisch. De twijfel die de NMT-programma’s zaaien kan nuttig zijn: door die twijfel ga je je keuzes nog eens bekijken en (eventueel) herzien.

DeepL en GT maakten minder binaire fouten dan Systran, maar beide zorgden toch voor de nodige (vermakelijke) miskleunen. DeepL en Systran vertaalden het typisch spreektalige ‘Well, I needed mental health real bad that week’ met de respectievelijke tegenovergestelden ‘Nou, ik had die week echt een slechte geestelijke gezondheid nodig’ en ‘Die week had ik een slechte geestelijke gezondheid nodig’. Gezond verstand lijken beide systemen in dit geval te ontberen. GT, mogelijk gebruikmakend van de gigantische database die het tot zijn beschikking heeft, kwam met het saaie maar niet incorrecte ‘Nou, ik had die week heel veel geestelijke gezondheid nodig’. Daar staat tegenover dat GT het begrip ‘maanpresident’ voor ‘President of the Moon’ introduceerde en ‘hauling off’ vertaalde met ‘vervoeren’. ‘Maanpresident’ lijkt op dezelfde manier tot stand te komen als ‘porseleinbelofte’ (ook GT). En vergelijk voor ‘convenience cards’ het briljante ‘gemakskrantenkaarten’ (DeepL), ‘gemakskaarten’ (GT) en ‘goedkope kaarten’ (Systran): de programma’s lijken (net als de meeste vertalers van vlees en bloed) realia als grote struikelblokken te ervaren. De ‘default’ keuze lijkt naturalisering te zijn en misschien is dat wel een van de grootste problemen wat betreft de programmatuur: er moet en zal, tenzij het brontaalwoord zoals bij ‘ticktacktoe’ niet in handzame morfeempjes kan worden opgedeeld, vertaald worden (convenience: gemak, voordeel; card: kaart). In dit geval speelt bovendien een pragmatisch probleem: in 1980 was een ‘convenience card’ een (soort) creditcard; vandaag de dag kun je er digitaal mee bankieren.

‘Cabled’ (een telegram gestuurd) is blijkbaar zodanig achterhaald dat de vertaalprogramma’s er geen chocola van konden maken: ‘Ik belde hem’ (DeepL; ook

een soort ‘educated guess’ – zie noot 9 – trouwens), ‘Ik gaf hem de opdracht’ (Systran), ‘Ik heb hem bekabeld’ (GT). Dat lijkt me een van de grootste problemen: als ‘uitgestorven’ fenomenen door de NMT’s niet worden herkend, kun je er in het geval van wat oudere bronteksten echt helemaal niks mee.

De vertaling van ‘six-packs’, zelfs in combinatie met ‘Rolling Rock beer to drink’, was blijkbaar ook te veel van het reale: pakjes, pakken, maar nergens treetjes laat staan... sixpacks! De meertaligheid – of tweetaligheid: het Engels is een blijvertje – van het hedendaags Nederlands vormt een pracht van een uitdaging voor de (literair) vertaler. Hoe vertalingen voor begrippen als ‘six-pack’ te programmeren zal programmeurs de nodige hoofdbrekens kosten. Een vertaler die zelf levend en dus (met mate) met Engels doorspekt Nederlands spreekt en schrijft en weet heeft van zijn doelpubliek zal op dit gebied sterk in het voordeel zijn. Vertalen is geen woorden vertalen en al hebben de programma’s redelijk greep op syntaxis, mijn stellige indruk bestaat dat ze niet in staat zijn grotere eenheden of voor het menselijk oog simpele specificaties (‘six-pack’ heeft niks met ‘pakjes’ te maken) vertaalrelevant te begrijpen.

Fouten tellen is geen vertaalkritiek, maar een goed begin is het halve werk. Binaire fouten kun je corrigeren, maar voor veel begrippen zijn meer opties voorradig. Kiezen welke ‘correcte’ optie de meest wenselijke is, gebeurt op basis van verschillende factoren en kost (dus) tijd. Een Apple is geen appel maar een Applecomputer (Systran), een Apple (Kosters), of... een Mac! (die modernisering gaat me net een stap te ver). Een ‘circuit’ is een circuit – of een circuitje (waarmee ikzelf het fröbelige karakter van het hoogtechnologische breiwerkje wilde benadrukken). De keuze voor ‘circuitje’ maakte ik in een milliseconde: zélf kiezen zonder ‘tussenkomst’ van een NMT-oplossing die je eerst moet wegen en waarvoor je vervolgens alternatieven moet verzinnen, kost veel minder tijd dan werken op basis van zo’n NMT-oplossing.

Grammaticale fouten zoals incorrecte inversie in vraagzinnen (het aan Asterix en de Britten herinnerende ‘Hoe zit het met oorlog en vrede? Ik informeerde’ [DeepL en GT] voor ‘What about war and peace? I inquired’)10 zijn irritant, maar relatief eenvoudig te verhelpen (maar de menselijke vertaler maakt dat soort fouten niet en verhelpen kost tijd). Datzelfde geldt voor het gebruik van incorrecte verwijswoorden (die ook de met Engels doordesemde ‘jeugd van tegenwoordig’ hoofdbrekens kost): alles waar met ‘it’ naar wordt verwezen, wordt ‘het’. Argh!

StijlbreukAls iets een keuze is, is het stijl en als íets een vertaalprobleem is, is het stijl. Zoals Cees Koster schrijft, ‘een auteur maakt keuzes uit de mogelijke uitdrukkingsmiddelen van zijn taal om daarmee een bepaald literair of esthetisch effect te bereiken. [...]. De taak van de vertaler is vervolgens om keuzes te maken uit de mogelijke uitdrukkingsmiddelen van zijn taal om daarmee de intentie van de brontekst over te brengen en een evenwaardig beoogd effect tot stand te brengen.’11 Het meest

prominente stijlkenmerk van ‘I Wrote a Letter...’ is de (zich in verschillende registers en vaak in lange zinnen manifesterende) spreektaligheid. De zich niet altijd grammaticaal correct uitdrukkende verteller richt zich rechtstreeks tot de lezer (‘You ever notice how the tow trucks pick on little tiny cars? You ever seen them hauling off a Chrysler Imperial? No, you haven’t’) én tot de president van de maan, die evenzo banaal (doch hoffelijk) formulerend terugschrijft. Het banale (ergernis over een weggesleepte Honda; ribbetjes – of moeten dat toch ‘spareribs’ worden...? – in rode saus – of moet dat toch ‘barbecuesaus’ of ‘zoete saus’ worden?! – treetjes bier) en het absurdistisch hoogtechnologische gaan in het verhaal hand in hand. Barthelme’s stijkeuzes op woord- zins-, alinea- én tekstniveau creëren een universum waarin, als klap op de ‘shower of used-car asteroids’, de presidentiële campagnes in de Verenigde Staten worden afgedaan als een moddergooifestijn (of nou ja: een ‘pneumatische Russen’-gooifestijn: de Koude Oorlog vormt een duidelijke achtergrond bij het verhaal).

Kortom, ga er maar aan staan, Kosters, DeepL, Systran en GoogleTranslate:

Barthelme Kosters DeepL Systran

, asked him en vroeg ’m , vroeg

hem waarin ik hem vroeg

and I didn’t like it

en daar had ik de pest over in

en ik vond het niet leuk

en ik vond het niet leuk

Cost me …, plus

Kostte me …, nog afgezien van

Het kostte me ..., plus Ik heb 75 dollar gekost, ... plus

You ever notice …? You ever seen…? No you haven’t.

Nooit opgevallen…? Ooit gezien…? Precies.

Is het je ooit opgevallen...? Heb je ze ooit... zien...? Nee dat heb je niet gezien.

Heb je ooit gemerkt...? Heb je ze ooit... zien...? Nee dat heb je niet.

, and to keep some mental health warm

en of hij wat van dat mentale welbevinden voor me apart kon houden..., en of ik ’m blij

en om wat geestelijke gezondheid warm te houden ..., en kon ik

en om een geestelijke gezondheid warm te houden..., en zou ikn interesseren...

…, and could I interest him…

kon maken...hem interesseren...

Which I would gladly carry up

Die ik ... graag voor hem zou meebrengen

Wat ik graag voor hem zou doen

Welke zou ik graag naar hem doorzetten

and, by the way, what was the apartment situation up there?

en, tussen twee haakjes, hoe was eigenlijk de situatie op de appartementenmarkt daarboven?

en trouwens, wat was de situatie in het appartement daarboven?

En trouwens, wat was de appartementsituatie daar?*

 

but what could he do?

maar kon hij het helpen?

maar wat kon hij doen?

maar wat kon hij doen?

’cause of me being a friend of the moon.

omdat ik een vriend van de maan enzo was.

omdat ik een vriend van de maan ben.

want ik ben een vriend van de maan.

pretty nice place

behoorlijk aantrekkelijk

een mooie plek een mooie plek

dat ticktacktoe was about as far as they’d got in that direction

dat boter-kaas-en-eieren daar zo’n beetje het dichtst bij in de buurt kwam

dat ticktacktoe ongeveer zo ver was als ze die kant op waren gegaan

dat de tikkapper ongeveer zo ver ging als ze in die richting hadden

it looked to me like he had things

het leek of hij het daarboven allemaal aardig op orde had

dat het er voor mij op leek dat hij de dingen

dat het naar mij leek alsof hij daar behoorlijk goed in de hand 

pretty well in hand up there

daarboven vrij goed in de hand had

Part-time if need be?

Parttime eventueel?

Deeltijd als dat nodig is?

Deeltijd indien nodig?

* Het enige moment waarop een programma ‘ingreep’ in de syntaxis: het maakte van één zin twee zinnen. NB ‘I Wrote a Letter’ én de vier vertalingen zijn hier te lezen

Er is vast van alles af te dingen op mijn keuzes en er zijn ongetwijfeld allerlei mooie alternatieven mogelijk met minder ‘vrijheden’ ten opzichte van de brontekst. Maar dat is hier het punt niet. Als vertaler interpreteerde ik de stijl van de brontekst als een sterk spreektalige, die heen en weer beweegt tussen verontwaardiging en hoop op verlossing. Die interpretatie bood mij ruimte om functioneel afstand te nemen, zonder afstand te doen, van de brontekst: dát is literair vertalen en dát vinden de drie geraadpleegde machines het allermoeilijkst.

Om dit terug te koppelen naar het idee van CARE: de ‘collaboration’ tussen machine en brontekst is uitermate gebrekkig, omdat de machine niet ‘weet’ dat de brontekst een toon hanteert die op een mens een bepaald humoristisch effect heeft: de machine ziet de tekst sec als tekst. ‘Adaptivity’ zie je een klein beetje terug in wat Systran doet als die het niet meer ‘weet’, maar de ‘educated guess’ slaat de plank in geen enkel geval raak. (De uitzondering is ‘gebeld’ voor ‘cabled’ door DeepL, waarin nog een zekere logica is te bespeuren.) ‘Responsibility’ speelt in deze vertaalopdracht nauwelijks (het vertalen van taboewoorden is niet aan de orde, bijvoorbeeld; de machine wordt niet verleid tot onetisch handelen), al zou je het splitsen van die ene lange zin door Systran een vorm van (maar in mijn ogen dan weer misplaatste) ‘responsibilty’ (richting lezer) kunnen noemen. ‘Explanation’ is wellicht een element dat een rol kan spelen bij de verdere ontwikkeling van vertaalmachines die geschikter zijn voor het daadwerkelijk vertalen van literaire teksten. Zo zou een stijlanalyse zoals Voyant Tools die biedt onderdeel van de software kunnen worden. Hoe de ‘vertaalslag’ te maken naar de opdracht dat de vertaling vervolgens rekening houdt met stijl en de daardoor geëffectueerde toon, is mij een raadsel, maar een beetje programmeur vast niet. En het kan natuurlijk zijn dat het zelflerende aspect deze vertaalslag gaandeweg ‘zelf’ oppikt en daardoor steeds beter in staat wordt hoogwaardigere literaire vertalingen af te leveren.

Anno 2020 lijkt de belangrijkste vraag of we vertaaltechnologie als een bedreiging van de menselijke vertaler moeten zien. Ik maakte in dit artikel aanvankelijk het

onderscheid tussen vertaaltechnologie en vertaalgerelateerde technologie, maar ik zou als conclusie willen stellen dat het voorlopig vruchtbaarder is om ook vertaaltechnologie als vertaalgerelateerde technologie te beschouwen. Softwareontwikkelaars lijken nog steeds niet te begrijpen wat literair vertalen inhoudt; vertaalprogramma’s verzamelen op voorgeprogrammeerde wijze data die tot resultaten leiden die tot op zekere hoogte bruikbaar zijn, maar toch vooral mank gaan en waarvan de reparatie veel tijd kost. Evenmin als hard-op-denkprotocollen geeft NMT blijk van inzicht in wat er gebeurt in de ‘little black box’ van het brein van de literair vertaler. Wat NMT wél kan, heeft weinig met literair vertalen te maken. Een literair vertaler Engels-Nederlands12 kan een GT of DeepL-vertaling van een literaire tekst als grofmazig naslagwerk gebruiken en in die zin kan zo’n programma heel misschien een tijdsbesparing opleveren. Machinevertalingen gebruiken als basis voor een middels post-editing tot stand te brengen literair eindproduct, lijkt vooralsnog een u(of dys-)topie.

 

Noten1 Holmes, James. 1988. ‘The Name and Nature of Translation Studies’, in: Translated! Papers on Literary Translation and Translation Studies. Amsterdam: Rodopi, p. 67-80 (72).

2 Egdom, Gys-Walt van,  Henri Bloemen en Winibert Seegers. 2017. ‘Machinevertalingen, singularity en prometeïsche Scham’, in: Filter, 24:2, p. 19-26 (24, mijn cursivering).

3 Zie bijvoorbeeld De Haan, Martin. 2002. ‘De vertaalmachine. Aflevering 1: Laten we de dingen beter maken’, Filter 9, 1, 25-27. 

4 Lisa Horenberg studeerde in 2019 af in de Master Vertalen aan de Universiteit Utrecht met een belangrijke studie naar de toepassing van Sketchengine en Voyant Tools. De twee artikelen die ze in het verlengde hiervan schreef zijn te vinden in de Kennisbank van het ELV.

5 In ‘Vertalen met Googletranslate’ doet Robbert-Jan Henkes een vergelijkbaar onderzoekje met de Engelse vertaling van Reve’s De avonden.

6 Barthelme, Donald. 1980. ‘I Wrote a Letter’, in The Teachings of Don B. Berkeley: Counterpoint, 1992, p. 11-12. Verhaal en de vertalingen zijn na te lezen in dit dossier.

7 (D[raagraket van] M[eervoudige] O[nafhankelijke] R[ichtbare] S[pringkoppen]).

8 Reverso.net laat ik buiten beschouwing; de kracht ervan staat in geen verhouding tot de andere drie programma’s.

9 Systran en DeepL maken gebruik van een menselijke doch nog niet geheel tot volle wasdom gekomen strategie die je ‘educated guessing’ zou kunnen noemen. Bij een onbekend begrip, doet het programma een gokje op grond van in het onbekende begrip aangetroffen mogelijke betekeniselementen. Maar hoe ‘ruimtesluiking’, ‘teruggeschroefd’ en ‘tikkapper’ daaruit voortvloeien, is mij een raadsel.

10 Alsmede ‘Ik zocht naar’ (Systran).

11 Koster, Cees. 2011. ‘Alles verandert altijd (en blijft ook hetzelfde): Vertaling en stijl.’ Filter, 18:4, p. 3-13.

12 Verschillende talenparen leveren ongetwijfeld zeer verschillende resultaten op in NMT-programma’s. Engels is dusdanig dominant en de database van Google is zo enorm, dat er nog wel wat uit te halen valt. Ik waag te betwijfelen of vertalers, ik zeg maar wat, Sloveens-Arabisch, veel zullen hebben aan deze NMT’s.

 

Onno Kosters  is Universitair Docent Engelse letterkunde en Vertalen aan de Universiteit Utrecht. Aandachtsgebieden in onderwijs en onderzoek zijn Engelse en Anglo-Ierse literatuur van 1700-heden en  theorie en praktijk van het (literair) vertalen. Kosters promoveerde in 1999 op het werk van James Joyce (Ending in Progress: Final Sections in James Joyce's Prose Fictions) en publiceerde vertalingen van en studies over onder anderen Joyce, Samuel Beckett, T.S. Eliot, E.E. Cummings,

Seamus Heaney, Weldon Kees, Derek Walcott. Voor zijn vertaling van Samuel Becketts roman Watt (Uitgeverij IJzer, 2006) ontving hij de Filter Vertaalprijs. 

KLASSIEKERS DOOR DE VERTAALMACHINE GEHAALD   24-01-2021Frankensteinmonsters of Treasure Islands?Margot FonteyneRebecca Webster 

Kunnen generieke (d.i. niet-domeinspecificieke) automatische vertaalsystemen zoals Google Translate en DeepL literaire teksten vertalen? Heel wat studies tonen aan dat deze systemen er de laatste jaren enorm op vooruit zijn gegaan. Microsoft kwam zelfs tot het besluit dat hun systeem menselijke vertalers evenaart (Hassan et al. 2018), in elk geval wat betreft het vertalen van zinnen uit Chinese nieuwsberichten naar het Engels. Menselijke beoordelaars gaven namelijk voor de machinevertalingen gelijkaardige scores als voor de menselijke vertalingen. Onderzoek naar de mate waarin zulke systemen er vandaag in slagen om creatievere tekstsoorten zoals literatuur foutloos te vertalen is echter nog schaars. Bovendien hoort een literaire vertaling voor een optimale leeservaring niet alleen foutloos te zijn, maar ook gevarieerd, samenhangend en creatief. De vraag die dan rijst is of de vertalingen van automatische vertaalsystemen deze kenmerken in dezelfde mate bezitten als die van hun menselijke tegenhangers. Vertrekkend vanuit vier Engelstalige literaire werken, waarvan we telkens drie verschillende Nederlandstalige vertalingen (twee machinevertalingen en een menselijke vertaling) hebben verzameld (Webster et al. 2020) willen we in deze bijdrage de sterktes en zwaktes van literaire machinevertalingen bespreken. De literaire teksten zijn alle vier klassiekers: The Memoirs of Sherlock Holmes (1893) en The Sign of the Four (1890) van Sir Arthur Conan Doyle, A Christmas Carol van Charles Dickens (1843) en Sense and Sensibility van Jane Austen (1811). De menselijke vertalingen die we in deze bijdrage bespreken zijn in dezelfde volgorde die van Paul Heijman (2015), Fanneke Cnossen (2014), Else Hoog (2008) en W.A. Dorsman-Vos (1982). De machinevertalingen werden gegenereerd met Google Translate (augustus 2019) en DeepL (oktober 2019).

Hoe langer de zin, des te meer fouten erinOm te beginnen geeft het percentage zinnen met en zonder fouten in de machinevertalingen van de vier werken een idee van de globale kwaliteit van automatisch vertaalde literaire werken. Zowel bij Google Translate als bij zijn grote concurrent DeepL ligt het percentage foutloze zinnen gemiddeld op zo’n twintig procent. Dit percentage wordt wel wat omlaag getrokken door Sense and Sensibility. Deze uitschieter bevat gemiddeld slechts vijf procent volledig correct vertaalde zinnen, terwijl dat percentage bij de andere drie boeken telkens op zo’n 25 procent ligt. Een mogelijke verklaring hiervoor zou het verschil in gemiddelde zinslengte kunnen zijn.

De zinnen in de klassieker van Jane Austen zijn namelijk gemiddeld een derde langer dan de zinnen uit de drie andere boeken en uit statistieken blijkt dat de kans dat een vertaalde zin fouten bevat groter is naarmate de zinslengte toeneemt.

De ene fout is de andere nietNiet alleen door de fouten in de machinevertalingen te tellen, maar ook door ze te categoriseren kun je tot interessante inzichten komen. Er zijn natuurlijk verschillende manieren om machinevertaalfouten in te delen, maar een grof onderscheid kan steeds gemaakt worden tussen fouten die te maken hebben met de accuraatheid van de vertaling en fouten die te maken hebben met vlotheid ervan. Zo is de door Google Translate geproduceerde zin “Ik keek eroverheen,” zei hij.’ vlot Nederlands, maar geen accurate vertaling van het Engelse ‘“I glanced over it,” said he.’ (The Sign of the Four) in de betekenis van het vluchtig doornemen van een boek. Vertaalster Fanneke Cnossen opteerde daarom voor ‘“Dat heb ik een beetje doorgebladerd,” zei hij.’ als vertaling. De door DeepL geproduceerde zin ‘“Niets!” Scrooge antwoordde.’ is dan weer geen vlot Nederlands, maar geeft de inhoud van de Engelse zin ‘“Nothing!” Scrooge replied.’ (A Christmas Carol) wel accuraat weer. Om vlotheidsfouten te ontdekken volstaat het dus om de machinevertaling te lezen, om accuraatheidsfouten te detecteren moet je de vertaling naast het origineel leggen. De fouten kun je vervolgens binnen deze twee grote groepen nog fijnmaziger categoriseren. Zo werden de fouten in de machinevertalingen van de vier literaire werken die we in deze bijdrage bespreken gelabeld volgens een taxonomie met drie niveaus (Tezcan, Hoste en Macken 2017). De eerste vertaling is bijvoorbeeld niet accuraat doordat de vaste woordcombinatie ‘to glance over something’ verkeerd werd vertaald. Het stukje tekst dat de eigenlijke fout bevat kreeg daarom het label ‘accuraatheid → onjuiste vertaling → vaste woordcombinatie’. De tweede vertaling is niet vlot doordat het een in het Nederlands ongrammaticale woordvolgorde bevat. De fout in deze zin werd daarom gelabeld als ‘vlotheid → grammatica & syntax → woordvolgorde’. Om een idee te geven van waar de grootste werkpunten voor automatische vertaalsystemen zich bevinden, zullen we in de volgende alinea’s de drie meest voorkomende fouten in literaire machinevertalingen uitvoerig bespreken.

Pudding opwekken in een garretjeVlotheidsfouten komen zowel in literaire als in andere machinevertalingen iets vaker voor dan accuraatheidsfouten, maar bij de accuraatheidsfouten staat de categorie ‘onjuiste vertalingen’ met stip op één. Deze willen bovendien nog al eens op de lachspieren werken. Een voorbeeld uit de subcategorie verkeerd vertaalde vaste woordcombinaties werd al eerder gegeven, maar er zijn natuurlijk nog andere manieren waarop iets fout vertaald kan zijn. De zin ‘[Hij] wekte de pudding op in zijn garretje’, de door DeepL geproduceerde vertaling van ‘[He] stirred up to-morrow’s pudding in his garret’ (A Christmas Carol), bevat bijvoorbeeld nog twee andere veelvoorkomende soorten onjuiste vertalingen: een in theorie correcte, maar door de

context onmogelijke vertaling van een woord en een vertaling van een woord die inhoudelijk gezien niets te maken heeft met het origineel. Een mogelijke Nederlandse vertaling van ‘to stir up’ is namelijk inderdaad ‘opwekken’, maar dit werkwoord kan in combinatie met pudding enkel in de betekenis van ‘omroeren’ worden gebruikt. DeepL blijkt bovendien de Nederlandse vertaling voor het Engelse ‘garret’ (een zolderkamertje) niet te kennen, maar waagt toch een gokje en creëert zo het in het Nederlands onbestaande woord ‘garretje’. Qua vorm lijkt ‘garretje’ wel nog op het Engelse origineel, maar het is er qua betekenis niet aan gerelateerd. Een ander mooi voorbeeld van hoe beide automatische vertaalsystemen creatief omspringen met voor hen onbekende woorden in de hoop toch nog een correcte vertaling op te kunnen leveren, zijn de machinevertalingen voor ‘superannuated’ in de betekenis van ‘gepensioneerd’ (Sense and Sensibility). DeepL vertaalt dit adjectief als ‘superannuïde’, Google Translate als ‘supergeannuleerd’. Beide vertalingen zijn opnieuw wat hun vorm betreft duidelijk geïnspireerd op het Engelse origineel en zien eruit alsof ze in het woordenboek Van Dale zouden kunnen staan, maar hebben niets te maken met gepensioneerd zijn.

Een verhaallijn vol verrassingenDat een literaire tekst op inhoudelijk vlak goed samenhangt of met andere woorden coherent is, is belangrijk voor een aangename leeservaring. Helaas staan coherentiefouten op nummer twee in de lijst van meest voorkomende soorten machinevertaalfouten in het algemeen en vormen ze de grootste categorie binnen de vlotheidsfouten. Het gros van de coherentiefouten zijn zogenaamde ‘logische problemen’, stukjes tekst die geen steek houden in het licht van de rest van de tekst en daardoor het volgen van de verhaallijn bemoeilijken. Met de zin ‘Scrooge heeft Old Marley’s naam nooit geschilderd.’ (A Christmas Carol) lijkt bijvoorbeeld op het eerste zicht niet echt iets mis (met uitzondering van het onvertaalde ‘Old’ en de apostrof in ‘Marley’s’). Pas als je de rest van de tekst leest wordt het duidelijk dat wat Scrooge doet niet logisch is. De zin wordt namelijk gevolgd door ‘Daar stond het, jaren later, boven de deur van het magazijn: Scrooge en Marley.’ Hoe kan Marleys naam nu boven de deur van het magazijn staan als Scrooge die nooit heeft geschilderd, vraagt de lezer zich vervolgens af. Het Engelstalige origineel brengt duidelijkheid: de vaste woordcombinatie ‘to paint out’ werd niet volledig vertaald. In het Nederlands hoort er dus in plaats van ‘geschilderd’ ‘overschilderd’ te staan. Dat een onjuiste vertaling leidt tot een logisch probleem is geen uitzondering. Deze foutencombinatie is het frequentst van alle mogelijke combinaties van soorten accuraatheids- en vlotheidsfouten. Bovendien zijn automatische vertaalsystemen nog niet in staat voor de vertaling van een bepaalde zin rekening te houden met essentiële informatie uit de rest van de tekst. Automatisch vertalen gebeurt dus steeds op zinsniveau. Hierdoor ontstaan er natuurlijk ook heel wat coherentiefouten over zinnen heen.

   

Stroefheid troefNaast coherentiefouten kan een machinevertaling ook vlotheidsfouten bevatten die weliswaar niet de verhaallijn volledig in de war sturen, maar toch door vreemde stijl- of registerkeuzes de leeservaring grondig verstoren. Zulke fouten vormen de derde grootste foutencategorie. Het overgrote deel van zulke fouten bestaat uit grammaticaal correcte constructies waarbij het wel duidelijk is wat ermee bedoeld wordt, maar die erg stroef klinken en veel idiomatischer hadden kunnen vertaald worden. Als voorbeeld kan de zin ‘“Het gaat goed”, zei hij, uit het raam kijkend en op zijn horloge kijkend.’ dienen. Dit is de Google Translate-vertaling van ‘“We are going well”, said he, looking out the window and glancing at his watch.’ (The Memoirs of Sherlock Holmes). De Nederlandse vertaling geeft de inhoud van het Engelse origineel wel accuraat weer, maar klinkt nogal stroef. Dat komt enerzijds doordat zowel ‘looking’ als ‘glancing’ als ‘kijkend’ werden vertaald en anderzijds doordat onvoltooide deelwoorden in het Nederlands iets minder gebruikelijk zijn dan in het Engels. De vertaling van Paul Heijman klinkt dan ook veel eleganter: ‘“We schieten goed op,” zei hij terwijl hij uit het raam keek en een blik op zijn horloge wierp.’

Toch zo slecht nog niet?Duidelijk is dus dat literaire machinevertalingen op zichzelf nog niet bruikbaar zijn. Nadien moet er nog hevig aan gesleuteld worden, vooral aan lange zinnen. Bovendien moet de gebruiker alert zijn op onjuiste vertalingen, coherentiefouten en vreemde stijl- of registerkeuzes. Maar af en toe kun je ook verrast worden door een erg goed vertaalde zin. Zulke vertalingen worden nog indrukwekkender wanneer je er een vertaling gemaakt door een statistisch machinevertaalsysteem naast legt. Zulke op statistische modellen gebaseerde systemen waren enkele jaren geleden de norm, maar zijn ondertussen ingehaald door neurale machinevertaalsystemen, waarbij gebruik wordt gemaakt van neurale netwerken om vertalingen te genereren. Het verschil in

kwaliteit is opvallend. Neem bijvoorbeeld de volgende zin (The Memoirs of Sherlock Holmes):

His head had been shattered by a savage blow from some heavy weapon, and he was wounded on the thigh, where there was a long, clean cut, inflicted evidently by some very sharp instrument.

Deze zin telt maar liefst 34 woorden en vormt dus een heuse uitdaging voor automatische vertaalsystemen. De statistische Google Translate-vertaling ziet er als volgt uit:

Zijn hoofd werd verbrijzeld door een hardere klap uit van een aantal zware wapen, en hij werd verwond op de dij, waar er was een lange, strak belijnd, kennelijk veroorzaakt door een aantal zeer scherp instrument.

Bovenstaande vertaling bevat enkele fouten, onder meer met betrekking tot de werkwoordstijden (‘werd’ in plaats van ‘was verbrijzeld’), voorzetsels (‘op’ in plaats van ‘aan de dij’), woordvolgorde (‘waar er was’), woordvorm (‘hardere’ in plaats van ‘hard’) en congruentie (‘een aantal zware wapen’ en ‘een aantal zeer scherp instrument’). In ons onderzoek analyseerden we de neurale Google Translate-vertaling, die deze fouten niet bevat en daardoor zo goed als foutloos is:

Zijn hoofd was verbrijzeld door een woeste klap van een zwaar wapen, en hij was gewond aan de dij, waar een lange, zuivere snee was, duidelijk veroorzaakt door een zeer scherp instrument.

Literaire machinevertalingen hebben enerzijds dus nog een lange weg te gaan voordat ze volledig foutloos zullen zijn, maar hebben anderzijds ook al heel wat kilometers afgelegd. Maar zelfs een foutloze machinevertaling is nog niet automatisch een goede vertaling. Voor een aangename leeservaring hoort het taalgebruik in een literaire vertaling lexicaal rijk te zijn, moeten er voldoende cohesieve elementen in de tekst aanwezig zijn en is het noodzakelijk de woordvolgorde uit de brontekst waar nodig aan te passen. Om inzicht te verkrijgen in of en hoe literaire machinevertalingen op vlak van deze tekstuele kenmerken verschillen van menselijke vertalingen, zullen we in de volgende alinea’s met behulp van automatische analyses de verschillende vertalingen vergelijken.

Variatie gaat niet vanzelfDoor het aantal unieke woorden in een tekst te delen door het totaal aantal woorden krijg je zicht op hoe rijk en gevarieerd het taalgebruik in die tekst is. Deze automatisch bepaalde waarde wordt ook wel de type-tokenratio genoemd. Hoe hoger de uitkomst, hoe rijker de woordenschat in een tekst is; hoe lager, hoe armer. Het is niet mogelijk om de type-tokenratio van de Engelse brontekst van elk literair werk te vergelijken met de overeenkomstige Nederlandse vertalingen. Om de ratio te berekenen worden woorden namelijk gedefinieerd als een reeks letters begrensd door spaties. Het Engels en het Nederlands verschillen echter wat betreft hun regels omtrent het aaneen- en losschrijven van samenstellingen, waardoor de type-tokenratio van een Nederlandse tekst vaak hoger is dan dat van het Engelse equivalent. Wel kun je de ratio’s van de drie vertalingen van elk werk naast elkaar leggen. Dan zie je dat de machinevertalingen steeds een lagere ratio hebben dan de menselijke vertaling. Hieruit kunnen we dus concluderen dat de machinevertalingen lexicaal armer zijn dan de menselijke vertalingen. Dat zagen we al in het voorbeeld uit The Memoirs of Sherlock Holmes dat we gebruikten om de stroeve stijl die automatische vertaalsystemen hanteren te illustreren. Daarin werden zowel ‘to look’ als ‘to glance’ als ‘kijken’ vertaald, terwijl er in de menselijke vertaling voor twee verschillende vertalingen werd gekozen (‘kijken’ en ‘een blik werpen op’). Een ander voorbeeld zijn de verschillende vertalingen voor het adjectief ‘sweet’ in Sense and Sensibility, dat twaalf keer voorkomt in de tekst. Google Translate geeft hiervoor vier vertalingen: zes keer ‘lief’, twee keer ‘mooi’, twee keer ‘zoet’ en nog eens twee keer ‘leuk’. DeepL vertaalt het ook op vier manieren: zeven keer als ‘lief’, drie keer als ‘zoet’, een keer als ‘leuk’ en nog een keer als ‘liefs’. Dat is al aardig wat variatie, maar vertaalster W.A. Dorsman-Vos deed het nog veel beter. Zij vertaalde ‘sweet’ maar liefst op negen verschillende manieren. Meestal zijn het zoals in de machinevertalingen vrij letterlijke vertalingen:

ze gebruikte ‘snoezig’, ‘schattig’ en ‘zoet’ telkens twee keer en ‘zacht’, ‘kranig’ en ‘lief’ telkens eenmaal als vertaling. Maar af en toe bleek zo’n letterlijke vertaling van ‘sweet’ onmogelijk en zorgde Dorsman-Vos voor een creatieve oplossing. ‘Sweet disposition’ vertaalde ze bijvoorbeeld als ‘zachtmoedigheid’, ‘my sweet little Annamaria’ als ‘mijn engeltje Annamaria’ en ‘a sweet pretty place’ als ‘een alleraardigste villa’. Google Translate en DeepL zijn niet in staat om dit soort alternatieven te bedenken, waardoor er natuurlijk eenzijdige, niet-idiomatische constructies ontstaan.

   

Ontbrekende schakelsInherent aan een tekst is dat die hints bevat om verbindingen tussen de inhoud van verschillende onderdelen (woorden, zinnen, alinea’s) te kunnen leggen. Voorbeelden van zulke aanwijzingen, die ook wel cohesieve elementen worden genoemd, zijn verbindingswoorden, herhalingen, synoniemen en voornaamwoorden. Al naar gelang de hoeveelheid cohesieve elementen in een tekst spreken we dus van veel of juist weinig cohesie. Onderzoek heeft al aangetoond dat literaire teksten, zowel originele versies als vertalingen, cohesiever zijn dan bijvoorbeeld nieuwsberichten (Voigt en Jurafsky 2012). Cohesie lijkt dus een essentieel kenmerk te zijn van literaire teksten. Een belangrijke vraag is dan of literaire machinevertalingen erin slagen even cohesief te zijn als hun menselijke equivalent. Er bestaan verschillende manieren om cohesie te meten en dus deze vraag te beantwoorden. Rob Voigt en Dan Jurafsky (2012) namen bijvoorbeeld het gemiddeld aantal verwijzingen naar eenzelfde entiteit (een voorwerp, een levend wezen, een abstract concept, ...) in een tekst als maatstaf voor de hoeveelheid cohesie in een tekst. Ze vergeleken dit gemiddelde voor statistische machinevertalingen met dat voor menselijke vertalingen. Het gemiddelde bleek hoger te liggen voor menselijke vertalingen. Statistische machinevertalingen zouden dus

minder cohesie bevatten. Wij besloten cohesie op een andere manier te meten (Tezcan, Daems en Macken 2019), namelijk op basis van overlappingen tussen een zin en de twee zinnen die erop volgen. Een overlapping kan je heel eng of juist heel breed definiëren. Een enge definitie houdt alleen rekening met lexicale overlappingen. Zulke overlappingen ontstaan doordat een zin een inhoudswoord (substantieven, adjectieven, werkwoorden en bijwoorden) bevat dat wordt herhaald (eventueel in een andere woordvorm) in één van de twee opeenvolgende zinnen. In het onderstaande fragment uit de menselijke vertaling van The Sign of the Four overlapt bijvoorbeeld ‘gang’ uit de eerste zin lexicaal met ‘gang’ uit de derde zin en ‘deuren’ uit de tweede zin met ‘deur’ uit de vierde zin.

De derde trap kwam uit op een lange, rechte gang. Aan de rechtermuur hing een prachtig Indiaas wandtapijt en links bevonden zich drie deuren. Holmes liep daar op dezelfde trage, methodisch onderzoekende manier langs, terwijl wij hem op de voet volgden en lange schaduwen in de gang achter ons wierpen. We moesten bij de derde deur zijn.

Bij een brede definitie worden alle woorden die wat betreft hun betekenis aan elkaar verwant zijn als overlappende woorden meegerekend. In dat geval spreken we van semantische overlappingen. Ook synoniemen, bijna-synoniemen (bijvoorbeeld ‘leugen’ en ‘onwaarheid’), cohyponiemen (‘sla’ en ‘wortel’ zijn bijvoorbeeld beide een hyponiem van ‘groente’) of deel-geheelrelaties (bijvoorbeeld ‘neus’ en ‘gezicht’) tellen dus mee. Om dit te verduidelijken volgen opnieuw enkele voorbeelden uit de menselijke vertaling van The Sign of the Four. Een eerste semantische overlapping, hier op basis van cohyponiemen, is terug te vinden in het volgende fragment:

Mijn vader was officier in een Indiaas regiment en stuurde me naar Groot-Brittannië terug toen ik nog heel klein was. Mijn moeder was dood en ik had geen familie in Engeland.

Het woord ‘vader’ uit de eerste zin en het woord ‘moeder’ uit de tweede zin kunnen beide ingedeeld worden onder het hyperoniem ‘ouder’. Er is dus sprake van een semantische overlapping tussen beide woorden. Een tweede voorbeeld van een semantische overlapping, deze keer op basis van synonymie, zit vervat in het volgende citaat:

En ik moet ook bekennen dat ik me stoorde aan zijn zelfingenomenheid; klaarblijkelijk was hij van mening dat elke regel uit mijn boekje vooral aan zijn wapenfeiten gewijd moest zijn. In de jaren dat ik met hem in Baker Street had gewoond, had ik meer dan eens gemerkt dat er achter het kalme en schoolmeesterachtige voorkomen van mijn huisgenoot een zekere ijdelheid schuilging.

‘Zelfingenomenheid’ en ‘ijdelheid’ zijn synoniemen van elkaar en vormen daarom dus ook een semantische overlapping. Zowel wat betreft de lexicale als de semantische overlappingen blijken de menselijke vertalingen steeds erbovenuit te torenen, ongeacht of je nu kijkt naar het totale aantal overlappingen of het aantal zinnen dat minstens een overlapping bevat.

Herschikken hoort erbijTen slotte wijkt een menselijke literaire vertaling regelmatig af van de woordvolgorde in de brontaal, omdat die volgorde in de doeltaal niet idiomatisch of zelfs onmogelijk is. Er wordt dus van een literaire vertaler verwacht ook op syntactisch vlak creatief te zijn tijdens het vertalen. Om na te gaan of automatische vertaalsystemen in dezelfde mate woorden herschikken, berekenden we de kruisingswaarden van zowel de menselijke als de automatische vertalingen. Deze automatisch bepaalde waarde verkrijg je door lijnen te trekken van elk woord in de brontekstzin naar de vertaling van dat woord in de doeltekstzin. Dit proces wordt ook wel aligneren genoemd. Vervolgens tel je het aantal keer dat die lijnen elkaar kruisen bij elkaar op en deel je dat getal door het totale aantal getrokken lijnen (Vanroy, Tezcan en Macken 2019). De voorbeelden hieronder haalden we uit A Christmas Carol. Het voorbeeld links bevat de brontekstzin met de menselijke vertaling, het voorbeeld rechts de brontekstzin met de machinevertaling. In beide gevallen moet je telkens zes lijnen trekken tussen de brontekstzin en de vertaling. In het voorbeeld met de menselijke vertaling links kruisen de lijnen tweemaal, in het voorbeeld met de machinevertaling rechts kruisen ze maar één keer. De kruisingswaarde voor de menselijke vertaling is dus 0,33 en die

voor de machinevertaling 0,17. Hoe hoger deze waarde, hoe meer woorden zijn herschikt in de vertaling; hoe lager, hoe minder herschikkingen.

   

Uit de cijfers blijkt dat de woordvolgorde van machinevertalingen minder afwijkt van de brontekst dan bij menselijke vertalingen het geval is. Automatische vertaalsystemen nemen met andere woorden vaker gewoon de woordvolgorde van de brontekst over. Zoals de voorbeelden aantonen levert die strategie niet altijd de meest elegante vertalingen op. Bovendien zou dit vastklampen aan de woordvolgorde uit de brontekst wel eens een verklaring kunnen zijn voor het hoge aantal vlotheidsfouten dat we al eerder rapporteerden.

De slotsomOnderzoek naar automatische vertalingen stelt vaak de kwaliteit van een machinevertaling gelijk aan het aantal fouten in die vertaling. Zoals gezegd is een goede vertaling foutloos, maar een foutloze vertaling niet per se goed. Een goede vertaling bezit namelijk ook nog andere kenmerken, waaronder een gevarieerde woordenschat, samenhang en een aan de doeltaal aangepaste woordvolgorde. Dit geldt niet in het minst voor literaire vertalingen. Om na te gaan of door generieke, neurale systemen gegenereerde vertalingen menselijke vertalingen op deze vlakken kunnen evenaren, pasten we automatische analyses toe op verschillende Nederlandstalige literaire vertalingen. Die analyses toonden aan dat de machinevertalingen lexicaal armer zijn, minder cohesieve elementen bevatten en dichter bij de woordvolgorde van de brontekst blijven dan de menselijke vertalingen. Ondanks de grote vooruitgang die automatische vertaalsystemen de laatste jaren hebben geboekt, kunnen ze op deze vlakken zeker (nog) niet tippen aan menselijke vertalers. Een belangrijke kanttekening hierbij is dat DeepL en Google Translate generieke machinevertaalsystemen zijn. Het is niet ondenkbaar dat systemen die getraind werden op grote hoeveelheden literair materiaal vertalingen van een betere kwaliteit zouden kunnen genereren. Het verzamelen van grote hoeveelheden literatuur is echter geen gemakkelijke opdracht. Bovendien volstaat een willekeurige verzameling aan literaire teksten waarschijnlijk

niet. Omdat auteurs vaak een unieke stijl hebben, is het goed mogelijk dat automatische vertaalsystemen pas echt nuttig kunnen zijn in het literair vertaalproces wanneer ze getraind werden op grote hoeveelheden tekstmateriaal van de auteur van het te vertalen werk.

 

BibliografieAusten, Jane. 2008. Sense and Sensibility. Urbana, Illinois: Project Gutenberg. Geraadpleegd op 20 augustus 2019 via http://www.gutenberg.org/ebooks/161.

Austen, Jane. 2013. Verstand en onverstand. Vertaling: W.A. Dorsman-Vos. Amsterdam: Meulenhoff Boekerij.

Dickens, Charles. 2004. A Christmas Carol. Urbana, Illinois: Project Gutenberg. Geraadpleegd op 20 augustus 2019 via http://www.gutenberg.org/ebooks/46.

Dickens, Charles. 2008. Een kerstvertelling. Vertaling: Else Hoog. Amsterdam/Antwerpen: Atlas Contact.

Doyle, Arthur C. 1997. The Memoirs of Sherlock Holmes. Urbana, Illinois: Project Gutenberg. Geraadpleegd op 20 augustus 2019 via http://www.gutenberg.org/ebooks/834.

Doyle, Arthur C. 2000. The Sign of the Four. Urbana, Illinois: Project Gutenberg. Geraadpleegd op 20 augustus 2019 via http://www.gutenberg.org/ebooks/2097.

Doyle, Arthur C. 2014. Het teken van vier. Vertaling: Fanneke Cnossen. Amsterdam: Meulenhoff Boekerij.

Doyle, Arthur C. 2015. De memoires van Sherlock Holmes. Vertaling: Paul Heijman. Amsterdam: Meulenhoff Boekerij.

Hassan, Hany, Anthony Aue, Chang Chen et al. 2018. Achieving Human Parity on Automatic Chinese to English News Translation. Geraadpleegd op 19 juni 2020 via https://arxiv.org/pdf/1803.05567.pdf.

Tezcan, Arda, Joke Daems en Lieve Macken. 2019. ‘When a “sport” is a person and other issues for NMT of novels’, in: Proceedings of the Qualities of Literary Machine Translation. Dublin: European Association for Machine Translation, p. 40-49.

Tezcan, Arda, Véronique Hoste en Lieve Macken. 2017. ‘Scate taxonomy and corpus of machine translation errors’, in: Gloria Corpas Pastor en Isabel Durán-Muñoz

(ed.), Trends in E-tools and resources for translators and interpreters.  Leiden/Boston: Brill/Rodopi, p. 219-244.

Vanroy, Bram, Arda Tezcan en Lieve Macken. 2019. ‘Predicting syntactic equivalence between source and target sentences’, Computational Linguistics in the Netherlands Journal 2019, 9, p. 101-116.

Voigt, Rob en Jurafsky, Dan. 2012. ‘Towards a literary machine translation: The role of referential cohesion’, in: Proceedings of the NAACL-HLT 2012 Workshop on Computational Linguistics for Literature. Stroudsburg, Pennsylvania: The Association for Computational Linguistics, p. 18-25.

Webster, Rebecca, Margot Fonteyne, Arda Tezcan, Lieve Macken en Joke Daems. 2020. ‘Gutenberg Goes Neural: Comparing Features of Dutch Human Translations with Raw Neural Machine Translation Outputs in a Corpus of English Literary Classics’, Informatics, 7(3), 32.

 

Margot Fonteyne en Rebecca Webster zijn afgestudeerd in de Taal- en Letterkunde, waarna ze het postgraduaat Computer-Assisted Language Mediation volgden. Momenteel zijn ze beiden verbonden aan het Language and Translation Technology Team (Universiteit Gent), Margot Fonteyne als wetenschappelijk medewerker en Rebecca Webster in het kader van haar onderzoeksstage. Hun onderzoek maakt deel uit van het ArisToCAT-project (Assessing the Comprehensibility of Automatic Translations), waarin dieper wordt ingegaan op het automatisch vertalen van (literaire) teksten.

BLOED, ZWEET, TRANEN EN... CAT?   24-01-2021Lisa Horenberg 

Er wordt wel eens gezegd dat een literaire vertaling de vertaler bloed, zweet en tranen heeft gekost. Een charmant gezegde om een grote inspanning te beschrijven. Er mag echter niet vergeten worden dat aan die ene inspanning vaak jarenlange opleiding en ervaring is voorafgegaan, en dat een vertaler vaak diepgravend onderzoek heeft gedaan om de brontekst te doorgronden en de vertaling daar zo goed mogelijk op aan te laten sluiten.  

Een vertaler moet dan ook een groot analytisch vermogen en een behoorlijke dosis doorzettingskracht bezitten, en raadpleegt tijdens het vertalen een scala aan naslagwerken en hulpmiddelen, waaronder (al dan niet digitale) woordenboeken, een computer met een tekstverwerkingsprogramma, en – niet te vergeten – het wereldwijde web (e.g. Pym 2011: 4). Bovendien bestaat er tegenwoordig een arsenaal aan specialistische software die vertalers kan ondersteunen. Opvallend genoeg wordt die vertaalsoftware met name in de literaire vertaalwereld relatief maar weinig ingezet, hoewel Computer-Assisted Translation (CAT) tools niet meer uit het niet-literaire vertaalveld weg te denken zijn. 

Met dank aan mijn werkervaring in die niet-literaire vertaalwereld heb ik veel verschillende vertaaltools leren kennen en heb ik de voor- en nadelen van het gebruik ervan ervaren. Naar aanleiding hiervan heb ik mij verdiept in het gebruik van vertaaltechnologie in literaire context. In het kader van mijn masterscriptie (Horenberg 2019) heb ik uiteindelijk onderzoek gedaan naar de toepassing van drie verschillende tools in het literaire vertaalproces. 

Een van mijn opvallendste bevindingen is de inzichtelijke manier waarop één van die tools bij het uitvoeren van een brontekstanalyse informatie over de betreffende brontekst weergeeft. Het gaat om Voyant Tools – kinderlijk eenvoudig te gebruiken en ook nog eens gratis toegankelijk. In dit artikel bespreek ik de achtergrond van mijn onderzoek naar Voyant Tools, de literaire toepassing van het programma en de voordelen die hieruit voortkomen. 

CAT vs. MTDe vertaalmachine is waarschijnlijk de meest algemeen bekende soort vertaaltechnologie, vermoedelijk vanwege de brede inzetbaarheid van openbare en, niet onbelangrijk, grotendeels gratis toegankelijke vertaalmachines zoals Google of DeepL. Binnen de vertaalwetenschap wordt naar machinevertaling (Machine Translation; MT) verreweg het meeste onderzoek gedaan en volgen ontwikkelingen

elkaar snel op. In 2015 betoogden Antonio Toral en Andy Way bijvoorbeeld nog dat onderzoek naar zogenoemde Statistical Machine Translation (SMT) ook binnen het literaire vertaalveld relevant is (241). Inmiddels is SMT alweer uit de tijd en is Neural Machine Translation (NMT) de nieuwe norm. 

Of verregaande automatisering met behulp van NMT voor het literair vertalen een positieve of gewenste ontwikkeling is, wil ik hier niet zozeer ter discussie stellen. Wel is het relevant om, zonder een waardeoordeel te vellen over MT, kritisch te kijken naar wat er onder verschillende soorten vertaaltechnologie wordt verstaan. CAT wordt namelijk vaak gebruikt als overkoepelende term voor alle soorten vertaalgerelateerde technologie, inclusief MT, maar gezien de opmars van NMT is het tijd om deze categorisering te herzien.

De generalisatie van CAT is om twee redenen problematisch. Allereerst valt in bepaalde situaties wanneer MT wordt ingezet het ondersteunende (‘assisted’) aspect van CAT weg, waardoor vertaalmachines niet langer onder CAT kunnen worden geschaard; met MT worden steeds vaker vertalingen geproduceerd die functioneel zijn of goed genoeg worden bevonden voor de doelpublicatie, waardoor vertaalmachines zuiver genomen als een afzonderlijke categorie binnen vertaaltechnologie zouden moeten worden gezien. Ten tweede bestaan er nieuwe technologieën die op het vertaalproces kunnen worden toegepast, maar die vanwege de oververtegenwoordiging van vertaalmachines binnen de vertaalwetenschap relatief weinig aan bod komen. Deze nieuwe technologieën kunnen daadwerkelijk ondersteuning bieden tijdens het vertaalproces zonder het volledig te automatiseren.

Door CAT en MT als twee verschillende categorieën binnen vertaaltechnologie te beschouwen, ontstaat er ruimte om andere technologieën dan MT te onderzoeken en die als ‘CAT-tools’ in te zetten, naast traditionele CAT-tools die veelal op basis van segmentatie en vertaalgeheugens werken. Zo past Roy Youdale met behulp van diverse tools close and distant reading toe op literaire werken om op die manier de stijl van zowel de brontekst als de vertaling te analyseren en op basis daarvan de vertaling te evalueren (2019). Deze vernieuwende toepassingen van vertaaltools zijn een bron van inspiratie geweest voor mijn eigen onderzoek. 

Een aspect om rekening mee te houden bij het implementeren van CAT in het literair vertalen is de vaak negatieve sfeer rondom het onderwerp technologie en literair vertalen (zie de bijdrage van Daems in dit dossier). Dat vertaalmachines worden gezien als een bedreiging voor het vak, is logisch: hoe beter de machine, hoe minder werk voor (en/of: hoe minder leuk het werk van) de vertaler. Een belangrijke kanttekening hierbij is het feit dat de inzet van vertaalmachines erg invasief kan zijn. Des te meer reden om technologieën te introduceren die minder bedreigend of ingrijpend zijn en die literair vertalers toch kunnen ondersteunen bij hun werkzaamheden.

CasusonderzoekGeïnspireerd door het werk van Youdale in het bijzonder heb ik aan de hand van een casus drie CAT-tools bestudeerd. De casus, die ook in dit artikel ter illustratie wordt gebruikt, is het korte verhaal ‘Mr Loveday’s Little Outing’ van Evelyn Waugh (1903-1966) uit 1936.

Ik heb Waughs tekst eerst zonder vertaaltechnische ondersteuning geanalyseerd en vertaald. Dit wil zeggen: met een brontekst zowel geprint als digitaal beschikbaar, MS Word als tekstverwerkingsprogramma en (online) woordenboeken en naslagwerken bij de hand. Vervolgens heb ik diezelfde brontekst digitaal geanalyseerd met behulp van Voyant Tools en Sketch Engine. Hoewel ik zelf op dit punt van het onderzoek natuurlijk al bekend was met de tekst, heb ik mij hier zo weinig mogelijk door laten beïnvloeden; ik heb mij laten leiden door de resultaten die beide tools verzamelden, op basis waarvan ik twee afzonderlijke analyses heb opgesteld. Vervolgens heb ik de tekst hervertaald met behulp van een bestaande vertaling1 in een vertaalgeheugen in de traditionele CAT-tool SDL Trados Studio. Om de processen zo objectief mogelijk te kunnen vergelijken zaten er een aantal weken tussen het opstellen van mijn eerste en tweede vertaling. 

Voyant ToolsZoals reeds aangegeven, is met name Voyant Tools erg nuttig gebleken. Voyant Tools is een online2 gratis toegankelijk programma waarin een corpus bestaande uit een of meerdere documenten kan worden geanalyseerd. De analyse bevat vooral kwantitatieve informatie over lexicale elementen, zoals herhaalde woorden en woordcombinaties. Op basis van die informatie worden automatisch in verschillende visuele weergaven (‘views’) diagrammen, tabellen en andere figuren opgesteld, met behulp waarvan de gebruiker eventuele patronen in het corpus snel kan herkennen.

Gebruikers kunnen zelf een of meerdere teksten uploaden om een corpus te creëren, of een van de twee standaardcorpora kiezen die het programma aanbiedt: de toneelstukken van Shakespeare en de romans van Austen. Op basis van het

geselecteerde corpus wordt in Voyant Tools een standaardoverzicht met vijf frames getoond (zie afbeelding 1). In elk frame kunnen verschillende views worden geselecteerd die ieder op een eigen manier informatie over de woorden en woordcombinaties in de tekst weergeven. De views in dit standaardoverzicht staan met elkaar in verband; wanneer in de ene view een woord wordt geselecteerd, worden ook in andere views resultaten met betrekking tot dat woord getoond. Hieronder worden enkele views uitgelicht. 

 

Afbeelding 1. Standaardoverzicht Voyant Tools

Op basis van de frequenties van individuele woorden bevat het standaardoverzicht onder andere de views ‘Cirrus’, ‘Terms’ en ‘Phrases’. De eerste twee geven beide inzicht in de veelvoorkomende woorden uit het corpus. ‘Terms’ is een simpele tabel, ‘Cirrus’ een kleurrijke woordwolk waarin de woorden die het vaakst voorkomen in verschillende groottes worden getoond. Hierbij geldt: hoe groter de frequentie, hoe groter het woord. Zo ziet de gebruiker in één oogopslag welke woorden kwantitatief gezien de kern van het totale corpus vormen. ‘Terms’ vormt een prettige aanvulling waarmee absolute frequenties kunnen worden vergeleken. De tabel ‘Phrases’, tot slot, geeft een overzicht van alle woordcombinaties (collocaties, bestaande uit twee of meer woorden) die in het corpus minimaal twee keer voorkomen.

Een andere view die bijzonder nuttig kan zijn bij het analyseren van de woordfrequenties is ‘Trends’. ‘Trends’ bevat een diagram waarin standaard de vijf meest frequente woorden worden weergegeven, op zo’n manier dat de gebruiker eenvoudig inzicht krijgt in de distributie van deze woorden in de tekst. De tekst wordt hierbij opgedeeld in tien even grote segmenten (weergegeven op de x-as, met de relatieve frequentie op de y-as). Eventuele patronen kunnen zo gemakkelijk herkend worden.

Verder zijn er nog enkele views die meer algemene informatie over het corpus geven of ter ondersteuning van andere views nuttig zijn. Zo geeft ‘Summary’ algemene informatie over het corpus weer, waaronder het aantal documenten, het totale aantal woorden en het aantal unieke woorden en de gemiddelde zinslengte. In ‘Reader’ worden de volledige tekst(en) uit het corpus getoond en wordt bovendien weergegeven wáár een bepaalde selectie woorden of woordcombinaties voorkomt. Verder kan in ‘Contexts’ de precieze context van een geselecteerd woord of een woordcombinatie bekeken en vergeleken worden; ‘Context’ geeft in een tabel de tekstdelen weer die aan de geselecteerde woorden voorafgaan en erop volgen.

Naast bovengenoemde views bevat het standaardoverzicht andere views en zijn er nog veel meer visualisaties aan het overzicht toe te voegen of in een ander scherm te gebruiken. Deze extra opties zijn echter ietwat verborgen in het algemene menu. Vergeleken met de zojuist geïntroduceerde views zijn ze minder eenvoudig te gebruiken en te analyseren. Omwille van de omvang van dit artikel zullen deze overige views hier verder buiten beschouwing worden gelaten.

Voor ik overga tot de resultaten van mijn onderzoek is het belangrijk om twee andere details toe te lichten. Ten eerste worden in Voyant Tools alle woorden in zekere mate gestandaardiseerd doordat kapitalen in het corpus worden genegeerd. Daarnaast wordt een zogenoemde ‘stoplist’ gebruikt. Dit is een lijst met woorden die worden uitgesloten van de resultaten. Deze lijst is per taal verschillend en kan bewerkt of volledig gedeactiveerd worden. Bij Engelstalige teksten wordt bijvoorbeeld standaard een selectie functiewoorden buiten beschouwing gelaten. Het kan soms nuttig zijn om de stoplist te deactiveren, omdat de aan- of afwezigheid van bepaalde functiewoorden juist een bepaalde stijl kan karakteriseren.

Literaire toepassing Voyant ToolsDe indeling van het standaardoverzicht en de kleurrijke, interactieve diagrammen in de verschillende views nodigen de vertaler uit om bepaalde informatie te selecteren en op die manier specifieke resultaten te bestuderen. Hierdoor is Voyant Tools erg intuïtief in gebruik. Het feit dat de tool zelf geen complexe geautomatiseerde analyses uitvoert, is in het kader van literair vertalen een van de grote voordelen van Voyant Tools: het programma fungeert overduidelijk enkel en alleen als tool om de gebruiker in staat te stellen bepaalde conclusies te trekken. 

Uit het casusonderzoek zijn verrassend snel nuttige resultaten voortgekomen. Een van de voornaamste is het feit dat de plotwending in het verhaal duidelijk zichtbaar is in Voyant Tools’ ‘Trends’-view. Die plotwending vindt plaats tegen het eind van de tekst, wanneer blijkt dat de op het eerste gezicht betrouwbare bijfiguur Mr Loveday voor de tweede keer een misdrijf heeft gepleegd. De focus van het verhaal verschuift vlak voor deze plottwist van Angela, die heeft gepleit voor Lovedays vrijlating uit de inrichting waarin hij na zijn eerste misdrijf was opgenomen, naar Loveday. Door de

frequentie van de namen van personages in even grote tekstdelen te analyseren (wat Voyant Tools voor dit corpus automatisch doet, maar ook handmatig zou kunnen worden gedaan), is met behulp van ‘Trends’ te zien dat ‘loveday’ aan het eind van de tekst vaker voorkomt dan ‘angela’ en ‘moping’ (zie afbeelding 2). Hiermee worden de verhoudingen tussen de frequenties van deze namen in het begin en het midden van de tekst gecontrasteerd en is de verschuiving duidelijk zichtbaar. Met deze informatie kan de vertaler tijdens het verdere vertaalproces naar eigen inzicht rekening houden.

 

Afbeelding 2. Trends (‘angela’, ‘loveday’, ‘moping’)

Hoewel zo’n verschuiving niet per definitie een plotwending aan hoeft te duiden, kunnen dergelijke uitkomsten vertalers wel bewust maken van stilistische elementen in de tekst. Op een vergelijkbare manier kan de vertaler ook bepaalde patronen ontdekken die relevant kunnen zijn voor het vertaalproces. In het geval van het casusonderzoek verwijst één van die patronen bijvoorbeeld naar een thema. Op basis van de meest frequente individuele woorden valt op dat met name ‘time’ en ‘day’, maar ook ‘little’ vaak voorkomen. Uit nader onderzoek blijkt dat de herhaling van ‘little’ een stilistisch kenmerk is dat in verschillende contexten wordt toegepast, terwijl de tijdsaanduidingen ‘time’ en ‘day’ telkens verwijzen naar de rol van tijd en het verstrijken hiervan, wat in dit verhaal een belangrijk thema is.

Net als deze frequente individuele woorden, kunnen ook herhaalde woordcombinaties kenmerkend zijn voor de tekst. De langste herhaalde woordcombinaties die in deze casus voorkomen bevatten vier woorden en komen twee keer voor. Er zijn ook woordcombinaties die uit minder woorden bestaan, maar die vaker voorkomen. Door frequent voorkomende woorden of woordcombinaties te selecteren wordt in verschillende views zichtbaar hoe de verschillende deze woordcombinaties zijn verdeeld over de tekst. In deze casus blijkt dat met name de langere gelijke woordcombinaties elkaar relatief snel opvolgen. Kortere woordcombinaties of individuele woorden die relatief veel herhaald worden, worden op uiteenlopende plaatsen in de tekst gebruikt.

In dit geval is gebleken dat herhalingen, met name bovengenoemde individuele woorden en een aantal terugkerende uitspraken van Loveday, waar mogelijk in de vertaling behouden dienen te worden en dus zo consistent mogelijk moeten worden vertaald. Die herhalingen kunnen namelijk worden gezien als voorbodes van de plotwending: Loveday herhaalt zichzelf door een misdrijf te plegen dat vergelijkbaar is met dat waarvoor hij in een inrichting zit. Hoewel in deze casus de herhalingen ook zonder digitale brontekstanalyse eenvoudig te herkennen en behouden zijn, doordat ze elkaar snel opvolgen, kan het vooral wanneer herhalingen verspreid zijn over de tekst erg nuttig zijn om die vroeg in het vertaalproces te herkennen.

Een ander stilistisch aspect dat uit de analyse naar voren is gekomen, is de manier waarop dialogen de ontwikkeling van Loveday in het verhaal spiegelen. Dit aspect komt voort uit nader onderzoek naar de distributie en context van de frequente termen ‘you’, ‘i’ en ‘said’. De plekken waar ‘said’ veel voorkomt, wijzen in dit geval de dialogen aan, die goed te herkennen zijn in de views die de distributie van de term in de tekst weergeven. Door de gegevens van ‘said’ naast die van ‘i’ en ‘you’ te leggen en een overzicht te genereren van de context van die woorden, wordt duidelijk dat Loveday in het begin van de tekst nauwelijks over zichzelf praat, wat later in de tekst meer en meer het geval is. Zijn aanwezigheid groeit naarmate het verhaal vordert, wat ook te zien is in de distributie van zijn naam, zoals besproken in het kader van de plotwending. 

Eventuele onregelmatigheden en/of patronen (zoals Lovedays herhalingen, de verwijzingen naar tijd of de plotwending) tijdig herkennen kan erg nuttig zijn wanneer teksten bijvoorbeeld onder grote tijdsdruk worden vertaald. Hoewel een vertaler natuurlijk idealiter de volledige tekst leest alvorens aan het vertalen te slaan, kan een digitale tekstanalyse uitkomst bieden wanneer dit om wat voor reden dan ook niet mogelijk is. Ook wanneer de vertaler de tekst wel in zijn volledigheid kan bestuderen en analyseren, kan een digitale tekstanalyse de vertaler ondersteunen en een meer objectieve blik op de tekst afdwingen. Zo kunnen bevindingen van de vertaler worden bevestigd en worden mogelijk nieuwe tekstuele kenmerken ontdekt. Uiteraard blijft

het aan de vertaler om te bepalen of, en zo ja welk effect de resultaten van de digitale analyse op het vertaalproces en/of de vertaling hebben. 

De analyse die Voyant Tools primair op lexicaal niveau uitvoert vormt de basis voor al deze bevindingen. Hoewel voor een grondige (bron)tekstanalyse natuurlijk veel meer aspecten van de tekst meegewogen moeten worden, bieden de data die in Voyant Tools worden verzameld verrassende handvatten om een grondigere analyse uit te voeren; in het geval van deze casus is gebleken dat de resultaten in Voyant Tools telkens slechts een topje van de ijsberg laten zien en daarmee de vertaler in gelegenheid stellen om met een bepaald perspectief gedetailleerder naar een specifiek thema, patroon of andere tekstuele eigenschap te kijken. 

Hoewel dit perspectief natuurlijk niet nieuw of verrassend hoeft te zijn (omdat het goed mogelijk is dat een vertaler bepaalde aspecten van de tekst al in het vizier had), helpt Voyant Tools de vertaler objectiever naar een tekst te kijken. Op basis van de resultaten van Voyant Tools kunnen daardoor nieuwe stilistische aspecten worden geïdentificeerd of bestaande interpretaties van de tekst worden bevestigd.

ConclusieIn al zijn eenvoud is Voyant Tools een verrassend nuttig programma gebleken, zelfs bij het analyseren van een korte tekst zoals in deze casus. Het programma stelt de gebruiker in staat om met een objectieve blik kwantificeerbare stilistische elementen te identificeren, waarvan grotere en complexere corpora er naar verwachting meer bevatten. Hoewel Voyant Tools niet als vertaaltool is bedoeld, kan het vertalers zeker helpen om bewustere keuzes te maken. Het is dan ook de gebruiker die de tool vertaalrelevant maakt door de resultaten te interpreteren en te bepalen hoe die het verdere vertaalproces beïnvloeden.

Ook bij de volgende stappen in het vertaalproces is het mogelijk om Voyant Tools in te zetten, eventueel in combinatie met andere CAT-tools. Het implementeren van technologie in de rest van het proces kan echter vele malen ingrijpender zijn dan de toepassing van Voyant Tools is bij het analyseren van de tekst.

Het grote voordeel van Voyant Tools ten opzichte van andere tools, waarvan sommige complexere analyses kunnen uitvoeren of meer aan persoonlijke voorkeur kunnen worden aangepast, is de manier waarop resultaten gevisualiseerd worden en de minimale investering die de toepassing van het programma vergt. Vergeleken met andere, meer gespecialiseerde tools springt Voyant Tools eruit als het gaat om de presentatie van de resultaten. Door de verschillende grafieken en het feit dat het gros van die grafieken in één overzicht wordt (of kan worden) geanalyseerd, kan op een efficiënte manier worden bepaald welke resultaten relevant zijn voor de gebruiker.

Vooral door deze laagdrempeligheid is Voyant Tools goed geschikt voor literair vertalers, ongeacht ervaring of technische onderlegging. Ook al wordt het vak van literair vertalers vaak gezien als een ambacht waar enkel bloed, zweet en tranen mee gemoeid zijn, ben ik ervan overtuigd dat ook literair vertalers in zekere mate baat kunnen hebben bij CAT-tools.

 

Noten1 De gebruikte bestaande vertaling is die van R. Meijer, getiteld ‘Het uitje van de heer Loveday’ (Loeb, 1982).

2 https://voyant-tools.org/

 

Bibliografie    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.

Youdale, Roy. 2019. Using Computers in the Translation of Literary Style: Challenges and Opportunities. Abingdon and New-York: Routledge.

Pym, Anthony. 2011. ‘What Technology Does to Translating’, Translation & Interpreting 3:1, p. 1-9.

Sinclair, Stéfan and Geoffrey Rockwell, 2016. Voyant Tools. Web. http://voyant-tools.org.

Toral, Antonio and Andy Way. 2015. ‘Machine-Assisted Translation of Literary Text: A Case Study’, Translation Spaces 4:2, p. 240-267. 

Waugh, Evelyn. 1951. ‘Mr Loveday’s Little Outing’, in: Work Suspended and Other Stories. London: Penguin, p. 7-14.

 

 

Lisa Horenberg  (1994) studeerde Engelse taal en cultuur en is in de zomer van 2019 afgestudeerd van de master Vertalen (literaire track) aan Universiteit Utrecht. Sinds begin 2018 is zij als client manager werkzaam bij een vertaalbureau, waar zij zich tevens bezighoudt met kwaliteitsmanagement, en de inzet van tools en innovatieve

technologieën. De combinatie van een literaire opleiding en niet-literaire praktijkervaring heeft ertoe geleid dat ze voor haar masterscriptie onderzoek deed naar de mogelijke voordelen van Computer-Assisted Translation (CAT) tools voor literair vertalers.

EEN TWEEDE LEVEN VOOR VERTALINGEN   24-01-2021Over de ontwikkeling en het gebruik van literaire vertaalgeheugensChris BakkerPauline de Bok 

Probeer af en toe de tijd te nemen om een vertaling van een gerenommeerde collega met het origineel te vergelijken. Dat kan bijzonder leerzaam zijn. (Bergsma 2017)

Al decennia wordt er in de wereld van het literair vertalen gebruikgemaakt van een bont arsenaal aan digitale en niet-digitale hulpmiddelen: woordenboeken, internet, Linguee, Glosbe, DeepL, Het juiste woord et cetera. Waar echter in de vertaalpraktijk vreemd genoeg nauwelijks een beroep op wordt gedaan, is het werk van collega-vertalers. Dat betekent dat de kennis, kunde, inventiviteit en creativiteit die zich in de loop van de tijd in talloze literaire vertalingen heeft opgestapeld, zo goed als onzichtbaar en onbenut blijft en dat zelfs alom als voorbeeldig beschouwde vertalingen niet de aandacht krijgen die ze als cultureel erfgoed of als bron van informatie en inspiratie verdienen. Sterker nog: dat zulke vertalingen nauwelijks als zodanig ervaren worden.

Dat vertalingen veelal onzichtbaar en onbenut blijven komt ongetwijfeld mede doordat zowel vertalingen als originelen vaak alleen in gedrukte vorm beschikbaar zijn. Je kunt ze wel naast elkaar leggen en zin voor zin vergelijken, zoals Bergsma in bovenstaand citaat aanbeveelt, maar daarmee zijn de mogelijkheden wel ongeveer uitgeput. En zelfs als teksten gedigitaliseerd zijn, bevrijd uit de kluisters van het gedrukte boek, is de situatie niet veel beter, want dan ontbreken nog altijd de faciliteiten om de bron- en doelteksten op een voor de vertaler bruikbare wijze simultaan te kunnen doorzoeken.

Deze onbevredigende situatie in ogenschouw nemend vatten wij enige tijd geleden het plan op een pilotstudie op te zetten om op kleine schaal en met steun van Stichting Lira Fonds en de Stichting VertaalVerhaal1 te verkennen wat erbij komt kijken om een reeks bestaande vertalingen samen te brengen in een digitaal vertaalgeheugen2 en welke mogelijkheden dat vertaalgeheugen vervolgens biedt als we het online doorzoekbaar maken met Sketch Engine, een krachtig en in de taalwetenschap veelgebruikt zoekprogramma. De pilotstudie speelde zich af in de besloten academische omgeving van het Huygens ING. Daarmee konden we copyright-problemen in deze fase uit de weg gaan, aansluiting vinden bij lopend onderzoek en alvast rekening houden met eventuele inbedding in de digitale infrastructuur voor de geesteswetenschappen die sinds begin 2019 wordt gebouwd.3

Wat de terminologie betreft zij opgemerkt dat de term ‘collectief vertaalgeheugen’ (CV) is gekozen om tot uitdrukking te brengen dat het gaat om wat de vertalersgemeenschap gezamenlijk tot stand heeft gebracht en wat daarmee een wezenlijk onderdeel vormt van het collectieve geheugen van deze gemeenschap. Daarnaast zijn er vertaalgeheugens die voor een specifieke toepassing ontwikkeld worden, bijvoorbeeld een vertaalgeheugen dat de bestaande vertalingen van het te vertalen boek of van het werk van een auteur omvat.

Ontwikkeling van vertaalgeheugensOmdat we zo goed mogelijk wilden aansluiten bij onze werkzaamheden van dat moment – we vertaalden de roman Holzfällen van de Oostenrijkse schrijver Thomas Bernhard – begonnen we met een Holzfällencorpus, een vertaalgeheugen dat de Engelse, Amerikaanse, Franse en Italiaanse vertaling van deze roman omvatte. Daarna creëerden we een Thomas Bernhardcorpus, een vertaalgeheugen met alle tot 2020 in het Nederlands vertaalde prozawerken van deze auteur. Vervolgens construeerden we een klein collectief vertaalgeheugen Duits, een vertaalgeheugen dat op termijn een afspiegeling van de Duitse literatuur moet gaan vormen. Het huidige CV-Duits omvat 31 titels van na 1900 en maakte de verzameling vertaalgeheugens om in onze eigen vertaalpraktijk op bruikbaarheid te testen compleet. Ten slotte voegden we aan deze drie Duitstalige vertaalgeheugens nog een kleinschalig collectief vertaalgeheugen Engelstalige literatuur toe, omdat we hoopten in de toekomst een grotere groep vertalers te bereiken en tot participatie en meedenken aan te zetten. Het CV-Engels bestaat uit 26 titels uit de Engelstalige literatuur van na 1900. Alle in de vier vertaalgeheugens opgenomen titels staan inclusief schrijver en vertaler in een lijst aan het eind van dit artikel.

Uitdrukkelijk zij vermeld dat het CV-Duits en het CV-Engels geen representatieve steekproef vormen van de totale vertaalde Duitstalige en Engelstalige literatuur uit de beschouwde periode en ook geen selectie op basis van vertaalkwaliteit. Wel hebben we geprobeerd om zoveel mogelijk verschillende vertalers op te nemen. Uit praktische overwegingen hebben we boeken van meer dan vierhonderd pagina’s meestal buiten beschouwing gelaten. Tevens werden, wederom uit praktische overwegingen, bij voorkeur originelen en vertalingen opgenomen die als Word-document aangeleverd konden worden of die als e-book beschikbaar waren.

Om de originelen en vertalingen in een vertaalgeheugen samen te brengen en online toegankelijk te maken met de zoekmachine Sketch Engine gingen we te werk als weergegeven in het schema in afbeelding 1. Links staan de activiteiten van de samensteller/beheerder (wíj in dit geval), rechts die van de gebruiker. De bron- en doelteksten werden gescand, tenzij ze al als e-book, Word- of pdf-document beschikbaar waren, en naar Word geconverteerd en gestandaardiseerd wat lay-out betreft. Vervolgens werden deze teksten op zinsniveau uitgelijnd, gelabeld met meta-

data (auteur, titel, jaar, vertaler et cetera) en geüpload naar Sketch Engine in de map van het betreffende vertaalgeheugen.

Daarmee is dat vertaalgeheugen online toegankelijk voor iedereen die inlogt op Sketch Engine en door de samensteller/beheerder gemachtigd is om het te gebruiken. De gebruiker beschikt nu over alle faciliteiten van Sketch Engine om in het vertaalgeheugen te zoeken, resultaten weer te geven en op te slaan. Ook kan hij een zoekopdracht op basis van de meta-data beperken tot een deel van het vertaalgeheugen en bijvoorbeeld selecteren op periode, auteur, vertaler et cetera. Hij kan eenvoudige zoekopdrachten (‘simple search’) geven, ongeveer zoals op internet, met de bekende wildcards, een sterretje voor een willekeurig aantal karakters en een vraagteken voor een afzonderlijk karakter, maar hij kan ook logische operatoren, regular expressions en de corpus query language (CQL) gebruiken. (4)

 

Afbeelding 1. Schematische weergave van de samenstelling en het beheer (links) en van het gebruik (rechts) van de verschillende

vertaalgeheugens (midden)

Zoeken met Sketch EngineZodra een vertaalgeheugen op de beschreven wijze in Sketch Engine is ingevoerd, kan iedereen die daartoe gemachtigd is de teksten online raadplegen en op allerlei manieren doorzoeken en analyseren. We demonstreren hier de eenvoudigste analysetools en zoekopdrachten voor de verschillende vertaalgeheugens aan de hand van voorbeelden.

Voorbeeld 1: Sketch Engine kan worden gebruikt om de te vertalen tekst, in ons geval Holzfällen, te analyseren. Zo kunnen we met de functie ‘Keywords’ kernwoorden opsporen en met de functie ‘Concordance’ hun context bestuderen. Zo’n kernwoord in Holzfällen is ‘sogenannt’. Het komt 102 keer voor en uit de context

blijkt dat de auteur de term steeds gebruikt om aan te geven dat iets zo genoemd wordt, maar dat de verantwoordelijkheid daarvoor niet bij hem ligt. Hieronder drie van de 102 zinsfragmenten waarin het lemma ‘sogenannt’ voorkomt, in de zogenaamde KWIC-weergave (‘keyword-in-context’). Vanwege de duidelijke functie van ‘sogenannt’ hebben wij ervoor gekozen het consequent met ‘zogenaamd’ te vertalen en het woord elders in de vertaling niet te gebruiken.

Zu einem Nachtmahl einzuladen, zu einem sogenannten künstlerischen Abendessen, dachte ich auf demDeutlichkeit sehe, daß der Auersberger in der sogenannten Webern-Nachfolge ein lächerlicher Mensch istohne die sie nicht existieren können, immer die sogenannte bessere Gesellschaft, weil es zur besten nie

Voorbeeld 2: Thomas Bernhard is bekend om zijn Wortschöpfungen, woorden van eigen makelij waarmee hij op vaak relativerende of humoristische wijze samenbalt wat er daarvoor aan de orde is geweest. Sketch Engine spoort dit soort woorden op door woorden te zoeken die maar één keer in Holzfällen voorkomen (‘hapax legomena’) of door woorden te zoeken die wel in Holzfällen voorkomen maar niet in andere teksten, of niet bij andere auteurs of, zoals bij de hieronder weergegeven selectie van tien woorden, in het binnen Sketch Engine beschikbare referentiecorpus German Web 2013, dat ruim 16 miljard woorden omvat:

Augenblicksphilosoph, Großstadtmorast, Hemingwayähnlichkeit, Landadelssprosse, Namenskastrierung, Plattenseefogosch, Staatsopernhaß, Staatspfründnerin, Trauerkörperhaltung, Talentzertrümmerungsanstalt.

Het is voor een vertaler altijd aanlokkelijk dergelijke informatie te hebben, het geeft zicht op iconische woorden, uitdrukkingen of andere taalelementen in een tekst. Sketch Engine biedt wat dat betreft legio mogelijkheden. Zo kan bijvoorbeeld ook op woordsoorten of combinaties van woordsoorten worden gezocht of een overzicht van realia worden geproduceerd.

Voorbeeld 3: Soms is het voor het begrip van een fragment verhelderend om de Engelse, Amerikaanse, Franse en Italiaanse vertalingen van Holzfällen in het Holzfällencorpus te raadplegen. Soms is het, met name als je zelf denkt een goede oplossing gevonden te hebben, gewoon interessant of goed voor het zelfvertrouwen om te zien wat andere vertalers ervan gemaakt hebben. Zo heeft in het onderstaande voorbeeld alleen de laatste vertaler begrepen dat het bij ‘Grafen’ niet, zoals bij ‘Webern’, om een componist gaat, maar om ‘graven’, adellijke personen dus.

DE …, unser rastloser Webern- und Grafenkopist, …FR …, notre infatigable copieur de Webern et de Grafen, …IT …, il nostro infaticabile imitatore di Webern e di Grafen, …US …, our […] imitator of Webern and Grafen, …UK …, our restless imitator of Webern and the aristocracy, …

Voorbeeld 4: Dit voorbeeld is een illustratie van het gebruik van het Thomas Bernhardcorpus. Bij het vertalen van Holzfällen stuitten we op het onderstaande zinsfragment. In Van Dale vonden we enkel ‘gemeenschapsmens’, ‘iemand met een sterk gemeenschapsgevoel’, maar dat kon het, gezien de context, niet zijn. In Duden ontbrak het lemma. Raadpleging van het Thomas Bernhardcorpus leverde als treffers ‘uitgaanstype’ en ‘man van de wereld’ op, die beide wel in de context pasten en ons ook weer op andere mogelijkheden brachten, zoals ‘salonheld’, wat weer tot het inzicht leidde dat het bij de ‘Gesellschaftsmensch’ waarschijnlijk om een variant van de ‘Gesellschaftlöwe’ en de ‘Salonlöwe’ gaat, die wel in Duden en Van Dale vermeld staan.

Er war ein Gesellschaftsmensch, ein sogenannter Schönling, der in der Faschßingszeit alle größeren Wiener Bälle aufsuchte…

 

○ Ich bin doch kein Gesellschaftsmensch. Ik ben toch geen uitgaanstype.

○ Gerade ein solcher, der als ein sogenannter Gesellschaftsmensch geboren […] ist.

Juist zo iemand, die als een zogenaamde man van de wereld is geboren …

Voorbeeld 5: Dit is net als het volgende voorbeeld een illustratie van het gebruik van het CV- Duits. We zochten inspiratie voor de frase ‘im Morgengrauen’. Het blijkt dat deze frase 19 keer in de brontaal voorkomt en wordt vertaald met ‘in de ochtendschemering’ (7), ‘in alle vroegte’ (2), ‘in de vroege ochtend’ (2), ‘in het ochtendgloren’ (2), ‘’s morgens in alle vroegte’ (1), ‘in het ochtendgrauwen’ (1), ‘in het eerste ochtendgrauwen’ (1), ‘bij het ochtendkrieken’ (1), ‘heel vroeg in de ochtend’ (1) en ‘bij het aanbreken van de ochtend’ (1). Hieronder twee van de negentien uitgelijnde zinnen die aan de zoekopdracht voldoen.

○Wir zogen im Morgengrauen los, bekamen aber schon in unserer Ausgangsstellung so starkes Infanteriefeuer, daß wir vorläufig auf die Ausführung verzichteten.

In de ochtendschmering gingen we op pad, maar we kregen al in onze uitgangsstelling zoveel infanterievuur te verduren, dat we voorlopig van uitvoering afzagen.

○ Erschöpft warteten sie im Morgengrauen auf das Taxi, das Kraft zum Flughafen bringen sollte.

Uitgeput wachtten ze ’s morgens in alle vroegte op de taxi die Kracht naar de luchthaven zou brengen.

Uiteindelijk is het aan de vertaler om vast te stellen of de door collega-vertalers aangedragen oplossingen uit het CV-Duits een welkome aanvulling vormen op de langs andere wegen verkregen informatie. Van Dale levert voor ‘Morgengrauen’ bijvoorbeeld de opties ‘ochtendkrieken’, ‘ochtendschemering’ en ‘dageraad’ en voor ‘im Morgengrauen’ ‘bij het krieken van de dag’ en ‘in de nanacht’.

Het voorbeeld laat zien dat de zoekopdracht met rood (hier vetgedrukt) wordt aangegeven. Een eventueel door Sketch Engine gesuggereerde oplossing wordt geel

gehighlight (hier ook vetgedrukt) in de corresponderende zin. Sketch Engine raadpleegt hiervoor een intern woordenboek. Uit het voorbeeld blijkt dat dit alleen werkt voor woordenboekoplossingen en dan alleen nog bij benadering. Klikken op de zoekopdracht plaatst deze in een ruimere context. Bij de zoekopdracht kan ook worden aangeven welke woorden wel of niet in de resultaatzinnen mogen voorkomen, een middel om evidente oplossingen uit te sluiten. Door te klikken op de button (○) vóór een treffer worden de metadata getoond, dat wil zeggen: de gegevens van het boek waaruit de treffer afkomstig is. Voorbeeld 5 laat ook zien dat je met Sketch Engine een vertaling heel goed op consistentie kunt controleren, gesteld dat zowel bron- als doeltekst geparallelliseerd zijn en ingevoerd in Sketch Engine.

Voorbeeld 6: Het laatste voorbeeld, weer uit het CV-Duits, laat zien dat de rol van de brontaal en de doeltaal in een zoekopdracht verwisseld kunnen worden. Dit maakt het vertaalgeheugen bruikbaar voor vertaling in twee richtingen. De zoekopdracht ‘veelbelovend’, nu met de doeltaal als zoektaal, laat bijvoorbeeld zien dat de term ‘veelbelovend’ 28 keer in de doeltaal voorkomt en de vertaling vormt van ‘verheißungsvoll’ (8), ‘aussichtsreich’ (5), ‘vielversprechend’ (4), ‘hoffnungsträchtig’ (3), ‘hoffnungsvoll’ (2), ‘als Hoffnung’ (1), ‘aussichtsvoll’ (1), ‘füllig’ (1), ‘zukunfthaltig’ (1), ‘sanft’ (1) en ‘rosig’ (1). Hieronder twee van de 28 uitgelijnde zinnen die aan de zoekopdracht voldoen. In de eerste zin wordt de woordenboekoplossing ‘verheißungsvoll’ gehighlight (vetgedrukt). De sterk contextafhankelijke oplossing ‘rosig’ uit de tweede zin wordt niet automatisch herkend.

○De gouden pagodedaken van de stad schitterden al zo veelbelovend dichtbij in de zon dat ze toch zeker voor het middaguur te bereiken moesten zijn.

Die goldenen Pagodendächer der Stadt schimmerten nah und so verheißungsvoll in der Sonne und mußten noch vor Mittag zu erreichen sein.

○ Vanuit de Allgäu had de wereld vredelievend en veelbelovend geleken.

Aus dem Allgäu herab war die Welt friedfertig erschienen und rosig.

De bevindingen: ontwikkeling, beheer, gebruikDoel van de pilotstudie was om aan de hand van een beperkt aantal teksten de mogelijkheden en moeilijkheden van literaire vertaalgeheugens te verkennen.

Bij het gereedmaken van teksten voor vertaalgeheugens blijkt dat het scannen van boeken niet het grootste probleem is, zeker niet als de rug van de boeken met een stapelsnijder verwijderd mag worden en de scanner een sheetfeeder heeft. Vijf minuten voor een boek van 200 bladzijden is dan zonder meer haalbaar (Sanders 2009:27). Verreweg de meeste tijd gaat zitten in het per zin controleren en corrigeren van gescande teksten en van pdf’s die met OCR-software naar Word zijn geconverteerd. Verder is ook het per zin controleren en corrigeren van de resultaten van de automatische uitlijning van de bron- en doelteksten een tijdrovende bezigheid.

Uitlijnen blijkt het soepelst te verlopen als de boeken als Word-document of als e-book beschikbaar zijn en als de betreffende documenten voorafgaande aan de uitlijning gestript worden van storende elementen zoals plaatjes, paginanummers, voetnoten, voorwoord, nawoord, colofon, hyperlinks en aanhalingstekens. Maar ook dan kost het nog altijd enkele uren. Invoering van de uitgelijnde teksten in Sketch Engine is vervolgens wel beduidend minder arbeidsintensief. Ook is het, ten slotte, voor de beheerder een kleine moeite om gebruikers via de SHARE-functie toegang tot een vertaalgeheugen te geven of de machtiging juist weer in te trekken.

Iets opzoeken in een vertaalgeheugen gaf ons het idee dat we in discussie waren met collega’s. Een zoekopdracht brengt je spelenderwijs met hun werk in contact. Soms levert dat een pasklare oplossing op of een beter begrip van een passage, maar meestal geeft het je vooral een goede indruk van de ruimte waarin je je als vertaler beweegt en waar je een oplossing zou kunnen vinden. Ook zie je dat collega’s vaak tegen dezelfde problemen aanlopen als jij en dat ze net als jij gedwongen zijn er een mouw aan te passen. Interessant en inspirerend is het om te zien wat collega’s doen met realia en met zowel gevreesde als uitdagende ‘onvertaalbaarheden’.

Voor het werken met de vertaalgeheugens is de inbedding in Sketch Engine een gelukkige keuze. Het maakt vertaalgeheugens online raadpleegbaar, je hoeft als gebruiker zelf geen software te installeren of bestanden te laden en je hebt een zoekmachine tot je beschikking die haar waarde voor de analyse van monolinguale en parallelle corpora ruimschoots bewezen heeft. In de eenvoudigste zoekmodus, de ‘simple search’ – hoe wordt een woord of frase vertaald – is Sketch Engine qua gebruiksgemak te vergelijken met een internetsearch. Althans, voor de regelmatige gebruiker. Door de vele mogelijkheden is het programma voor de modale vertaler waarschijnlijk toch nog net iets te ondoorzichtig en te weinig op vertalen afgestemd om aantrekkelijk te zijn.

Uit het oogpunt van eigendomsbescherming is het in deze experimentele fase een goede zaak dat de teksten alleen via zoekopdrachten toegankelijk zijn en niet kunnen worden gedownload. Als het CV in een later stadium een definitievere vorm vindt, zullen auteursrechtelijke kwesties nog de nodige aandacht krijgen, zeker ook vanuit de vertegenwoordigende organisaties van vertalers, zoals de Auteursbond en Lira.

Het plan is om in samenwerking met Karina van Dalen-Oskam, hoogleraar computationele literatuurwetenschap (UvA) en hoofd letterkunde van het Huygens ING, en Peter Boot, wiskundige en neerlandicus en senior-onderzoeker van het Huygens ING, de collectieve vertaalgeheugens in te bedden in een structuur die voldoet aan de Europese richtlijnen voor digitaal databeheer (CLARIAH-PLUS) (5) en Sketch Engine op termijn te vervangen door een gebruikersinterface die geheel op de vertaalpraktijk, het vertaalonderwijs en het vertaalonderzoek is afgestemd.

Hoe nu verder?Hoewel we pas aan het begin staan en aan onze ervaringen met de pilotstudie nog niet veel ruchtbaarheid hebben gegeven, is er door verschillende vertalers (waaronder zowel oude rotten als aanstormende talenten) positief op gereageerd. Ook is er in Nederland en België belangstelling vanuit de Vertalersvakschool en vanuit academische instellingen met vertaalwetenschap en literair vertalen in het curriculum. Deze reacties en de eerste gesprekken die we links en rechts met beleidsbepalende figuren uit de vertalerswereld gevoerd hebben, sterken ons in de overtuiging dat het plan voor een collectief vertaalgeheugen zeker potentie heeft, maar pas echt levensvatbaar wordt als er een draagvlak voor ontstaat, inclusief mankracht en middelen voor onderhoud en beheer, binnen instituties als het Nederlands Letterenfonds, het Vlaams Fonds voor de Letteren, de Koninklijke Nederlandse Bibliotheek, de Nederlandse Taalunie, het Instituut voor de Nederlandse Taal, de Auteursbond, de Vertalersvakschool, de bovengenoemde academische instellingen en het Expertisecentrum Literair Vertalen, om de belangrijkste spelers in het veld te noemen.

Wie daartoe het initiatief moet nemen? Vertegenwoordigers van deze organisaties, te beginnen bij het Letterenfonds, want staat er onder ‘Over het fonds’ voorafgaand aan de statuten niet op zijn website dat het werkt aan ‘een zo rijk en divers mogelijk literair klimaat, met oog voor literair erfgoed en nieuwe ontwikkelingen in de literatuur en het boekenvak’?

     

 

 

Noten1 De pilotstudie werd financieel ondersteund en mogelijk gemaakt door Stichting Lira Fonds (kosten voor aanschaf van e-books en voor uitlijning van bron- en doelteksten) en uitgevoerd onder auspiciën van de Stichting Vertaalverhaal.

2 Een vertaalgeheugen of TM (Engels: Translation Memory) is een database waarin tijdens het vertalen zinnen en zinsneden uit bron- en doeltaal tezamen zijn opgeslagen, met als doel het vertaalwerk te vergemakkelijken en te uniformeren. Het wordt veelal door technische vertalers en vertaalbureaus gebruikt. (bron: Wikipedia)      

3 Het gaat om het programma CLARIAH-PLUS. Zie: www.clariah.nl/?view=article&id=740:over-clariah-plus&catid=

4 Naast uitgebreide faciliteiten voor tekstanalyse en tekst-mining in corpora geeft Sketch Engine de gebruiker ook toegang tot een reeks parallelle corpora, bijvoorbeeld German Web 2013 en Europarl7, en tot zo’n 400 eentalige corpora in 90+ talen. Een

uitgebreide handleiding is online beschikbaar. Wie aan de slag wil kan Sketch Engine een maand gratis uitproberen via www.sketchengine.eu. Daarna kost een abonnement 4,83 euro per maand voor docenten, studenten en onderzoekers aan een academische instelling, en 8,33 euro per maand voor professionele gebruikers. Overigens is Sketch Engine de komende jaren, voorlopig tot april 2022, gratis beschikbaar voor academische instellingen die door de EU gesubsidieerd worden in het kader van het ELEXIS-project (www.sketchengine.eu/elexis; geraadpleegd op 31 juli 2020).

5 Karina Van Dalen-Oskam is penvoerder van CLARIAH-PLUS en hoofd werkpakket 6 “Tekst”, dat met de start van CLARIAH PLUS in januari 2019 aan de CLARIAH-familie is toegevoegd. Doel van het werkpakket is onderzoekers die specifiek geïnteresseerd zijn in tekst te ondersteunen. Denk aan letterkundigen, historici, filologen, en editiewetenschappers. Zij hebben vaak behoefte aan ondersteuning van de gehele digitale keten: van primaire digitalisering, verrijking en publicatie van digitale bronnen, tot onderricht in het gebruik van computationele analysegereedschappen. Zie: www.clariah.nl/werkpakketten/focusgebieden/tekst/wp6-tekst.

 

BibliografieBergsma, Peter. 2017. ‘Tien vertaalgeboden’, voordracht op de Vertalersvakschool.

Sanders, Ewoud. 2009. De reïncarnatie van het boek: in zeven stappen een eigen digitale bibliotheek, Stichting Neerlandistiek, Universiteit Leiden.

 

Chris Bakker  is fysicus en literair vertaler. Hij houdt zich momenteel bezig met vertaalgeheugens en met de late prozawerken van Thomas Bernhard.

Pauline de Bok  is schrijver en literair vertaler. Zie www.paulinedebok.nl.

 

Reageren? info@tijdschrift-filter.nl.

 

 

BijlageTeksten die deel uitmaken van respectievelijk het Holzfällencorpus, het Thomas Bernhardcorpus, het CV-Duits en het CV-Engels.

HOLZFÄLLENCORPUS             Thomas Bernhard Holzfällen Woodcutters David McLintockThomas Bernhard Holzfällen Cutting timber Ewald OsersThomas Bernhard Holzfällen Des arbres à abattre Bernard Kreiss

Thomas Bernhard Holzfällen A colpi d’ascia Agnese Grieco, Renata Colorni

       THOMAS BERNHARDCORPUS      

       Thomas Bernhard Frost Vorst Thomas GraftdijkThomas Bernhard Amras Amras Thomas GraftdijkThomas Bernhard An der Baumgrenze Op de boomgrens Gerard Bes, Philip GriselThomas Bernhard Erzählungen Vertellingen Jacob GrootThomas Bernhard Das Kalkwerk De kalkfabriek Hans BakxThomas Bernhard Gehen Wandeling Ria van HengelThomas Bernhard Die Ursache De oorzaak Hans BakxThomas Bernhard Der Stimmenimitator De stemmenimitator Hans BakxThomas Bernhard Ja Ja Ria van HengelThomas Bernhard Die Billigesser De dagschotelaars Ria van HengelThomas Bernhard Wittgensteins Neffe De neef van Wittgenstein Gerrit BussinkThomas Bernhard Ein Kind Een kind PPJ KlinkenbergThomas Bernhard Alte Meister Oude meesters Thomas GraftdijkThomas Bernhard Aus Gesprächen Muizen, ratten, dagloners Gerrit BussinkThomas Bernhard In der Höhe In de hoogte Gerrit BussinkThomas Bernhard Meine Preise Mijn prijzen Gerrit Bussink       CV-DUITS             Thomas Bernhard Wittgensteins Neffe De neef van Wittgenstein Gerrit Bussink

Kristine Bilkau Die Glücklichen De gelukkigen Kris Lauwerys, Isabelle Schoepen

Heinrich Böll Billard um halb zehn Biljarten om half tien Michel van der PlasWerner Bräunig Rummelplatz Rummelplatz Josephine RijnaartsElias Canetti Die gerettete Zunge De behouden tong Theodor DuquesnoyFriedrich Dürrenmatt Der Richter und sein Henker De rechter en zijn beul Ria van HengelJenny Erpenbeck Aller Tage Abend Een handvol sneeuw Elly SchippersHans Fallada Der Trinker De drinker Margarete Grose-Roolfs,

Anne FolkertsmaArno Geiger Unter der Drachenwand Onder de Drachenwand Wil HansenMaja Haderlap Engel des Vergessens De engel van het vergeten Marianne van ReenenDörte Hansen Mittagsstunde Middaguur Lucienne PruijsWolfgang Herrndorf Tschick Tsjik Pauline de BokHermann Hesse Der Steppenwolf De steppewolf Erik Peter Verstegen

Elfriede Jelinek Lust Lust Jos Valkengoed, Andreas de Valk

Ernst Jünger In Stahlgewittern Oorlogsroes Nelleke van Maaren

Franz Kafka Erzählungen (Drucke zu Lebzeiten)

De gedaanteverwisseling en andere verhalen Willem van Toorn

Daniel Kehlmann Die Vermessung der Welt Het meten van de wereld Jacq VogelaarJonas Lüscher Kraft Kracht Gerrit BussinkThomas Mann Doktor Faustus Doctor Faustus Thomas GraftdijkPascal Mercier Nachtzug nach Lissabon Nachttrein naar Lissabon Gerda MeijerinkHerta Müller Atemschaukel Ademschommel Ria van Hengel

Robert Musil Der Mann ohne Eigenschaften De man zonder eigenschappen Ingeborg Lesener

Christoph Ransmayr Cox, oder der Lauf der Zeit Cox of het verglijden van de tijd Roland Fagel

Joseph Roth Radetzkymarsch Radetzkymars W. Wielek-Berg, Elly Schippers (herz.)

Bernhard Schlink Der Vorleser De voorlezer Gerda MeijerinkRobert Seethaler Der Trafikant De Weense sigarenboer Liesbeth van NesRobert Walser Der Spaziergang De wandeling Machteld BokhoveMarkus Werner Am Hang Helling Wil BoestenJuli Zeh Unterleuten Ons soort mensen Annemarie VlamingStefan Zweig Die Welt von Gestern De wereld van gisteren Willem van Toorn

Stefanie Zweig Das Haus in der Rothschildallee Het huis in de Rothschildstraat Jantsje Post, Marianne van

Reenen       CV-ENGELS             Sherwood Anderson Winesburg, Ohio Winesburg, Ohio Nele YsebaertPaul Auster City of Glass Broze stad Bartho KriekJulian Barnes The Sense of an Ending Alsof het voorbij is Ronald VlekJoseph Conrad Heart of Darkness Hart der duisternis Bas HeijneLydia Davis Varieties of Disturbance Varianten van ongemak Peter BergsmaDave Eggers The Parade De parade Gerda Baardman, Maaike

Bijnsdorp, Lucie Schaap, Elles Tukker

Bret Easton Ellis Less Than Zero Minder dan niks Balt LendersF. Scott Fitzgerald The Great Gatsby De grote Gatsby Susan Janssen

Ernest Hemingway The Old Man and the Sea De oude man en de zee Els Veegens-Latorf, A Werumeus Buning

Aldous Huxley Brave New World Heerlijke nieuwe wereld Paul Moody

James Joyce Dubliners Dublinezen Erik Bindervoet, Robbert-Jan Henkes

Harper Lee To Kill a Mockingbird Spaar de spotvogel Ko Kooman

Yann Martel Life of Pi Het leven van Pi Gerda Baardman, Tjadine Steehman

Cormac McCarthy The Road De weg Guido Golüke

Carson McCullers The Heart is a Lonely Hunter Het hart is een eenzame jager Molly van Gelder

Ian McEwan On Chesil Beach Aan Chesil Beach Rien VerhoefIan McEwan Machines Like Me Machines zoals ik Rien VerhoefAlice Munro The Moons of Jupiter De manen van Jupiter Ton Heuvelmans

Ali Smith Autumn Herfst Karina van Santen, Martine Vosmaer

Ali Smith Winter Winter Karina van Santen, Martine Vosmaer

Edward St Aubyn Mother’s Milk Moedermelk Nicolette HoekmeijerJohn Steinbeck Of Mice and Men Muizen en mensen Peter BergsmaKurt Vonnegut Slaughterhaus-Five Slachthuis vijf Else Hoog

Colson Whitehead The Underground Railroad De ondergrondse spoorweg Harm Damsma, Niek Miedema

Virginia Woolf The Voyage Out De uitreis Barbara de LangeVirginia Woolf The Years De jaren Barbara de Lange

COMTEXXT: DE PERFECTE SCHRIJF- EN VERTAALTOOL   24-01-2021Theo van der Ster 

Volgens het laterale denken van Edward de Bono zou je kunnen zeggen dat een tool voor vertalers niet voor vertalers moet worden gemaakt. Dat is niet zo’n rare uitspraak als het lijkt: als je naar de huidige hulpmiddelen kijkt, vind je genoeg onderbouwing voor een dergelijke stelling. De huidige CAT-tools lijken meer gemaakt voor vertaalbureaus en organisaties dan voor vertalers, en voor zover ik weet, zijn er maar weinig vertalers die er graag gebruik van maken.

Dit artikel gaat niet over CAT-tools maar over hoe een tool voor vertalers eruit zou kunnen zien. Daar denk ik al over na zo lang als ik me met vertalen bezighoud.

Mijn scriptie tijdens mijn studie Vertaalwetenschap ging over de rol van context in vertalen. Rond dezelfde tijd (eind jaren tachtig) heb ik met een studiegenoot een contextbank ontwikkeld. Daarin kon je terminologie in context in twee talen opzoeken.

Tegen terminologie werd destijds als volgt aangekeken: je maakte een record met daarin velden voor een term, een definitie, een bron, een context, synoniemen, gebruiksinformatie, notities en nog een keur aan andere velden. Voor vertalers hoefde daar alleen nog een vertaling van de term aan te worden toegevoegd.

De praktische waarde van dergelijke terminologierecords (geënt op de fiches van voor het computertijdperk) was niet erg groot. Termen kennen immers zelfs binnen één vakgebied soms meerdere definities, en schrijvers volgen die niet altijd exact, niet in de laatste plaats omdat ze er slechts deels mee bekend zijn. Beter is het dan ook om te kijken naar het eigenlijke gebruik van termen. Daar heb je veel context voor nodig, maar daar voorzagen termenbanken nauwelijks in.

Eén context per record is wel erg mager. Ludwig Wittgenstein zei al dat woorden alleen betekenis hebben in de context waarin ze zijn geplaatst, en je hoeft geen talenwonder te zijn om het daarmee eens te zijn. Het gebruik wordt echter pas duidelijk als je meerdere contexten met elkaar vergelijkt. De traditionele indeling van één trefwoord per record is voor dat doel totaal ongeschikt. In plaats daarvan hebben we destijds met onze Contextbank een systeem gebouwd waarmee je op alineabasis op elk woord kon zoeken. Je kreeg minimaal de volledige alinea te zien waarin je zoekterm voorkwam.

In de tweede helft van de jaren negentig ben ik begonnen met de ontwikkeling van txtExpress, een plug-in voor Microsoft Word waarmee je kon zoeken in eerdere vertalingen op zins- of alineabasis met daarnaast een groot aantal functies die het werk van vertalers moesten veraangenamen.

Word stelt zijn objectenstructuur beschikbaar aan de gebruiker, zodat je erin kunt programmeren. Dat bood destijds ongekende mogelijkheden, maar er waren natuurlijk ook beperkingen. Met txtExpress hebben enkele vertalers, waaronder ik zelf, jarenlang naar tevredenheid gewerkt.

Dat dit groepje vertalers nooit groter is geworden, kwam door de beperkingen die een plug-in met zich meebrengt. Het kan zomaar gebeuren dat de software die je schrijft op je eigen computer perfect werkt maar op de computer van een andere gebruiker problemen oplevert. Dergelijke problemen kun je alleen oplossen als je je software volledig in eigen hand houdt. Met een plug-in is dat per definitie onmogelijk want je bent afhankelijk van de maker van de app waar je plug-in in draait.

Necessity is the mother of invention, heeft Plato geloof ik gezegd (niet in het Engels, natuurlijk, maar in het Nederlands is het nooit een gevleugelde uitdrukking geworden). Dus denk ik al een paar jaar na over een zelfstandige app die meer mogelijkheden biedt en die door een grote groep gebruikers kan worden benut.

Het ligt voor de hand dat dat een webapplicatie moet worden. Een webapplicatie is op elk platform te gebruiken (Mac, Windows, Linux, tablet, telefoon). Er hoeft niets te worden geïnstalleerd en je hebt als gebruiker altijd de laatste versie. Online samenwerking is makkelijk in te bouwen als je in een browser werkt, en je hebt automatisch een back-up, zodat je je werk nooit meer kunt kwijtraken.

De naam van deze conceptapp (die voor een groot deel is gebaseerd op het reeds bestaande txtExpress) is Comtexxt. We hebben nagedacht over wat er allemaal in moet en hoe een en ander eruit moet zien, en er is een softwarebureau dat zich over de functionaliteit en de interface heeft gebogen. Moeilijk te maken is het allemaal niet, maar daar is wel geld voor nodig. Over mogelijkheden voor de financiering denken we nog na, en aan de promotie als de app er straks is, moeten we ook nog wel een paar gedachten wijden.

Maar ik loop op de zaak vooruit. Vertalers die dit artikel lezen, zullen vooral willen weten of ze iets aan een app als Comtexxt hebben. Denk je aan een app voor vertalers, dan denk je al snel aan CAT-tools zoals SDL Trados. Hun verkoopargument voor freelancers is dat je met hun product nooit dezelfde zin twee keer hoeft te vertalen. Dat klinkt mooi, maar hoe vaak kom je dezelfde zin tegen in een literaire vertaling? Of in non-fictie? Of in een financiële analyse?

Er zijn zeker teksten die veel herhaling en zogenaamde fuzzy matches bevatten, maar nog veel meer teksten waar dat niet het geval is. Zou je bij het vertalen van dergelijke teksten niet ook baat kunnen hebben bij een goede app? Natuurlijk, maar zo’n app zou dan andere functionaliteit moeten bieden dan de huidige hulpmiddelen.

Een greep uit de mogelijkheden:

Zoeken in eerder vertaalde teksten. Dat kunnen de huidige CAT-tools ook, maar de zoekmogelijkheden zijn nogal rudimentair. Zo kun je geen booleaanse operatoren als AND, OR en NOT gebruiken en behoren ook regular expressions, waarmee je zeer gericht kunt zoeken, niet tot de mogelijkheden. Als je zoekt, heb je meestal wel een idee van wat je wilt vinden. AI (artificial intelligence) zou je daarbij kunnen helpen.

Zoeken op zowel zins- als alineaniveau. In CAT-tools kun je alleen op zinsniveau zoeken. Er is echter geen reden waarom een app niet beide mogelijkheden zou kunnen bieden.

Als je in eerdere vertalingen wilt kunnen zoeken, moet je deze wel eerst hebben opgeslagen. Als je in de app vertaalt, gebeurt dat opslaan automatisch. Vertaal je in een andere app of wil je eerder vertaalde teksten erin opnemen, dan zul je die moeten aliniëren. txtExpress bevat al een zeer handige alinieerfunctie, die in Comtexxt nog handiger zal worden uitgewerkt. Weliswaar zijn er tools die je teksten volledig automatisch aliniëren, maar het is onvermijdelijk dat daar fouten in sluipen. We zorgen ervoor dat aliniëren met Comtexxt een snel en pijnloos proces wordt.

Behalve in vertaalde teksten zoek je als vertaler doorlopend naar allerhande informatie. Daarbij kun je denken aan:

Terminologie Synoniemen (zie hieronder (1) ) Collocaties (zie hiernoder (2) ) Stijlvoorschriften Context Eigen notities

Tekstanalyse: denk aan aspecten als woordfrequentie, zinslengte, stijlkenmerken enz. Spelling-, grammatica- en stijlcontrole.

Revisie: meerdere versies van teksten bijhouden en teksten met elkaar vergelijken. Tekstvoorspelling: met behulp van AI kan de app aan de hand van een uitgebreid

woordenboek en zowel de teksten in je database als de tekst waar je op dat moment aan werkt voorspellingen doen over het volgende woord of de volgende frase. Dat betekent ook dat je een woord zelden helemaal hoeft te typen en dat je minder spelfouten maakt. En het betekent natuurlijk ook dat je sneller kunt werken.

Bookmarks: plekken in je tekst waarnaar je makkelijk wilt kunnen terugkeren. Word heeft bijvoorbeeld een bookmarkfunctie maar die vereist zoveel klikken dat het de moeite niet loont om er gebruik van te maken. In txtExpress kost een nieuwe bookmark maken en ernaartoe gaan slechts twee toetsaanslagen.

Conversie van teksten naar andere formaten, zoals html. Steeds meer teksten worden uitsluitend voor het web geschreven. Met behulp van een simpele codering zoals Markdown worden vorm en inhoud gescheiden en kun je teksten in één conversieslag voor publicatie op meerdere platforms geschikt maken.

Een keur aan handige tekstbewerkingsfuncties. Tekstverwerkers zijn gemaakt voor de grootste gemene deler, en de makers laten veel functionaliteit weg om te voorkomen dat gebruikers door de bomen het bos niet meer zien. Dat is alleszins begrijpelijk, maar vertalers (en ook schrijvers en redacteuren) zouden gebaat zijn bij wat meer mogelijkheden, zoals:

Een functie die het huidige woord automatisch selecteert, waarbij het niet uitmaakt of de cursor zich voor, achter of in het woord bevindt. Computers zijn tenslotte gemaakt om werkzaamheden te automatiseren, en vooral handelingen die je heel vaak uitvoert, zijn daar geschikt voor.

Is een woord eenmaal geselecteerd, dan wil je er iets mee doen. Ook dat wil je graag zo snel en makkelijk mogelijk. Vertalers zoeken continu op het web en in eigen naslagwerken naar informatie. Als je middels een toetsaanslag een menu krijgt voorgeschoteld met op maat gemaakte zoekmogelijkheden, hoef je vervolgens alleen op de bijbehorende letter te drukken om het huidige woord automatisch te laten selecteren en op het web of in een naslagwerk op je computer op te zoeken. Dat bespaart je veel tijd.

Zoeken en ook vervangen vereisen vaak veel handelingen. Je moet een zoekveld of zoekvenster openen, een zoekterm opgeven en een manier van zoeken kiezen. Dat kan veel makkelijker en sneller, en zonder dat er een venster hoeft te worden geopend. Voor de meeste zoekopdrachten is één toetsaanslag voldoende, en als je complexe vervangingen wilt uitvoeren, is een hulpmiddel als regular expressions onontbeerlijk.

Er zijn nog veel meer tekstverwerkersfuncties te noemen, maar dan wordt dit artikel te lang.

En last maar zeker not least moet er met de ontwikkeling van een CAT-tool rekening mee worden gehouden dat de behoeften van vertalers zeer kunnen verschillen. Als zo’n tool een scripttaal biedt waarmee gebruikers zelf functionaliteit kunnen toevoegen, vergroot dat de waarde aanzienlijk, zeker als die toevoegingen ook nog met andere gebruikers kunnen worden gedeeld.

Dit artikel is te kort voor een uitputtend overzicht van de functionaliteit, maar er is nog veel meer over te zeggen, en bovendien kunnen nieuwe inzichten weer nieuwe opties opleveren.

(1) Je zou vertalen kunnen omschrijven als zoeken naar synoniemen in een andere taal. Daarbij ga je voorbij aan heel veel wat vertalen nog meer is, maar uit mijn eigen vertaalpraktijk weet ik dat ik doorlopend naar synoniemen zoek. Dan is het teleurstellend dat synoniemenwoordenboeken zich grotendeels beperken tot synoniemen die uit één woord bestaan, terwijl deze vaak uit meerdere woorden of zelfs een hele zin kunnen bestaan.

Dit zijn bijvoorbeeld de synoniemen van “winnen” in txtExpress:

aftroeven, als beste uit de bus komen, als winnaar uit de bus komen, bedwingen, de eerste plaats behalen, de eerste prijs in de wacht slepen, de eerste prijs voor iemands neus weg kapen, de erepalm wegdragen, de hoogste plaats scoren, de loef afsteken, de overwinning behalen, een einde maken aan de heerschappij van, een gelopen race, een monsterzege behalen, een overwinning op je naam schrijven, een straatlengte voorliggen, een voorsprong hebben, het leek erop dat ze alweer een tijdje aan de winnende hand waren, iemand van de troon stoten, iemand zijn verdiende loon geven, iemand zijn vet geven, in het stof doen bijten, in je voordeel beslechten, inmaken, kloppen, krijgen wat je toekomt, lichtjaren vooruit zijn, met de eer gaan strijken, met de hoofdprijs naar huis gaan, onderdrukken, overtroeven, overwinnen, slaan, smadelijk verslaan, triomfen vieren, triomferen, uitverkoren zijn, van de eerste plaats verdringen, verdienen, verslaan, voorliggen, winnen, zegevieren

De synoniemenzoeker van txtExpress wordt overgenomen in Comtexxt en is door gebruikers aan te passen dan wel aan te vullen en te delen.

(2) Een collocatiewoordenboek bestaat bij mijn weten voor het Nederlands niet. Collocaties kun je ook via bestaande teksten en via Google achterhalen. Dat is alleen wel bewerkelijk. Als je via Google zoekt, moet je elke webpagina apart openen en dan nog keer naar je zoekterm zoeken. In txtExpress typ je een zoekterm in krijg je meteen een lijst voorgeschoteld:

contact leggen contact maken contact onderhouden contact tot stand brengen contact zoeken een intiem contact het contact verbreken in contact staan met persoonlijk contact onderlinge contacten contact opnemen met... in contact treden

Ook de collocatiezoeker van txtExpress wordt in Comtexxt ingebouwd en kan door gebruikers worden aangevuld en gedeeld.

De mogelijkheden van Comtexxt weergegeven in een mindmap

Een app met zoveel functionaliteit moet wel een heel drukke interface krijgen, zul je misschien denken. Dat hoeft helemaal niet. Je kunt zelfs met een geheel leeg scherm werken en alleen functies te zien krijgen als je dat wilt.

Aan de andere kant vinden sommige gebruikers het prettig om altijd een overzicht te hebben van de functies die ze op dat moment gebruiken. Met een paar simpele instellingen kun je de interface precies zo instellen als je dat prettig vindt.

Nog even terug naar Edward de Bono. Als je stelt dat een app voor vertalers niet voor vertalers hoeft te worden gemaakt, zou je bijvoorbeeld kunnen concluderen dat vertalen, schrijven en redactie veel met elkaar gemeen hebben.

Schrijvers zoeken voor een groot deel dezelfde informatie als vertalers en zijn er zeker bij gebaat makkelijk in bestaande teksten te kunnen zoeken. Daarom richten we ons met Comtexxt niet alleen op vertalers maar ook op schrijvers en iedereen die beroepsmatig of semi-beroepsmatig met tekst werkt.

Wat is er nog nodig? Ten eerste financiering. Programmeurs moeten ook eten, en ze krijgen evenals vertalers graag betaald voor hun werk. Een app als Comtexxt ontwikkelen, kost tijd en geld. Financiering is ook nodig voor de promotie als de app er eenmaal is, en we zoeken ook mensen die daar verstand van hebben.

De tekstverwerker heeft vertalers enorm veel gemak en snelheidswinst opgeleverd. Datzelfde geldt in veel mindere mate voor CAT-tools. Zoals mensen naar verluidt maar tien procent van hun hersencapaciteit gebruiken, zo bieden de huidige tools maar een klein deel van wat vertalers voor hun werk nodig hebben. Het zou mooi zijn als we daar met vereende krachten verbetering in konden brengen. Mocht je zin hebben om mee te denken, dan kun je contact opnemen met Theo van der Ster op theoster@hey.com.

 

 

Theo van der Ster heeft Vertaalwetenschap gestudeerd aan de UvA en werkt al 30 jaar als freelance vertaler in uiteenlopende vakgebieden. Daarnaast houdt hij zich bezig met grafisch ontwerpen, schrijven en programmeren. Zie zijn websites voor meer informatie: www.xtext.nl en www.theovanderster.com. Theo is te bereiken op theoster@hey.com.

DONALD BARTHELME – ‘I WROTE A LETTER’   24-01-2021 Addendum 

Voor dit dossier schreef Onno Kosters het artikel 'Gemakskrantenkaarten, ruimtesluiking en weggedoken zones : Barthelme door de machine '. Hieronder publiceren we het originele verhaal van Barthelme, gevolgd door de vertalingen van Kosters, DeepL, Systran en Google Translate.

 

 

I wrote a letter…I wrote a letter to the President of the moon, asked him if they had towaway zones up there. The cops had towed away my Honda and I didn't like it. Cost me seventy-five dollars to get it back, plus the mental health. You ever notice how the tow trucks pick on little tiny cars? You ever seen them hauling off a Chrysler Imperial? No, you haven't.

The President of the moon replied most courteously that the moon had no towaway zones whatsoever. Mental health on the moon, he added, cost only a dollar.

Well, I needed mental health real bad that week, so I wrote back saying I thought I could get there by the spring of '81, if the space shuttle fulfilled its porcelain promise, and to keep some mental health warm for me who needed it, and could I interest him in a bucket of ribs in red sauce? Which I would gladly carry on up there to him if he wished?

The President of the moon wrote back that he would be delighted to have a bucket of ribs in red sauce, and that his zip code, if I needed it, was 10011000000000.

I cabled him that I'd bring some six-packs of Rolling Rock beer to drink with the ribs in red sauce, and, by the way, what was the apartment situation up there?

It was bad, he replied by platitudinum plate, apartments were running about a dollar a year, he knew that was high but what could he do? These were four-bedroom apartments, he said, with three baths, library, billiard room, root cellar, and terrace over- looking the Sea of Prosperity. Maybe he could get me a rent abatement, he said, 'cause of me being a friend of the moon.

The moon began to sound like a pretty nice place. I sent a dollar to the Space Shuttle Hurry-Up Fund.

Drumming fiercely on a hollow log with a longitudinal slit tuned to moon frequencies, I asked him about employment, medical coverage, retirement benefits, tax shelterage, convenience cards, and Christmas Club accounts.

That's a roger, he moonbeamed back, a dollar covers it all, and if you don't have a dollar we'll lend you a dollar through the Greater Moon Development Mechanism.

What about war and peace? I inquired by means of curly little ALGOL circuits I had knitted myself on my Apple computer.

The President of the moon answered (by MIRV'D metaphor) that ticktacktoe was about as far as they'd got in that direction, and about as far as they would go, if he had anything to say about it.

I told him via flights of angels with special instructions that it looked to me like he had things pretty well in hand up there and would he by any chance consider being President of us? Part-time if need be?

No, he said (in a shower of used-car asteroids with blue-and-green bumper stickers), our Presidential campaigns seemed to damage the candidates, hurt them. They began hitting each other over the head with pneumatic Russians, or saying terminally silly things about the trees. He wouldn't mind being Dizzy Gillespie, he said.

 

Donald Barthelme (1980), in The Teachings of Don B. Berkeley: Counterpoint, 1992, p. 11-12. 

 

 

Ik schreef een brief...Ik schreef een brief aan de president van de maan en vroeg ’m of ze daar ook wegsleepzones hadden. Ze hadden m’n Honda weggesleept en daar had ik de pest over in. Kostte me vijfenzeventig dollar om hem weer terug te krijgen, nog afgezien van m’n mentale welbevinden. Nooit opgevallen dat die wegsleepdiensten het op kleine autootjes hebben gemunt? Ooit gezien dat ze zo’n dikke Chrystler Imperial wegslepen? Precies.

De president van de maan antwoordde mij buitengewoon hoffelijk dat op de maan geen enkele wegsleepzone was te vinden. Mentaal welbevinden, voegde hij daaraan toe, kost hier maar een dollar.

Nu had ik die week nogal behoefte aan mentaal welbevinden, dus ik schreef terug dat ik er vermoedelijk tegen de lente van ’81 kon zijn, als de spaceshuttle haar porseleinen belofte zou waarmaken, en of hij wat van dat hoognodige mentale welbevinden voor me apart kon houden, en of ik ‘m blij kon maken met een grote portie spareribs in rode saus? Die ik desgevraagd graag voor hem zou meebrengen?

De president van de maan schreef terug dat hij enorm graag een grote portie spareribs in rode saus in ontvangst zou nemen, en dat zijn postcode, mocht ik die nodig hebben, 1011000000000 was.

Ik telegrafeerde hem dat ik ook zou zorgen voor een paar treetjes Rolling Rock om bij de spareribs in rode saus te drinken, en, tussen twee haakjes, hoe was eigenlijk de situatie op de appartementenmarkt daarboven?

Die was dramatisch, antwoordde hij via een platitudinum plaat, de huur voor een appartement bedroeg maar liefst een dollar per jaar, hij wist dat dat prijzig was, maar kon hij het helpen? Het ging wel om appartementen met vier slaapkamers, zei hij, drie badkamers, bibliotheek, biljartkamer, koelcel, en terras met uitzicht op de Zee van Voorspoed. Misschien kon hij korting voor me regelen, zei hij, omdat ik een vriend van de maan enzo was.

De maan begon behoorlijk aantrekkelijk te klinken. Ik stortte een dollar in het Spaceshuttle-Schiet-Op-Fonds.

Hevig trommelend op een holle boomstam met op de maanfrequenties afgestemde longtudinale spleet, informeerde ik naar werkgelegenheid, zorgverzekering, pensioenvoorzieningen, belastingvoordeeltjes, klantenkortingen en kerstsbonussen.

Begrepen, maneschijnde hij terug. Voor één dollar wordt dat allemaal geregeld en als je geen dollar hebt dan lenen we je er een uit het Maan en Omstreken Ontwikkelingsconsortium.

En hoe staat het met oorlog en vrede? informeerde ik middels sierlijk krullende algoritmische circuitjes die ik zelf had gebreid op mijn Apple.

De president van de maan antwoordde (via M.I.R.V.-metafoor) dat boter-kaas-en-eieren daar zo’n beetje het dichtst bij in de buurt kwam en dat het, als het aan hem lag, daar ook bij zou blijven.

Ik liet hem per speciaal geïnstrueerde engelenvluchten weten dat het leek of hij het daarboven allemaal aardig op orde had en of hij toevallig interesse had in het presidentschap hier beneden? Parttime eventueel?

Nee, zei hij (in een asteroïdenregen van occasions met bumperstickers in de kleuren groen en blauw), onze verkiezingscampagnes leken de kandidaten alleen maar te traumatiseren, schade toe te brengen. Zo begonnen ze elkaar altijd met pneumatische Russen om de oren te slaan of peilloos stupide dingen over bomen te zeggen. Dizzy Gillespie wilde hij eventueel wel worden, zei hij.  

 

Vertaling Onno Kosters, 2 juli 2020.

 

 

Ik schreef een brief...Ik schreef een brief aan de president van de maan, vroeg hem of ze daarboven sleepzones hadden. De politie had mijn Honda weggesleept en ik vond het niet leuk. Het kostte me vijfenzeventig dollar om het terug te krijgen, plus de geestelijke gezondheid. Is het je ooit opgevallen hoe de sleepwagens kleine auto's uitkiezen? Heb je ze ooit een Chrysler Imperial zien wegslepen? Nee, dat heb je niet gezien.

De president van de maan antwoordde hoffelijk dat de maan geen enkele sleepzone had. Geestelijke gezondheid op de maan, voegde hij eraan toe, kostte slechts een dollar.

Nou, ik had die week echt een slechte geestelijke gezondheid nodig, dus ik schreef terug dat ik dacht dat ik er tegen de lente van '81 kon zijn, als de spaceshuttle zijn porseleinbelofte nakwam, en om wat geestelijke gezondheid warm te houden voor mij die het nodig had, en kon ik hem interesseren in een emmer met ribben in rode saus? Wat ik graag voor hem zou doen als hij dat zou willen?

De president van de maan schreef terug dat hij graag een emmer ribben in rode saus zou hebben, en dat zijn postcode, als ik die nodig had, 10011000000000 was.

Ik belde hem dat ik een paar pakjes Rolling Rock bier zou meenemen om te drinken met de ribben in rode saus, en trouwens, wat was de situatie in het appartement daarboven?

Het was slecht, antwoordde hij per platitudinaplaat, de appartementen liepen ongeveer een dollar per jaar, hij wist dat dat hoog was, maar wat kon hij doen? Dit waren vier-

slaapkamer appartementen, zei hij, met drie baden, bibliotheek, biljartkamer, wortelkelder, en een terras met uitzicht op de Zee van Welvaart. Misschien kon hij me een huurkorting geven, zei hij, omdat ik een vriend van de maan ben.

De maan begon te klinken als een mooie plek. Ik stuurde een dollar naar het Space Shuttle Hurry-Up Fund.

Ik trommelde hevig op een holle boomstam met een longitudinale spleet, afgestemd op de maanfrequenties, vroeg hem naar de werkgelegenheid, medische dekking, pensioenuitkeringen, belastingopvang, gemakskrantenkaarten en de rekeningen van de kerstclub.

Dat is een roger, hij straalde terug, een dollar dekt alles, en als je geen dollar hebt lenen we je een dollar via het Greater Moon Development Mechanism.

Hoe zit het met oorlog en vrede? Ik informeerde door middel van gekrulde kleine ALGOL-circuits die ik zelf had gebreid op mijn Apple-computer.

De president van de maan antwoordde (door MIRV'D metafoor) dat ticktacktoe ongeveer zo ver was als ze die kant op waren gegaan, en ongeveer zo ver als ze zouden gaan, als hij er iets over te zeggen had.

Ik vertelde hem via vluchten van engelen met speciale instructies dat het er voor mij op leek dat hij de dingen daarboven vrij goed in de hand had en zou hij toevallig overwegen om president van ons te worden? Deeltijd als dat nodig is?

Nee, hij zei (in een douche van tweedehands-auto asteroïden met blauw-groene bumperstickers) dat onze presidentiële campagnes de kandidaten leken te beschadigen, te kwetsen. Ze begonnen elkaar over het hoofd te slaan met pneumatische Russen, of zeiden terminaal domme dingen over de bomen. Hij zou het niet erg vinden om Dizzy Gillespie te zijn, zei hij.

 

Vertaald met www.DeepL.com/Translator (gratis versie), 2 juli 2020.

 

Ik schreef een brief...Ik schreef een brief aan de president van de maan, waarin ik hem vroeg of ze daar naar toe moesten gaan. De politie had mijn Honda weggesleept en ik vond het niet leuk. Ik 

heb 75 dollar gekost om het terug te krijgen, plus de geestelijke gezondheid. Heb je ooit gemerkt hoe de twee vrachtwagens op kleine auto's plukken? Heb je ze ooit een Chrysler Imperial zien afvoeren? Nee, dat heb je niet.

De president van de maan antwoordde met veel plezier dat de maan geen towawegzones had. De geestelijke gezondheid op de maan, voegde hij toe, kost slechts een dollar.

Die week had ik een slechte geestelijke gezondheid nodig, dus schreef ik terug: Ik dacht dat ik er in de lente van 1981 zou kunnen komen, als de ruimtesluiking haar belofte van porseleinen zou nakomen, en om een geestelijke gezondheid warm te houden voor wie het nodig had, en zou ik hem kunnen interesseren in een emmer van ribben in rode saus? Welke zou ik graag naar hem doorzetten als hij dat wenste?

De president van de maan schreef terug dat hij blij zou zijn om een emmer ribben in rode saus te hebben, en dat zijn postcode, als ik het nodig had, 10011000000000 was.

Ik gaf hem de opdracht dat ik wat 6 pakken Rolling Rock bier mee zou nemen om te drinken met de ribben in rode saus. En trouwens, wat was de appartementsituatie daar?

Het was slecht, hij antwoordde op de plaat van platitudinum, appartementen rennen ongeveer een dollar per jaar, hij wist dat dat hoog was, maar wat kon hij doen? Dit waren appartementen met vier slaapkamers, zei hij, met drie baden, bibliotheek, biljartkamer, wortelkelder, en terras over de zee van welvaart. Misschien kan hij me een huurkorting geven, zei hij, want ik ben een vriend van de maan.

De maan begon te klinken als een mooie plek. Ik stuurde een dollar naar het Space Shuttle-Up Fonds.

Ik trommelde hard op een holle log met een langsscheepse snede op maanfrequenties. Ik vroeg hem naar werk, medische dekking, pensioenuitkeringen, belastingonderdak, goedkope kaarten en kerstclubs.

Dat is een roger, hij heeft zich teruggeschroefd, een dollar bedekt alles, en als je geen dollar hebt, lenen we je een dollar via het Grotere Moon Development Mechanism.

Hoe zit het met oorlog en vrede? Ik zocht naar krullende ALGOL circuits die ik op mijn Apple computer had gekend.

De president van de maan antwoordde (door MIRV'D metafoor) dat de tikkapper ongeveer zo ver ging als ze in die richting hadden gestaan, en zo ver als ze zouden gaan, als hij er iets over te zeggen had.

Ik vertelde hem via engelenvluchten met speciale instructies dat het naar mij leek alsof hij daar behoorlijk goed in de hand had en zou hij er bij toeval over denken president van ons te zijn? Deeltijd indien nodig?

Nee, hij zei (in een douche van asteroïden uit tweedehands auto's met blauw-en-groene bumperstickers) dat onze presidentiële campagnes de kandidaten leken te beschadigen, hen pijn deden. Ze begonnen elkaar over het hoofd te slaan met pneumatische Russen, of eindeloze dingen over de bomen te zeggen. Hij zou het niet erg vinden om Dizzy Gillespie te zijn, zei hij.

 

Vertaald met https://translate.systran.net/translationTools/text, 2 juli 2020.

 

 

Ik schreef een brief...Ik schreef een brief aan de maanpresident en vroeg hem of ze daar weggedoken zones hadden. De politie had mijn Honda weggesleept en dat beviel me niet. Kostte me vijfenzeventig dollar om het terug te krijgen, plus de geestelijke gezondheid. Heb je ooit opgemerkt hoe de sleepwagens kleine autootjes oppikken? Heb je ze ooit een Chrysler Imperial zien vervoeren? Nee, dat heb je niet.

De maanpresident antwoordde heel beleefd dat de maan helemaal geen wegsleepzones had. Geestelijke gezondheid op de maan, voegde hij eraan toe, kostte slechts een dollar.

Nou, ik had die week heel veel geestelijke gezondheid nodig, dus schreef ik terug en zei dat ik dacht dat ik daar in de lente van '81 zou kunnen komen, als de spaceshuttle zijn porseleinbelofte zou nakomen, en om wat geestelijke gezondheid warm te houden voor mij die het nodig had , en kan ik hem interesseren voor een emmer ribben in rode saus? Wat zou ik hem graag verder vertellen als hij dat zou willen?

De Maanpresident schreef terug dat hij heel graag een emmer ribben in rode saus zou hebben en dat zijn postcode, als ik die nodig had, 10011000000000 was.

Ik heb hem bekabeld dat ik zes pakjes Rolling Rock-bier zou brengen om te drinken met de ribben in rode saus, en trouwens, wat was de situatie daarboven?

Het was slecht, antwoordde hij door platitudinum plaat, appartementen liepen ongeveer een dollar per jaar, hij wist dat dat hoog was, maar wat kon hij doen? Dit waren appartementen met vier slaapkamers, zei hij, met drie badkamers, een

bibliotheek, een biljartkamer, een wortelkelder en een terras met uitzicht op de Zee van Welvaart. Misschien kon hij een huurvermindering voor me regelen, zei hij, omdat ik een vriend van de maan ben.

De maan begon te klinken als een mooie plek. Ik heb een dollar gestuurd naar het Space Shuttle Hurry-Up Fund.

Ik trommelde hevig op een holle stam met een longitudinale sleuf afgestemd op de maanfrequenties, en ik vroeg hem naar werk, medische dekking, pensioenuitkeringen, belastingvrijstelling, gemakskaarten en Christmas Club-accounts.

Dat is een roger, hij straalde terug, een dollar dekt alles en als je geen dollar hebt, lenen we je een dollar via het Greater Moon Development Mechanism.

Hoe zit het met oorlog en vrede? Ik informeerde door middel van gekrulde kleine ALGOL-circuits die ik zelf op mijn Apple-computer had gebreid.

De Maanpresident antwoordde (door MIRV'D-metafoor) dat ticktacktoe ongeveer zover was als ze in die richting waren gekomen, en ongeveer zo ver als ze zouden gaan, als hij er iets over te zeggen had.

Ik vertelde hem via vluchten van engelen met speciale instructies dat het mij leek alsof hij het daar redelijk goed voor elkaar had en zou hij er toevallig over nadenken president van ons te worden? Parttime indien nodig?

Nee, zei hij (in een regen van asteroïden voor gebruikte auto's met blauw-en-groene bumperstickers) leken onze presidentiële campagnes de kandidaten te schaden, hen pijn te doen. Ze begonnen elkaar over het hoofd te slaan met pneumatische Russen, of ze zeiden onzinnige dingen over de bomen. Hij zou het niet erg vinden om Dizzy Gillespie te zijn, zei hij.

 

Vertaald met Google Translate, 2 juli 2020