الترجمة الجزئية (بشرية + آلية)

الفكرة: قم بترجمة عينة تمثيلية يدويًا، وأثبت أن طريقتك الآلية تطابق الأسلوب البشري على تلك العينة، ثم ترجم الجزء المتبقي تلقائيًا. يجمع هذا النهج بين الجودة البشرية والنطاق الآلي — فالإنسان يضع المعيار، والآلة تتبعه.

:::info هذا دليل عملي وليس تنفيذًا مكتملًا يرسم هذا الدليل الخطوط العامة لسير العمل الهجين بين الإنسان والآلة. وهو ملائم بشكل خاص لوكالات الترجمة، والعاملين اللغويين في المجتمعات، والسياقات التعليمية. :::

متى تستخدم هذا النهج

• لديك إمكانية الوصول إلى متحدثين بطلاقة لكن وقتهم محدود
• تحتاج إلى ترجمة حجم كبير لكن جزءًا صغيرًا فقط يحتاج إلى أن يكون مثاليًا
• تريد إرساء خط أساس للجودة بالترجمة البشرية، ثم التوسع باستخدام الترجمة الآلية
• تعمل في سياق تعليمي أو مجتمعي حيث تكون المراجعة البشرية لمجموعة فرعية أمرًا ممكنًا

كيف يعمل

[Full corpus: 1,000 entries]
        │
        ├── [100 entries] ──→ Human translator ──→ Gold translations
        │                                              │
        │                                              ▼
        │                                    Train / prompt machine
        │                                    method to match style
        │                                              │
        └── [900 entries] ──→ Machine method ──→ Auto translations
                                                       │
                                                       ▼
                                              [Optional: human review
                                               of flagged entries]

1. اختر عينة تمثيلية — تغطي أنواعًا مختلفة من الجمل والأطوال والموضوعات
2. ترجم العينة بشريًا — أرسِ المعيار الذهبي للأسلوب والمستوى اللغوي والمصطلحات
3. اضبط إعدادات طريقتك الآلية — استخدم الترجمات البشرية كبيانات توجيه، أو أمثلة few-shot، أو بيانات للضبط الدقيق
4. قيّم أداء الآلة على العينة البشرية — هل تطابق الآلة أسلوب الإنسان؟
5. ترجم البقية تلقائيًا — إذا كانت جودة الآلة مقبولة على العينة
6. مراجعة بشرية اختيارية — حدد المخرجات منخفضة الثقة لمراجعتها من قبل المتحدثين

ضمان الجودة: اختبار مطابقة الأسلوب

# Translate the human-translated sample with your machine method
python eval/baseline_experiment.py \
  --dataset data/human-sample.json \
  --condition coached-v3

# Compare: does the machine match the human translator's choices?
# Look at: chrF++ (similarity), FST acceptance (validity),
# and qualitative patterns (register, formality, terminology)

اختيار العينة

غطِّ التوزيع كاملًا. ينبغي أن تتضمن إدخالاتك المئة:

• عبارات قصيرة (1–3 كلمات) وجملًا كاملة
• مفردات شائعة ومصطلحات متخصصة في المجال
• تراكيب بسيطة وأخرى معقدة
• سمات نحوية متعددة (أسئلة، صيغ أمر، جمل شرطية)

لا تنتقِ الإدخالات السهلة فقط. يجب أن تتضمن العينة إدخالات يُرجَّح أن تواجه طريقتك صعوبة معها — فهنا تكون الجودة البشرية أكثر أهمية.

سير عمل المراجعة المجتمعية

بالنسبة لمجتمعات لغات الشعوب الأصلية، يحترم هذا النهج وقت المتحدثين:

1. يترجم المتحدث 50–100 إدخال (2–4 ساعات من العمل المركّز)
2. تترجم الآلة الإدخالات التسعمئة المتبقية باستخدام عمل المتحدث كبيانات توجيه
3. يراجع المتحدث الإدخالات المحددة — فقط تلك التي كانت الآلة أقل ثقة بشأنها (ساعة إلى ساعتين إضافيتين)
4. النتيجة: 1,000 ترجمة بجودة قريبة من الجودة البشرية، بحوالي 5 ساعات من وقت المتحدث بدلًا من حوالي 50 ساعة

المزايا والعيوب

✅ يجمع بين الجودة البشرية والنطاق الآلي	❌ يتطلب استثمارًا بشريًا أوليًا
✅ يحترم محدودية توفر المتحدثين	❌ قد لا تلتقط الآلة جميع الفروق الأسلوبية الدقيقة
✅ سير عمل طبيعي لضمان الجودة	❌ يؤثر اختيار العينة على الجودة الإجمالية
✅ ممتاز للسياقات المجتمعية/التعليمية	❌ المراجعة البشرية تشكّل عنق زجاجة للإدخالات المحددة

يتكامل جيدًا مع

• Coached LLM Prompting — الترجمات البشرية تغذّي بيانات التوجيه
• Few-Shot Prompting — الترجمات البشرية كأمثلة ضمن السياق
• Corpus Creation — العينة البشرية هي بحد ذاتها إنشاء للمدونة اللغوية

انظر أيضًا

• للمجتمعات اللغوية — نموذج المشاركة المجتمعية
• سيادة البيانات — ملكية بيانات الترجمة
• دعم لغة منخفضة الموارد