Moderne technologie bij vertalingen: van verrijking tot teloorgang?

Moderne technologie bij vertalingen: van
verrijking tot teloorgang?
Een blik op de dominantie van moderne technologie bij vertalingen vandaag de dag.
Een vooruitblik op morgen.
Academiejaar 2017 – 2018
Lisa Wynendaele
Officemanagement: bedrijfsvertaler-tolk
Begeleider: mevr. A. Sennesael

Inhoudsopgave
Woord vooraf................................................................................................................................................2
Lijst met figuren en tabellen .........................................................................................................................3
Abstract ........................................................................................................................................................4
1 Voorbij het woordenboek ............................................................................................................5
1.1 Inleiding........................................................................................................................................5
1.2 Geschiedenis – van woordenboek naar computer .........................................................................6
1.3 Hoe zit vertaaltechnologie in elkaar?.............................................................................................7
1.4 Verschillende toepassingen...........................................................................................................8
1.5 Effect van vertaaltechnologie...................................................................................................... 11
1.6 Trends/toekomst ........................................................................................................................ 14
1.7 AI, Machine learning en the Internet of Things ............................................................................ 16
2 Vertaaltechnologie in de praktijk. Een analyse van occasioneel en professioneel gebruik..........18
2.1 Occasionele vertalers.................................................................................................................. 19
2.2 Professionele vertalers................................................................................................................ 24
3 Conclusie....................................................................................................................................32
Literatuurlijst ..............................................................................................................................................34
Bijlagen.......................................................................................................................................................37
Bijlage 1: Vragenlijst occasionele vertalers................................................................................................... 37
Bijlage 2: Vragenlijst professionele vertalers ................................................................................................ 41
Bijlage 3: Figuren occasionele vertalers........................................................................................................ 44
Bijlage 4: Figuren professionele vertalers..................................................................................................... 50

Woord vooraf
(Vertaal)technologie is iets waar we niet meer omheen kunnen. Het maakt deel uit van het
dagelijkse leven en biedt een oplossing voor zowat elk probleem. Vooral de snelheid waarmee alles
evolueert is interessant. Boeken en artikels over (vertaal)technologie van twee jaar geleden zijn al
bijna gedateerd. Zowat elke dag komen er nieuwigheden op de markt. Wij gebruiken het
occasioneel weleens, maar hoe gaan professionelen hiermee om en op welke manier beïnvloedt
het de communicatie?
Vroeger zorgde de zin “In mijn tijd hadden we dat nog niet hoor!” ervoor dat er stevig met de ogen
werd gerold. Maar toen ik enkele maanden geleden ging babysitten en de kinderen mij allerlei
nieuwe apparaten en soorten spelletjes kwamen tonen die ik nog nooit had gezien – met bijhorend
oogrollen over mijn onwetendheid – was ik even mijn kluts kwijt. Vroeger was het een echte
kwelling om iets dat te maken had met technologie uit te leggen aan onze ouders of grootouders.
Voor onze generatie was het zo evident, en onbegrijpbaar dat het voor anderen niet zo was. Dat
leek naar mijn gevoel nog niet zo lang geleden, maar tijdens het babysitten werd ik met mijn neus
op de feiten gedrukt. Kinderen van negen en elf jaar vonden sneller een oplossing voor een
technologisch probleem dan ik. Hoe was het zover kunnen komen?
Ik ben door het voorval beginnen nadenken en heb mezelf de vraag gesteld: Hoe dominant is
vertaaltechnologie vandaag en wat is de evolutie voor de toekomst? Deze bachelorproef biedt
het antwoord op die vraag.
Het is mijn bedoeling om met dit eindwerk een voorzet te geven, een soort van situatieschets zodat
mensen zich bewuster worden van vertaaltechnologie. Omdat het voor mij onmogelijk was om al
het onderzoek te doen dat ik wou doen, hoop ik dat mijn onderzoek de aanzet kan zijn voor meer.
Zodat er in de nabije toekomst meer onderzoek zal gevoerd en gepubliceerd worden over het
onderwerp.
Doordat digitale hulpmiddelen steeds meer gebruikt worden, lijkt het mij eveneens een goed idee
om hier meer aandacht aan te besteden tijdens de opleiding vanuit onze hogescholen en
universtiteiten. Op die manier zijn ook toekomstige schoolverlaters voorbereid op de technologie
waar ze in de toekomst ongetwijfeld mee te maken zullen krijgen. Zo leren ze al tijdens hun
opleiding de voor- en nadelen kennen en kunnen de vertaaltechnologie op een goede en
verstandige manier leren toepassen. Hoe bewuster studenten en vertalers zijn van alle aspecten
van vertaaltechnologie, hoe beter en efficiënter ze die kunnen gebruiken en oppassen voor de
gevaren ervan.
Ik heb mijn bachelorproef opgedeeld in twee grote delen. Het eerste deel is een theoretische
situatieschets van vertaaltechnologie op basis van literatuuronderzoek. In dit deel bespreek ik de
geschiedenis en de werking van vertaaltechnologie, de verschillende toepassingen en het effect
van vertaaltechnologie. Ook trends voor de toekomst en AI, Machine learning en the Internet of
Things komen aan bod. Het tweede deel is de analyse van mijn praktijkonderzoek. Ik vroeg aan
zowel occasionele als professionele vertalers hoe en met welke middelen zij vertalen, wat de
kwaliteit daarvan is en hun mening over de toekomst. Ik sluit af met een conclusie waarin ik de
belangrijkste punten uit de twee delen samenbreng en het uiteindelijke antwoord op de centrale
vraag formuleer.
Tot slot was het schrijven van deze bachelorproef niet mogelijk geweest zonder de hulp en steun
van een aantal mensen. Allereerst wil ik mijn begeleider mevrouw Annick Sennesael bedanken voor
de coaching tijdens dit proces. Als tweede wil ik graag Nancy De Vogelaere bedanken. Zij heeft haar
kennis en netwerk in de strijd gegooid om mij te helpen. Ze heeft mij bijsturing en tips gegevens
wanneer het nodig was en heeft mij geholpen overzicht te creëren wanneer ik door het bos de

bomen niet meer zag. Daarnaast bedank ik mijn vriend, Steven De Moor, voor de steun en Sara De
Moor, Thomas De Valck en Rani Van Buggenhout voor het nalezen van mijn bachelorproef. Tot slot
ben ik alle respondenten van mijn vragenlijsten zeer dankbaar. Zij hebben mij heel veel data
gegeven om te verwerken in mijn onderzoek. Zonder hen had ik geen gegevens om mee te werken.

Lijst met figuren en tabellen
Figuur 1: Hoe vaak vertaal je? ........................................................................................................19
Figuur 2: Welke middelen gebruik je om te vertalen?.....................................................................20
Figuur 3: Waarom gebruik je net die vertaalmiddelen? ..................................................................21
Figuur 4: Op welke manier pas je je taalgebruik aan?.....................................................................21
Figuur 5: Welke feedback krijg je op je vertalingen?.......................................................................22
Figuur 6: Hoeveel belang hecht je aan de volgende aspecten van je vertaling?...............................23
Figuur 7: Hoe zou je de kwaliteit van de vertalingen bij de hulpmiddelen die je gebruikt
beoordelen? ..................................................................................................................................23
Figuur 8: Vergelijking gewenste kwaliteit en effectieve kwaliteit....................................................24
Figuur 9: Wat is je leeftijd?.............................................................................................................25
Figuur 10: Waarom ben je met vertalen bezig? ..............................................................................25
Figuur 11: Welke vertaalmethoden gebruik je? ..............................................................................26
Figuur 12: Hoe tevreden ben je over de kwaliteit van de vertaalmethoden die je gebruikt? ...........27
Figuur 13: Wat zijn de voordelen van vertaaltechnologie?..............................................................28
Figuur 14: Wat zijn de nadelen van vertaaltechnologie?.................................................................28
Figuur 15: Zorgt moderne technologie/vertaaltechnologie voor een taalverarming of een
taalverrijking?................................................................................................................................30
Figuur 16: Wat is je geslacht?.........................................................................................................44
Figuur 17: Hoe lang vertaal je al?....................................................................................................44
Figuur 18: Heb je ooit een opleiding gevolgd voor de taal/talen waarin je vertaalt? .......................45
Figuur 19: Is er een vertaaldienst binnen je bedrijf? .......................................................................45
Figuur 20: Zou je een vertaaldienst binnen je bedrijf willen?..........................................................45
Figuur 21: Maak je gebruik van de aanwezige vertaaldienst?..........................................................46
Figuur 22: Hoe ben je bij de vertaalmiddelen die je nu gebruikt terechtgekomen?.........................46
Figuur 23: Wat is meestal het onderwerp van je vertalingen? ........................................................46
Figuur 24: Pas je je taalgebruik aan bij het vertalen?......................................................................47
Figuur 25: Zou je graag betere methoden om te vertalen voorhanden hebben?.............................47
Figuur 26: Hoe wil je die betere methoden krijgen? .......................................................................47
Figuur 27: Laat je je vertalingen nalezen?.......................................................................................48
Figuur 28: Door wie laat je je vertalingen nalezen?.........................................................................48
Figuur 29: Vragen andere mensen jou om hun vertalingen na te lezen of vertalingen voor hen te
maken?..........................................................................................................................................48
Figuur 30: Waarom schakelen anderen jou in?...............................................................................49
Figuur 31: Wat is je geslacht?.........................................................................................................50
Figuur 32: Hoe lang ben je al met vertalen of vertaaltechnologie bezig?.........................................50
Figuur 33: Hoe ben je bij die vertaalmethoden terechtgekomen?...................................................51
Figuur 34: Gebruik je de vertaaltechnologie zowel op professioneel als privévlak?.........................51
Figuur 35: Waarvoor maak je gebruik van vertaaltechnologie?.......................................................51
Figuur 36: Hoe vaak kom je in aanmerking met vertaaltechnologie? ..............................................52
Figuur 37: Vormt vertaaltechnologie een bedreiging? ....................................................................52
Figuur 38: Zie je zelf een ethisch dilemma verbonden aan het gebruik van vertaaltechnologie?.....52
Figuur 39: Zullen vertalers nodig blijven in de toekomst? ...............................................................53

4
Abstract
In dit onderzoek staat de vraag centraal in hoeverre vertaaltechnologie vandaag de dag dominant is
en wat de evolutie is voor de toekomst.
Om deze vraag te onderzoeken wordt eerst een uitgebreide literatuurstudie gevoerd die later is
aangevuld met onderzoek in de vorm van enquêtes bij occasionele en professionele vertalers.
Uit de resultaten komt naar voor dat reeds 30 % van de occasionele en 68 % van de professionele
vertalers dagelijks vertaaltechnologie gebruikt. Vertalers zien de voordelen – snelheid, efficiëntie,
consistentie – zeker in, maar waarschuwen voor tekorten zoals het gebrek aan context en het
missen van nuanceverschillen.
Daarmee lijkt dat vertaaltechnologie reeds dominant is. Het vermoeden leeft dat dit alleen maar
aan dominantie zal winnen omdat vertalers cognitief reeds beseffen dat vertaaltechnologie
belangrijker wordt, maar gevoelsmatig nog niet op hetzelfde niveau zitten. Toch zal
vertaaltechnologie in mijn opinie nooit een feilloze vertaling kunnen afleveren aangezien zij het
menselijk brein niet kan vervangen. Een goed beheerd gebruik en kritische visie blijven
noodzakelijk.

5
1 Voorbij het woordenboek
1.1 Inleiding
De toenemende globalisatie zorgt voor een snel evoluerende samenleving. Dit heeft impact op veel
sectoren, onder andere ook op de vertaalsector. We zijn meer geconnecteerd dan ooit tevoren,
waardoor er ook steeds meer vertalingen nodig zijn. Het stijgende volume te vertalen materiaal
leidt op zijn beurt tot een groeiend tekort aan vertalers. Waar er vroeger geen tekort was, is
vertaaltechnologie vandaag de dag een onmisbaar iets om het tekort aan vertalers op te vullen. De
steeds toenemende nood aan vertalingen heeft mede gezorgd voor een snelle evolutie van de
technologie (Melby, 1995). In een poging het tekort aan vertalers op te vangen, probeert men
onder andere gebruik te maken van automatische vertaalsystemen. Tegelijkertijd wil men de
output ervan verbeteren (of post-editen): dat proces zou immers sneller zijn dan het gebruikelijke
manueel vertalen (Daems, Macken & Vandepitte, 2014).
Veel mensen geloven dat er geen fundamenteel verschil is tussen mensen en machines. Ze zijn er
van overtuigd dat de kwaliteit van vertaaltechnologie ooit die van menselijke vertaling zal
overtreffen. Computers zijn bovendien sneller en accurater dan mensen. Voor hen is het menselijk
brein een soort van computer. Het is voor hen slechts een kwestie van tijd tot er een nieuwe
computer is, sneller en beter dan het menselijke brein, die de menselijke capaciteiten van
taalverwerking achter zich laat. Anderen denken het tegenovergestelde. Zij geloven dat mensen en
computers zodanig verschillen in hun manier van werken dat computers de capaciteiten van
menselijke vertalers nooit zullen kunnen evenaren. Nog anderen vinden het onderwerp zeer
verwarrend (Melby, 1995).
Om het belang en de complexiteit van vertalen in te zien, is het belangrijk om te weten dat
woorden binnen alle talen op een andere manier evolueren. Een woord in de ene taal kan op
verschillende manieren vertaald worden in een andere taal, afhankelijk van de context (Melby,
1995).
Dankzij technologie is het mogelijk om ogenblikkelijk grote hoeveelheden data te analyseren in
plaats van handmatig pagina na pagina te doorbladeren. Je kan bovendien automatisch een
vertaling van jaren terug oproepen en eerder onbereikbare bronnen raadplegen.
Technologie heeft er, in essentie, voor gezorgd dat vertalers hun geheugen konden overzetten naar
hun harde schijf. Hun kennis is nu opgeslagen in de cloud en kan op elk moment geraadpleegd,
gecontroleerd en gedeeld worden. Vertaaltechnologie biedt een oplossing voor de
veelvoorkomende gebreken van het brein – betrouwbaarheid, snelheid, consistentie (Klinc, z.j.).
Het echte potentieel ligt bij het begrip van de besluitvormende processen in het hoofd van de
vertaler en die te kunnen omzetten naar technologie. Op die manier kan de vertaaltechnologie zich
positioneren als een onmisbare factor in het creatieve proces (memoQ, 2018).
Door de invloed van technologie is de rol van vertaler niet meer dezelfde als vroeger. Volgens
Manon Ruijters, hoogleraar aan de Vrije Universiteit van Amsterdam, draait de definitie van een
professionele vertaler niet enkel meer rond de kennis van taal. Volgens haar wordt de
hedendaagse professional dat niet door zijn initiële opleiding, maar doordat hij of zij continu bezig
blijft met ontwikkelingen in zijn of haar vak, de maatschappij en de organisatie waar hij of zij werkt
(Hulsebosch & Wagenaar, 2016).
Frieda Steurs, een Belgische taalkundige, benadrukt eveneens het stijgende belang van
vertaaltechnologie bij professionals. Taalkundigen die niet bang zijn om zich voor technologie te
interesseren, worden op veel plaatsen met open armen ontvangen. Er zijn heel wat taalkundigen
die over dergelijke competenties beschikken tekort op de arbeidsmarkt (Comer, 2016).

6
1.2 Geschiedenis – van woordenboek naar computer
De uitvinding van de computer leidde al snel tot de wil om deze te gebruiken voor vertalingen. In
de periode volgend op WO II werden er initiële pogingen ondernomen om een volledig
automatisch, kwaliteitsvol machinevertalingsysteem te ontwikkelen om vertalers te vervangen.
Onderzoekers kwamen echter snel tot de conclusie dat vertalen een zeer complexe taak is die meer
omvat dan pure woord-voor-woord vervanging.
Grote veranderingen kwamen er in de jaren 1980. De administratieve en commerciële noden van
meertalige gemeenschappen stimuleerde de nood aan vertaling. In de jaren 1990 waren er grote
ontwikkelingen op vlak van machinevertaling met een radicale verandering van strategie.
Machinevertaling werd niet langer gebaseerd op grammaticale regels, maar op teksten en
voorbeelden (Agwu Uzoma, 2016). Bij regelgebaseerde vertalingen moesten onderzoekers regels
rechtstreeks in de systemen inbouwen. De computers leerden dus eigenlijk niets zelfstandig en
waren vooral uitvoerder. De onderzoekers waren dit al snel beu en men begon Machine Learning
toe te passen. Door het aanreiken van veel voorbeelddata trachtte men een computer autonoom
de oplossing voor een bepaald probleem te laten bedenken. Maar de machine kan dan slechts
leren bij de gratie van grote hoeveelheden manueel geannoteerde data (Kestemont, 2016).
Vandaag de dag zorgen wereldwijde verbondenheid en andere moderne activiteiten voor een groei
van de vertaalindustrie, wat op zijn beurt zorgt voor een boost voor vertaaltechnologie (Agwu
Uzoma, 2016).
De laatste jaren zijn onderzoekers actief bezig met de transfer van Deep-learning technieken naar
de taaltechnologie. Deep-learning is een onderdeel van machinaal leren dat zich richt op neurale
netwerken. In hoofdstuk 1.7 wordt het begrip verder toegelicht. De ontwikkelingen situeren zich in
het domein van de semantiek of betekenisleer. Vooral de ontwikkelingen binnen het ongestuurd
leren van manieren om woorden te representeren. In de taaltechnologie is een goed begrip van
woordbetekenissen cruciaal. Als gebruik gemaakt wordt in een zoekscherm van een specifieke
term, is het belangrijk dat we ook documenten met evidente synoniemen kunnen retourneren. Het
is net op vlak van context en meervoudige betekenissen dat vertaalmachines vandaag de dag de
mist in gaan.
In 2013 kwam het hele proces in een stroomversnelling. Tomas Mikolov et al. publiceerde een
paper met een nieuwe methode om woordrepresentaties te extraheren uit grote hoeveelheden
tekst, op basis van technieken uit Deep-learning. De methode heeft geen noemenswaardige
menselijke supervisie nodig, het heeft genoeg aan het bestuderen van welke woorden vaak samen
optreden in grote tekstverzamelingen. Het algoritme is ook veel simpeler dan eerdere benamingen
(Kestemont, 2016).
In de huidige samenleving en de wereldwijde markt is het belangrijk over de landsgrenzen heen te
kunnen communiceren. Bedrijven moeten niet enkel rekening houden met de context van
woorden, maar ook met de context waarin een boodschap terechtkomt. Ze moeten verder gaan
dan een gewone vertaling van hun website, video’s of mobiele applicaties om een boodschap de
wereld in te sturen die zowel voor de thuis- als internationale markt interessant is. Een nieuwe
markt betreden zonder research is een slecht idee. Daarvoor zijn mensen nodig want machines
hebben geen verstand van culturele nuances, smaken of taboes (Comben, 2016).

7
1.2.1 Categorieën internetexperts
Adam Gopnik, schrijver en letterkundige, deelt internetexperts in drie groepen in:
• de Never-Betters,
• Better-Nevers en
• Ever-Wasers.
De Never-Betters geloven in een utopie waarbij internet ervoor zal zorgen dat informatie
democratisch en beschikbaar is. Better-Nevers geloven dat het leven voor internet op veel punten
beter was. De Ever-Wasers denken dat nieuwe manieren van communiceren en data organiseren
mogelijk worden door internet, en dat dit altijd bepaalde groepen mensen in de kaart speelt en
anderen niet. Enthousiast, maar met aandacht en waardering voor nuance en tegengeluiden. (leren
in tijden van apps en tweets) Er zullen altijd Never-Betters en Better-Nevers zijn, maar in dit
onderzoek vertrek ik vanuit de filosofie van Ever-Wasers. Wat zijn de voordelen, wat zijn de
nadelen en welk effect heeft het op ons allemaal? (Hulsebosch & Wagenaar, 2016).
1.3 Hoe zit vertaaltechnologie in elkaar?
Het zijn geweldige tijden. Technologische vooruitgang laat ons toe te communiceren met mensen
over de hele wereld zonder universele taal. Het is mogelijk te communiceren in Chinees, Hongaars
of Hindi zonder ook maar een woord van die taal te spreken of de cultuur te kennen. Maar
communiceren zonder die kennis kan voor een hoop ellende zorgen. Woordbetekenissen zijn
bijvoorbeeld niet altijd vergelijkbaar in verschillende talen. Wat bedoeld wordt is niet altijd hoe het
overkomt. Daarnaast bedoelen we vaak meer dan we zeggen. De diepere betekenis van wat we
impliceren of net niet zeggen, is vaak belangrijker dan wat we wel zeggen. Het is moeilijk die
onderliggende betekenissen via vertaling over te brengen. De manier waarop vertaald wordt of de
middelen die gebruikt worden, zijn in zo’n gevallen zeer belangrijk (Haugh, 2017).
Er wordt daarbij een onderscheid gemaakt tussen ‘sterke betrokkenheid’ en ‘sterke
bedachtzaamheid’. Bij sterke betrokkenheid onderbreken sprekers elkaar regelmatig, stellen ze
vele vragen en spreken luidruchtig. Alles anders wordt beschouwd als onbeleefd. Bij sterke
bedachtzaamheid wachten sprekers op hun beurt, zijn ze niet te nieuwsgierig en spreken stiller.
Alles anders wordt beschouwd als onbeleefd. De normen liggen bij sommige talen anders.
Daarmee moet ook bij vertalen rekening gehouden worden (Love, 2017).
Er zijn veel verschillende vormen van vertaaltechnologie. In het volgende hoofdstuk worden de
verschillende soorten besproken, maar hoe zit die technologie in elkaar? Het basisprincipe van veel
toepassingen is hetzelfde. Er zijn drie domeinen waarbinnen deze tools ingrijpen.
1 Communicatie: de manier waarop vertalers communiceren met klanten en andere vertalers.
2 Geheugen: hoeveel informatie we kunnen opvragen en hoe snel.
3 Teksten: deze zijn vandaag de dag slechts tijdelijke opstellingen.
Van alle hulpmiddelen zijn vooral degene met betrekking op geheugen specifiek ontworpen voor
vertalers. Al beïnvloeden technologieën alle aspecten van vertaalwerk (Biau & Pym, 2006).
Vertaalgeheugens, grote databases met vertalingen die door mensen gemaakt zijn, vormen de
grondslag van vertaalsoftware. Ze hergebruiken eerder gemaakte vertalingen door de brontekst te
verdelen in segmenten die de vertaler een voor een op de traditionele manier kan vertalen. Deze
(vertaalde) segmenten worden opgeslagen in een database. Als de computer een nieuwe zin moet
omzetten, zoekt hij in de database alle zinnen die een beetje op de nieuwe zin lijken. Dan probeert
hij de vertalingen van die zinnen zo in elkaar te passen dat er een nieuwe vertaling ontstaat (Biau &
Pym, 2006) (van Oostendorp, 2008).

8
De manier van werken wordt eveneens beïnvloed door een vertaalgeheugen. Bij een database
wordt er doorgaans verwacht dat de vertaler de terminologie en het taalgebruik van de segmenten
uit die database volgt in plaats van zijn of haar eigen stijl van vertalen te gebruiken. Daarnaast
maken vertaalgeheugens het mogelijk dat er meerdere vertalers tegelijkertijd aan een vertaling
werken en er toch consistentie is (Biau & Pym, 2006).
We verwachten dat een woord met zeer verschillende betekenissen ook verschillende vertalingen
zal hebben, afhankelijk van hoe het woord gebruikt wordt. Bijvoorbeeld het woord ‘bank’. Een
mens zal makkelijk het verschil in gebruik van het woord kunnen onderscheiden en moet enkel
leren hoe de verschillende betekenissen vertaald worden. Maar hoe kan een computer het
onderscheid maken? (Melby, 1995)
Deze tools vormen geen bedreiging voor vertalers en tolken om hun job beter te doen en werden
niet ontworpen als vervanging, maar om hen te helpen (Agwu Uzoma, 2016). In een aantal
sectoren heeft het gebruik van vertaaltechnologie ervoor gezorgd dat vertalen sneller kan
gebeuren, kosten lager liggen en er een stijgende vraag is naar vertaaldiensten (Biau & Pym, 2006).
De beste algemene vertaalcomputers halen tegenwoordig een vier of een vijf op hun rapport. Er
zijn er wel een paar die een acht halen, maar die vertalen dan alleen heel specifieke teksten, zoals
weerberichten. Binnen een paar jaar wordt verwacht dat dat een vijf of zes is, maar onderzoek zal
ervoor zorgen dat technologie blijft evolueren en verbeteren (van Oostendorp, 2008).
1.4 Verschillende toepassingen
Het begrip ‘vertaaltechnologie’ dekt vele ladingen. Doorheen de jaren zijn er veel verschillende
tools ontwikkeld om vertalers digitaal bij te staan of te vervangen. ‘Vertaaltechnologie’ is de
overkoepelende term voor al die tools.
Hieronder zal ik drie grote categorieën bespreken samen met een aantal voorbeelden: Computer
Assisted Translation of CAT, Machine Translation of MT en post-editing.
1.4.1 CAT
Computer Assisted Translation (CAT) is een algemene term die gebruikt wordt om software te
beschrijven die menselijke vertalers gebruiken tijdens hun vertaalproces om hun productiviteit te
verhogen. Heel wat professionele vertalers gebruiken CAT tools (GALA, 2018).
CAT systemen voeren een vertaling uit, maar vertrouwen op de interventie van de menselijke
vertaler in verschillende fasen van het proces (Agwu Uzoma, 2016).
Met behulp van CAT tools kunnen vertalers sneller werken, automatisch fouten verbeteren en een
grotere consistentie bij vertalingen bekomen. Ze geven onmiddellijke flexibiliteit en vrijheid, alsook
directe toegang tot een uitgebreid aanbod aan actuele informatie. Daarnaast kunnen vertalers hun
werk opslaan om dat daarna te delen of hergebruiken. Typische CAT tools zijn teksteditors met een
ingebouwd vertaalgeheugen. Enkele voorbeelden van CAT tools zijn: SDL Trados Studio, Wordbee
Translator, Wordfast Classic, Wordfisher, Fluency, … (GALA, 2018) (Agwu Uzoma, 2016)
(Technology’s impact on translation, 2016).
Computerondersteunde vertaling is in de praktijk een complex proces waarbij specifieke
hulpmiddelen en technologie kunnen aangepast worden aan de noden van de vertaler. Die vertaler
is betrokken in alle fasen van de vertaling en niet enkel in die van nakijken en aanpassen. De
computer wordt een werkstation waar de vertaler toegang heeft tot verscheidene teksten,
hulpmiddelen en programma’s. De vertaler kan een persoonlijke werksfeer creëren en die
aanpassen bij elke vertaalopdracht (Agwu Uzoma, 2016).

9
Enkele eigenschappen van CAT tools zijn:
• Spellingcontrole, autocorrect: spellings- en grammaticale fouten worden automatisch
aangeduid.
• Geïntegreerde machinevertaling: de tool geeft suggesties voor segmenten via een
geconnecteerde vertaalmotor.
• Elektronische woordenboeken: biedt de mogelijkheid om binnen de tool zaken op te zoeken.
• Zoekfunctie voor tekst: zinnen of termen zoeken in de tekst.
• In-context review: documenten uit zowel de bron- als doeltaal worden in hun volledige lay-out
weergegeven. De tekst wordt uit het document gehaald en na vertaling bouwt de tool het
document in de doeltaal opnieuw op.
• Opstelling TM: vertaalgeheugen wordt opgebouwd of aangevuld uit de brontekst en vertaling.
Er zijn zowel online als offline CAT tools beschikbaar. Online CAT tools werken in een browser.
Offline CAT tools worden geïnstalleerd op de computer en zijn niet afhankelijk van een
internetverbinding (GALA, 2018).
Een vertaalgeheugen of Translation Memory (TM) is de absolute kern van een CAT tool. Een TM
laat de vertaler toe eerder gemaakte vertalingen en hun brontekst, gedeeltelijk of volledig, te
hergebruiken wanneer hij of zij een gelijkaardige tekst voor zich heeft. Het vertaalgeheugen duidt
de desbetreffende tekst aan terwijl het de opgeslagen vertaling voorstelt aan de vertaler
(Technology’s impact on translation, 2016). Bij domeinen met zeer specifieke woordenschat zoals
recht, financiën of sport zorgt een vertaalgeheugen ervoor dat de vertaling accurater en
consistenter is. Hoe meer je vertaalt, hoe beter het vertaalgeheugen is (Lenczewski, 2016).
CAT tools blijven steeds evolueren. Er worden functies toegevoegd die er voor zorgen dat ze
onmisbaar zijn binnen het landschap van vertalen. Quality Assurance (QA) is daarvan een perfect
voorbeeld. Deze functie waarschuwt vertalers voor eventuele fouten bij nummers, interpunctie,
hoofd- of kleine letters, namen van producten of diensten alsook voor overbodige of ontbrekende
spaties of onvertaalde tekst. Dit maakt het werk voor vertalers makkelijker en verbetert de
kwaliteit van vertalingen (Borkovec, 2017).
Een voorbeeld van een CAT tool die veel gebruikt wordt door vertalers, is Linguee. Linguee is een
website met meertalige woordenboeken die speciaal ontworpen is voor vertalers en taalkundigen.
Linguee is vergelijkbaar met online woordenboeken, maar onderscheidt zichzelf door zijn grote
aanbod aan voorbeelden. Wanneer gebruikers een woord opzoeken in het systeem, krijgen ze een
groot aantal voorbeeldzinnen waarin dat woord reeds gebruikt werd. Dit geeft vertalers context en
helpt hen te begrijpen hoe een woord gebruikt wordt in de doeltaal. Het is ook mogelijk volledige
zinnen op te zoeken en te kijken hoe die vertaald werden door anderen (Lenczewski, 2016).
1.4.2 Machine Translation
Machinevertaling is waarschijnlijk de vorm van vertaaltechnologie waarover de meeste meningen
gevormd zijn. De meeste teksten worden vandaag opgesteld in een digitaal formaat zodat ze
makkelijk verwerkt kunnen worden door computer tools. De eerste poging om een functionerend
systeem te creëren voor machinevertaling was eind jaren 40 (Biau & Pym, 2006). De eerste
functionele vertaalmachine verscheen op de markt in de jaren 1990 (Borkovec, 2017).
Verschillende generaties later is machinevertaling overal beschikbaar en relatief functioneel. De
vele grappige of foute vertalingen zorgen voor heel wat vertier bij verveelde vertalers. Het systeem
is echter zeer handig voor vertalingen in grote lijnen van talen waar je niets vanaf weet. Anderzijds
slaagt machinevertaling er in om binnen zeer beperkte contexten kwalitatieve vertalingen af te
leveren. Hierover wordt meer duiding gegeven in hoofdstuk 1.5 (Biau & Pym, 2006).
Het begrip ‘machinevertaling’ verwijst naar de volledig geautomatiseerde software die een
brontekst kan vertalen naar eender welke doeltaal. Mensen kunnen machinevertaling gebruiken

10
om hen te helpen bij vertalingen of de software kan functioneren zonder menselijke tussenkomst.
Machinevertaling wordt vaak gebruikt om enorme hoeveelheden tekst te vertalen waarbij
traditionele vertaling onmogelijk is. De kwaliteit van machinevertaling is variërend. Systemen voor
machinevertaling hebben nood aan ‘training’ binnen het gewenste domein en de taalcombinatie
om de kwaliteit te verbeteren. Enkele voorbeelden van systemen voor machinevertaling zijn:
Google Translate, Babylon, Microsoft Translator/Bing, Systran, … (GALA, 2018).
Machinevertaling die zich enkel baseert op software heeft als doel zoveel mogelijk informatie te
verzamelen die nodig is voor vertaling zodat een tekst kan vertaald worden zonder tussenkomst
van de mens. Het is die sector van geautomatiseerde activiteit die bestaat uit het automatisch
vertalen van elektronische gegevens van de ene taal naar de andere. De machine doet al het werk
zonder input van de gebruiker. Ze maakt gebruik van de capaciteit van de computer om de
structuur van een statement of zin in de brontaal te analyseren, op te splitsen in gemakkelijk
vertaalbare elementen en een vertaling te maken met dezelfde structuur in de doeltaal (Agwu
Uzoma, 2016).
Er zijn drie grote categorieën binnen machinevertaling:
1. De eerste generatie systemen waren regelgebaseerd (RbMT). Deze systemen vertrouwden op
ontelbaar veel algoritmen gebaseerd op grammatica, syntaxis en taalgebruik van een specifieke
taal.
2. Samen met zoekfuncties en big data was er sprake van statistische systemen (SMT). Veel
gelijkaardige teksten kwamen ter beschikking en de onderzoekers besloten teksten te
vergelijken op basis van patronen om zo vertalingen te vinden die statistisch gezien het meest
geschikt waren. Deze systemen waren sneller dan regelgebaseerde machinevertaling, indien er
genoeg materiaal voorhanden was om te vergelijken.
3. Sinds 2016 is er stijgende interesse in neurale machinevertaling (NMT). Deze werkt op basis
van neurale systemen en gebruikt specifieke technologie om de software het beste resultaat te
leren produceren. Het algoritme imiteert het brein, analyseert de algemene context van de zin
terwijl het de onderlinge gelijkheid van woorden vergelijkt (Borkovec, 2017). Steeds meer
aanbieders van machinevertaling stappen over naar deze technologie (GALA, 2018).
De meningen over de toekomst van machinevertalingen zijn verdeeld. Enerzijds is men er van
overtuigd dat ze langzaamaan terrein verliest aan computerondersteund vertalen (CAT). CAT tools
kunnen beter op de noden van vertalers inspelen aangezien ze menselijke interactie vereisen
(Agwu Uzoma, 2016). Anderzijds kondigde SDL, een van de grootste vertaalbedrijven ter wereld, in
2016 aan dat zij 20 keer meer content vertalen via machinevertaling dan via menselijke vertalers
(GALA, 2018). Het voortbestaan van machinevertaling zal dus vooral afhangen van de sector
waarbinnen vertaald moet worden.
Alles is voorhanden om van machinevertalingstechnologie een succes te maken. Het potentieel van
de computer is bijna eindeloos en technologie ontwikkelt zich elke dag. Terwijl onderzoekers
debateren over wat uiteindelijk de beste manier zal zijn om FAHQT (Fully Automatic High Quality
Translation) te bereiken, beseffen gebruikers dat ze vandaag reeds een mix van middelen ter
beschikking hebben om FAUT (Fully Automatic Useful Translation) te bekomen (van der Meer,
2006). De machinevertaling die met andere woorden vandaag bekomen wordt, is bruikbaar, maar
nog niet in die mate dat ze zonder aanpassingen kan overgenomen worden.

11
1.4.3 Post-editing
Post-editing is het achteraf aanpassen van een tekst, meestal gebruikt bij het redigeren van een
tekst die vertaald is door een machine. Bij vertaling met machinevertaling worden teksten vaak uit
hun verband getrokken of gaat de context verloren. Het is dan aan de post-editor om de vertaling
weer op orde te krijgen (Textcase, 2015).
Post-editing is geen kwestie van verfraaiing, maar van voltooiing van een machinaal vervaardigde
vertaling. Bijvoorbeeld wanneer woorden niet vertaald werden, ambigue woorden of constructies
worden weergegeven op één standaard manier, als het systeem de brontaal niet begreep en koos
voor een woord voor woord vertaling. Aldus omvat post-editing twee taken: het identificeren van
grammaticale of inhoudelijke fouten in de ruwe vertaling en het verbeteren van dergelijke fouten
(Schoorl, 1986).
De aanvaardbaarheid van een tekst wordt bepaald door de mate waarin de regels van de doeltaal
en de doeltekst gerespecteerd worden: grammatica, lexicon, spelling, stijl, cohesie. De
adequaatheid van een tekst wordt bepaald door de mate waarin de boodschap van de brontekst
werd overgebracht in de doeltekst: tegenstellingen, woordverschuivingen, verkeerde
woordbetekenis, toevoegingen, weglatingen,... (Daems, Macken & Vandepitte, 2014). Het is de
taak van de post-editor om de aanvaardbaarheid en adequaatheid van een machinevertaling te
verbeteren.
Uit eerdere studies is gebleken dat post-editing gemiddeld sneller is dan manueel vertalen.
Daarbovenop leidt post-editing van algemene teksten niet tot een slechtere kwaliteit dan manueel
vertalen. Het verschil tussen beide methoden is vooral te vinden bij de fouten in de vertaling. Bij
manueel vertalen zijn adequaatsproblemen couranter dan bij post-editing, bij post-editing is er
vooral sprake van aanvaardbaarheidsproblemen. De meest voorkomende categorieën van fouten
tonen opvallende verschillen: woorddesambigueringsproblemen vormen bijna 10% van alle post-
editingfouten, in vergelijking met slechts 5 % van alle problemen bij manueel vertalen. Weglating is
dan weer een probleem dat vooral bij manueel vertalen courant blijkt te zijn (7% van alle manuele
vertaalfouten in vergelijking met 4 % van alle post-editing fouten) (Daems, Macken & Vandepitte,
2014).
De hoeveelheid fouten die opvallend vaak terugkeren bij het post- editen van automatisch
gegenereerde vertalingen zou op enkele manieren gereduceerd kunnen worden. Zo zouden post-
editors getraind kunnen worden om deze specifieke fouten te herkennen of zou het automatische
vertaalsysteem kunnen leren van de aanpassingen die een vertaler maakt, zodat steeds
terugkerende problemen (zoals incongruentie) niet langer over het hoofd gezien worden (Daems,
Macken & Vandepitte, 2014).
1.5 Effect van vertaaltechnologie
Over vertaaltechnologie zijn er zowel positieve als negatieve opinies. Welk effect heeft
vertaaltechnologie op vertalen en de connotatie ervan? In het tweede deel van deze bachelorproef
wordt er meer uitleg gegeven over de voor- en nadelen die gebruikers van vertaaltechnologie
ondervinden.
1.5.1 Voordelen
Steeds meer mensen interageren en wisselen ideeën uit. De voortdurende uitbreiding van de
globale markt en het besef dat taal en het vermogen om te communiceren in verschillende talen
een belangrijke drijfveer is om te participeren in de wereldwijde concurrentie heeft er voor
gezorgd dat er meer dan ooit vraag is naar vertalers. Hun diensten worden gezien als ‘vitaal’ voor
het functioneren van deze meertalige en multiculturele wereld (Agwu Uzoma, 2016).

12
In feite worden de taalbarrières voor verdere globalisering overwonnen door vertaaltechnologie.
Geautomatiseerde vertaalsystemen kunnen ofwel een centrifugale factor zijn die de wereld
fragmenteert, ofwel een centripetale kracht die culturen dichter bij elkaar brengt. Beide trends
zouden zich wel eens tegelijkertijd kunnen voordoen (Agwu Uzoma, 2016).
Technologie is in de huidige professionele wereld geen optie, maar een noodzaak. Vrijwel alle
vertalingen worden ondersteund door computers. Verder zijn de meest revolutionaire
hulpmiddelen waarschijnlijk de meest alledaagse, maar die zijn niet specifiek gericht op vertalen:
zoekmachines, spellingcontrole, zoeken vervangingsfuncties en revisietools hebben een enorme
impact gehad op alle vormen van schriftelijke communicatie. Op talloze niveaus zijn de voordelen
van technologie zo groot dat ze niet kunnen worden geweigerd. Vertaalgeheugens voeren de
meest repetitieve taken uit, zodat vertalers zich kunnen concentreren op de meest creatieve
aspecten van vertalen. Het intelligente gebruik van automatische vertaling moet ervoor zorgen dat
onze beste menselijke inspanningen worden ingezet waar ze het hardst nodig zijn. De technologie
is echter niet perfect, en vertalers moeten zich bewust zijn van deze onvolkomenheden (Biau &
Pym, 2006).
In de industrie hebben automatische vertaalsystemen hun nut reeds bewezen. Zulke systemen
worden getraind op bestaande vertalingen van tekstsoorten die in een bedrijf regelmatig gebruikt
worden. Het gaat dan vaak om technische teksten en handleidingen, teksttypes die doorgaans heel
gelijkaardige formuleringen en woordenschat bevatten. Maar ook bij minder gecontroleerde
teksttypes lijken vertalers baat te hebben bij het gebruik van automatische vertaalsystemen. In een
aantal wetenschappelijke studies werd er gekeken naar het verschil tussen vertalers die algemene
teksten, vaak krantenartikelen, moesten vertalen of post-editen. Hieruit blijkt post-editen een
tijdswinst op te leveren, al is die vaak minder uitgesproken dan bij het vertalen van technische
teksten. Er zijn zelfs studies waaruit blijkt dat de kwaliteit na post-editing beter kan zijn dan die van
een gewone vertaling. Betekenisproblemen ten opzichte van de brontekst vormden in beide
gevallen de grootste foutencategorie.
Bedrijven zijn voornamelijk geïnteresseerd in het verhogen van de productiviteit en vertalers
willen het liefst een product afleveren van hoogwaardige kwaliteit. Post-editing lijkt op basis van
onderzoek aan de wensen van beide partijen te voldoen, maar naast productiviteit en kwaliteit is
ook inspanning een belangrijke factor. Het is niet de bedoeling dat post-editen belastender is voor
de vertaler. Uit onderzoek blijkt dat oogfixaties significant korter zijn bij het post-editen dan bij het
manueel vertalen, wat zou kunnen wijzen op een mentaal minder belastende verwerking bij die
eerste vertaalmethode. De inspanning bij het post-editen wordt wel beïnvloed door de fouten die
aanwezig zijn in de automatische vertaaloutput. Zo heeft een vertaler meer tijd nodig om te post-
editen bij coherentieproblemen en stijgt de gemiddelde fixatieduur bij een groter aantal
betekenisproblemen (Daems, 2017).
Common Sense Advisory, een onafhankelijk analysebureau, schat dat de vraag naar
vertaaldiensten jaarlijks met 12 % zal stijgen. Menselijke vertalers beschikken niet over de
capaciteit om die trend te kunnen volgen. In de situaties waar vertaling vereist is, maakt
vertaaltechnologie het proces makkelijker. Vertaaltechnologie biedt een oplossing voor het
probleem op twee manieren. Eerst en vooral maakt het vertaling mogelijk op een niveau waar geen
menselijke tussenkomst nodig is. Als tweede is het bewezen dat vertaaltechnologie de
productiviteit van menselijke vertalers verhoogt tot wel 400 %. De recente ontwikkelingen binnen
technologie helpen nu de taalbarrières te doorbreken en de rol van traditionele vertalers radicaal
te veranderen (Agwu Uzoma, 2016).

13
Naar wat we vandaag ervaren heeft technologie een diepe impact op de vertaalindustrie, maar zal
ze de vertaalindustrie niet doen verdwijnen. Andy Way, Professor in Computing aan Dublin City
University, zegt: “Er zijn zoveel vertalingen nodig dat goede vertalers nooit zonder job zullen
komen te vallen. Amper 5 % van wat vertaald moet worden, wordt vandaag effectief vertaald. Ook
professor Philip Koehn, computerwetenschapper en onderzoeker, treedt die gedachtegang bij: “De
job van vertalers is aan het veranderen, niet aan het verdwijnen. Ze evolueren meer naar een
content editor dan een vertaler..” (Agwu Uzoma, 2016).
Prof. Dr. A.G. Sciarone zegt dat een optimaal uitgevoerde menselijke vertaling altijd superieur zal
blijven aan een optimaal uitgevoerde machinale vertaling. Hij vraagt zich af of die maximale
kwaliteit altijd vereist is. Men kan zich voorstellen dat in bepaalde situaties begrijpelijkheid van een
verslag of discussiestuk reeds voldoende is. Automatisch vertalen maakt het mogelijk allerlei
teksten te vertalen die anders misschien niet voor vertaling in aanmerking zouden komen. Dit
betekent dat die teksten voor grotere groepen mensen toegankelijk worden (Hooyman, 1991).
1.5.2 Nadelen
Snelheid en gebruiksgemak zijn twee van de grote voordelen van vertaaltechnologie. Maar het feit
dat vertaaltechnologie nu voor iedereen gratis toegankelijk is, heeft ook voor problemen gezorgd.
Vooral bij klanten heeft het de indruk gewekt dat vertaalwerk snel en goedkoop kan worden
gedaan. Deze stelling houdt geen rekening met het feit dat zelfs de beste machinevertalingen nog
steeds uitgebreide bewerkingen nodig hebben om de kwaliteit van een menselijke vertaler te
bereiken. Maar de gedachtegang blijft bestaan, wat ethische problemen veroorzaakt voor
freelance vertalers en agentschappen (Savelkoul, 2015). Veel vertalers vinden het moeilijk om
klanten ervan te overtuigen dat er een enorm verschil is tussen gratis online vertalen en vertalen
dat wordt uitgevoerd door professionele vertalers die niet alleen taalkundige, maar ook
onderwerpexperts zijn (Racoma, 2017).
Een van de grootste obstakels in de verdere vooruitgang van geautomatiseerde vertaling is het
gebrek aan voldoende hulpbronnen voor veel talen en domeinen. Professionele vertalers zorgen er
voor dat de boodschap overkomt in de doeltaal zoals de auteur het bedoelde. Machines hebben
nog altijd niet het vermogen om dat te doen. Een machine heeft geen gevoel voor humor of kan
niet de perfecte verwoording kiezen voor een doelpubliek. Machinevertaling op zich kan de
accuraatheid niet bieden die nodig is om nuances in talen te herkennen. Vele bedrijven zijn erop
gebrand dit probleem op te lossen. Het hoofddoel van meertalige communicatie is niet enkel om te
kunnen vertalen, maar ook culturele interpretatie te kunnen bieden (Agwu Uzoma, 2016).
Marga Hooyman formuleert de fundamentele beperking van automatisch vertalen als volgt:
doordat we met een beperkt aantal woorden en regels over alles moeten kunnen communiceren,
kunnen we dat in feite slechts bij benadering doen. We gaan in de beschrijving van een voorwerp
nooit zo ver dat we de werkelijkheid volledig hebben beschreven, maar tot het punt waarop we
aannemen dat we de kennis die we wilden overbrengen ook daadwerkelijk hebben doorgegeven.
Bij automatisch vertalen houdt het op bij deze vage benadering. De stap van de benadering naar de
werkelijkheid die voor de mens vanzelfsprekend is, kan de machine niet zetten (Hooyman, 1991).

14
1.5.3 Bedreiging
Naast de voor- en nadelen zijn er een aantal domeinen bij vertaaltechnologie die de nodige
aandacht verdienen. Het stijgende gebruik van die technologie brengt namelijk ook bedreigingen
met zich mee.
Een eerste bedreiging is die op vlak van privacy en gevoelige informatie. In de algemene
voorwaarden van zowel Google als Bing staat dat ze de content die vertaald wordt, mogen
gebruiken. Als een vertaler gebruik maakt van die digitale hulpmiddelen bij het vertalen van
vertrouwelijke informatie, slaan de servers die informatie op en kan ze gebruikt worden om de
vertaalmachines beter te maken. Het is onduidelijk bij wie die informatie daarna terechtkomt.
Zelfs al gebruikt een vertaler geen digitale hulpmiddelen, is het gevaar niet geweken. Als
vertrouwelijke informatie wordt doorgestuurd via webmail bestaat de kans dat ook die informatie
wordt opgeslagen (Joseph, 2014).
Een tweede bedreiging vormt zich bij kleine, minder gebruikte talen. Een voorbeeld van zo’n taal is
Ijslands. Nu het toerisme in het land boomt en jongeren door de globalisatie steeds meer in contact
komen met het Engels, verdwijnt het Ijslands op de achtergrond. Computersystemen zijn
daarbovenop ontwikkeld om Engels te begrijpen, maar verstaan geen Ijslands. Asgeir Jonsson,
economieprofessor aan de Universiteit van Ijsland, wil daar snel verandering in zien. "Dat je geen
IJslands kan gebruiken bij toestellen met stemtechnologie, interactieve robots en dergelijke
apparatuur, kan nog een grote stap achteruit betekenen." Volgens het Ijslandse ministerie van
Onderwijs is er zo’n 8,1 miljoen euro nodig om IT’ers het Ijslands als volwaardige taaloptie te laten
ontwikkelen (TIME, 2017).
1.6 Trends/toekomst
Nieuwe technologieën zullen ongetwijfeld de manier waarop we talen leren beïnvloeden. Net zoals
rekenmachines ervoor zorgden dat we wiskunde anders leerden. Maar we kunnen diepgaande
cross-linguïstische en cross-culturele kennis niet uitbesteden aan apps, en de noodzaak om talen te
leren is niet veranderd (Haugh, 2017).
Niet enkel de materiële ontwikkelingen zijn belangrijk, er moet ook gewerkt worden aan de
opleiding van vertalers. We kunnen niet langer verwachten dat taalstudenten succesvolle
taalkundigen worden als ze geen inzicht hebben in technologie.
Volgens Dragoș Ciobanu, University of Leeds, is de vertaalindustrie afhankelijk van het optimale
gebruik van vertaaltechnologie. Deze verandert de manier van werken voor vertalers en vergt zelfs
nieuwe vaardigheden voor een rol als post-editor (Šanca, 2017).
Nick Bostrom van ‘Future of Humanity Institute’ in Oxford onderzoekt wat er mogelijk wordt: wat
gebeurt er als machines slimmer worden dan mensen? Uit zijn onderzoek blijkt dat we een weg
hebben ingeslagen waarbij het machinebrein op vlak van ‘algemene intelligentie’ sterker zal
presteren dan het menselijk brein. Wanneer het zover is zullen machines ‘superintelligent’ zijn en
beter, sneller en efficiënter bijleren dan mensen. Die superintelligente machines zullen sneller
‘evolueren’ dan mensen en zullen hun vaardigheden sneller verbeteren dan een menselijke
computerwetenschapper dat zou kunnen. Het bereiken van superintelligentie zou ertoe kunnen
leiden dat het lot van de mensheid in handen komt van machines die veel slimmer zijn dan wij
(Hinssen, 2017).
Ray Kurzweil (auteur van het boek “The singularity is near” en Hoofd van de Technologieafdeling
bij Google) voorspelt dat in 2029 machinevertaling goed genoeg zal zijn om de meeste menselijke
vertalers te vervangen (van der Meer, 2016).
De toekomst voor CAT tools ligt in diversificatie: de algemene (one-size-fits-all) hulpmiddelen zijn
lang vervlogen tijd. Weg met gereedschappen die niet veel meer zijn dan wat opbergruimte die

15
eerder gemaakte vertalingen uitbraken. Vertalers hebben nood aan hulpmiddelen die zich
aanpassen aan hun veranderende noden (memoQ, 2018).
“Oude” vertaalgeheugens zullen in de toekomst vervangen worden door online geheugens. Vele
klanten zijn hier voorstander van aangezien hun teksten en vertaalgeheugens op een beveiligde
server worden opgeslagen en niet meer kunnen gekopieerd of doorgestuurd worden naar de
computers van vertalers over de hele wereld. De eigenaar van de database (de klant, nooit de
freelance vertaler) is daarnaast ook de enige eigenaar aangezien er geen kopieën bestaan. In de
huidige situatie kopiëren vertalers vaak de vertaalgeheugens die ze gebruiken en voegen die aan
hun database toe. In de toekomst zullen ze geen toegang hebben tot reeds gemaakte vertalingen
als ze geen eigenaar zijn van het vertaalgeheugen (Biau & Pym, 2006).
Naargelang meer kwalitatieve data toegankelijk wordt, zal de verbeterde effectiviteit van
vertaaltechnologie leiden tot een constante vooruitgang van de systemen. De tijd die nodig is om
data te verwerken en de beschikbare hoeveelheid aan data zullen relevant zijn, maar hoe systemen
voor machinevertaling leren en data voor vertaalgeheugens zullen het hoofdonderwerp vormen
voor verdere ontwikkelingen. Al blijft er een tekortkoming bij de technologie. Vertaalgeheugens en
machinevertaling zijn vergelijkbaar op vlak van repetitieve en eerder simplistische vertalingen
binnen eenzelfde domein, met gelijkaardige teksttypes binnen hetzelfde genre.
De toekomst van technologie binnen de vertaalindustrie ligt bij de stijgende vraag naar
proofreaden en post-editing en het uiteindelijke huwelijk tussen mens en machine om grote
volumes kwalitatieve en consistente vertalingen af te leveren (Technology’s impact on translation,
2016).
Binnen het domein van post-editing wordt er in de toekomst uitgekeken naar APE. Automatische
post-editing (APE) is een technologie die sterk aanleunt bij Quality Editing, die ervoor zorgt dat het
eindresultaat naar een hoger niveau wordt getild. Het heeft de bedoeling volledig automatisch de
fouten uit een machinevertaling te corrigeren. Het is gebaseerd op een systeem dat zowel input uit
machinevertaling en brontekst combineert met modellering in een neurale architectuur. Daaruit
volgt een post-edited output (Khalilov, 2018).
Meer en meer zullen we, als alternatief voor talen leren of hulp vragen, instantvertaling applicaties
gebruiken. We zullen onze boodschap doorgeven aan een apparaat dat dan de vertaling uitspuwt.
Maar technologie heeft zijn beperkingen. Mensen zullen spontaner willen communiceren dan een
machine ooit zal kunnen.
Daarbij aansluitend zullen afgekorte versies van woorden of zinnen onvermijdelijk worden. Het
Engels maakt reeds gebruik van afkortingen zoals “LOL”. Het is verleidelijk heel wat achterwege te
laten wanneer je schrijft met je duimen. Onder andere emoji’s zullen steeds meer aanvaard
worden. Ze maken de digitale taal rijker. Die zal in de toekomst minder formeel zijn en creatiever
(Draxler, 2015).
Er zijn 1001 meningen over wat vertaaltechnologie ons in de toekomst zal brengen. Het is
onmogelijk om alle voorbeelden te bespreken, daarom heb ik er hieronder een aantal opgelijst.
Stepes: Stepes, een vertaalapp voor smartphones, biedt iedereen ter wereld de kans onderweg te
vertalen – tegen betaling. Via Stepes kunnen vertalers opdrachten aannemen vanaf het moment
dat ze worden aangeboden en beginnen vertalen op elk moment op elke plaats. Stepes profileert
zichzelf als ’s werelds eerste chatgebaseerde app en volgens de ontwikkelaars draait alles rond
snelheid. Vertalers hoeven niet meer te wachten tot ze thuis aan hun bureau zitten vooraleer ze
kunnen vertalen en ze hoeven niet met een laptop te zeulen om hun werk bij zich te hebben. De
app geeft vertalers weer door ratings op basis van de kwaliteit van hun werk. Een hogere rating
zorgt voor meer werk en een kwalitatieve vertaling voor de klant (Lenczewski, 2016).

16
In Nederland organiseerde de mediagroep De Telegraaf een wedstrijd tussen salesmensen en
salesrobots. Als de saleskost per verkochte advertentie lager is bij de robots, dan worden de
verkopers op termijn vervangen. Is dit de volgende stap voor vertalers en vertaalrobots? (Van
Belleghem, 2014).
Volgens The Guardian wordt visual translation een van de volgende trends. De app Waygo herkent
en vertaalt Chinese en Japanse menu’s en symbolen, simpelweg door je smartphone camera ernaar
te richten. Google Glass en Word Lens hebben brillen waarmee je naar iets moet kijken, je hoofd
stilhouden en zeggen: “Ok bril, vertaal dit.” Amazon’s app Firefly kan telefoonnummers scannen en
aan je contacten toevoegen, wijnlabels scannen en tips geven voor bijpassende maaltijden of zelfs
extra informatie geven over kunstwerken (10 things to know about translation technology, z.j.).
SpeechTrans biedt een gamma apparaten aan die aanpasbaar zijn naargelang de noden en stijl van
de gebruikers, van polsbanden tot horloges of oortjes. De gebruiker kan de apparaten gebruiken in
combinatie met een smartphone of computer. Elk apparaat wordt geleverd met een redelijk
geprijsde abonnementsdienst, samen met ondersteuningsopties en toegang tot menselijke tolken
(Smith, 2016).
1.7 AI, Machine learning en the Internet of Things
Enkele belangrijke domeinen binnen de toekomst van (vertaal)technologie zijn Artificiële
Intelligentie, Machine Learning en The Internet of Things.
De wereld van de artificiële intelligentie gaat erop vooruit. Artificiële intelligentie of AI is het
automatiseren van taken waarvoor intelligentie nodig is. Het gaat om het nabootsen van menselijk
denkvermogen in een machine. Dankzij ingewikkelde als-dan-schema’s en wiskundige formules
kunnen we computers laten denken als een mens (Hulsebosch & Wagenaar, 2016).
AI ontstond op een conferentie in 1985. Daar kreeg het onderzoeksdomein zijn naam en
omschrijving en de belangrijkste geïnteresseerden bespraken welke uitdagingen er in het verschiet
lagen. Na jaren van evolutie was 2014 een topjaar. DeepMind, overgenomen door Google, zorgde
voor een grote doorbraak. DeepMind is een gigantisch neuraal netwerk. Het combineert het
allerbeste op vlak van machine learning, systematiseert neuro-wetenschap en verweeft dat tot een
ongelofelijk krachtige machine die kan leren door ervaring op te doen, net zoals mensen, maar veel
vlugger: het systeem is niet voorgeprogrammeerd. Het ‘programmeert’ zichzelf. Dit is het begin van
de echte opkomst van artificiële intelligentie (Hinssen, 2017).
Bij machine learning gaat het nog een stap verder. Machine learning gaat uit van lerend vermogen,
van voortschrijdend inzicht. Hiermee doelen we op artificiële intelligentie die na verloop van tijd
steeds beter in staat is een taak uit te voeren of verbanden te leggen. Het systeem vergaart
inzichten en hanteert methoden die niet van tevoren door een programmeur zijn vastgelegd. In het
begin van het leerproces is de toepassing nog afhankelijk van menselijke input, maar naarmate de
data toeneemt, is die steeds autonomer (Hulsebosch & Wagenaar, 2016).
Een voorbeeld zijn de ‘Zeroth’-processoren van Qualcomm die het brein en zenuwstelsel van de
mens nabootsen: met die processoren wordt machine learning mogelijk voor allerlei kleine
apparaten en voorwerpen. Toestellen zullen voorzien worden van een ‘geïntegreerde kennis
gestuurd door op het brein geïnspireerd computerwerk’. Dat betekent dat alle IoT-apparaten
(Internet of Things) een piepklein brein zullen hebben, dat die met elkaar verbonden zijn en zo een
groot brein vormen (Hinssen, 2017).

17
Deep-learning tot slot gaat nog verder en is de drijfveer achter AI vandaag. Deep-learning kan tot
op zekere hoogte taalkennis verwerven zonder menselijke interventie. Het gaat uit van (artificiële)
neurale netwerken die bestaan uit discrete lagen, verbindingen en uitwisseling van data. Een
voorbeeld van Deep-learning is gezichtsherkenning op foto’s. In het begin heeft het systeem veel
nood aan training. Maar na het zien van duizenden of miljoenen foto’s worden de
aanpassingscoëfficiënten zo nauwkeurig afgesteld dat het neurale netwerk zichzelf geleerd heeft
hoe bepaalde dingen of mensen er uitzien (Copeland, 2016). Zoals eerder aangehaald in hoofdstuk
2 creëert die innovatieve eigenschap interessante perspectieven voor het verbeteren van
bestaande taalsoftware (Kestemont, 2016).
The Internet of Things staat voor situaties waarin dingen zelfstandig informatie verzamelen,
waardoor computers nog beter en sneller beslissingen kunnen nemen (Hulsebosch & Wagenaar,
2016). Alledaagse voorwerpen worden hierdoor een entiteit op het internet die kunnen
communiceren met personen en andere objecten (Wikipedia, 2018).
Artificiële intelligentie is er nog maar net in geslaagd uit te blinken in bordspelen en
videospelletjes. Kunnen omgaan met iets dynamisch als taal is veel moeilijker dan een spelletje
Mario Kart (Love, 2017).
Al blijven dit domeinen vol potentieel. Eenmaal de technologie ervoor kan zorgen dat een koelkast
uit zichzelf merkt wanneer de melk op is en melk bestelt, is de stap naar het begrijpen van
verschillende contexten bij taal niet zo groot meer.

18
2 Vertaaltechnologie in de praktijk. Een analyse van occasioneel
en professioneel gebruik.
In het eerste deel werd duidelijk dat hoewel men het erover eens is dat vertaaltechnologieën de
consistentie kunnen vergroten en vertalers in staat kunnen stellen hun aandacht op een betere
manier te besteden, er veel mogelijke nadelen zijn (Biau & Pym, 2006). Welke vooruitgang we ook
boeken op het gebied van automatische vertaling of spraakherkenning, technologie kan de
fundamentele aard van menselijke talen en hun rol in communicatie niet veranderen (Haugh,
2017).
We zouden kunnen zeggen dat computers niet kunnen vertalen zoals mensen, omdat ze niet leren
zoals mensen. Een computer kan – althans niet op dit moment - niet vertalen zoals een persoon,
omdat hij onder andere niet weldenkend is. Feit is dat automatische vertaling net daarom nog wat
problemen ervaart. Bij sommige teksten, met name zeer technische teksten waarin een zeer nauw
onderwerp op een nogal droge en monotone manier wordt behandeld, doen computers het heel
goed. Maar bij andere teksten, in het bijzonder teksten die algemener en interessanter zijn voor
mensen, omdat ze net nuance en beeldspraak bevatten, leveren de meeste computers
verschrikkelijke resultaten. Professionele menselijke vertalers kunnen daarentegen goede
vertalingen maken van vele soorten tekst. Mensen kunnen verschillende tekstsoorten verwerken,
computers (nog) niet (Melby, 1995).
Een zicht krijgen op de dominantie van technologie is moeilijk door enkel een literatuuronderzoek
te voeren. Om meer data over het onderwerp te verzamelen en de theorie in de praktijk te
toetsen, heb ik twee vragenlijsten opgesteld. De eerste vragenlijst was gericht aan mensen die
occasioneel vertalingen maken voor hun werk met behulp van digitale hulpmiddelen, maar geen
professionele vertaler zijn. De tweede vragenlijst richtte zich tot professionele vertalers. Mijn doel
was om gegevens te verzamelen en zo een conclusie te kunnen vormen over hoe sterk technologie
vandaag de dag aanwezig is in het veld van vertalen.
De opzet van de vragenlijsten was om een idee te krijgen van het werkveld. Om respondenten te
vinden, heb ik een oproep geplaatst op sociale media en LinkedIn en heb ik vertalers aangesproken
via een specifieke facebookgroep. Door gebruik te maken van die onlinegroep en LinkedIn heb ik
geprobeerd zoveel mogelijk respondenten van verschillende leeftijden en regio’s te bereiken.
Sommige respondenten zijn afkomstig uit mijn netwerk, andere heb ik enkel op basis van hun
beroep aangesproken.
Voor de doelgroep occasionele vertalers heb ik een andere vragenlijst opgesteld dan voor de
professionele vertalers. Het was niet mijn bedoeling om beide groepen naast elkaar te kunnen
leggen. De manier van werken en het aandeel van vertalen in hun job is volledig anders. Ik wou
voor beide groepen andere facetten onderzoeken en heb daar mijn vragen aan aangepast.
Aangezien ik de respondenten van mijn vragenlijsten beloofd heb omwille van GDPR-redenen hun
individuele resultaten niet bekend te maken, zijn enkel de algemene conclusies in mijn
bachelorproef te vinden. Ik heb mij naar de respondenten toe geëngageerd hun data niet te delen
zodat zij makkelijker aan mijn onderzoek zouden deelnemen en opener zijn in hun antwoorden. Ik
heb de resultaten voornamelijk verwerkt in de vorm van grafieken. Alle gegevens zijn enkel
afkomstig uit mijn onderzoek (Wynendaele, 2018). In het corpus worden niet alle details vermeld,
maar enkel de essentie van de resultaten per thema aangezien er anders een overload aan
grafieken zou zijn. Een overzicht van alle globale gegevens en details is te vinden in de grafieken in
bijlage.

19
2.1 Occasionele vertalers
Allereerst geef ik een overzicht van de resultaten van de eerste vragenlijst met daarbij enige
duiding. Mijn steekproef bij deze categorie besloeg 30 personen. De responsgraad bij deze
categorie is redelijk hoog aangezien ik ongeveer 80 mensen direct heb aangesproken. Via mijn
oproep op social media heb ik eveneens veel mensen indirect aangesproken, maar daarvan heb ik
geen cijfers.
Bij de niet-professionele vertalers probeerde ik te achterhalen hoe groot het aandeel is van
technologie bij hun vertalingen. Om daar een beeld van te kunnen vormen peilde ik naar hun
frequentie van vertalen, welke middelen ze daarvoor gebruiken en hoeveel belang er gehecht
wordt aan de kwaliteit van vertaaltechnologie.
2.1.1 Vertaalmiddelen
De responsgroep voor deze vragenlijst bestond uit 40 % vrouwen en 60 % mannen (Figuur 16). Uit
de reacties bleek dat 7 % van de respondenten minder dan 1 jaar vertaalt voor professionele
doeleinden. 46 % vertaalt reeds tussen 1 en 5 jaar en 17 % vertaalt al meer dan 10 jaar. (Figuur 17)
Op vlak van frequentie bleek dat 30 % van de respondenten dagelijks vertaalt. 30 % vertaalt
meerdere keren per week, 26,7 % vertaalt slechts 2 tot 3 keer per maand en 13,3 % vertaalt minder
dan 1 keer per maand dus zeer occasioneel.
Figuur 1: Hoe vaak vertaal je?
De meest gebruikte hulpmiddelen zijn Google Translate (22 respondenten), online
woordenboeken (13 respondenten) en interne vertaalgeheugens (13 respondenten). Opvallend is
dat ongeveer een derde van de respondenten native speakers inschakelt als hulpmiddel bij het
vertalen.
Er zijn meer antwoorden dan het aantal respondenten. Dat wil zeggen dat alle respondenten een
combinatie van verschillende hulpmiddelen gebruiken om te vertalen.
30%
10%
20%
27%
13%
Vertaalfrequentie (n=30)
Dagelijks 3 tot 6x per week 1 à 2x per week
2 à 3x per maand 1x per maand Minder dan 1x per maand

20
Figuur 2: Welke middelen gebruik je om te vertalen?
Slechts de helft van de respondenten heeft een opleiding genoten voor de talen in zijn of haar
takenpakket. 43 % heeft geen opleiding gevolgd en 7 % is gedeeltelijk opgeleid (Figuur 18). Dat wil
zeggen dat zij voor slechts een deel van de talen in hun takenpakket zijn opgeleid.
Een belangrijke kanttekening hierbij is dat een groot deel van de niet-professionele vertalers ook
de taallessen uit het secundair onderwijs categoriseren onder opleiding. Het percentage van
respondenten met een opleiding op bachelor- of masterniveau ligt dus veel lager.
63 % van de niet-professionele vertalers heeft geen vertaaldienst ter beschikking in het bedrijf
waarin hij of zij werkt (Figuur 19). Zij hebben geen mogelijkheid hun vertaalwerk door te geven aan
professionelen en moeten er dus zelf voor instaan. De voornaamste reden voor de afwezigheid van
een vertaaldienst is dat het bedrijf te klein is of niet genoeg vertaalopdrachten heeft. Veel
bedrijven besteden hun vertalingen reeds extern uit of beschikken over genoeg meertalige
medewerkers.
53,3 % van de respondenten zou graag een vertaaldienst binnen zijn of haar bedrijf willen, 46,7 %
vindt dat niet nodig (Figuur 20).
Van de respondenten die wel een vertaaldienst hebben binnen hun bedrijf, maakt 36 % er geen
gebruik van omdat de vertalingen die moeten gebeuren te klein zijn of omdat het resultaat te lang
op zich laat wachten (Figuur 21).
Op de vraag hoe de respondenten bij de middelen terecht zijn gekomen, zijn de antwoorden vooral
collega’s (24 %) en het internet (29 %). Bijna een vijfde van de respondenten (19%) nam de
hulpmiddelen mee uit opleiding of studies en 19 % kwam bij de vertaaltechnologie terecht via het
werk of officiële instanties (Figuur 22).
13
8
8
6
7
22
2
13
11
3
4
3
1
1
1
1
1
1
2
2
1
1
1
2
1
1
1
1
0 5 10 15 20 25
INTERNE VERTAALGEHEUGENS
VAN DALE ONLINE
LINGUEE
REVERSO
VERTALEN.NU
GOOGLE TRANSLATE
DEEPL
ONLINE WOORDENBOEKEN
NATIVE SPEAKERS
COLLEGA'S
MIJNWOORDENBOEK.BE/NL
PAPIEREN WOORDENBOEKEN
TAALADVIES.NET
TAALUNIE.ORG
TAALTELEFOON.BE
LAROUSSE
TAAL.VRT.BE
RAE.ES
IATE
GLOSBE
SEMAMDY
DE KAMER
EUR-LEX
REEDS GESCHREVEN/BESCHIKBARE TEKSTEN
ANDERSTALIGE WIKIPEDIAPAGINA'S
GOOGLE SEARCH ZINSBOUW
BERLITZ PRIVÉ-LEERKRACHT
LEXILOGOS.COM
Vertaalmiddelen occasioneel (n=30)

21
26 % van de respondenten geeft aan net die vertaaltechnologie te gebruiken voor correcte
vertalingen en het verkrijgen van vertalingen in hun context. Bijna een vijfde (18 %) doet beroep
op vertaaltechnologie voor snelle vertalingen en 13 % geeft aan de hulpmiddelen te gebruiken voor
het gebruiksgemak. Andere redenen zijn het vinden van synoniemen (4 %), voorgedragen door het
werk of officiële instanties (5 %), consequent vertalen (4 %) en gratis gebruik (4 %).
Figuur 3: Waarom gebruik je net die vertaalmiddelen?
De communicatie naar klanten en werknemers vormt het grootste onderwerp van vertalingen (48
%). 39 % van de vertalingen gebeuren voor handleidingen of online content en 7 % voor
documenten die binnen het bedrijf gebruikt zullen worden. 3 % van de vertalingen is voor
administratieve doeleinden (Figuur 23).
80 % van de respondenten gebruikt specifieke terminologie bij het vertalen en past ook zijn of
haar taalgebruik aan (Figuur 24). 28 % van de respondenten past zich aan door een eenvoudiger
taalgebruik te hanteren. Bijna een vierde (24 %) formuleert kortere zinnen of verkort de brontekst.
12 % herformuleert de boodschap en nog eens 12 % past zijn of haar taalgebruik aan in functie van
de doelgroep. 8 % communiceert in het taalgebruik dat werd opgegeven door de opdrachtgever.
Een combinatie van meerdere aanpassingen is mogelijk.
Figuur 4: Op welke manier pas je je taalgebruik aan?
26%
5%
4%
13%18%
4%
26%
4%
Reden gebruik vertaalmiddelen (n=30)
context op vraag van gratis
gebruiksgemak snelheid consequentie
correctheid/accuraat synoniemen
28%
24%12%
16%
8%
12%
Aangepast taalgebruik (n=30)
Eenvoudiger taalgebruik Korter formuleren
Andere constructie Geen beeldspraak/zegswijzen
In opdracht van opdrachtgever Naargelang doelgroep

22
De ruime meerderheid van de respondenten (63,3 %) zou graag betere methoden om te vertalen
voorhanden hebben (Figuur 25). 52,6 % is bereid zelf op zoek te gaan naar betere middelen, terwijl
26 % liever een vertaaldienst binnen het bedrijf zou willen en 18 % verwacht dat zijn of haar
leidinggevende die methoden aanreikt (Figuur 26).
2.1.2 Controle van vertalingen
Ongeveer de helft van de niet-professionele vertalers (53,3 %) laat zijn of haar vertalingen nalezen
door iemand anders (Figuur 27). Vooral native speakers van de taal (35 %) en collega’s (53 %)
worden daarvoor ingeschakeld. Occasioneel staat de opdrachtgever (6 %) of leidinggevende (6 %)
in voor de controle van de vertaling (Figuur 28). Collega’s kunnen in bepaalde gevallen ook native
speakers zijn. Dat onderscheid kon niet afgeleid worden uit de resultaten.
60 % van de respondenten ontvangt feedback over gemaakte vertalingen. Er wordt vooral
feedback gegeven over schrijffouten of foute verwoording (65 %), verkeerde interpretatie of
context (20 %) en uitdrukkingen en beeldspraak (15 %). De respondenten geven aan deze
feedback zeer nuttig te vinden aangezien gelijkaardige fouten daardoor in de toekomst kunnen
vermeden worden.
Figuur 5: Welke feedback krijg je op je vertalingen?
Meer dan drie vierde van de niet-professionele vertalers (76,7 %) wordt ook zelf ingeschakeld om
vertalingen na te kijken of te maken voor anderen (Figuur 29). Meer dan de helft van die groep (63
%) krijgt de vraag omdat hij/zij de taal goed beheerst. Voor ongeveer een vijfde (17 %) van de niet-
professionele vertalers die vertalingen nakijken is het een onderdeel van hun takenpakket. Andere
redenen zijn: de respondent heeft een vlotte pen, is de eindverantwoordelijke of wordt gevraagd
ter bevestiging (Figuur 30).
2.1.3 Kwaliteit vertaalmiddelen
Als laatste onderdeel van de vragenlijst ging ik op zoek naar het belang dat de respondenten
hechten aan verschillende aspecten van vertalen en naar de kwaliteit van de hulpmiddelen die ze
gebruiken. Door die twee naast elkaar te leggen, kan ik nagaan op welke vlakken de digitale
hulpmiddelen voldoen aan de verwachtingen en waar ze tekortschieten.
Bij het vergelijken van de twee grafieken kan meteen opgemerkt worden dat er een verschil is
tussen het belang dat de respondenten hechten aan verschillende aspecten bij vertalingen en de
kwaliteit van de gebruikte hulpmiddelen op die vlakken.
65%
20%
15%
Feedback vertalingen (n=30)
Schrijffouten/foute verwoording Verkeerde interpretatie of context
Uitdrukkingen of beeldspraak

23
Bijna alle respondenten (93 %) gaven aan dat ze het zeer belangrijk vinden dat de tekst begrijpelijk
is. Ze vinden het belangrijk tot zeer belangrijk dat de tekst vlot leest. De snelheid van vertalen is
voor hen van minder belang. Het is voor hen belangrijk dat de tekst weinig fouten bevat. Ze vinden
het gemiddeld tot belangrijk dat er een uitgebreide woordenschat gebruikt wordt in de tekst. Een
correcte zinsbouw is voor hen zeer belangrijk, alsook de vervoeging van werkwoorden.
Figuur 6: Hoeveel belang hecht je aan de volgende aspecten van je vertaling?
Figuur 7: Hoe zou je de kwaliteit van de vertalingen bij de hulpmiddelen die je gebruikt beoordelen?
0
5
10
15
20
25
30
DEVERTAALDETEKSTIS
BEGRIJPELIJK
DEVERTAALDETEKSTLEEST
VLOT
SNELHEIDVANVERTALEN
CORRECTHEID/WEINIGFOUTEN
UITGEBREIDEWOORDENSCHAT
CORRECTEZINSBOUW
VERVOEGINGWERKWOORDEN
Gewenste kwaliteit
Zeer belangrijk Belangrijk Gemiddeld Onbelangrijk Zeer onbelangriijk Nvt
0
2
4
6
8
10
12
14
16
DEVERTAALDETEKSTIS
BEGRIJPELIJK
VLOT
SNELHEIDVANVERTALEN
CORRECTHEID/WEINIGFOUTEN
UITGEBREIDEWOORDENSCHAT
CORRECTEZINSBOUW
Kwaliteit resultaat
Zeer goed Goed Gemiddeld Slecht Zeer slecht Nvt

24
De begrijpbaarheid van de vertaalde tekst aan de hand van de online hulpmiddelen vinden de
respondenten goed tot zeer goed. De vlotheid van de tekst beoordelen ze als goed. De snelheid van
vertalen is volgens de respondenten zeer goed. Zowel de correctheid als uitgebreide woordenschat
van de tekst beoordelen de respondenten als goed. De tekst bevat volgens de professionele
vertalers een correcte zinsbouw en een goede vervoeging van werkwoorden.
Wanneer ik de gemiddelde cijfers van beide categorieën met elkaar vergelijk, krijg ik onderstaande
grafiek. We kunnen hieruit afleiden dat de online hulpmiddelen enkel op vlak van snelheid de
verwachtingen overtreffen. Voor de rest blijft het resultaat steeds onder de verwachtingen. Het
verschil is het grootst op vlak van correcte zinsbouw, begrijpbaarheid van de tekst en vlotheid van
de vertaalde tekst. Op vlak van uitgebreide woordenschat is het verschil zeer klein.
Figuur 8: Vergelijking gewenste kwaliteit en effectieve kwaliteit.
2.2 Professionele vertalers
In de vragenlijst voor professionele vertalers heb ik vooral gepeild naar het gebruik van online
hulpmiddelen bij vertalen, de kwaliteit ervan en hoe de respondenten die middelen gebruiken. Ook
vroeg ik hen hoe ze bij die middelen waren terechtgekomen, hoe ze vertaaltechnologie inschatten
en welke trends zij zien voor de toekomst. De volledige verwerking van mijn resultaten in de vorm
van grafieken is te vinden in bijlage. Mijn steekproef bestond uit 35 personen. Ook hier was de
responsgraad eerder hoog aangezien ik 72 mensen direct heb aangesproken. Het aantal
professionele vertalers dat ik indirect heb bereikt is onbekend.
De responsgroep bestond voor 57 % uit vrouwen en 43 % mannen (Figuur 31). Met mijn onderzoek
heb ik vooral vertalers uit de leeftijdscategorie 36 – 45 jaar bereikt. Bijna een derde van de
respondenten behoort tot die categorie. De leeftijdscategorie 65+ kwam niet aan bod. Dat is niet
abnormaal aangezien ik op zoek ben gegaan naar vertalers die nog actief zijn in het werkveld.
0
1
2
3
4
5
6
DEVERTAALDETEKSTIS
BEGRIJPELIJK
VLOT
SNELHEIDVANVERTALEN
CORRECTHEID/WEINIG
FOUTEN
UITGEBREIDE
WOORDENSCHAT
CORRECTEZINSBOUW
KWALITEIT VERTAALMIDDELEN
Gewenst Resultaat

25
Figuur 9: Wat is je leeftijd?
49 % van de professionele vertalers vertaalt reeds meer dan 15 jaar. 17 % vertaalt tussen 10 en 15
jaar, 12 % vertaalt tussen 5 en 10 jaar en 20 % vertaalt 5 jaar of minder (Figuur 32). Iets meer dan
de meerderheid (51 %) verklaart voor vertalen gekozen te hebben omwille van passie voor of
interesse in talen. Telkens 11 % van de respondenten geeft creatief bezig zijn met taal, mensen
kunnen verbinden of variatie aan als hoofdreden. Anderen kiezen voor vertalen uit noodzaak voor
hun job of als meerwaarde in hun sector.
Figuur 10: Waarom ben je met vertalen bezig?
De professionele vertalers hebben doorheen de jaren een aantal veranderingen opgemerkt binnen
het vertalen. De digitalisering of het internet staat daarbij met stip op een (57 % van de
respondenten geven dit aan). Het internet is een onmisbare bron geworden en vertaalsoftware
evolueert. De vraag naar vertaalgeheugens neemt toe. Maar ook de snelheid van de
informatiestroom en de daarbij horende druk stijgen. Het zijn vooral het werkritme en de
vertaalvolumes die veranderingen hebben gekend.
0
1
2
3
4
5
6
7
8
9
10
< 25 26 - 35 36 - 45 46 - 55 56 - 65 > 65 Geen
antwoord
Leeftijd (n=35)
51%
11%
8%
3%
5%
11%
11%
Reden vertalen (n=35)
Passie voor/ interesse in talen Creatief met taal
Geen antwoord Boeiend in sector
Nodig voor job Variatie
Mensen verbinden

26
De evolutie die uit die veranderingen kan afgeleid worden, is dat de technologische middelen
alsmaar beter worden en zo de druk op de vertalers verhogen. Vertaalprogramma’s worden
performanter en gebruiksvriendelijker, vertaalgeheugens zijn aan een opmars bezig en alles moet
nu veel sneller gebeuren. Vertalers moeten nieuwe competenties hebben om met de
vertaaltechnologie te concurreren. Er is daarnaast ook sprake van grote concurrentie tussen privé-
vertalers en vertaalbureaus. Professionele vertalers geven aan dat vertaalbureaus steeds meer
inzetten op de prijs en dat kwaliteit niet langer primeert.
2.2.1 Vertaalmiddelen
De professionele vertalers gebruiken vooral Linguee, online woordenboeken en (interne)
vertaalgeheugens als hulpmiddel bij het vertalen. Andere veelgebruikte hulpmiddelen zijn Van
Dale Online, externe vertaalbureaus en – opvallend – Google Translate. Google Translate wordt
vaak aangehaald als het slechte voorbeeld, maar bijna de helft van de respondenten (16) maakt er
toch gebruik van.
Figuur 11: Welke vertaalmethoden gebruik je?
Er is een grote verscheidenheid aan manieren waarop de vertalers bij die middelen zijn
terechtgekomen. 23 % ontdekte een hulpmiddel bij het vertalen via collega’s, 21 % vond het via
eigen ervaring of research, 20 % gebruikt de hulpmiddelen die reeds beschikbaar waren op het
werk, 18 % nam ze mee vanuit zijn of haar studies en 15 % kwam er online bij terecht (Figuur 33).
25
24
28
8
16
2
9
25
5
17
0
1
1
1
1
1
4
6
1
1
1
1
1
1
1
1
1
1
2
1
0 5 10 15 20 25 30
(INTERNE) VERTAALGEHEUGENS
VAN DALE ONLINE
LINGUEE
REVERSO
GOOGLE TRANSLATE
VERTALEN.NU
DEEPL
ONLINE WOORDENBOEKEN
WORDFAST TM
EXTERN VERTAALBUREAU
BABYLON
EUROGLOT
VAN DALE WOORDENBOEK OP COMPUTER
GLOSBE
GROENE BOEKJE
TAALTELEFOON
SDL TRADOS
IATE
MIJNWOORDENBOEK.NL
GT4T
WIKIPEDIA
WORD VOOR SPELLING
MS TERMINOLOGY
APPLE WORLDSERVER
INTERGLOT
WORDSCOPE
CAT-TOOLS
JURISICH LEXICON
WORDBEE
SEMAMDY
Vertaalmiddelen professioneel (n=35)

27
2.2.2 Kwaliteit vertaalmiddelen
Om te weten hoe tevreden de professionele vertalers waren over enkele van de grootste
hulpmiddelen, peilde ik naar de kwaliteit van die hulpmiddelen. Op de grafiek staat 1 voor zeer
ontevreden en 5 voor zeer tevreden. Over Dale Online, Interne vertaalgeheugens en online
woordenboeken zijn de vertalers het meest tevreden. Linguee werd aangegeven als hulpmiddel dat
het meest gebruikt wordt, maar scoort eerder middelmatig. Google Translate en Reverso scoren
eerder slecht.
Figuur 12: Hoe tevreden ben je over de kwaliteit van de vertaalmethoden die je gebruikt?
62,9 % van de respondenten gebruikt vertaaltechnologie enkel voor professionele doeleinden. 37,1
% gebruikt de hulpmiddelen zowel in privé- als professionele sfeer (Figuur 34).
40 % van de professionele vertalers gebruikt de digitale hulpmiddelen voor vakgebonden of
specifieke terminologie. 31 % gebruikt ze om enkele woorden op te zoeken en 24 % maakt er
gebruik van om algemene info te vertalen (Figuur 35).
De grote meerderheid van professionele vertalers komt zeer vaak in aanraking met
vertaaltechnologie. Voor 68,6 % van de respondenten is het een dagelijks hulpmiddel. 22,9 %
vertaalt 2 tot 4 keer per week met behulp van vertaaltechnologie. Geen van de respondenten
gebruikt minder dan 1 keer per maand vertaaltechnologie (Figuur 36). Daaruit kan besloten worden
dat vertaaltechnologie niet meer weg te denken is uit het leven van de professionele vertalers.
0 5 10 15 20 25 30 35 40
Interne vertaalgeheugens
Van Dale Online
Linguee
Reverso
Google Translate
DeepL
Online Woordenboeken
Extern vertaalbureau
Kwaliteit vertaalmiddelen
1 2 3 4 5 Nvt

28
2.2.3 Voor- en nadelen
Bij de vraag wat de voor- en nadelen van vertaaltechnologie zijn, zijn de meningen verdeeld.
De voordelen die het meest aangehaald werden, zijn: efficiëntie, tijdswinst, consistentie, grote
volumes sneller vertalen en toegankelijkheid. Andere voordelen zijn de vele zoekfuncties,
controlefuncties, meer synoniemen, context die gegeven wordt en het feit dat het een hulp is voor
onervaren vertalers.
Figuur 13: Wat zijn de voordelen van vertaaltechnologie?
De professionele vertalers vinden de grootste nadelen van vertaaltechnologie: context wordt niet
altijd goed begrepen, laag kwalitatieve output, fouten in de vertaling, verkeerde interpretatie en
het missen van nuanceverschillen. Andere nadelen zijn dat het enkel werkt bij goed opgestelde
(“cleane”) teksten en dat het zorgt voor kwaliteitsverlies.
Sommigen zien enkel voordelen in vertaaltechnologie, anderen stellen er zich toch vragen bij. Veel
vertalers maken de opmerking dat het voordelen biedt, maar dat de vertaler er nog altijd moet bij
blijven nadenken.
Figuur 14: Wat zijn de nadelen van vertaaltechnologie?
Veel van de voordelen zijn terug te zien in de redenen waarom moderne technologie gebruikt
wordt bij vertalen volgens de professionals. Volgens hen wordt vertaaltechnologie gebruikt omdat
het zorgt voor tijdswinst, consistentie en gebruiksgemak. Ook de doeltreffendheid, snelheid,
kosteloos gebruik en beter inzicht in bepaalde termen spelen volgens hen mee.
(Vertaal)technologie is steeds meer aanwezig, maar de meerderheid van de vertalers zijn ervan
overtuigd dat we daardoor niet dommer worden. Al blijft het heel belangrijk om kritisch te blijven
denken en niet lukraak vertalingen over te nemen.

29
Het blijft de verantwoordelijkheid van de vertaler om verstandig met vertaaltechnologie om te
springen. Technologie moet volgens de meerderheid gebruikt worden ter ondersteuning, niet als
vervanging. Als vertalingen worden overgenomen zonder te controleren, leren we een bepaalde
manier van denken af. Een goed beheerd gebruik maakt van vertaaltechnologie een mooie
aanvulling.
Sommige vertalers zijn ervan overtuigd dat we er wel dommer van zullen worden omdat de dingen
meteen worden opgezocht in plaats van zelf te denken en onthouden.
Andere vertalers denken net dat het ervoor zal zorgen dat we slimmer worden omdat we kunnen
werken in een breed kader met meer opties, we er creatiever en kritischer van worden en er
efficiënter door kunnen werken. Maar worden we dan hulpeloos als het netwerk platligt?
2.2.4 Effect van vertaaltechnologie
Het gebruik van vertaaltechnologie zal na verloop van tijd een effect hebben op de vertalingen zelf.
De vertalers zien een overwegend positief effect, al zijn er enkele belangrijke aandachtspunten. Ze
baseren hun beoordelingen en opinies vooral op CAT tools (Computer Assisted Translation), pure
Machine Translation wordt als weinig positief beschouwd.
Enkele positieve effecten volgens de vertalers zijn: snellere en efficiëntere vertalingen, minder
fouten, betere consistentie, een breder kader met meer bronnen en repetitieve vertalingen
worden makkelijker.
Als tegenpool geven de vertalers een paar grote bedreigingen. Vertalingen dreigen eenheidsworst
te worden. Er moet steeds sneller vertaald worden tegen een steeds lagere kost wat kan leiden tot
kwaliteitsverlies en een groter risico op fouten. Wordt straks de machine geholpen door de mens in
plaats van andersom?
Vertaaltechnologie werkt op basis van segmenten en frequentie. Context en nuanceverschillen
worden voorgedragen als grootste slachtoffers daarvan. Maar wordt onze taal er nu net armer of
rijker van?
33 % van de vertalers verwacht een taalverarming. Zij verwachten dat we het creatieve denken
zullen afleren. Mooie uitdrukkingen en beeldspraak gaan verloren doordat diepere context niet
meer wordt weergegeven. Spelling en geavanceerde taal gaan erop achteruit, door bijvoorbeeld
emoji’s hechten jongeren minder belang aan correcte spelling.
23 % gaat uit van een taalverrijking, mits correct gebruik. Aangereikte vertaaltips en -ideeën en
meer keuzemogelijkheden zullen er volgens hen voor zorgen dat onze taal groeit.
Geen taalverarming of verrijking, maar een taalverandering zal volgens 7 % het effect zijn op
langere termijn. Al zal de praktijk moeten uitwijzen wat het effectieve gevolg is.
17 % van de respondenten stelt zich afwachtend op. Het kan beiden zijn, maar het is aan de
vertaler zelf om een verarming niet toe te laten. Er is heel wat jargon binnen handbereik, maar als
er steeds gekozen wordt voor de eenvoudigste vertaling, heeft dat een negatief effect. Taal is altijd
in evolutie, maar als die nieuwe termen niet vertaald of gebruikt worden, is er sprake van
verarming.

30
Figuur 15: Zorgt moderne technologie/vertaaltechnologie voor een taalverarming of een taalverrijking?
Voor 58 % van de professionele vertalers is vertaaltechnologie geen bedreiging (Figuur 37). Het
menselijk brein blijft essentieel. Computers en technologie blijven een aanvulling. Vertalers blijven
nodig om context en nuances te begrijpen en de resultaten te controleren.
16 % van de respondenten twijfelt over de bedreiging die vertaaltechnologie kan vormen. In het
segment van goedkope en snelle vertalingen zal de vertaler zeker onder druk te komen staan. Maar
binnen het segment van kwaliteit laten de geautomatiseerde vertalingen nog te wensen over. De
professionele vertalers binnen deze categorie zien een bedreiging als niet-vertalers
geautomatiseerde vertalingen zien als vervanging voor professionelen. Ook denken ze dat er op
langere termijn minder vertalingen zullen nodig zijn.
Degenen die wel een bedreiging zien in vertaaltechnologie (26 %), denken dat omdat technologie
steeds performanter wordt en werk van de vertaler overneemt. Ze wordt steeds vaker gebruikt om
de prijs en de kleine spelers op de markt onder druk te zetten. Enkel op vlak van creatieve teksten
zullen vertalers nog hun meerwaarde kunnen bewijzen.
De technologische opmars vormt voor 63 % van de respondenten geen ethisch probleem. 36 % is
op zijn hoede, vooral op vlak van privacy en gevoelige informatie. Welke informatie slaat de
machine op en waarvoor gebruikt ze die? Voor hen moet de mens bij belangrijke teksten het
hoofdvertaalmiddel blijven (Figuur 38).
2.2.5 Vertaaltechnologie in de toekomst
De vertalers hebben ondanks de sterke aanwezigheid van vertaaltechnologie een positief gevoel bij
de toekomst.
Ze blijven een toekomst zien voor vertalers, al zijn sommigen minder enthousiast dan anderen. 91
% van de respondenten is ervan overtuigd dat vertalers nodig zullen blijven zolang de
technologie/computer het menselijk brein niet kan vervangen. Maar ze zijn het eens dat hun
manier van werken en hun rol sterk zal veranderen naar controle over kwaliteit en taalgebruik.
Voor de overige 9 % staat het vast dat het aantal vertalers sterk zal dalen en dat ze enkel nog zullen
nodig zijn in specifieke sectoren. In de andere sectoren zullen ze vervangen worden (Figuur 39).
Als een van de laatste onderdelen in mijn vragenlijst, peilde ik bij de professionele vertalers naar
mogelijke trends op vlak van vertaaltechnologie. Ze zijn overwegend positief, maar de eventuele
negatieve trends zijn niet te onderschatten. Er zal volgens hen steeds meer vertaaltechnologie en
33%
23%
7%
17%
20%
Taalverarming of verrijking (n=35)
Taalverarming Taalverrijking Geen van beiden Ja en nee Geen idee

31
Machine Translation ingezet worden, maar de opmerking dat ze een menselijke vertaler niet
kunnen vervangen, blijft hierbij terugkomen. Ze denken daarnaast dat technologie verder zal
perfectioneren en beter zal beantwoorden aan de noden van de vertaler. Bijvoorbeeld: betere
vertaling in context. De rol van de vertaler zal evolueren naar die van post-editor.
Machinevertalingen zullen ook geïntegreerd worden in vertaalgeheugens. We evolueren naar een
‘Machine aided human translation’.
Als keerzijde van de medaille denken ze dat de markt van zelfstandige vertalers onder druk zal
komen te staan en dat vertalingen steeds sneller en sneller zullen moeten gebeuren met fouten en
kwaliteitsverlies tot gevolg. Ze vrezen tot slot dat er meer en meer vertalingen zullen gebeuren
door “ongeschoolden” aangezien de software voorhanden is.
Naast hun eigen opinies over mogelijke trends, willen de professionele vertalers graag
wetenschappelijk onderzoek zien over dit onderwerp. Bijvoorbeeld over de kwaliteit van
vertalingen via Google Translate en de effectieve tijdswinst in vergelijking met een menselijke
vertaler. Of in welke mate technologie een creatieve of slordig geschreven brontekst kan vertalen.
Daarnaast zijn ze geïnteresseerd in neurale vertaaltechnologie, machine learning en Artificial
Intelligence (AI). Tot slot tonen ze ook interesse in vertaaltechnologie bij minder gebruikte talen en
wat de mentale impact is van vertaaltechnologie op eigenwaarde, expertise en kunde van
vertalers.

32
3 Conclusie
Al van bij het begin van dit onderzoek was ik enorm gebeten door het onderwerp. Hoe meer ik
erover las, hoe dierper ik mij erin kon verliezen. Alleen besefte ik dat mijn middelen en
mogelijkheden voor onderzoek enigszins beperkt waren. Ik rond dan ook deze bachelorproef af
met gemengde gevoelens. Ik besef meer dan eens dat vervolgonderzoek over dit onderwerp
absoluut een meerwaarde zou kunnen zijn. Dan kunnen er op basis van diepteinterviews meer
verbanden gezocht en gelegd worden en nog meer respondenten gezocht om de validiteit van het
onderzoek te verstevigen.
Initieel in deze bachelorproef vertrok ik vanuit de vraag: “Hoe dominant is vertaaltechnologie
vandaag en wat is de evolutie voor de toekomst?”.
Als eerste stap vertrok ik vanuit een literatuurstudie. Daarin werd duidelijk dat vertalen belangrijk
is omdat het meertalige communicatie vergemakkelijkt en het mensen over de hele wereld de
mogelijkheid geeft elkaar cultureel, economisch en sociaal beter te begrijpen. De stijgende nood
aan vertalen voert de druk op voor efficiëntere vertaalmethoden. Vertalers hebben vandaag de dag
geen andere keuze meer dan de nieuwe technologieën te accepteren en te leren hoe ze hun
maximumpotentieel kunnen gebruiken als middel voor productiviteitsverhoging en
kwaliteitsverbetering.
Voornamelijk Computer Assisted Translation tools, maar ook machinevertaling, hebben ervoor
gezorgd dat vertalen efficiënter, sneller en consistenter kan gebeuren. Al mogen de nadelen niet
onderschat worden. Vertaaltechnologie geeft nog te vaak laag-kwalitatieve output, geeft de
context niet altijd goed weer en mist nuanceverschillen. Enkel binnen een zeer specifieke context
slaagt vertaaltechnologie erin een kwalitatieve vertaling af te leveren. Bij creatieve of literaire
teksten gaat ze volledig de mist in.
In de sector van vertalen is vertaaltechnologie steeds meer aanwezig waardoor de rol van vertaler
verschuift naar post-editor. Waar vertaaltechnologie fouten maakt, is het hun taak die fouten recht
te zetten.
Naargelang meer kwalitatieve data voorhanden is, zal de effectiviteit van vertaaltechnologie leiden
tot een constante vooruitgang. Een computer heeft nog niet het leervermogen van een mens, maar
kan wel sneller werken en helpen een vertaler beter te laten werken.
Als tweede stap toetste ik de literatuurstudie aan de praktijk door middel van enquêtes bij
occasionele en professionele vertalers. Uit de resultaten van die enquêtes kwam naar voor dat
vertaaltechnologie reeds dagelijks aanwezig is in het werkveld bij 30 % van de occasionele vertalers
en 68,6 % van de professionele vertalers. Beide categorieën vallen vaak terug op online
woordenboeken, interne vertaalgeheugens en native speakers. Veel occasionele vertalers laten
hun vertalingen nalezen of controleren de vertalingen van collega’s.
De kwaliteit van vertaaltechnologie kan weinig voldoen aan de verwachtingen. Enkel op vlak van
snelheid kunnen ze occasionele vertalers verbazen.
Professionele vertalers geven dezelfde voordelen aan als in de literatuurstudie: tijdswinst,
efficiëntie en consistentie. Zij blijven echter herhalen dat een vertaler of menselijk brein essentieel
blijft bij vertalingen. Correct gebruik van vertaaltechnologie of kritisch denken wordt altijd als
voorwaarde verbonden aan positieve punten van vertaaltechnologie. Zij zijn er daarnaast van
overtuigd dat hun job zal blijven bestaan. Bij literaire en creatieve teksten zal vertaaltechnologie
nooit zelfstandig een kwalitatieve vertaling kunnen afleveren. Zij blijven essentieel als vertaler of
post-editor.

33
De raakvlakken tussen het theoretische deel en het praktijkonderzoek zijn opvallend. Heel veel
zaken die in de theorie aan bod komen, worden in de enquêtes bevestigd. Dat wil zeggen dat
vertalers de voor- en nadelen dagelijks merken bij het vertalen en dat zij dezelfde trends
verwachten.
Op het einde van deze bachelorproef kunnen we concluderen dat vertaaltechnologie zeer sterk
aanwezig is in het werkveld. Er wordt verwacht dat haar dominantie verder zal toenemen
aangezien er zeer veel onderzoek gevoerd wordt naar de vooruitgang van technologie.
De voordelen van vertaaltechnologie geven de doorslag terwijl de nadelen enkel als uitroepteken
of waarschuwing aan de zijlijn staan. Het zijn aandachtspunten, maar geen argumenten waardoor
de dominantie zal afzwakken. Ze worden zelfs gezien als zaken waar nog meer onderzoek naar
gevoerd moet worden zodat ze zo snel mogelijk de wereld kunnen worden uitgeholpen.
Vertaaltechnologie is goed geïntegreerd in het werkveld, maar kan nog niet altijd rekenen op 100 %
vertrouwen. Een duidelijke meerderheid van de vertalers baseert zich bij het vertalen op interne
vertaalgeheugens of online woordenboeken. Dat zijn zaken waarvan bevestigd is dat ze correct zijn.
Occasionele vertalers schakelen collega’s of native speakers in om hun vertalingen te controleren.
De vertalers beseffen met andere woorden dat ze geen blind vertrouwen mogen hebben in de
kwaliteit van vertaaltechnologie. Cognitief beseffen ze dat vertaaltechnologie iets is dat ze zullen
nodig hebben en dat het ook beter zal werken in de toekomst. Maar gevoelsmatig voelen ze het
nog niet aan omdat ze het enerzijds nog niet gewoon zijn en anderzijds nog teveel bevestigd
worden in de fouten die vertaaltechnologie nog maakt.
De dominantie van vertaaltechnologie zal zeker stijgen aangezien vertalers niet meer zullen kunnen
volgen als ze geen gebruik maken van technologie. Toch zal haar acceptie afhangen van onderzoek
en sensibilisering in de toekomst. Jonge vertalers moeten gewaarschuwd worden voor de
gebreken die vertaaltechnologie nog vertoont. Er moet voor gezorgd worden dat vertaalgeheugens
kwalitatieve input krijgen aangezien zij de basis vormen van heel wat toepassingen van
vertaaltechnologie. Pas dan kan vertaaltechnologie gezien worden als een volledige verrijking.

34
Literatuurlijst
Agwu Uzoma, P. (2016). Modern Technology in Translation: Contributions and Limits. World
Applied Sciences Journal, 34, nr. 8, pp. 1118-1123. Geraadpleegd op 7 augustus 2018 via
https://www.idosi.org/wasj/wasj34(8)16/17.pdf
Biau Gil, J.R. & Pym, A. (2006). Technology and translation (a pedagogical overview). Universitat
Rovira i Virgili; Tarragona (Spanje), International Studies Group.
Borkovec, M. (2017). Modern Technologies in Translation. Geraadpleegd op 8 augustus via
https://www.zelenka-translations.com/blog/modern-technologies-in-translation
Comben, C. (2016). 5 Reasons Why You Need a Human Translator. Geraadpleegd op 2 augustus
2018 via https://www.daytranslations.com/blog/2016/01/human-translators-are-still-
irreplaceable-find-out-why-7119/
Comer, B. (2016). Frieda Steurs: ‘Taalkundigen moeten technologie omarmen’ [Interview]. Over
Taal, 55, nr. 4, pp. 3-5.
Copeland, M. (2016). What’s the Difference Between Artificial Intelligence, Machine Learning, and
Deep Learning? Geraadpleegd op 14 augustus 2018 via
https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-machine-
learning-deep-learning-ai/
Daems, J. (2017). Automatische vertaalsystemen: hel of hulp? Over taal, 56, nr. 3, pp. 16-18.
Geraadpleegd op 7 augustus 2018 via
https://biblio.ugent.be/publication/8534476/file/8554004.pdf
Daems, J., Macken, L. & Vandepitte, S. (2014). Snelheid vs. kwaliteit: schuilt er wel winst in het
gebruik van automatische vertaalsystemen? Beschouwingen uit een talenhuis : opstellen over
onderwijs en onderzoek in de vakgroep Vertalen, Tolken en Communicatie aangeboden aan Rita
Godyns, pp. 141-146. Gent: Academia Press. Geraadpleegd op 7 augustus 2018 via
https://biblio.ugent.be/publication/4264545/file/4264564
Draxler, B. (2015). How Technology Is Shaping The Future Of Language. Geraadpleegd op 3
augustus 2018 via https://www.popsci.com/qa-with-john-mcwhorter-on-future-language.
GALA. (2018). Language technology: machine translation. Geraadpleegd op 14 augustus 2018 via
https://www.gala-global.org/what-machine-translation
Haugh, M. (2017). Translation technology is useful, but should not replace learning languages.
Geraadpleegd op 11 augustus 2018 via https://theconversation.com/translation-technology-is-
useful-but-should-not-replace-learning-languages-85384
Hinssen, P. (2017). The day after tomorrow. Tielt: Lannoo, Culemborg: Van Duuren.
Hooyman, M.J. (1991). De rol van de computer bij het vertalen. Arnhem: Gouda Quint.
Hulsebosch, J., Wagenaar, S. (2016). Leren in tijden van tweets, apps en likes. Utrecht: Kessels &
Smit.
Joseph. (2014). Machine Translation Technology and Internet Security. Geraadpleegd op 2 augustus
2018 via https://www.foreigncredits.com/Blog/post/2014/12/11/Machine-Translation-and-
Internet-Security.aspx

Moderne technologie bij vertalingen: van verrijking tot teloorgang?

Moderne technologie bij vertalingen: van verrijking tot teloorgang?

Recommended

Recommended

More Related Content

Similar to Moderne technologie bij vertalingen: van verrijking tot teloorgang?

Similar to Moderne technologie bij vertalingen: van verrijking tot teloorgang? (20)

Moderne technologie bij vertalingen: van verrijking tot teloorgang?