Wat denken literaire vertalers echt over technologie?   24-01-2021

Joke Daems
 

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

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

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

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

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

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

De meeste respondenten hebben de Nederlandse (60%, waarvan 18% met dubbele nationaliteit) of Belgische nationaliteit (20%, waarvan één persoon met dubbele nationaliteit). Eén respondent heeft zowel de Belgische als de Nederlandse nationaliteit. Daarnaast zijn de meest voorkomende nationaliteiten Duits (6%), Spaans (3%), Tsjechisch (2%), Italiaans (1%), Zweeds (1%), en Amerikaans (1%). In totaal komen de reacties van zeventien verschillende nationaliteiten. Er werden achttien verschillende moedertalen opgegeven, met Nederlands als meest voorkomende taal (70%, waarvan 4% met dubbele moedertaal), gevolgd door Duits (7%), Engels (4%), Frans (4%), Tsjechisch (3%), Spaans (1%), Catalaans (1%), en Zweeds (1%).

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

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

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

Vertaalgeheugen(systemen). Een vertaalgeheugen is een databank die bestaat uit eerder gemaakte vertalingen (brontekstzinnen en corresponderende doeltekstzinnen). Een vertaalgeheugen kan gebruikt worden als naslagwerk (concordantie): door te zoeken naar woorden of fragmenten in het vertaalgeheugen kan een vertaler een lijst te zien krijgen van eerder vertaalde zinnen uit het geheugen waar de gezochte woorden of fragmenten in voorkomen. Een vertaalgeheugen kan ook geïntegreerd worden in een vertaalgeheugensysteem, een werkomgeving waarin de vertaler allerlei extra ondersteuning aangeboden krijgt. Tijdens het vertalen gaat het vertaalgeheugensysteem automatisch op zoek in het vertaalgeheugen. Wanneer er in de tekst een zin verschijnt die reeds in het vertaalgeheugen aanwezig is, of die sterk lijkt op een zin uit het vertaalgeheugen, zal het systeem aan de vertaler de eerder bewaarde zin voorstellen als mogelijke vertaling. In een literaire vertaling kan een vertaalgeheugensysteem mogelijk van pas komen bij een werk dat veel herhalingen of parallelismen bevat.

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

Automatische vertaalsystemen. Een automatisch vertaalsysteem is in staat zelf te vertalen. Een van de meest bekende systemen is Google Translate. Een automatisch vertaalsysteem wordt getraind op heel veel eerder vertaalde teksten. De huidige generatie automatische vertaalsystemen (neurale vertaalsystemen) werkt heel wat beter dan de systemen die tot vijf jaar geleden de markt overheersten (statistische vertaalsystemen). Enerzijds omdat neurale systemen op zinsniveau werken waar de statistische systemen nog met stukjes van een zin werkten (waardoor deze laatste doorgaans minder grammaticaal correcte vertalingen konden leveren), anderzijds omdat ze meerdere dimensies van woorden kunnen vatten en ook semantische gelijkenissen kunnen ontdekken (‘hond’ en ‘hondje’ of ‘soep’ en ‘tomatensoep’ zijn voor een statistisch systeem bijvoorbeeld ongerelateerd, maar voor een neuraal systeem niet). Daarnaast worden automatische vertaalsystemen op steeds creatievere manieren ingezet. In eerste instantie kan een dergelijk systeem in een vertaalomgeving geïntegreerd worden, zodat een vertaler een suggestie aangeboden kan krijgen wanneer er geen relevante zinnen in het vertaalgeheugen teruggevonden kunnen worden. Verder kunnen vertaalsystemen beter worden in het vertalen van bepaalde teksttypes door het systeem meer teksten van dat type te laten verwerken. Zo zal een systeem dat bijkomend getraind wordt op handleidingen beter worden in het vertalen van handleidingen en zal een systeem dat bijkomend getraind wordt op romans in een bepaald genre beter worden in het vertalen van romans in dat genre. Tot slot zijn er tegenwoordig ook adaptieve en interactieve vertaalsystemen. Een adaptief automatisch vertaalsysteem leert uit de aanpassingen die een vertaler maakt. Als een vertaler een probleem oplost, wordt dit doorgegeven aan het systeem. De volgende keer dat een soortgelijke vertaling nodig is, zal het systeem automatisch de oplossing van de vertaler kiezen en niet opnieuw dezelfde fout maken. Een interactief systeem past zich aan in functie van wat de vertaler schrijft. Dit is een beetje te vergelijken met de voorspellendschrijvenfunctie in een online zoekopdracht, maar dan met een vertaling.

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

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

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

Resultaten

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

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

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

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

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

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

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

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

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

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

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

De redenen om geen vertaaltechnologie te gebruiken bij het literair vertalen hebben ongeveer in gelijke mate te maken met lage prestatieverwachtingen (38%) en een gebrek aan faciliterende omstandigheden (33%) met daarnaast ook een negatieve attitude ten aanzien van technologie (20,5%). Argumenten gerelateerd aan inspanningsverwachtingen (8%) zijn minder aanwezig, argumenten gerelateerd aan sociale invloed ontbreken volledig. De meeste vertalers zien eenvoudigweg het nut niet, of denken dat vertaaltechnologie niet geschikt is voor het teksttype dat ze vertalen. Opvallend is dat naast deze redenen er vooral aangegeven wordt dat de vertalers geen ervaring hebben met de technologie, dat ze zich niet bewust zijn van de mogelijkheden of er niet bekend mee zijn.

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

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

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

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

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

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

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

Noten
1 Vertalersbestand Expertisecentrum Literair Vertalen: https://literairvertalen.org/vertalersbestand.

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

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

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

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

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

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

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

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

Reageren? info@tijdschrift-filter.nl.