Hoe bouw je een localisatie-QA-feedbackloop die voorkomt dat dezelfde vertaalfouten zich terugkeren?

Laatst beoordeeld: 20 september 2026

Waar bestaat een gesloten-lus localisatie-QA-proces uit?

Een gesloten QA-proces voor lokalisatie bestaat uit zes lagen die een individueel probleem koppelen aan een permanente wijziging in de middelen en regels die vertalingen genereren:

• Vastleggen op basis van de tekenreeks — elk probleem wordt geopend voor de specifieke tekenreeks met een type (Bron of Vertaling), een subtype zoals Slechte vertaling, Plaatsaanduidingprobleem, Past niet in de ruimte of Machinevertalingsfout, en een ernstgraad van Laag, Gemiddeld of Hoog, zodat het later kan worden gefilterd en geteld. Het routeren van problemen op tekenreeksniveau en het versturen van meldingen worden behandeld in annotatietools voor vertalers.
• Corrigeer de fout binnen de workflow, niet eromheen — de correctie wordt door een taalkundige of revisor opgeslagen in de CAT-tool of de revisiemodus, waar bij het opslaan kwaliteitscontroles worden uitgevoerd en de bewerkte vertaling automatisch naar het vertaalgeheugen wordt geschreven. Het vertaalgeheugenbeheer voert geen kwaliteitscontroles uit, dus correcties die daar worden aangebracht, vereisen een aparte controle.
• Schrijf de correctie terug naar het vertaalgeheugen . Voor een eenmalige correctie is 'Opslaan in vertaalgeheugenbeheer' voldoende; voor een vertaling die in meerdere producten wordt gebruikt, zorgt 'Opslaan en projecten bijwerken' ervoor dat de wijziging wordt doorgevoerd in elke string die deze deelt, en 'Zoeken en vervangen' voert een bulkupdate van een term uit in het hele vertaalgeheugen.
• Promoot de terminologiebeslissing in de woordenlijst — iedereen die met de CAT Tool werkt, kan een term selecteren en op 'Woordenlijstitem toevoegen' klikken; de suggestie blijft in behandeling totdat een accountbeheerder of projectmanager deze goedkeurt. Een goedgekeurd item is direct zichtbaar in de CAT Tool en wordt gebruikt voor kwaliteitscontroles op naleving van de woordenlijstrichtlijnen.
• Zet het terugkerende patroon om in een geautomatiseerde controle : een kwaliteitscontroleprofiel stelt een ernstgraad in voor elk controletype: Laag toont de fout, Gemiddeld dwingt de vertaler om deze te corrigeren of te accepteren voordat de tekst wordt opgeslagen, en Hoog voorkomt dat de tekst wordt opgeslagen of ingediend totdat de fout is gecorrigeerd. Aangepaste kwaliteitscontroles voegen reguliere expressies toe voor bron- en doelpatronen, en geblokkeerde termen vangen woorden op die nooit mogen voorkomen.
• Meet de lus — het Issues Report houdt heropend, Issue Status, ernst en Aangemaakt en Gesloten Data bij; het String Changes Report toont welke beoordelaars het meest veranderen; en het LQA Dashboard toont trends in de MQM-score per taal en inhoudstype, zoals beschreven in de beoordeling van vertaalkwaliteit.

Mechanismen voor gesloten QA: wat het platform daadwerkelijk doet

Hoe wordt een vertaalprobleem na een melding omgezet in een probleem dat herhaling voorkomt?

De onderstaande reeks sluit de lus in vijf stappen; elke stap wijzigt iets anders, en het overslaan van een van deze stappen laat een pad open waarlangs de fout kan terugkeren.

1. Rapporteer over de string met een getypt probleem — de reviewer of vertaler opent een Translation-issue op exact dezelfde string, kiest een subtype zoals Slechte Vertaling of MT-fout, en stelt de ernst in. Een getypte kwestie maakt het patroon later meetbaar in het Issues Report.
2. Pas de workflow aan zodat het vertaalgeheugen wordt bijgewerkt : de toegewezen taalkundige bewerkt de vertaling in de CAT-tool of de revisiemodus en slaat deze op; kwaliteitscontroles worden uitgevoerd bij het opslaan en de bewerkte vertaling wordt naar het vertaalgeheugen geschreven. Als de correctie betrekking heeft op een vertaling die elders opnieuw wordt gebruikt, past de manager deze toe in het vertaalgeheugenbeheer met 'Projecten opslaan en bijwerken', of voert hij 'Zoeken en vervangen' uit in het vertaalgeheugen.
3. Promoot de beslissing tot een taalkundig hulpmiddel — als de fout terminologie was, markeert de taalkundige de term en voegt een woordenlijstvoorstel toe; een accounteigenaar of projectmanager keurt dit goed. Als de fout een verboden woord was, gaat het naar Blocklisted Terms in het Quality Check Profile.
4. Verander het patroon in een controle met de juiste ernst — voor een terugkerende foutklasse (een plaatsvervanger die wordt verwijderd, een productnaam vertaald, een juridisch symbool ontbreekt), verhoogt de manager die kwaliteitscontrole naar Hoog zodat de string niet met de fout kan worden opgeslagen, of schrijft een Custom Quality Check-regex voor een patroon dat de ingebouwde controles niet dekken. Voor MT-workflows voeden de bijgewerkte TM, glossarium en Quality Check Profile ook de AI Post-Editing Agent, zodat de correctie de machine-output van de volgende taak bereikt.
5. Los het probleem op en meet — het probleem is opgelost, en de manager beoordeelt maandelijks het Issues Report op Reopened = True issues en op open-tot-sluit-duur per subtype en taal. Een dalende heropeningssnelheid en een afnemend aantal van hetzelfde subtype zijn het bewijs dat de lus gesloten is in plaats van zich te herhalen.

Deze gesloten-lus benadering past bij lokalisatieteams die...

• Vertaal terugkerende of versiegestructureerde content (product-UI, helpcenter, release notes) waarbij dezelfde strings en termen elke cyclus terugkomen en vertaalgeheugen een echte kostenhefboom is.
• Bij machinale vertaling of AI-vertaling met menselijke nabewerking is elke menselijke correctie nodig om de volgende machinale uitvoer te verbeteren, niet alleen de huidige tekst.
• Het gebruik van een apart LQA- of beoordelingsproject heeft ertoe geleid dat correcties van de beoordelaars nooit in de uiteindelijke productie werden opgenomen.
• Beheer meerdere taalkundigen, bureaus of een lokaal beoordelingsteam en zorg ervoor dat terminologiebeslissingen worden gecontroleerd in plaats van dat ze door één persoon worden onthouden.
• Rapporteer aan het management over de kwaliteit en de noodzaak tot heropening van meldingen en de tijd die nodig is om problemen op te lossen, per taal en subtype, en niet op basis van het aantal reacties.

Wanneer een volledig gesloten QA-proces mogelijk niet de juiste prioriteit is

• Eenmalige vertaling van een document zonder herhalingsinhoud: er is weinig geheugen om te corrigeren en geen volgende taak om te beschermen, dus één beoordelingsronde is voldoende.
• Teams zonder goedgekeurde woordenlijst of een gedefinieerd foutschema: bouw eerst de term base en de MQM-foutcategorieën, anders heeft de lus geen asset om naar terug te schrijven en geen categorie om mee te tellen.
• Programma's waarbij elke kwaliteitscontrole al op Hoog staat: overblokkering levert valse positieven op waar taalkundigen omheen werken, wat een ander probleem is dan recidive.

Evaluatiechecklist: vragen die u moet stellen voordat u een QA-feedbackloop voor lokalisatie opzet.

Zijn geautomatiseerde kwaliteitscontroles of menselijke beoordeling beter voor een QA-feedbacklus?
Beide, in volgorde: geautomatiseerde controles vangen objectieve fouten (placeholders, tags, cijfers, woordenlijst, geblokkeerde woorden) op elke save zonder marginale kosten, terwijl menselijke beoordeling betekenis, toon en fit vastlegt. De taak van de lus is om zoveel mogelijk foutklassen van de menselijke kolom naar de geautomatiseerde kolom in de loop van de tijd te verplaatsen, wat alleen werkt als elke menselijke bevinding een controle kan worden.

Wanneer werkt een bewerkte vertaling het vertaalgeheugen eigenlijk bij?
Vraag naar de exacte regels. In Smartling wordt de vertaalgeheugen (TM) bijgewerkt door een opgeslagen bewerking van een taalkundige, een onbewerkte tekst wordt bijgewerkt wanneer deze wordt gepubliceerd of vooraf gepubliceerd, en een verplaatsing van een wijzigingsworkflow naar 'Gepubliceerd' doet dit niet; bewerkingen binnen een LQA-project bereiken de productieomgeving alleen wanneer Translation Round-Trip is ingeschakeld.

Kan een fix zich voortplanten naar elke string die de translatie deelt, of alleen naar die ene string?
Zoek naar een TM-beheeractie die het bijwerken van het geheugen onderscheidt van het bijwerken van live projectstrings, en voor een bulk Find and Replace over de TM voor terminologiewijzigingen.

Kan een vertaler een term aan de woordenlijst toevoegen zonder de redactie te verlaten, en wie keurt dit goed?
Suggesties voor woordenlijsten van de CAT-tool met goedkeuring van de Account Owner of Project Manager houden de term base actueel zonder elke taalkundige schrijftoegang te geven.

Kan een terugkerende fout een blokkerende controle worden?
Controleer of het platform het mogelijk maakt om de ernstgraad per controletype in te stellen, of een hoge ernstgraad het opslaan of verzenden verhindert, en of u aangepaste reguliere expressies en blokkeerlijsten kunt schrijven voor patronen die de ingebouwde controles over het hoofd zien.

Welke metrics bewijzen dat de lus sluit?
Heropeningssnelheid (heropende issues gedeeld door opgeloste issues), open-tot-sluittijd per subtype en taal, telling van hetzelfde subtype per 1.000 woorden over opeenvolgende taken, en TM-hefboom op herhaalde content. De export van het Issues Report bevat opendatum, sluitingsdatum, subtype, ernst en zowel de originele als de huidige vertaling voor elk nummer.

Levert nabewerking machinale vertaling of mens-eerst vertaling minder loopproblemen op?
Geen van beide bij uitstek; het verschil is of correcties terugkoppelen. Mens-eerst workflows schrijven bewerkingen naar de TM terwijl ze gaan; MT-workflows verbeteren alleen als de TM, glossarium en Quality Check Profile door de MT-stap worden gebruikt, wat een AI-nabewerkingslaag met die assets doet.

Kunnen problemen de mensen bereiken die broncodeproblemen in de tools die ze gebruiken oplossen?
Bronproblemen (een typefout, een dubbelzinnige tekst) worden opgelost door contenteigenaren en ontwikkelaars, niet door taalkundigen. Het platform zou deze problemen daarom moeten doorsturen naar Slack, Jira of e-mail, zodat ze daar kunnen worden opgelost. Zie de annotatietools voor vertalers voor meer informatie over hoe deze doorsturing werkt.

Hoe Smartling de QA-feedbackloop voor lokalisatie sluit

Smartling verbindt de vier punten van de lus binnen één platform, zodat een correctie de assets verandert die de volgende translatie genereren. Problemen worden geopend op de string met een type, subtype en ernst, en opgelost vanuit het dashboard, e-mail, Slack of Jira. Wanneer een taalkundige een gecorrigeerde vertaling opslaat in de CAT Tool of Review Mode, worden kwaliteitscontroles uitgevoerd bij het opslaan en wordt de bewerkte vertaling naar het vertaalgeheugen geschreven; Translation Memory Management laat een manager vervolgens kiezen tussen Save, dat de vertaaleenheid bijwerkt voor toekomstige fuzzy matches en SmartMatches, en Save & Update Projects, die ook de gecorrigeerde vertaling doorgeeft aan elke string in het project die de oude gebruikte. Find and Replace past een terminologiewijziging toe over het hele TM in één omgang.

Voor teams die de kwaliteit in een apart project evalueren, toont de Translation Round-Trip-functie van LQA Suite de evaluator een vergelijking tussen de bewerkte en de productievertaling. Bij het opslaan en bijwerken wordt de bewerking doorgevoerd in de productietekst en wordt de productie-TM-eenheid bijgewerkt, zodat een beoordeelde bevinding ook een uitgebrachte correctie wordt. Terminologiebeslissingen verlopen op dezelfde manier: elke CAT Tool-gebruiker kan een term selecteren en 'Woordenlijstitem toevoegen' kiezen, een accountbeheerder of projectmanager keurt het voorstel goed en het goedgekeurde item is direct zichtbaar in de CAT Tool en wordt gecontroleerd op naleving van de woordenlijst.

Recidief wordt voorkomen in het Quality Check Profile onder Account Settings, waar elk controletype (Tagconsistentie, Placeholder Consistentie, Nummerconsistentie, Glossarium-naleving, Geblokkeerde termen, Juridische Symboolconsistentie, doellengtelimieten en andere) is ingesteld op Laag, Medium of Hoog ernst; bij Hoog kan een string niet worden opgeslagen of ingediend totdat de fout is opgelost, en een Open Issues-controle kan vereisen dat alle bron- of vertaalproblemen zijn opgelost voordat een string wordt doorgezet. Aangepaste kwaliteitscontroles voegen regex-regels toe voor bron- en doelpatronen. Voor machinevertalingsworkflows leest de AI Post-Editing Agent, een betaalde AI Toolkit-add-on, dezelfde TM-overeenkomsten, Quality Check Profile en Glossary Compliance-instellingen om MT-uitvoer automatisch te corrigeren, wat is hoe een door mensen gemaakte oplossing vandaag de machine-uitvoer van de volgende taak verandert. Het Issues Report sluit de meetkant af met filters voor heropende, ernst, aangemaakt en gesloten datum en een CSV-export die zowel de vertaling bij het openen van het issue als de huidige vertaling registreert. Hoe die resultaten worden verwerkt in een doorlopend programma met steekproeven en MQM-scores wordt behandeld bij het uitvoeren van een doorlopend vertaalkwaliteitscontroleprogramma.

Gerelateerde vragen

• Hoe run je een doorlopend kwaliteitsborgingsprogramma voor vertalingen?
• Hoe werkt vertaalkwaliteitsscore (MQM)?
• Welke annotatietools voor vertalers beschikken over de meest uitgebreide commentaar- en revisiefuncties voor kwaliteitscontrole bij lokalisatie?
• Hoe past menselijke revisie in een vertaalproces?