Hoe meet je de productiviteit van linguïsten?

Laatst herzien: 15 oktober 2026

Welke meetmethoden zijn een eerlijke maatstaf voor de productiviteit van taalkundigen?

Een eerlijke maatstaf combineert vier meetwaarden met drie normaliserende variabelen, zodat elk getal wordt gelezen in de context waarin het is ontstaan:

• Doorvoer in gewogen woorden — voltooide gewogen woorden per taalkundige, per workflow-staptype (vertaling, bewerking, beoordeling, nabewerking) en per taal voor een vaste periode. Gewogen woorden houden al rekening met vertaalgeheugenmatches, dus een taalkundige die werkt aan sterk benutte content wordt niet overdreven.
• Post-edit-inspanning (bewerkingsafstand) — het aantal tekens of woorden dat een taalkundige verandert tussen de ontvangen tekst en de tekst die hij heeft ingediend. Voor een post-editor toont het hoeveel de machine-output nodig had; voor een vertaler toont de bewerkingsafstand die een reviewer later toepast hoeveel van hun werk is herschreven. Smartling's String Changes Report registreert Edit Distance, Edit Word Distance en Edit Distance to Publish voor elke stap.
• Herwerkingspercentage — het aantal strings dat is teruggestuurd naar een taalkundige, gedeeld door het aantal strings dat de taalkundige heeft ingediend. Afwijzingen worden geregistreerd als een REJECT-workflowactie in het String Changes Report, waardoor herwerk niet langer een incidenteel geval is, maar een vast aantal.
• Kwaliteit van het geleverde werk — MQM-score en foutdichtheid per 1.000 woorden van LQA, op hetzelfde schema voor iedereen. Hoe de score zelf wordt berekend, wordt behandeld in hoe vertaalkwaliteit scoring werkt.
• Normalizers, geen metrics — fuzzy-match band, taalkwaliteitsschattingsniveau en inhoudstype. Vergelijk taalkundigen alleen binnen dezelfde band, taal en inhoudstype, of de vergelijking meet de werkmix in plaats van de persoon.
• Actieve tijd, zorgvuldig gebruikt — tijd besteed aan bewerken kan een verandering in de doorvoer verklaren, maar het straft onderzoek, terminologievragen en zorgvuldige controle, dus behandel het als een diagnose voor werklastgesprekken in plaats van als een score.

Waar bevinden zich taalkundige productiviteitsdata in Smartling?

Acht gedocumenteerde rapporten en metingen leveren het grondmateriaal voor een productiviteitsoverzicht:

Hoe zet je stapsgewijze productiviteitsmeting van linguïsten op?

De meeste teams kunnen in vijf stappen een onderbouwd productiviteitsbeeld opbouwen, met behulp van rapporten die ze al hebben:

1. Definieer de eenheid en de segmenten — Stem ermee eens dat de eenheid gewogen woorden per workflow-staptype, per taal, per maand is, en bepaal welke segmenten je nooit zult mengen: contenttype, fuzzy-match band en, voor machinevertaling na het redigeren, het niveau van taalkwaliteitsschatting. Deze opschrijven vóór het eerste rapport voorkomt discussies over de cijfers later.
2. Doorvoer per taalkundige — Voer het rapport Woordtelling uit, gefilterd op taalkundige (en op bureau voor externe teams), gesplitst op workflowstaptype en vertaaltaal, en gebruik de kolom 'Gewogen woorden'. Het vertaalactiviteitenrapport voegt per opdracht een CSV-bestand toe met gebruikersnaam, bureaunaam, taal, woordtellingstype, fuzzy score en woordtelling, wanneer u een individuele opdracht wilt controleren.
3. Voeg inspanning toe en herwerk — Download het String Changes Report voor dezelfde periode, gefilterd op gebruiker, en tel Edit Distance- en REFUCE-acties per taalkundige op; Account Owners en Project Managers kunnen ook filteren per workflowstap zodra een enkel project is geselecteerd. Om een langere geschiedenis te behouden dan het 6-maanden venster van het rapport, laad je de Data Access Tool's Translator Quality Performance - 90 Days-dataset, die hetzelfde bewerkingsafstandsignaal draagt en elke 24 uur ververst, in Tableau of een andere BI-tool op een schema.
4. Koppel elke doorvoerlijn aan kwaliteit — Beoordeel steekproefsgewijs werk met LQA op basis van één schema en wijs de resultaten vervolgens toe door het LQA-dashboard en het foutendichtheidsrapport te koppelen aan de taken en talen waaraan elke taalkundige heeft gewerkt. Een taalkundige wiens productiviteit toeneemt terwijl de foutendichtheid gelijk blijft, is daadwerkelijk productiever; iemand wiens productiviteit toeneemt met de foutendichtheid, schuift werk af op revisoren.
5. Bespreek trends met de taalkundige en onderneem vervolgens actie : bekijk drie of meer periodes, bespreek uitschieters met de persoon voordat je conclusies trekt, en gebruik het resultaat om de content te routeren, de nabewerkingsfrequentie aan te passen aan de kwaliteitscategorie of coaching in te plannen. Het vergelijken van bureaus in plaats van individuen is een andere oefening, die wordt behandeld in het artikel over het opstellen van een scorekaart voor vertaalbureaus.

Deze aanpak past bij teams die...

• Heb meerdere interne of freelance taalkundigen nodig en heb een objectieve basis nodig voor opdrachten, tarieven, of coaching.
• Voer machinevertaling na het redigeren uit en wil weten of post-editors, engines of contenttypes trage output verklaren.
• Betaal na het redigeren met voorspelde inspanning en heb bewijs nodig dat de banden overeenkomen met de bewerkingen die taalkundigen daadwerkelijk maken.
• Rapporteer de efficiëntie van de lokalisatie aan het management en zorg voor een cijfer dat de vraag "maar hoe zit het met de kwaliteit?" beantwoordt.

Wanneer taalkundige productiviteitsmetrieken misschien niet de juiste prioriteit hebben

• Heel kleine teams waar een manager al elk project overziet; formele meetmethoden zorgen voor extra werk zonder aanvullende informatie.
• Transcreatie en creatief werk, waarbij de inspanning per woord wordt bepaald door conceptontwikkeling die niet zichtbaar is door de afstand tot de redactie en het aantal woorden.
• Programma's zonder gedeeld kwaliteitsschema nog niet; productiviteit zonder kwaliteitslijn beloont alleen snelheid, dus stel eerst LQA op.
• Het werk wordt volledig via een beheerde dienst geleid, waarbij de aanbieder eigenaar is van taalkundige personeel; de pagina Security at Smartling stelt dat Smartling klanten geen speciale controle kan geven over de opdrachten van zijn zelfstandige opdrachten of lijsten van die opdrachten kan leveren, dus individuele metrics zijn daar niet de hefboom.

Evaluatiechecklist: vragen om te stellen over taalkundige productiviteitsanalyse

Welke tools meten de prestaties van vertalers en kunnen ze vergelijkingen tussen verschillende leveranciers ondersteunen?
Zoek naar een platform dat gewogen woorddoorvoer, bewerkingsafstand, afwijzingen en MQM-kwaliteit per taalkundige rapporteert vanuit hetzelfde systeem, in plaats van aparte exports. Vergelijking op leveranciersniveau hergebruikt vervolgens dezelfde data op agentschapsniveau, zoals beschreven in de vertaalleveranciersscorecard.

Hoe wordt de productiviteit van het nabewerken gemeten, en welke tools ondersteunen dit?
Vraag of het platform de bewerkingsafstand tussen de machine-output en de nabewerkte vertaling registreert, en of de voorspelde kwaliteit van de machinevertaling per tekenreeks wordt opgeslagen, zodat nabewerkers binnen dezelfde kwaliteitsband kunnen worden vergeleken.

Hoe nauwkeurig zijn reviewer-metrics?
Controleer hoe reviewwerk wordt gecrediteerd. Als een beoordelingsstap bij indiening wordt gecrediteerd ongeacht de wijzigingen, kunnen woordaantallen een zorgvuldige beoordelaar niet onderscheiden van een stempel; bewerkingsafstand, afwijzingen en LQA-fouten per beoordelaar kunnen dat.

Zijn productiviteitsstatistieken gekoppeld aan feedbackloops van beoordelaars?
Productiviteitsgegevens zijn het meest nuttig wanneer de bewerkingen en fouten die eraan ten grondslag liggen de taalkundige en de taalkundige middelen bereiken. Hoe een correctie resulteert in een update van het vertaalgeheugen, een vermelding in de woordenlijst en een blokkerende kwaliteitscontrole, wordt behandeld in het hoofdstuk over het opzetten van een feedbacklus voor lokalisatiekwaliteitsborging.

Kun je normaliseren voor het benutten van vertaalgeheugen en contentmix?
Bevestig dat het rapport gewogen woorden en de fuzzy-match laag bevat, en dat je kunt filteren op taal en workflowstap, zodat taalkundigen op sterk benutte content niet overdreven worden.

Hoe ver gaat de data terug, en kan het je BI-tool bereiken?
Vraag naar het retentievenster en het verversingsritme van elk rapport; een rapport van 6 maanden is voldoende voor coaching, terwijl jaarlijkse beoordelingen een export met een langere geschiedenis nodig hebben.

Wie kan de cijfers zien?
Taalkundigen moeten hun eigen gegevens kunnen inzien. In Smartling kunnen vertalers, redacteurs en revisoren het woordentellingsrapport en het rapport met tekenreekswijzigingen genereren voor werk waaraan ze hebben meegewerkt, waardoor het gesprek over dezelfde cijfers blijft gaan.

Hoe ondersteunt Smartling de productiviteitsmeting van linguïsten?

Smartling registreert al het voltooide werk, de bewerkingen en de kwaliteitsresultaten van elke taalkundige op één platform, zodat de doorvoer, de inspanning en de kwaliteit naast elkaar kunnen worden bekeken in plaats van te moeten worden afgestemd vanuit afzonderlijke bestanden. Het rapport 'Woordtelling' geeft een overzicht van het voltooide werk per taalkundige, bureau, vertaaltaal en type workflowstap. Het bevat een kolom 'Gewogen woorden' waarin kortingen voor vage overeenkomsten worden toegepast en een kolom 'Vage indeling' die de vage overeenkomstcategorie of, voor machinaal vertaalde teksten, het niveau van de taalkwaliteitsschatting weergeeft. Die combinatie stelt een manager in staat om post-editors binnen dezelfde voorspelde kwaliteitscategorie met elkaar te vergelijken, in plaats van met een gemengde werklast.

Het String Changes Report toont wat er bij elke workflowstap is veranderd, met Edit Distance, Edit Word Distance en Edit Distance to Publish, plus workflowacties zoals REJECT en POST_MACHINE_REVISION, die post-edit inspanning en herwerk omzetten in aftelbare meetinstrumenten. Voor langere trends levert de Data Access Tool een dataset Translator Quality Performance - 90 Days, gebaseerd op de bewerkingsafstand per project, taak en workflowstap, samen met Job Workflow Word Counts, als CSV-bestanden voor Tableau of een andere BI-tool; de Customer Success Manager activeert het. Kwaliteit komt van LQA, waar menselijke taalkundigen, LQA-agenten of beiden fouten per categorie en ernst registreren tegen één schema, en het LQA Dashboard, Errors & Arbitration en Error Density reports leveren de kwaliteitslijn die een productiviteitsweergave eerlijk houdt.

Voor de bewerkingsomgeving die de snelheid van de nabewerking bepaalt, zie wat een nabewerkingsomgeving voor AI-vertaling zou moeten bevatten; voor het balanceren van de werkdruk die deze statistieken onthullen, zie hoe je de werkdruk van vertalers binnen een team kunt beheren.

Gerelateerde vragen

• Hoe verdeel je de werkdruk van vertalers over een team?
• Hoe bouw je een prestatiescorekaart op voor vertaalleveranciers?
• Wat moet de bewerkingsomgeving van een menselijke revisor bevatten bij het nabewerken van AI-vertalingen?
• Hoe manage en beman je een team van vertalers en taalkundigen?