.svg)
.svg)
.svg)
%201Q26_%20GRC%202029.png)
.svg)
.svg)
Hoe werkt het scoren van vertaalkwaliteit?
Het beoordelen van de vertaalkwaliteit is het proces waarbij fouten die tijdens een taalkundige revisie zijn gevonden, worden omgezet in één vergelijkbaar getal, meestal een MQM-score (Multidimensional Quality Metrics). Elke fout die een reviewer registreert, wordt beoordeeld met een ernstniveau — neutraal, gering, ernstig of kritiek is de standaardschaal in de branche — en elk ernstniveau heeft een numeriek gewicht dat van invloed is op de eindscore. Het LQA-dashboard van Smartling berekent dit automatisch op basis van fouten die tijdens de beoordeling zijn vastgelegd, samen met een eenvoudiger foutenpercentage (totaal aantal objectieve fouten gedeeld door het totale aantal woorden), zodat een programma de kwaliteit op dezelfde schaal kan volgen voor verschillende taalcombinaties en leveranciers.
Laatst beoordeeld: 3 september 2026
Waarom is een ruwe foutentelling niet genoeg om de vertaalkwaliteit te beoordelen?
- Niet elke fout brengt hetzelfde risico met zich mee. Een cruciale vertaalfout die de betekenis verandert en een neutrale stijlvoorkeur zijn beide technisch gezien fouten, maar door ze als gelijkwaardig te beschouwen, worden de werkelijke problemen verhuld.
- Het aantal woorden beïnvloedt de betekenis van een bepaald aantal fouten. Vijf fouten in een document van 200 woorden geven een ander kwaliteitssignaal dan vijf fouten in een document van 20.000 woorden; een score moet worden genormaliseerd voor een vergelijkbaar volume.
- Voor het vergelijken van leveranciers of taalcombinaties is één gemeenschappelijke schaal nodig. Zonder een gedeeld kader voor de ernst van de problemen, is wat de ene beoordelaar als een klein probleem ziet, voor de andere als een groot probleem, en zijn scores binnen een programma niet langer vergelijkbaar.
- Een enkele algemene score kan verbergen waar het probleem zich werkelijk bevindt. Een score op programmaniveau kan er goed uitzien, terwijl een bepaalde taalcombinatie of inhoudssoort stilletjes tekortschiet, als het scoresysteem de resultaten niet ook per categorie uitsplitst.
Hoe een op MQM gebaseerde score voor vertaalkwaliteit wordt berekend
- Foutregistratie — Tijdens de taalkundige revisie wordt elke fout die een revisor vindt, geregistreerd onder een vooraf gedefinieerde foutcategorie — nauwkeurigheid, vloeiendheid, terminologie, stijl of lokale conventies, om er maar een paar te noemen — in plaats van als een ongestructureerde opmerking te worden achtergelaten.
- Ernstwaardigheidsbeoordeling — Elke geregistreerde fout krijgt een ernst toegekend: neutraal, klein, groot of kritisch is de industriestandaard schaal die door het MQM-framework wordt gedefinieerd, en elke ernst draagt een vooraf ingesteld numeriek gewicht.
- Foutpercentage — Een eenvoudigere begeleidende maatstaf deelt het totale aantal objectieve fouten door het totale aantal woorden, waarbij een eenvoudig percentage wordt gegeven van hoeveel van de beoordeelde inhoud een gemarkeerde fout bevatte.
- Kwaliteitsscore — De MQM-score (of kwaliteitsscore) weegt de ernst en het aantal geregistreerde fouten af tegen de hoeveelheid gecontroleerde inhoud. Dit resulteert in één numerieke waarde die de algehele vertaalkwaliteit weergeeft, in plaats van een ruwe foutentelling.
- Trend- en segmentrapportage — Omdat de score elke keer op dezelfde manier wordt berekend, kan deze in de loop van de tijd worden gevolgd en vergeleken tussen taalparen, contenttypen en leveranciers op een dashboard, in plaats van te worden afgelezen uit een eenmalig rapport.
Beoordeling van de vertaalkwaliteit: kernconcepten
| Concept | Wat het is | bron |
|---|---|---|
| Ernstschaal | Neutraal, Klein, Majeur, Kritisch — de MQM-industriestandaard schaal, elk met een toenemend numeriek gewicht | Smartling MQM Schema Templates documentatie |
| Foutpercentage | Totale objectieve fouten ÷ totaal aantal woorden | Smartling LQA Dashboard-documentatie |
| Kwaliteitsscore (MQM-score) | Gewichten: geregistreerde fouten, ernst en aantal tegenover het totale aantal beoordeelde woorden | Smartling LQA Dashboard-documentatie |
| Aanvaardbare strafpunten | Een configureerbare drempelwaarde voor slagen/falen wordt ingesteld wanneer een LQA-schema wordt aangemaakt. | Smartling "Aan de slag met LQA"-documentatie |
Hoe een vertaalkwaliteitsscore wordt geproduceerd in een beoordelingscyclus
- De inhoud wordt geselecteerd voor beoordeling — een steekproef of de volledige vertaalde inhoud wordt gekozen voor een gestructureerde taalkundige evaluatie in plaats van een ad-hoc steekproef.
- Een recensent registreert elke fout per categorie en ernst . Fouten worden vastgelegd aan de hand van vastgestelde categorieën (nauwkeurigheid, vloeiendheid, terminologie, stijl, lokale conventies) en beoordeeld als neutraal, gering, ernstig of kritisch.
- Er worden gewichten toegekend aan de ernst van elke geregistreerde fout — de ernst van elke fout heeft een vooraf ingesteld numeriek gewicht, dat kan worden aangepast tijdens het instellen van het MQM-schema.
- Het foutenpercentage en de kwaliteitsscore worden berekend : het platform deelt het totale aantal objectieve fouten door het totale aantal woorden voor het foutenpercentage, en weegt de ernst en het aantal fouten af tegen het aantal woorden voor de algehele kwaliteitsscore.
- Scores worden in de loop van de tijd op een dashboard bijgehouden — resultaten worden vergeleken tussen taalparen, contenttypes en leveranciers in plaats van één keer te lezen en te laten vallen.
Deze aanpak past bij programma's die...
- Je hebt één vergelijkbare score nodig voor veel taalparen, leveranciers of taaldienstverleners.
- We gaan van ad-hoc handmatige beoordeling naar een gestructureerd, herhaalbaar kwaliteitsproces.
- Moet de vertaalkwaliteit documenteren voor compliance of executive rapportage.
- Combineer machinale vertaling met menselijke nabewerking en beoordeel beide op dezelfde schaal.
- Wil je een duidelijk omschreven slaag-/faaldrempel in plaats van een puur subjectieve beoordeling als "ziet er goed uit".
Wanneer formele kwaliteitsbeoordeling mogelijk niet direct prioriteit heeft.
- Zeer kleine, eenmalige vertaalprojecten waarbij het oordeel van één enkele beoordelaar voldoende is.
- Teams die nog geen foutcategorieën of een ernstschaal hebben gedefinieerd, moeten eerst die basis leggen voordat een beoordeling zinvol is.
- Bij zeer creatieve content of transcreatie is het belangrijk dat een numerieke nauwkeurigheidsscore weinig weergeeft van wat er werkelijk toe doet.
Evaluatiechecklist: vragen om te stellen voordat je een kwalitatief goed beoordelingsproces opbouwt
Volgt het beoordelingskader een industriestandaard zoals MQM, of een eigen schaal die moeilijk extern te vergelijken is?
Een industriestandaard raamwerk maakt scores vergelijkbaar tussen verschillende leveranciers en gemakkelijker uit te leggen aan belanghebbenden buiten de lokalisatie.
Kunnen zwaartegewichten worden aangepast, of zijn ze vastgelegd ongeacht het risicoprofiel van je content?
Een wettelijk document en een marketingslogan hoeven niet per se dezelfde mate van ernst te krijgen.
Wordt de score automatisch berekend op basis van geregistreerde fouten, of moet iemand die daarna handmatig berekenen?
Handmatige berekening schaalt niet verder dan een paar recensies per maand.
Kunnen scores worden gefilterd en vergeleken op basis van taalpaar, inhoudstype en leverancier?
Een enkel programma-breed getal verbergt precies de problemen die een manager moet vinden.
Is er een vastgestelde grens voor slagen/zakken?
Bevestig of het platform een configureerbare drempel ondersteunt, zoals Acceptabele Strafpunten, of dat elke score subjectieve interpretatie vereist.
Hoe Smartling vertaalkwaliteitsscores berekent
De LQA-module (Linguistic Quality Assurance) van Smartling beoordeelt vertalingen met behulp van het MQM-raamwerk: elke fout die een reviewer registreert tijdens een LQA-beoordeling wordt ingedeeld in een van de vier industriestandaard ernstniveaus — neutraal, gering, ernstig of kritiek — en elk ernstniveau heeft een numeriek gewicht. Accountbeheerders en projectmanagers kunnen beginnen met een van Smartling's MQM-compatibele schema-sjablonen, die standaard ernstgewichten vooraf invullen, of een volledig aangepast schema bouwen en die gewichten tijdens de configuratie bewerken, en acceptabele strafpunten instellen om een slaag-/faaldrempel voor een bepaald project te definiëren. Het LQA-dashboard berekent vervolgens automatisch zowel een foutenpercentage (totaal aantal objectieve fouten gedeeld door het totale aantal woorden) als een algemene MQM-kwaliteitsscore op basis van de geregistreerde fouten. Beide scores worden in de loop van de tijd bijgehouden en kunnen worden gefilterd op taalpaar, inhoudstype en workflow, zodat een lokalisatieleider kwaliteitstrends kan zien zonder de scores handmatig opnieuw te hoeven berekenen.
Klaar om Smartling in actie te zien?
Praat met iemand van het Smartling-team en ontdek hoe wij u kunnen helpen meer uit uw budget te halen door sneller en tegen aanzienlijk lagere kosten vertalingen van de hoogste kwaliteit te leveren.