Raport 07

Jakość przekładu literackiego: AI, post-editing i praca człowieka 2026

Opinie branży są ważnym sygnałem, ale nie zastępują porównania tego samego materiału przy wspólnych kryteriach i ślepym sposobie oceny.

Osoby omawiające warianty tekstu podczas spotkania
Zdjęcie ilustracyjne. Strona przedstawia zarys badania oczekujący na zebranie i weryfikację danych.

Interaktywny widok

Projekt porównania jakości

Każda ścieżka powinna dostać ten sam brief, materiał i limit czasu. Oceniający nie mogą znać źródła wersji.

Do testuAI

Jawnie zapisana konfiguracja modelu i promptów.

Do testuPost-editing

Czas człowieka, liczba zmian i jakość końcowa.

Do testuCzłowiek

Przekład od źródła przy tym samym briefie.

Do projektuOcena

Ślepy panel, wspólna rubryka i zgodność oceniających.

1. Hipoteza i zakres

Badanie ma sprawdzić nie abstrakcyjną poprawność, lecz zachowanie głosu, rytmu, humoru, implikatury i ciągłości. Wyniki będą rozdzielone według gatunku oraz typu trudności.

2. Materiał testowy

Potrzebny jest zestaw legalnie udostępnionych fragmentów o podobnej długości i różnym profilu: dialog, narracja literacka, humor, stylizacja, fantasy oraz tekst dla młodszych odbiorców.

Każdy fragment otrzyma brief i listę informacji dostępnych wykonawcy. Nie wolno poprawiać źródła pomiędzy ścieżkami.

3. Kryteria oceny

Rubryka powinna rozdzielać błędy znaczeniowe, naturalność, głos, spójność, redakcyjną gotowość i czas potrzebny do uzyskania wersji końcowej.

  • Zgodność znaczenia
  • Naturalność angielskiego
  • Głos i efekt literacki
  • Spójność terminologiczna
  • Liczba krytycznych interwencji
  • Czas całego procesu

4. Publikacja wyniku

Raport pokaże próbki, rubrykę, liczebność panelu i rozkład ocen. Nie będzie rozszerzał wyniku z kilku gatunków na każdy tekst ani ukrywał czasu przygotowania promptów i post-editingu.

Ograniczenia raportu

  • Wynik szybko się starzeje wraz ze zmianą modeli.
  • Niewielka liczba fragmentów nie reprezentuje całej literatury.
  • Jakość zależy od briefu, operatora i redaktora, nie tylko od narzędzia.

Dane potrzebne przed publikacją

Te elementy muszą zostać zebrane, opisane metodologicznie i sprawdzone przed ukończeniem raportu.

  • Zgody na fragmenty testowe
  • Stałe wersje modeli i parametry
  • Minimum trzech niezależnych tłumaczy
  • Panel native editorów
  • Pomiar czasu każdej ścieżki
  • Analiza zgodności oceniających

Źródła

Zastosuj w projekcie

Korekta native speakera i proofreading po angielsku

Zobacz zakres pracy, kryteria jakości i pierwszy krok powiązany z tematem raportu.

Napisz do nas Zobacz usługę