استفاده از «عدم» یا استفاده نکردن از «عدم» در نگارش فارسی

امروزه، در نگارش فارسی یکی از فاکتورهایی که در ارزیابی متون به آن توجه می شود کوتاه تر شدن جملات و به کار نبردن لغات زاید و بی مورد است. یکی از این واژه های زاید «عدم» است که عموماً به منظور منفی کردن کلمات به کار می رود. برای نمونه، عدم توجه، عدم حضور، عدم دقت، عدم توانایی، عدم ثبات، عدم قبول، و غیره. تمام این موارد را می توان با معادل های مناسب جایگزین کرد.  به چند نمونه، به همراه مثال و فرم ویرایش شده آن ها، اشاره می شود:

عدم توجه --->> بی توجهی

مثال:

گمان می رود دلیل این حادثه عدم توجه به جلو باشد.

اصلاح شدۀ جمله 

گمان می رود دلیل این حادثه بی توجهی به جلو باشد.

عدم حضور --->> حضور نیافتن؛ غیبت

مثال:

عدم حضور سهام داران در این جلسه منجر به لغو آن خواهد شد. 

اصلاح شدۀ جمله

حضور نیافتن سهام داران در این جلسه منجر به لغو آن خواهد شد. 

عدم دقت --->> بی دقتی

مثال:

عدم دقت حسابدار ممکن است فاجعه ای بزرگ برای شرکت به بار آورد.

اصلاح شدۀ جمله

بی دقتی حسابدار ممکن است فاجعه ای بزرگ برای شرکت به بار آورد.

عدم توانایی --->> ناتوانی

مثال:

عدم توانایی در پاسخ دادن به سوالات سبب شد مصاحبه شونده از آزمون حذف شود.

اصلاح شدۀ جمله

ناتوانی در پاسخ دادن به سوالات سبب شد مصاحبه شونده از آزمون حذف شود.

عدم ثبات --->> بی ثباتی

مثال:

عدم ثبات قیمت جهانی طلا ناشی از نگرانی سرمایه گذاران است.

اصلاح شدۀ جمله

بی ثباتی قیمت جهانی طلا ناشی از نگرانی سرمایه گذاران است.

عدم قبول --->> نپذیرفتن

مثال:

عدم قبول این مسئولیت به قیمت از دست دادن قرارداد تمام شد.

اصلاح شدۀ جمله

نپذیرفتن این مسئولیت به قیمت از دست دادن قرارداد تمام شد.

عدم اعتنا --->> بی اعتنایی

مثال:

عدم اعتنا به این پیشنهاد نتیجه خوبی برای شرکت نداشت.

اصلاح شدۀ جمله

بی اعتنایی به این پیشنهاد نتیجه خوبی برای شرکت نداشت.

عدم استفاده --->> استفاده نکردن

مثال:

عدم استفاده از زنجیر چرخ جریمه ای سنگین دارد.

اصلاح شدۀ جمله

استفاده نکردن از زنجیر چرخ جریمه ای سنگین دارد.

عدم تجربه --->> بی تجربگی؛ کم تجربگی
عدم رعایت --->> رعایت نکردن
عدم نیاز --->> بی نیازی
عدم الزام --->> الزام نداشتن
عدم لزوم --->> بی نیازی به
عدم وجود --->> فقدان؛ نبود؛ دسترسی نداشتن به؛ موجود نبودن

عدم کفایت --->> بی کفایتی

و مواردی از این دست. استفاده از عدم در هنگام ترجمه به کرات رخ می دهد؛ بنابراین، لازم است مترجمان به جای آن از معادل های مناسب استفاده کنند.
البته هنگام ترجمۀ برخی لغات تخصصی و معادل یابی برای آن ها، می بایست به این نکته توجه کرد که نوشتن عدم اجتناب ناپذیر است. زیرا این گونه معادل ها بسیار رایج هستند و نمی توان آن ها را با واژه های دیگر جایگزین کرد. به عنوان نمونه، عدم قطعیت در زبان تخصصی برخی رشته ها جا افتاده و نمی توان به جای آن از معادل دیگری استفاده کرد.

منبع:

قسمتی از متن مذکور با مراجعه به جزوۀ کلاسی استاد علی صلح جو و استفاده از نمونه های ترجمه شده، نوشته شده است.

ابزارهای کامپیوتری پشتیبان مترجم (CAT) --- قسمت اول

نویسنده: Ilya Ulitkin (استاد زبان شناسی دانشگاه مسکو، مترجم روسی به انگلیسی، ویراستار ژورنال الکترونیک کوانتومی) 

مترجم: مدیر وبلاگ

تا دو سه دهۀ پیش، گسترۀ ابزارهای کاری مترجم از یک دستگاه تایپ و مجموعه ای از دیکشنری‌های چاپ شده فراتر نمی‌رفت، که استفاده از آن‌ها زحمت چندانی نداشت. با وجود این، در پی پیشرفت فزایندۀ سخت افزارهای الکترونیکی و نرم افزارهای کامپیوتری، توانایی تکنولوژیکی به یکی از مؤلفه های لازم حرفۀ ترجمه تبدیل شده است، که، اول از همه، مهارتِ استفاده از منابع و ابزارهای الکترونیکی را می‌طلبد [1].

اکنون، هنگامی که عبارت «ابزارهای کاری مترجم» به گوشمان می‌خورد، اولین تصویری که در ذهنمان نقش می‌بندد یک کامپیوتر شخصی و اینترنت است. هیچ مترجمی به سبک و سیاق سی و یا چهل سال پیش ترجمه نمی‌کند؛ زیرا، دیکشنری‌های الکترونیکی، نرم افزارهای ترجمه، و منابع اینترنتی در دسترس است، که امکان به روز بودن را در اختیار ما قرار می‌دهد. چنین چیزی زمانی مهم می‌نماید که باور کنیم تقریباً تمام مترجمان از اینترنت و سایر ابزارهای الکترونیکی در کار خود استفاده می‌کنند [2].

علی رغم کارایی و چشم انداز، نرم افزارهای ترجمه و ابزارهای الکترونیکی نمی‌توانند جایگزین ترجمه انسانی شوند و ترجمه های با کیفیت ارائه دهند.

ایدۀ ترجمۀ ماشینی را می‌توان در قرن هفدهم جستجو کرد. در سال 1629، رنه دکارت پیشنهاد یک زبان جهانی را مطرح ساخت؛ چنین زبانی دارای ترکیب‌هایمشابه در زبان‌های مختلف با یک سری سمبل مشترک بود. با وجود این، سیر تکامل ترجمه ماشینی از دهۀ 1940 آغاز شد، زمانی که اولین کامپیوترهای الکترونیکی طراحی شدند. در مارس 1949، وارد ویور، سرپرست علوم طبیعی در بنیاد راکفلر، مفهوم ترجمۀ ماشینی را تدوین کرد؛ وی تحت تأثیر روشی قرار گرفته بود که در آنْ بریتانیایی‌ها با استفاده از کامپیوترهای غول پیکر کد¬هاینظامی ماشین‌های رمزنگاری آلمان را رمزگشایی می‌کردند. وی اظهار داشته است، «من متنی به زبان روسی پیش روی خود دارم. اما فرض می‌کنیم با یک سری سمبل نامفهوم [اما مشترک در تمام زبان‌ها] نوشته شده است. تنها کاری که می‌بایست انجام دهم این است که کدها را رمزگشایی کنم تا اطلاعاتی که در متن وجود دارد بازیابی شود.»

اظهارات ویور علاقۀ افراد زیادی را به ترجمۀ ماشینی برانگیخت، به خصوص نظامیان. آن‌ها اولین افرادی بودند که از ابداع نرم افزار ترجمۀ ماشینی حمایت کردند. در ایالات متحده، ترجمۀ روسی به انگلیسی مقبولیت فراوانی داشت، در حالی که در اتحاد جماهیر شوروی، چنین توجهی به ترجمۀ انگلیسی به روسی معطوف می‌شد.

امروزه، سه رویکرد در مورد ترجمۀ نوشتاری وجود دارد: اول، ترجمۀ ماشینی بر اساس قواعد زبان مقصد و مبدأ؛ دوم، ترجمۀ ماشینی آماری؛ و سوم، ترجمه با کمک کامپیوتر.

ابتدایی‌ترین «موتورهای ترجمه» در ترجمه های ماشینی همگی مبتنی بر رویکرد مستقیم و «تبدیلی» بودند. جملات ورودی زبان مبدأ، با استفاده از شکل ساده ای از parsing، مستقیماً به جملات خروجی زبان مقصد تبدیل می‌شدند. پارسرها، با تقسیم جمله به فاعل، مفعول، فعل، و غیره، جملۀمبدأ را به شکل کامل تحلیل می‌کردند.در ادامه، کلمات مبدا با کلمات موجود در دیکشنری جایگزین و با توجه به قواعد زبان مقصد مرتب می شدند. این رویکرد مدت ها استفاده شد و در نهایت با رویکردی دیگر جایگزین شد، که «دانش زبان شناسی» نامیده می شود. کامپیوترهای مدرن، که قدرت پردازش بیشتر و حافظۀ بالاتری دارند، قادرند کاری را که در دهۀ 1960 محال بود، انجام دهند. ترنسلیتورهای دارای رویکرد «دانش زبان شناسی» دارای دو مجموعه قواعد گرامری اند: مجموعه ای برای زبان مبدا و مجموعه ای برای زبان مقصد. به علاوه، کامپیوترهای مدرن نه تنها گرامر زبان مقصد (ساختار مورفولوژیک و syntactic)، بلکه اطلاعات معنایی را نیز تحلیل می کنند. آن ها اطلاعاتی دربارۀ تفاوت های اصطلاحی زبان ها دارند، که مانع از بروز اشتباهات به اصطلاح احمقانه می شود. با وجود این، فضا برای پیشرفت زیاد است.

رویکرد دوم مبتنی بر روش آماریست: از طریق آنالیز حجم عظیمی از متون موازی (مقایسۀ متن های ترجمه شده و متن های مبدا)، برنامه متغیرهایی را که بیشترین شباهت را به هم دارند گزینش کرده و آن ها را در ترجمه استفاده می کند. این رویکرد از قواعد گرامری استفاده نمی کند؛ زیرا، الگوریتم آن بر مبنای تحلیل آماری است نه تحلیلِ مرسومِ مبتنی بر قواعد. به علاوه، واحدهای زبانی که در این رویکرد از آن ها استفاده می شود ترکیب کلمات است، نه کلمات تفکیک شده. یکی از نمونه های مشهور این روشْ «گوگل ترنسلیت» است، که مبتنی بر رویکرد ترجمۀ ماشینی آماریست؛ این ابزار بیش از همه مرهون تحقیقات Franz-Josef Och است که در سال 2003 برندۀ جایزۀ DARPA برای ترجمۀ پرسرعت ماشینی شد. بر اساس سخنرانی وی، که در اجلاس ترجمۀ ماشینی 2003 مطرح شد، برای ابداع سیستم های ترجمۀ ماشینی آماری قابل کاربردْ به پایگاهی نیاز است که دارای کورپسی دوزبانه (و یا مجموعه ای موازی هم) حاوی بیش از یک میلیون کلمه است و همچنین چنین پایگاهی باید دارای دو کورپس تک زبانه با بیش از یک میلیارد کلمه باشد. سپس، مدل های آماری که از این داده ها استخراج می شوند می توانند بین دو زبان به ترجمه بپردازند. با وجود این، جملات ترجمه شده برخی اوقات به قدری بی ربط هستند که درک آن ها غیر ممکن است. 

ترجمه با کمک کامپیوتر (Computer-assisted translation) رویکردی کاملاً متفاوت است. بر اساس «ویکی‌پدیا»، ترجمه با کمک و یا پشتیبانی کامپیوتر (CAT) شکلی از ترجمه است که در آن مترجم با استفاده از نرم افزارهای کامپیوتری که برگردان متون را پشتیبانی و آن را تسهیل می‌کنند، به کار ترجمه می‌پردازد [3]. 

ادامه دارد ...