Toward Human-Centered AI-Assisted Terminology Work

Technische Samenvatting: Naar mensgerichte AI-ondersteunde terminologiearbeid

Probleemstelling
De snelle opkomst van Generatieve Artificiële Intelligentie (GenAI), in het bijzonder Large Language Models (LLM's), vormt een dubbele uitdaging voor terminologiearbeid (TA). Hoewel LLM's kansen bieden voor automatisering — zoals het genereren van definities, het voorstellen van termequivalenten en het identificeren van conceptuele relaties — introduceren ze ook aanzienlijke risico's. Huidige LLM's zijn gevoelig voor fouten, hallucinaties en diverse vormen van bias, waardoor ze onbetrouwbaar zijn voor zelfstandig terminologisch gebruik. Bovendien ontbreken vastgestelde principes om de integratie van deze technologieën te begeleiden. Er bestaat een wijdverbreide bezorgdheid dat efficiëntiedruk kan leiden tot excessieve automatisering op basis van de misvatting dat menselijke expertise vervangen kan worden, wat potentieel de autonomie van de terminoloog ondermijnt, professionele expertise devalueert en linguïstische en conceptuele diversiteit uitholt. Het kernprobleem is het ontbreken van een kader dat de efficiëntiewinst van GenAI balanceert met de noodzaak om menselijke regie, nauwkeurigheid en ethische standaarden in de productie van terminologie te handhaven.

Methodologie
Dit artikel hanteert een conceptuele en theoretische benadering in plaats van een empirisch experimenteel ontwerp. Het synthetiseert bestaande wetenschappelijke literatuur uit drie primaire domeinen:

1. Mensgerichte Artificiële Intelligentie (HCAI): Gebruikmakend van het werk van Shneiderman (2020) en anderen, vestigt het artikel HCAI als een paradigma dat prioriteit geeft aan menselijk floreren, de versterking van menselijke handelingsbekwaamheid (agency) en de compatibiliteit van hoge automatisering met sterke menselijke controle.
2. Vertaalwetenschap: Het artikel onderzoekt hoe HCAI-principes zijn toegepast op vertaling, specifiek met betrekking tot de verschuiving van "digitaal Taylorisme" naar "geaugmenteerde vertaling" en de symbiotische relatie tussen mens en machine.
3. Terminologiearbeid-literatuur: Het analyseert de specifieke epistemische en professionele kenmerken van TA, inclusief de aard van terminologische producten, de rol van validatie en de beperkingen van de huidige prestaties van LLM's bij taken zoals termextractie, definitiegeneratie en het voorstellen van equivalenten.

De methodologie behelst een kritische analyse van deze snijvlakken om een conceptueel kader voor AI-integratie in TA voor te stellen. Het beoordeelt bestaande kleinschalige studies naar de prestaties van LLM's in terminologie (bijv. termextractie, definitiegeneratie) om de huidige beperkingen en de noodzaak van menselijke interventie aan te tonen.

Belangrijkste Bijdragen
Het artikel stelt een Human-Centered AI (HCAI) kader voor dat specifiek is afgestemd op terminologiearbeid, georganiseerd rond drie onderling verbonden dimensies:

1. De Geaugmenteerde Terminoloog:

   • Compatibiliteit van Automatisering en Controle: Het artikel betoogt dat hoge niveaus van automatisering en sterke menselijke controle niet wederzijds uitsluitend zijn, maar compatibel en wenselijk. Het pleit voor een "AI-in-the-loop"-model waarbij AI fungeert als een ondersteunende component die ondergeschikt is aan menselijke richting, in plaats van een vervanging.
   • Empowerment versus Emulatie: Het primaire doel van AI in TA moet zijn om terminologen te versterken (hun vermogens te verbeteren) in plaats van enkel menselijke intelligentie te emuleren. AI moet data-intensieve taken afhandelen (bijv. patroonherkenning, snelle kandidaatgeneratie), terwijl mensen de autoriteit behouden over conceptuele modellering, validatie en uiteindelijke besluitvorming.
   • Nieuwe Vaardigheden: De integratie van AI vereist "AI-geletterdheid", inclusief het vermogen om AI-outputs kritisch te evalueren, effectieve prompts te formuleren, ethische implicaties te begrijpen en geschikte automatiseringniveaus voor specifieke subtaken te selecteren.

2. Ethische AI:

   • Bescherming van Professionele Waarden: Het kader benadrukt dat de adoptie van AI de welstand of professionele waarden van de terminoloog — zoals linguïstische precisie, epistemische diversiteit en de rechtvaardige representatie van wereldbeelden — niet in gevaar mag brengen.
   • Bias Mitigatie: Het artikel beschrijft specifieke biases die inherent zijn aan LLM's (linguïstische, temporele, culturele, epistemische en sociale biases) voortvloeiend uit de samenstelling van trainingsdata (bijv. de dominantie van Engelstalige en de VS-gecentreerde inhoud) en algoritmische werking. Het stelt dat de terminoloog onmisbaar is voor het mitigeren van deze biases door middel van upstream-interventies (prompting, bronselectie) en downstream-interventies (kritische beoordeling, debiasing) om de circulatie van onjuiste of vertekende terminologie te voorkomen.

3. Mensgericht Ontwerp (HCD):

   • Gebruikerscentrische Integratie: AI-tools moeten direct in de terminologische workflows worden ingebed in plaats van via losstaande chatbots toegankelijk te zijn, om frictie te verminderen.
   • Participatief Ontwerp: Terminologen moeten actief betrokken worden bij de conceptie, het ontwerp en de verfijning van AI-tools om afstemming met professionele praktijken te waarborgen.
   • Cognitieve Ergonomie: Systemen moeten worden ontworpen om de cognitieve belasting te verminderen, besluitvorming te ondersteunen door middel van verklaarbaarheid (bijv. Retrieval-Augmented Generation voor bronverificatie) en risico's zoals verminderde kritische betrokkenheid en het anchoring-effect te mitigeren door middel van intentioneel interfaceontwerp (bijv. bevestigingsdialogen, het uitstellen van suggesties totdat er een onafhankelijke analyse heeft plaatsgevonden).

Resultaten en Bevindingen
Het artikel presenteert geen nieuwe experimentele gegevens, maar synthetiseert bestaand bewijs om tot verschillende conclusies te komen:

• Beperkingen van LLM's: Huidige LLM's zijn inconsistent en onbetrouwbaar voor terminologische taken. Hoewel ze in specifieke contexten (bijv. termextractie) traditionele statistische methoden kunnen overtreffen, hallucineren ze frequent, verwarren ze regionale varianten en worstelen ze met diepe conceptuele relaties.
• Onmisbaarheid van Mensen: Vanwege deze beperkingen en de noodzaak van gezaghebbende validatie blijven menselijke terminologen essentieel. Hun rol verschuift van handmatige uitvoering naar toezicht, verfijning en ethisch rentmeesterschap.
• Risico van Ongecontroleerde Automatisering: Ongestructureerde adoptie van GenAI brengt het risico met zich mee dat biases worden versterkt, linguïstische diversiteit wordt uitgehold en de professionele agency van de terminoloog wordt verminderd, wat potentieel leidt tot een "digitaal Taylorisme" waarbij werkers louter validatoren van machine-output worden.
• Haalbaarheid van HCAI: Bewijs uit de vertaalwetenschap suggereert dat hoge automatisering kan samengaan met sterke menselijke controle, mits de technologie is ontworpen om de menselijke oordeelsvorming te versterken in plaats van te vervangen.

Betekenis
Het artikel betoogt dat een mensgerichte oriëntatie niet alleen wenselijk, maar noodzakelijk is om te waarborgen dat AI de essentiële rol van de terminologiearbeid versterkt in plaats van ondermijnt. Door het behoud van professionele agency en besluitvormingsautoriteit te waarborgen, beschermt deze aanpak de nauwkeurigheid en betrouwbaarheid van terminologische producten, die cruciaal zijn voor gespecialiseerde communicatie, vertaling, standaardisatie en kennisoverdracht over talen en culturen heen. Het artikel concludeert dat de beslissingen die vandaag worden genomen over de integratie van AI, zullen bepalen of de terminologiearbeid zal blijven bijdragen aan de accurate transmissie van kennis of zal bezwijken onder de risico's van bias en conceptuele verstoring. Het roept op tot een duurzame onderzoeksagenda om empirisch te evalueren hoe terminologen met AI interageren en om de competentie van LLM's onder verschillende omstandigheden systematisch te beoordelen.