第14章。資料的完整性，以及最後的問候

開始第五篇之前。 13回以來，我們已看完一部作品的資料如何被製作：第一篇是工作的所在與骨架，第二篇是工作資料夾內部，第三篇逐一看35種資料，第四篇看人物筆記與附屬檔案。最後一回同時放入兩件事：所有資料如何成為完整一冊資料集的驗證階段，以及14回連載的收尾。兩者放在一起，是因驗證正是資料最後的整理；整理完成資料夾才完成，資料夾的完成也就是我們工作的完成。

資料彼此照映

當35種資料製作完成、34份人物筆記寫好、156行事件索引整理完畢、18份區塊表完成後，一個問題自然隨之而來：所有資料真的成為彼此一致的一冊資料集嗎？

同一人物的名稱是否處處使用同一表記？同一單字是否被譯成不同韓文？事件編號的先行參照是否全都指向實在事件？這些問題會浮現。一個人無法把所有資料都放在腦中，因此要讓資料照映資料。這就是第6階段，最後的交叉驗證。

七項檢查項目

我們檢查七個地方。

第一，人物筆記與區塊表的一致。 區塊表出現的每一人物是否都有筆記？有筆記的人物是否曾在表中漏掉？一份資料有、一份資料沒有的人物，會破壞整合性。

第二，事件編號雙側存在。 事件總表中的每個事件編號都必須在區塊表中，反向也必須成立。只在一側存在的編號，代表某處有遺漏。

第三，事件編號連續性。 從第一個事件編號到最後一個，是否沒有缺號？工作中若刪除或合併事件，編號可能中斷。

第四，先行事件參照的完整性。 每個先行事件編號是否都指向實在事件？若一事件所指的先行事件消失，因果鏈便斷裂。

第五，相關關鍵詞存在。 寫在事件相關關鍵詞裡的所有人物、地點、物件是否實在？表記有細微差異，便會把同一事物認成不同事物。

第六，資料間相互參照。 35種資料引用的全部事件編號是否都存在於事件總表？也就是再次確認一種資料是否準確參照另一種資料。

第七，重複與整合檔案的處理。 如夫妻般整合筆記和個別筆記同時存在的人物，真實來源是否清楚？同一資訊分散兩處時，必須明確哪一處是基準。

驗證的三層——自動、樣本、全程

七項不會一次全檢查，因為檢查的性質分成三種。有些無須人的判斷便可機械地決定通過或失敗；有些要隨機選出、用人眼讀一次；有些則要從一項工作開頭到結尾走完全程。我們明確區分這三層。

自動層是不經人眼也能出結果的檢查。事件編號1至49是否無缺、所有先行事件參照是否實在、一人物的名稱是否在所有資料中同一表記，均由短腳本處理。七項中的1、2、3、4、5屬於此層。幾乎不耗時，立即決定通過或失敗。發現失敗時，立刻登錄為P0或P1等級，加入修正佇列。

樣本層是從資料隨機挑選一部分，由人直接閱讀的檢查。展開一份區塊表，看是否預先寫入該時間點不能知道的資訊（劇透原則）、一事件的因果鏈是否符合文本事實、核心台詞引句是否準確。七項中的第6項、資料間相互參照，主要在此層處理。需30分鐘至1小時；不必讀完所有資料，也能感知資料的質地。

全程層是只憑資料夾內資料，模擬從頭到尾翻譯一章或一幕的檢查。隨機挑一章，依章別指南 → 人物筆記 → 時代百科 → 句法樹的順序展開，決定譯詞。若出現無法決定之處，那裡正是須補強資料的位置。第七項重複與整合檔案的處理，也會在全程層自然檢查，因為它模擬新收到資料夾的人如何展開資料。需要一兩小時。

三層分開很重要，因一層通過不保證另一層通過。自動層通過，樣本層仍可能發現意義錯位；樣本層通過，全程層仍可能發現進入資料的摩擦。三層各自運行，驗證才有深度。

在傲慢與偏見發現的事

將七項套用於傲慢與偏見資料夾，得出約90項檢查。介紹幾項關鍵發現。

達西的妹妹在一處寫作 "Miss Darcy"，另一處寫作 "Georgiana Darcy"。作品裡兩種稱呼都會出現，但資料內必須統一一種；否則搜尋資料時，同一人會被抓成兩人，必須統一。

兩個背景事件把不存在的事件當作先行事件參照。這是工作初期以暫定編號記下、正式編號賦予後未能清理的痕跡。為了因果鏈完整性，必須修正。

也發現資料夾裡有三名小角色的筆記，區塊表卻沒有這些人物的說明行。這是筆記先做、表還沒補強的情況。為了可追溯性，必須補強。

先抓哪一種錯誤？

發現的錯誤不以同一重量處理，分三等級。

P0等級是直接影響翻譯準確性的錯誤。 立即修正。人物名稱表記不一致屬於此處；譯者看到兩種不同表記而認成兩個人，翻譯本身就會錯。傲慢與偏見有兩件P0錯誤，皆即時修正。

P1等級是影響資料可追溯性的錯誤。 在資料夾對外公開或進入下一階段前修正。錯誤事件編號參照屬於此處。雖不直接影響翻譯，為保證資料可信性仍須修正。傲慢與偏見有三件P1，均在公開前修正。

P2等級是需結構補強的項目。 工作本身可進行，但為提升資料完成度，在下一循環補強。小角色說明行缺漏便屬此處。傲慢與偏見的P2約85件，數量最多，移入下一工作循環的清單。

設置等級的理由是：若所有錯誤都用同樣時間、同樣重量處理，驗證永遠不會結束。優先順序必須清楚：先P0，再P1，P2則記錄給下一循環。

整合表格的真實來源分離

第七項檢查「重複與整合檔案的處理」雖小，卻重要。來看傲慢與偏見的一例。

作品有嘉丁納夫婦：嘉丁納先生與嘉丁納太太。兩人在作中幾乎總是一起行動：帶伊麗莎白到彭伯里旅行、應對麗迪雅私奔事件、最後擔任婚禮證人。

對此類人物群，我們同時製作兩種筆記：嘉丁納先生、嘉丁納太太各自的個別筆記，以及嘉丁納夫婦的整合筆記。但三個檔案共存同一資料夾時，相同資訊便會分散兩處。例如嘉丁納太太在德比郡蘭布頓居住過的履歷，既在個別筆記，也在夫婦整合筆記。

問題便來了：哪一邊是真實來源？兩份資料若有細微不同，該信哪一份？

我們的處理如下：個別筆記是真實來源。 整合筆記被定義為只處理夫婦共同敘事與共同判斷的補充資料，因此其開頭附有如下說明：

本文件是處理嘉丁納夫婦關係與共同敘事角色的整合表格。各人物的詳細資訊請參照嘉丁納先生與嘉丁納太太的個別筆記。翻譯工作時，個別表格是真實來源；本文件補充夫婦作為一對的同伴敘事與共同判斷。

這一行雖小，卻是決定資料可信性的重要規則。真實來源不清楚，兩份資料衝突時工作者就會迷失方向。

驗證結束後

處理完約90項檢查後，資料夾最後一層會放入一份驗證報告。檢查了什麼、發現哪個等級的錯誤、如何處理，都完整記錄。

這報告是保證資料夾可信性的最後印章。新收到資料夾的人，先讀說明文、看資料清單、再翻驗證報告，便能一眼掌握資料夾狀態。資料經過驗證的事實，是使用者信任的基礎。

至此是六階段的最後一階段。從第1階段檔案化到第6階段驗證，針對一部作品的工作整然安放於資料夾中。

出貨合格線

驗證結束本身不代表資料夾可以出貨。我們設有明確合格線，以下條件全部通過，資料夾才能對外。

自動層所有檢查都必須通過。事件編號連續、每個先行事件指向實在事件、人物姓名在所有資料中同一表記。自動層一項失敗便暫緩出貨，因為無須人類判斷的部分都失敗，代表資料最基本的完整性已被破壞。

已發現的P0錯誤必須全部修正。直接影響翻譯準確性的項目，不能有一件未修便出貨。P1錯誤則需已修正，或有明確決定移至下一循環。不是無決定地拖延，而是記錄「本循環不處理」的決定。

資料夾說明文會附上一張驗證狀態表：自動層結果、樣本層結果、全程層結果、P2殘餘議題數、是否通過出貨。任何人收到資料夾，都能以此表即刻知道狀態。

有這條合格線，驗證才有意義。只檢查卻不設合格線，何處通過、何處保留便變得含糊，這份含糊會侵蝕資料可信性。合格線是劃分資料出貨的最後一行。

我們在14回一同看見的事

簡短回顧14回的脈絡，走向收尾。

第一篇的三回中，我們確立了名為<書淵閣>的工作位置，畫出六階段工程的骨架，並看了30多種資料的分類邏輯。

第二篇的四回中，我們窺看傲慢與偏見工作資料夾的外形，直接展開一個區塊與一組事件，看了預先決定一句話岔路的資料，並追隨35種資料被決定的路徑。

第三篇的三回中，我們逐一看35種資料：任何作品都製作的13種骨架、為傲慢與偏見增添色彩的16種血肉、以及此作品專有的6種補強。

第四篇的三回中，我們透過三人看人物筆記的樣子：主角伊麗莎白最豐富的形式、配角夏綠蒂壓縮的深度、小角色雷諾茲太太一幕的重量；也看資料夾裡的附屬檔案，以及如何透過分工技術縮短時間。

第五篇最後一回，我們看了如何保證資料完整性的驗證階段，現在到達結算。

走過14回，我們已看完在一本書周圍製作什麼，以及它如何成為整合的一冊資料集。

致傲慢與偏見的問候

在這裡，我想向一本書問候。

一位英國女性在200年前寫下的書，14回以來一直展開在我們的工作桌上。伊麗莎白、達西、珍、賓利、夏綠蒂、柯林斯、威克姆、麗迪雅、班納特夫婦、嘉丁納夫婦、雷諾茲太太。我們將每一人都寫成筆記。1813年的餐桌、馬車、舞會、信件、社交季，在我們的資料資料夾裡活著。

這本書跨越200年來到我們面前。因此，我們能在14回中製作資料。我們向這一本書致謝。

誠實承認限制

<書淵閣>不是完成的系統。每部作品都會把新發現加入程序。我想誠實寫下目前面對的兩三個限制。

仍有很需要人手的階段。尤其第5階段資料製作中，決定一種資料結構所需的時間很難自動化；因同一母題在不同作品強度不同，表現方式也不同。

資料間細微表記差異累積也是問題。若工作者略微不同地寫同一人物名字，驗證階段會抓到，卻仍會累積為P2議題。我們也持續打磨自動化表記統一的工具。

多語言同步工作的標準化也尚未完成。把一部作品譯為39種語言時，為39種語言各做一個資料夾並不有效；一資料夾若要同時服務39種語言，資料的形式必須更抽象化。這是下一階段課題。

這些限制並非程序不成熟，而是處理外語本質上要求人的判斷。這種姿態不能被自動化取代。

蘋果不是 Apple，最後的回歸

讓我們回到第一回的比喻。

我們做的35種資料、34份人物筆記、156行事件索引，都是把一句話應用到一本書的結果。

蘋果不是 Apple。Pear 不如梨好吃。

搬運單字時，也一同搬運其重量，這就是<書淵閣>。再簡短說一次：當我們重新坐到下一本書面前，便從這個姿態重新開始。

給一起工作的同事們

我們製作的資料夾，終究在人的手中活起來。

譯者、改編者、內容企劃、配音導演、文案寫手，有接收我們資料並用它做作品的同事。資料即使精確，使用資料之人的感覺才是最後決定者。我們只是製作資料，讓作品活起來的是同事的手。

我想14回以來跟隨講演的人中，也有這些同事。謝謝你們。願我們的資料在讀者的工作中活得很好。

下一講預告

<書淵閣>是我們工作的一根軸，還有另一根軸：建造關鍵詞圖書館的工作，我們稱之為 mejeLIBRARYING。兩軸相遇之處，便形成一部作品的完整詞典。

下一份講演稿將處理另一根軸。一部作品的人物、事件、資料若在<書淵閣>整理，作品所有關鍵詞便會在mejeLIBRARYING成為圖書館。兩者相遇，一本書就準備好被帶往169國、39種語言。

結語

感謝14回以來與我們同行。

希望這場講演不只是提供資訊，而是邀請各位進入我們面對外語時的姿態：仔細看一部作品的姿態；承認一個詞重量的姿態；不把蘋果說成和Apple相同的姿態。

願我們在下一本書面前再相見。