ISSN: 1579-9794
Hikma 23 (Número especial I) (2024), 1 - 27
La traducción automática de expresiones multiverbales en
el turismo gastronómico: un estudio de caso
Machine translation of multiword units in the field of
culinary tourism: a case study
ISABEL PEÑUELAS GIL
isabel.penuelas@uva.es
Universidad de Valladolid
Fecha de recepción: 19/02/2024
Fecha de aceptación: 08/10/2024
Resumen: Es innegable que la traducción automática se ha convertido en
una constante en el día a día y que ha transformado la forma en que los
usuarios abordan el proceso de traducción. Este fenómeno ha tenido un
impacto significativo en diversas áreas, especialmente en el contexto del
turismo debido a su carácter internacional. Cada vez es más común que
empresas, especialmente las de pequeño y mediano tamaño, recurran a
herramientas de traducción automática para llegar a un público más amplio y
plurilingüe. No obstante, a pesar de su popularidad, estas herramientas
pueden ofrecer resultados limitados en términos de calidad y adecuación. El
presente trabajo se centra en el estudio de las posibilidades y limitaciones
que los sistemas de traducción automática presentan al lidiar con expresiones
multiverbales dentro del ámbito del turismo gastronómico. Para ello, se
confeccionó un corpus monolingüe (ES), que incluye treinta folletos y guías
de diferentes regiones españolas, siguiendo el protocolo de compilación
propuesto por Seghiri (2017). A partir de este corpus, se extrajeron las
expresiones multiverbales objeto de estudio, junto con sus respectivos
contextos, y se sometieron a un proceso de traducción automática utilizando
cuatro motores (DeepL, Google Translate, Microsoft Translator y Yandex)
pertenecientes a los paradigmas más utilizados hoy en día dentro de la
traducción automática para fines específicos. Los resultados obtenidos,
categorizados siguiendo una modificación del modelo propuesto por Ortiz
Boix (2016), permitieron identificar diferencias de rendimiento entre los
sistemas más populares y revelaron los obstáculos comunicativos a los que
los usuarios podrían enfrentarse al lidiar con fraseología.
Palabras clave: Traducción automática, Expresiones multiverbales, Turismo
gastronómico, Estudio de corpus, Fraseología
2 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
Abstract: It is undeniable that machine translation has become a tool that is
here to stay and that has transformed the way users approach the translation
process. This phenomenon has had a significant impact in several areas, but
it is especially noticeable in the context of tourism due to its international
nature. It is becoming increasingly common for companies, particularly small
and medium-sized ones, to use machine translation tools to reach a wider,
multilingual audience. However, despite their popularity, these tools can offer
very limited results in terms of quality and appropriateness. This work focuses
on the study of the possibilities and limitations that machine translation
systems present when dealing with multiword units within the field of culinary
tourism. For this purpose, a monolingual corpus (ES) was compiled following
the compilation protocol proposed by Seghiri (2017). The corpus includes
thirty culinary tourism brochures and guides from different Spanish regions
and is the origin of all the multi-word units, as well as their respective contexts.
These units were then subjected to a machine translation process using four
engines (DeepL, Google Translate, Microsoft Translator, and Yandex), which
belong to the most widely used paradigms when it comes to machine
translation for specific purposes. The results obtained were categorised
following a modified version of the human evaluation system proposed by
Ortiz Boix (2016), which allowed to identify the performance differences
between some of the most popular engines and revealed the communicative
obstacles users might face when dealing with phraseology.
Keywords: Machine translation, Multiword units, Culinary tourism, Corpora
studies, Phraseology
INTRODUCCIÓN
Hoy en día, la traducción automática se ha convertido en una constante
a nivel mundial con la que convivimos en nuestro día a día. La aparición y
popularización de los sistemas de traducción automática (STA) en línea
gratuitos en las últimas décadas ha facilitado el proceso de comunicación
para muchos (Moorkens, 2022, p. 137). Se trata de herramientas de fácil
acceso a nivel mundial, gracias a las cuales una gran cantidad de información
que antes podía resultar ilegible para una parte de la población –por la
escasez de profesionales que trabajan con un par de lenguas determinado,
por cuestiones monetarias o, simplemente, por la cantidad de material para
traducir–, ahora está a disposición de la gran mayoría.
Sea cual sea el detonante, no cabe duda de que los STA han facilitado
la creación de textos de carácter multilingüe y, en su empeño, han afectado
la forma en la que los usuarios interactúan con la traducción. Esto se aplica
tanto desde un punto de vista profesional como social, por lo que podemos
decir que todos los ámbitos se han visto afectados por estas herramientas de
Isabel Peñuelas Gil 3
Hikma 23 (Número especial I) (2024), 1 - 27
una manera u otra. Por supuesto, este cambio también se ha dado en el
turismo, un ámbito que, tradicionalmente, ya estaba estrechamente ligado a
la mediación lingüística, ya fuese en forma de traducción o de interpretación,
debido a las características intrínsecas de este.
El turismo es uno de los pilares fundamentales de la economía
española. Según datos de 2022, España se sitúa como el segundo país que
más turistas internacionales recibe al año, solo por detrás de Francia1
(Organización Mundial del Turismo [OMT], 2023, p. 6), habiendo recibido 71,6
millones de turistas internacionales a lo largo del año según el Ministerio de
Industria, Comercio y Turismo (2023). Este crecimiento del público
internacional ha llevado a un aumento de la disponibilidad de traducciones de
textos de corte turístico (como pueden ser sitios web, folletos, guías, menús,
etc.) destinadas a expandir los servicios y productos proporcionados a un
público internacional, de habla no hispana, más amplio.
Por supuesto, una parte de las traducciones son realizadas por
profesionales especializados en este sector, pero es común ver que, en el
caso de pequeñas y medianas empresas con recursos limitados, estas se
elaboran utilizando STA en línea como Google Translate o, más
recientemente, DeepL. No obstante, esta práctica puede llevar a problemas
de comunicación que no siempre se consideran al decantarse por el uso de
la traducción automática (TA) y que contrasta, como indica Álvarez
Jurado (2020, p. 4), con el incremento del nivel de exigencia por parte del
turista con respecto a los textos que consume.
La relevancia indiscutible que tiene el turismo internacional en la
economía española hace crucial prestar atención a las prácticas de los
diferentes usuarios que emplean los STA en este sector. Comprender sus
necesidades específicas, así como identificar los problemas que puede
generar el uso indiscriminado y sin supervisión experta de los STA, permitirá
evaluar los efectos que estas tienen en la comunicación y proponer mejoras.
Sin embargo, a pesar de esta prominencia, se trata de un área de estudio
apenas explorada.
En el presente trabajo, nos centramos en analizar el comportamiento y
la efectividad que estas herramientas presentan con respecto al uso de la
fraseología, más en concreto de las expresiones multiverbales (EMV),
restringiendo la investigación al campo del turismo gastronómico. Como
veremos a continuación, estos elementos constituyen una parte fundamental
de los textos turísticos, pero también un gran obstáculo desde el punto de
1 Los datos sobre los movimientos de turistas internacionales durante el 2022 fueron compilados
en mayo del 2023. No obstante, la OMT considera que la información que aparece en este
informe aún está sujeta a cambios futuros.
4 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
vista traductológico y podrían suponer un paso atrás en el intento de mejorar
la comunicación con un potencial cliente internacional.
1. LA TRADUCCIÓN AUTOMÁTICA EN PERSPECTIVA
Con la proliferación de los STA en el siglo XXI, también encontramos
dos corrientes de pensamiento especialmente prominentes. En las etapas
iniciales de la popularización y expansión de estos sistemas, muchos
profesionales veían la traducción automática como una amenaza. Como
explica Oliver (2016, p. 155), lo hacían bajo la premisa de que la calidad de
estos llegaría, en un futuro próximo, a un nivel suficiente como para hacer
innecesaria la intervención humana. Por el contrario, el público no experto los
percibió de forma positiva, ya que facilitaban el acceso a la información y
eliminaban barreras comunicativas (Austermühl y Kortenbruck, 2012, p. 153)
«easily, fast and at no ostensible cost» (Vieira, 2020, p. 98). Esta percepción
se debe, en parte, a la aparente ausencia de intervención humana, una idea
errónea que ha sido reforzada por la prensa popular de manera regular
(Bowker, 2023, p. 97), lo que ha llevado al público a malinterpretar el
funcionamiento y uso de estas herramientas.
Sin embargo, a pesar de los grandes progresos que se han hecho en
el campo de la traducción automática, especialmente con la aparición y auge
de los sistemas neuronales, ambas corrientes de pensamiento «resultan
optimistas en cuanto a los resultados que estas herramientas pueden
ofrecer» (Oliver, 2016, p. 155).
Para entender la realidad a la que se enfrentan los sectores que
conviven con un uso regular de la TA, particularmente en el caso del sector
turístico, es necesario comprender las carencias de ambos planteamientos
arriba expuestos. Ante todo, está la noción, ampliamente aceptada por todos
los profesionales de la mediación lingüística, de que este ámbito va más allá
de la sustitución de palabras en una lengua (lengua origen, LO) por sus
equivalentes en otra (lengua meta, LM). Para que el acto comunicativo que
representa una traducción se considere apropiado a la situación, un traductor
debe poseer un conocimiento que va más allá del idioma y de las
características del lenguaje de especialidad. Este ha de prestar atención a los
factores culturales, tal y como expresan Pérez Blanco e Izquierdo (2021,
p. 148) al indicar que la propiedad del lenguaje, así como el conocimiento de
las convenciones culturales –en todos los niveles– y de tipología textual son
fundamentales.
En comparación, observamos que los STA no son capaces de cumplir
con los procesos necesarios para alcanzar la aceptabilidad en muchos de
esos parámetros establecidos. Aunque la aparición e implementación de
nuevas tecnologías en los motores de traducción ha traído mejoras
Isabel Peñuelas Gil 5
Hikma 23 (Número especial I) (2024), 1 - 27
significativas, especialmente debido al uso de corpus de entrenamiento más
grandes –gracias al avance en la capacidad de procesamiento de los
ordenadores–, estas tecnologías todavía requieren intervención humana para
garantizar la calidad de las traducciones. Como resultado, han surgido
nuevas especializaciones, como la preedición y posedición, que buscan
optimizar el uso de estas herramientas.
La mera aparición de estas nuevas labores es indicador de que la TA
por sí misma no supone una amenaza, a diferencia de lo que algunos
profesionales creían inicialmente. No obstante, la ausencia de estas dos
labores crea una situación en la que, si un usuario no profesional decide
utilizar TA, lo más probable es que opte por usar la traducción resultante sin
modificaciones (raw translation) y no cuente con una ayuda profesional que
la revise.
Es en este contexto donde se manifiestan ciertos problemas que
podrían pasar inadvertidos para quienes no están familiarizados con la
profesión. Los errores más superficiales, como pueden ser la falta de
concordancia en la persona o número gramaticales, son fácilmente
detectables si uno traduce a su lengua madre o una segunda lengua en la
que se tiene un dominio considerable. Sin embargo, cuestiones como
fraseología, humor, dobles sentidos y tonos (como son, por ejemplo, el
sarcasmo o la ironía), las cuales tienen la capacidad de modificar por
completo el significado de un texto, pueden pasar desapercibidas.
En este trabajo nos centraremos en el análisis de determinadas formas
de unidad fraseológica a las que nos referiremos de aquí en adelante como
expresiones multiverbales2 (Corpas Pastor, 2013) y que entenderemos como
combinaciones de al menos dos palabras en las cuales el hablante no tiene
libertad total a la hora de elegir sus componentes, puesto que ya han sido
convencionalizadas por su uso dentro de un contexto lingüístico determinado
(Peñuelas Gil, 2024, p. 73).
Su carácter multipalabra y cultural, que además presenta con
frecuencia un sentido idiomático, convierte a las EMV en unos elementos
lingüísticos complejos de traducir. Resultan particularmente difíciles en el
caso de los traductores automáticos que, como se adelantaba, se limitan
únicamente al trasvase entre lenguas. Esto implica que los significados no
aparentes de las EMV –es decir, cuando la suma del significado de los
2 Existe una falta de unidad por parte de los expertos al referirse al objeto de estudio de la
fraseología (Penadés Martínez, 2015, p. 15); dependiendo del autor, se habla de «colocaciones»,
«expresiones fijas», «fraseologismos», «unidades multiverbales», «frasemas», etc. Existe una
tendencia a utilizar estas denominaciones como sinónimos (Mitkov et al., 2018, p. 3), si bien no
es una visión compartida por todos los lingüistas.
6 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
componentes no equivale al de la expresión– no se reflejarán en el producto
de una traducción automática. Del mismo modo, los posibles dobles sentidos
o ambigüedades que puedan surgir, así como las implicaciones culturales de
estas expresiones, tampoco estarán presentes en la traducción.
Por otro lado, las EMV son expresiones extremadamente recurrentes
que representan un porcentaje significativo del vocabulario habitual de los
hablantes nativos de una lengua natural (Jackendoff, 1977; Biber et al., 1999;
Sag et al., 2002). Dicha recurrencia implica que el uso apropiado de las
mismas resulta indispensable para alcanzar una expresión natural en un
lenguaje cualquiera.
Estos factores han hecho que las EMV, más allá de constituir uno de
los elementos básicos de los textos turísticos en cualquiera de sus
representaciones, también se hayan convertido en uno de los puntos de
interés en el campo del procesamiento del lenguaje natural, pues suponen
una de las mayores trabas en el progreso de las tecnologías de la traducción:
The successful computational treatment of MWUs [multiword units]
is essential for Natural Language Processing, including Machine
Translation and Translation Technology; the inability to detect
MWUs automatically may result in the incorrect (and even
unfortunate) automatic translation and may jeopardise the
performance of applications. (Mitkov et al., 2018, p. 3)
Dado el crecimiento de la traducción automática de textos turísticos y
las reflexiones arriba representadas, no es descabellado afirmar que el
presente y futuro de ambos ámbitos están estrechamente ligados al avance
en cuestiones del procesamiento de las EMV.
1.1. Procesamiento de expresiones multiverbales en la traducción
automática
A medida que los sistemas de TA han avanzado, también lo ha hecho
la investigación sobre cómo los distintos paradigmas se enfrentan a las EMV
y a los resultados obtenidos. Cada paradigma procesa de manera diferente
la información lingüística con la que se crea, así como los textos de entrada
que se van a someter al proceso de traducción, lo que modifica
inevitablemente el resultado obtenido. En la actualidad, entre los STA más
comunes en la traducción para fines específicos, encontramos los sistemas
estadísticos, neuronales e híbridos, más conocidos como SMT, NMT y HMT,
respectivamente, por sus siglas en inglés.
Tanto los SMT como los NMT requieren del uso de corpus para su
entrenamiento. Por su parte, y por norma general, los motores híbridos
actuales también basan su arquitectura en el uso de corpus, ya que son el
Isabel Peñuelas Gil 7
Hikma 23 (Número especial I) (2024), 1 - 27
producto de la combinación de resultados de otros paradigmas (Costa-Jussà
y Fonollosa, 2015, p. 4). Tradicionalmente, estos motores HMT se han
basado de forma parcial en los sistemas SMT y, más recientemente, han
aprovechado asimismo la tecnología neuronal. Por lo tanto, los tres
paradigmas parten, en la mayoría de los casos, de la tecnología de corpus.
No obstante, a pesar de este punto en común, todos ellos procesan los datos
de manera diferente.
Los sistemas estadísticos han significado un gran progreso en
cuestiones de TA debido a la relación positiva entre la calidad de los
resultados y el esfuerzo necesario para crear los sistemas. Los SMT
dominaron el mercado hasta la aparición de la tecnología neuronal; no
obstante, hoy en día, siguen teniendo su utilidad en ámbitos especializados.
Como su propio nombre indica, extraen información estadística de los
grandes corpus utilizados en la fase de entrenamiento del motor (Brown et
al., 1988, p. 71) y se «sustentan en la probabilidad (alta o baja) de que a una
oración en la lengua de origen le corresponda una traducción en la lengua
meta» (Sánchez Ramos y Rico Pérez, 2020, p. 15).
Por supuesto, este es el mismo principio que utilizan para la traducción
de EMV. Sin embargo, las bases teóricas de este enfoque –primero basado
en la alineación de pares de palabras (Brown et al., 1988, 1990) y,
posteriormente, basado en la alineación de frases (Zens et al., 2002; Koehn
et al., 2003)– no atienden a las necesidades específicas de la traducción de
EMV.
El primer caso presenta dos obstáculos: por un lado, la discordancia
entre el carácter idiomático subyacente de las EMV y la división palabra por
palabra de la alineación que entiende todos los elementos constituyentes de
una EMV como elementos individuales; y, por el otro, su incapacidad para
procesar correspondencias «many-to-many» (Mitkov et al., 2018, p. 16).
Este segundo obstáculo queda solventado en el modelo basado en la
alineación de frases. Sin embargo, estas frases, más conocidas como n-
gramas, no siempre equivalen a EMV y pueden resultar en combinaciones
con una importancia limitada desde el punto de vista lingüístico (p. ej.: «la
jornada»). Se trata de un problema que motores SMT con otros modelos de
alineación, específicamente aquellos que incluyen información sintáctica
(Yamada y Knight, 2001), mejoran y es la tendencia que se ha seguido en los
últimos años. No obstante, como señalan Mitkov et al.:
In the state-of-the-art PB-SMT [phrase-based statistical machine
translation] systems, the correct translation of MWUs occurs
therefore only on a statistical basis if the constituents of MWUs are
marked and aligned as parts of consecutive phrases (n-grams) in
8 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
the training set and it is not generally treated as a special case where
correspondences between source and target may not be so
straightforward, i.e. it does not consist of consecutive many-to-many
source-target correspondences (Mitkov et al., 2018, p. 17).
Los sistemas neuronales, por su parte, despuntaron a mediados de la
década de 2010 y se presentaron no solo como uno de los paradigmas más
innovadores, sino como un paradigma capaz de progresar rápidamente
(Sánchez Ramos y Rico Pérez, 2020, p. 12). Se basan en redes neuronales
artificiales, un modelo computacional que «comprises a large number of
highly interconnected processing elements that work in unison to solve
specific problems» (Bowker y Buitrago Ciro, 2019, p. 45).
Al tratarse de sistemas relativamente nuevos, la investigación de cómo
estos gestionan y traducen las EMV es aún limitada. Pero cuentan con una
ventaja potencial en este aspecto: los sistemas neuronales aprenden al
traducir. Utilizan una tecnología de aprendizaje automático que hace que la
red neuronal sea capaz de identificar patrones complejos en los textos de
entrenamiento3 y los utiliza para aprender a traducir nuevos textos de forma
automática (Bowker, 2023, p. 96).
Desde el punto de vista de las EMV, esto implica que, con el tiempo,
los motores NMT podrían aprender a traducir cualquier expresión. Sin
embargo, para llegar a ese punto, es necesario hacer un uso adecuado de
estas herramientas para que no vuelvan a aprender los mismos errores,
perpetuándolos así. Se trata de una noción de gran importancia y novedosa
en el campo que lleva a reflexiones como la que hace Kenny:
A NMT system might indeed produce an idiomatic translation, but
this is generally because the data it has learned from contain
hundreds or maybe thousands of examples of that very translation.
An NMT system […] does not know it is being idiomatic, or using a
cultural equivalent, when it correctly translates [an idiom]
(Kenny, 2022, p. 39).
Es decir, aunque estos sistemas han supuesto un avance en el
procesamiento de la información, su forma de «comprender» los textos no ha
cambiado sustancialmente. Como señala Kenny (2022, p. 39), un sistema
NMT puede traducir correctamente una expresión idiomática, pero no lo hace
por una decisión consciente del contexto y sus implicaciones, sino porque el
motor infiere, a partir de los textos de entrenamiento, que es la opción más
3 Los «textos de entrenamiento» se refieren a todos los textos que han servido para entrenar al
sistema NMT en algún momento, o bien durante la fase de creación («corpus de
entrenamiento»), o bien durante la fase de uso, y de los cuales el sistema ha tenido la
oportunidad de aprender.
Isabel Peñuelas Gil 9
Hikma 23 (Número especial I) (2024), 1 - 27
probable. Esto significa que un fallo en el reconocimiento de los elementos
implicados podría afectar a toda la oración que contiene la EMV, generando
obstáculos de comunicación derivados de la presencia de estos elementos.
Por lo tanto, es fundamental aprovechar adecuadamente los avances en TA
neuronal, lo cual también es crucial para el progreso de la TA de las EMV.
2. METODOLOGÍA
A fin de analizar el comportamiento y la efectividad que los STA
presentan en la actualidad con respecto a las EMV en el par de lenguas
español-inglés, fueron necesarios tres componentes esenciales: un corpus
monolingüe, herramientas de gestión de corpus para la extracción del objeto
de estudio y una selección de traductores automáticos.
2.1. Corpus
Para la realización de este estudio, era necesario contar con ejemplos
reales de textos turísticos que someter a un proceso de traducción
automática, tal y como lo podría haber hecho un usuario habitual de estas
herramientas. Con este propósito, se compiló un corpus monolingüe en
español de 30 folletos y guías turísticas de distintas regiones españolas que
se centrasen en la gastronomía de las regiones o eventos relacionados con
esta.
La confección del corpus se llevó a cabo utilizando el protocolo de
compilación propuesto por Seghiri (2017, pp. 47-49) y que, posteriormente,
se ha implementado en numerosos estudios (Ortego Antón, 2019, 2020,
2024; Fernández Nistal, 2020; Sánchez Carnicer, 2022; Peñuelas Gil, 2024;
entre otros). La compilación, por lo tanto, se realizó siguiendo cuatro fases:
• Búsqueda de textos redactados por empresas u organismos
que proporcionen servicios turísticos que se centrasen en la
vertiente gastronómica de estos y que se ciñesen a la tipología
textual a la que se ha acotado el estudio. Para ello, solo se
tuvieron en cuenta aquellos textos que aparecían alojados en
las páginas web como un documento independiente.
• Descarga, de manera manual, de los textos seleccionados en
su formato original (PDF).
• Conversión de los textos a archivos TXT UTF8, para que estos
pudiesen ser procesados por herramientas de gestión de
corpus, utilizando AntFileConverter (Anthony, 2022).
10 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
• Archivo de los textos. En este caso, dado que se trata de un
corpus monolingüe, solo se separaron los textos de acuerdo
con su formato (PDF o TXT).
A cada texto se le asignó una denominación única basada en el
siguiente estándar: identificador numérico según orden de descarga +
identificador de la temática (en este caso «GT», como abreviatura de
«gastroturismo») + identificador de origen del texto (abreviatura de la
provincia o comunidad autónoma para la que se ha escrito) + fecha de
descarga (aaaammdd). De este modo, el archivo 001GTSO20230518, por
ejemplo, es el primer documento del corpus, y contiene información relevante
a la provincia de Soria y se descargó el 18 de mayo de 2023.
El resultado es un corpus monolingüe virtual compuesto por 30 guías
y folletos sobre el turismo gastronómico en España –con un número total de
palabras (casos o tokens) de 93 185 y 16 569 palabras únicas (tipos o types)–
catalogado y estructurado para su explotación.
2.2. Objeto de estudio
Durante la fase de explotación, se utilizaron dos programas de gestión
de corpus –Sketch Engine (Kilgarriff et al., 2004) y AntConc (Anthony, 2020)–,
los cuales permitieron analizar y extraer la información pertinente de manera
rápida y eficaz. A pesar de que los dos programas presentan herramientas y
funcionamientos similares, se optó por utilizar ambas herramientas
simplemente por una cuestión de preferencia con respecto a la interfaz de
cada una de las herramientas.
El procedimiento de extracción de las EMV se inició utilizando Word
List, una de las herramientas básicas de AntConc que permite generar un
listado con las palabras únicas del corpus ordenadas según su frecuencia de
aparición. Para asegurarnos de que los resultados eran lingüísticamente
relevantes, se utilizó una stoplist para que el programa ignorase las palabras
de menor relevancia como pueden ser artículos, preposiciones o
conjunciones. Los resultados se revisaron uno a uno a través de la
herramienta N-grams de Sketch Engine, la cual permite filtrar y anidar los
resultados, las posibles combinaciones de cada término, prestando siempre
atención a la frecuencia.
Este proceso de observación reveló lo común que resulta utilizar
expresiones construidas en torno al término «punto», con un total de 44
apariciones en el corpus vinculadas al turismo español. Las EMV detectadas
en el corpus que incluyen «punto» presentan características que las hacen
interesantes para su análisis:
Isabel Peñuelas Gil 11
Hikma 23 (Número especial I) (2024), 1 - 27
• Algunas de ellas presentan cierto grado de idiomaticidad, lo
que implica que: a) su significado no se puede inferir
directamente del significado de sus componentes, sino a través
del conocimiento sociocultural de la lengua; y b) es probable
que existan diferencias sustanciales con sus equivalentes en
lengua inglesa.
• Su composición gramatical posee distintos patrones
(sust.+sust., sust.+prep.+sust., sust.+adj, etc.), lo que nos lleva
a considerar las posibles diferencias en los resultados.
No obstante, se detectó que cinco de las repeticiones no guardan
relación con el turismo gastronómico en ninguna de sus vertientes, sino que
tenían un trasfondo histórico o geográfico, por lo que en esta ocasión no se
tendrán en cuenta.
Además, otra de las oraciones en las que aparecía «punto» quedó
descartada puesto que, aunque hace referencia al punto de cocción, parte de
la EMV se omitía por sobreentenderse en la situación («Se prepara a la
parrilla y se sirve generalmente poco hecho. Este punto hay a quien le
produce cierto rechazo por dar la impresión de venir ensangrentado»).
Al tener en cuenta estas consideraciones, se decidió proceder al
análisis utilizando como base las siguientes EMV:
Expresiones multiverbales Frec.
a punto de nieve
1
aguja de hacer punto
1
en tu punto
1
estar a punto
3
punto caramelo
1
punto de congelación
1
punto de encuentro
1
punto de hebra fina
1
punto de referencia gastronómica
1
punto de sal
7
punto deseado de cocción
1
punto fuerte
15
12 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
punto idóneo de cocción
1
punto óptimo de
maduración 1
tener su punto
1
un punto picante
1
Tabla 1: Muestra de las EMV del análisis
Fuente. Elaboración propia
2.3. Selección de motores de traducción automática
Durante la selección de los STA que forman parte de este estudio, se
tuvieron en cuenta dos puntos básicos: por un lado, el hecho de que, a pesar
de que dos motores puedan pertenecer a un mismo paradigma, todos ellos
se habrán entrenado con un corpus diferente (Bowker, 2023, p. 101), por lo
que los resultados obtenidos serán distintos; y, por el otro, que fuesen
representativos de los sistemas que un usuario cualquiera pudiese utilizar, es
decir, que sean lo suficientemente conocidos como para que el usuario
considere recurrir a ellos. Por supuesto, la popularidad varía dependiendo del
par de lenguas, pues no todos los motores traducen a todas lenguas y, en
algunos casos, un par de lenguas concreto solo está disponible a través de
una lengua intermedia.
Analizando la literatura que trata los STA más populares o hace alusión
a ellos (Carré et al., 2022; Rivera-Trigueros, 2022; Bowker, 2023) y
contrastando los listados hallados, aislamos cuatro traductores automáticos:
• DeepL (DL), un sistema basado en tecnología NMT;
• Google Translate (GT), también un sistema NMT;
• Microsoft Translator (MST), que utiliza un enfoque híbrido; y
• Yandex.Translate (YT), sistema SMT en el par de lenguas ES-
EN4.
Los cuatro motores de traducción dan la opción de traducir
directamente del español al inglés (estadounidense) sin hacer uso de lenguas
pivote. Esto, sumado a su popularidad y variedad, nos hace considerar que
conforman una base sólida de cara a comparar los pros y contras de cada
uno de ellos. Además, todos ofrecen la posibilidad de trasvasar imágenes en
4 El último comunicado de la empresa con respecto a la arquitectura de su STA (Yandex, 2017)
indica que se iba a comenzar a utilizar un modelo híbrido, pero únicamente en el par de lenguas
inglés-ruso; no hay indicaciones de que esto haya cambiado, por lo que se considerará un
traductor automático que funciona con una arquitectura completamente estadística.
Isabel Peñuelas Gil 13
Hikma 23 (Número especial I) (2024), 1 - 27
su versión aplicación de móvil y archivos completos en su versión web,
hechos que podrían potenciar su uso en un contexto turístico.
3. ANÁLISIS Y RESULTADOS
La fase de análisis, por lo tanto, se llevó a cabo utilizando 38
fragmentos, relacionados con el turismo gastronómico, que contienen una
EMV compuesta a partir del término «punto», y los cuatro traductores
automáticos arriba indicados. Esto implica que en esta fase se han revisado
un total de 152 traducciones.
Como se explicaba anteriormente, el propósito del análisis es
determinar las variaciones entre las distintas arquitecturas −que un usuario
cualquiera podría acabar utilizando− con respecto al uso de EMV, pero
también se pretende determinar los posibles obstáculos comunicativos que
pueden surgir al emplear estas herramientas. Para ello, se han categorizado
los errores detectados siguiendo una modificación del modelo propuesto por
Ortiz Boix (2016, pp. 63-64) para la evaluación humana de traducciones, el
cual se centra en la precisión (accuracy) y la fluidez (fluidity) de los resultados
obtenidos mediante un proceso de traducción automática.
La modificación consiste en añadir una serie de categorías que se
observó eran necesarias para describir los datos del análisis. De este modo,
se añadieron dos categorías que afectan directamente a las EMV y dos que,
si bien se ven influenciadas por estas, afectan al texto de entrada en general:
• Mistranslation - grammatical person: la persona gramatical
entre el texto origen (TO) y el texto meta (TM) cambia. Dada la
dirección de la traducción (ES>EN), el STA ha desambiguado
algunas oraciones de manera incorrecta.
• Mistranslation - tenses: el tiempo verbal entre el TO y el TM
difiere, lo que cambia el significado del texto.
• Wrong suggestion: el STA detecta una estructura que no
reconoce en la LO dentro de ese contexto concreto y la
sustituye por otra de apariencia similar en la LM, acompañado
de la sugerencia «quizás quisiste decir».
• Repetition: el STA devuelve una traducción en la que al menos
un fragmento del TO se duplica.
Las dos primeras las veremos durante la descripción de los resultados
del análisis (véase 3.1.1.), mientras que las dos últimas se comentarán en el
resumen de rendimiento de cada STA (véase 3.1.2.).
14 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
Por lo tanto, el sistema de categorías utilizado quedó de la siguiente
forma:
Accuracy categories
Fluidity categories
• Terminology
• Mistranslation
• Overly literal
• False friend
• Should not have been translated
• Date/time
• Unit conversion
• Number
• Entity
• Grammatical person
• Tenses
• Omission
• Addition
• Untranslated
• Wrong suggestion
• Spelling
• Capitalisation
• Diacritics
• Typography
• Punctuation
• Unpaired elements
• Grammar
• Morphology
• Part of speech
• Agreement
• Word order
• Function words
• Unintelligible
• Repetition
Tabla 2: Modelo de categorización de errores basado en Ortiz Boix (2016)
Fuente. Elaboración propia
Tras señalar, clasificar y procesar los errores en un programa de hojas
de cálculo, donde cada error se contabilizaba individualmente, se procedió a
su análisis y comparación. De cara a realizar un análisis completo, se
procesaron los datos resultantes en dos fases: en la primera, se examinaron
los datos de la traducción de las EMV concretas desde la perspectiva de los
STA, tanto de manera individual como en conjunto; y, en la segunda, se
analizaron los datos utilizando una abstracción de la estructura gramatical de
las EMV.
3.1. Resultados
Al concluir la fase de análisis, se comprobó que 99 de las 152
traducciones revisadas, es decir, el 65,132 % de ellas, no contenían ningún
error de traducción en las EMV contempladas y 21 de las 38 oraciones no
presentaban errores en ninguno de los motores de TA empleados. Estos
datos implican que los 73 errores contabilizados, entre los que se distinguen
tanto errores de precisión como de fluidez, se concentran en tan solo 53 de
Isabel Peñuelas Gil 15
Hikma 23 (Número especial I) (2024), 1 - 27
las traducciones y en 17 de las oraciones. Además, resulta interesante
comprobar que solo 28 de las traducciones (9 de DeepL, 6 de Google
Translate, 7 de Microsoft Translator y 6 de Yandex.Translate) no albergaron
errores de ningún tipo ni en la EMV ni en el contexto inmediato de esta
−entendemos por «contexto inmediato» las palabras que rodean a la EMV y
que pueden incidir en el significado de esta, como podría ser el caso de «[su]
punto fuerte»−.
Cabe mencionar que no se registraron errores en todas las categorías.
En lo referido a errores de precisión, fueron siete las categorías sin
representación en la muestra de este estudio: false friend, should not have
been translated, date/time, unit conversion, number, entity y grammatical
person. Por otra parte, los errores de fluidez se localizan más en el contexto
inmediato a las EMV que en las propias expresiones. De hecho, al analizar
exclusivamente las EMV, tan solo se hallaron errores relativos a las
categorías function words, part of speech y agreement. Además de estas
categorías, también se tratarán wrong suggestion y repetition, puesto que, si
bien su influencia no afecta exclusivamente a las EMV, sí que han tenido un
efecto adverso en estas.
A continuación, se presentan los resultados concretos con base en las
EMV desde un plano general, específico al STA y a la estructura gramatical.
3.1.1. Errores en las expresiones multiverbales
En lo referido a la traducción de las EMV, la mayoría de los errores se
concentran en las categorías de precisión, lo cual se alinea con las
expectativas que se tenían, pues la brevedad de las EMV dificulta la aparición
de errores de fluidez. A pesar de esto, se registraron cuatro errores de fluidez,
los cuales se dividen en tres categorías distintas: uno en part of speech, uno
en agreement y dos en function words.
Estos dos últimos se dan en la oración «Damos punto de sal, colamos
y reservamos», donde el verbo utilizado por dos de los STA requiere una
referencia al objeto directo para la correcta estructuración de la frase (véase
la Tabla 3). Las traducciones que contienen los errores han sido
proporcionadas por los TA de Microsoft y Yandex, los dos sistemas
seleccionados que trabajan principalmente con información estadística, por
lo que el error podría estar motivado por cuestiones del método de
procesamiento que utilizan. Además, existen dos factores que podrían
contribuir a esto: por un lado, el hecho de que la frase original no presente
artículos y, por el otro, la tendencia más elevada a la traducción palabra por
palabra que se ha observado en sus traducciones.
16 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
DL
Add salt
, strain and reserve.
GT
Season with salt
, strain and reserve.
MT
Give point of salt
, strain and reserve.
YX
We
give point of salt, strain and reserve.
Tabla 3: Comparación traducción «damos punto de sal»
Fuente. Elaboración propia
Por su parte, los sistemas que trabajan exclusivamente con tecnología
neuronal han encontrado soluciones alternativas al problema, haciendo uso
de dos estructuras y expresiones comunes en un registro informal del inglés
y típicas en el ámbito gastronómico.
No obstante, los otros dos errores de fluidez se dan en el sistema
DeepL en relación con la EMV «un punto picante», donde la oración «[…] con
fritada, un punto picante o con huevos» se ha traducido como with fried, spicy
or with eggs, conformando además el único caso de omisión parcial de la
EMV detectado en la muestra. En esta ocasión, se contemplaba la posibilidad
de que fuesen factores externos a la expresión los que interferían con el
proceso de traducción, pues DeepL no había tenido problemas en traducir
expresiones de características similares en otros contextos, y la EMV se da
en una enumeración dentro de otra enumeración y en una oración con una
gran densidad terminológica. Estos factores, unidos a la tendencia de todos
los sistemas a ser demasiado literal, podrían haber desembocado en los
errores perceptibles en este ejemplo.
Cabe mencionar que la tendencia a ser demasiado literal, si bien está
presente en todos los sistemas, se ha dado en distintas medidas. Este tipo
de error se ha detectado en 4 ocasiones en DeepL, 7 en Google Translate,
15 en Microsoft Translator y 13 en Yandex.Translate, lo que convierte a overly
literal en la categoría más común en lo referido (estrictamente) a la traducción
de las EMV con un total de 39 casos. La traducción demasiado literal supone
el 53,425 % del total de los errores (véase el Gráfico 1), lo que resalta la clara
tendencia a traducir los elementos que componen una expresión de manera
aislada. Sin embargo, este método resulta, en general, incompatible con las
características intrínsecas de las EMV.
Para ponerlo en perspectiva, el siguiente error más común dentro de la
muestra de estudio tan solo cuenta con 13 ocurrencias (17,808 %) y se trata
de errores de terminología.
Isabel Peñuelas Gil 17
Hikma 23 (Número especial I) (2024), 1 - 27
Gráfico 1. Representación en porcentajes de los errores hallados en la
traducción de EMV
Fuente. Elaboración propia
Conviene destacar el hecho de que los errores de terminología, así
como los de tiempos verbales, que cambian el significado de la frase, en
muchos casos vienen dados por esa tendencia a la literalidad que
mencionábamos anteriormente. De hecho, se ha comprobado que, en el
84,615 % de los casos analizados, los errores de terminología están
relacionados con la traducción demasiado literal. Sobre todo, ocurre en el
caso de la EMV «[a] punto [de] caramelo», donde los fallos de redacción en
la LO suponen una dificultad añadida. Por lo tanto, no es de extrañar que,
además de la tendencia a la traducción palabra por palabra en esta situación,
los STA hayan optado por trasvasar «caramelo» como candy (Yandex) o
stitch (DeepL), ambas traducciones correctas, si bien en otros ámbitos.
Sucede algo similar con los tiempos verbales: el no comprender las
expresiones como elementos idiomáticos ha afectado la forma en la que los
18 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
sistemas procesan las EMV y el contexto inmediato de estas, lo que modifica
su significado. Los tres casos contemplados en la categoría tenses se han
dado en la EMV «estar a punto» (véase la Tabla 4). En dos de ellos, el verbo
introductorio ha quedado completamente opacado por la EMV, traduciendo
así «cuando vaya a estar a punto» por when it is ready (DeepL y Google
Translate), que presenta una realidad similar, pero distinta y que se aleja de
la precisión propia del lenguaje culinario. La tercera se da cuando la expresión
cobra el sentido de ‘está a punto de llegar’, el cual se infiere al expandir el
contexto a la oración siguiente (en corchetes en la Tabla 4), pero que
Microsoft Translator ha traducido por is ready indistintamente de si se añadía
un contexto más amplio o no.
Original
Cuando vaya a estar a punto, se retira del fuego.
DL
When it is ready, it is removed from the heat.
GT
When it is ready, it is removed from the heat.
Original
Lo mejor está a punto. [Es la época de pescarlas con la
medida de rigor... son las solicitadas antxoas del
Cantábrico, que llegan con los saludables verdeles.]
MT
The best is ready. [It is the time to fish them with the
measure of rigor... are the requested antxoas of the
Cantabrian, which arrive with the healthy verdeles.]
Tabla 4: Errores de tiempo verbal
Fuente. Elaboración propia
También observamos que Google Translate es el único sistema que
presenta un error de adición. En esta ocasión, el STA ha matizado que es
necesario añadir a bit of salt cuando, en la frase original («… se les añade el
punto de sal…»), no se menciona la cantidad. Lo más probable es que el error
provenga de haber interpretado «punto» como ‘unidad de medida’; aunque
este se trata de un significado poco común.
El caso opuesto, la omisión de contenido, se puede observar en cuatro
ocasiones. Concretamente, en la muestra de estudio se ha hallado un único
caso de omisión parcial, el cual se ha mencionado con anterioridad al tratar
la expresión «un punto picante». En esta ocasión, DeepL, en vez de traducir
la EMV en su totalidad, simplemente hizo referencia al «picante» y sin tener
en cuenta la estructura gramatical de la frase a la que se añadía. Los otros
tres ejemplos identificados corresponden a omisiones completas de la
expresión y se han producido en dos EMV distintas. La primera es «a punto
Isabel Peñuelas Gil 19
Hikma 23 (Número especial I) (2024), 1 - 27
de nieve [muy firme]». En este caso, Yandex optaba por hablar de la
consistencia final deseada, arriba indicada entre corchetes, sin mencionar en
ningún momento el equivalente de la EMV (stiff peaks). La segunda expresión
es «en tu punto», donde tanto DeepL y Google Translate han decidido obviar
la referencia al gusto del consumidor que existe en el original. Esta expresión,
también ha supuesto un obstáculo para los otros STA, donde Microsoft
Translator ha optado por la traducción palabra por palabra y
Yandex.Translate la ha dejado sin traducir.
Una vez presentados los resultados generales de la traducción
automática de EMV, procedemos a analizar brevemente lo que esto implica
desde el punto de vista de cada motor de traducción.
3.1.2. Desglose del rendimiento por sistema de traducción automática
Como muestra la Tabla 5, no existen grandes diferencias en el
rendimiento de cada uno de los traductores automáticos dado el tamaño de
la muestra de análisis y el enfoque del estudio. A pesar de ello, se han
identificado cuestiones significativas en lo que respecta al número y tipo de
los errores. Al procesar los errores de cada STA, se ha observado que Google
Translate es el que obtiene mejores resultados, si bien el margen es mínimo
al compararlo con el resto de los sistemas:
Errores
DeepL
17
Google Translate
16
Microsoft Translator
19
Yandex.Translate
21
Tabla 5: Resumen de errores por STA
Fuente. Elaboración propia
El hecho de que las cifras sean tan similares entre los cuatro
traductores se debe a que, si bien los dos sistemas neuronales cometen de
media menos errores por categoría, registran errores en un mayor número de
categorías (véase la Tabla 6). Por el contrario, las cifras que presentan
Microsoft Translator y Yandex.Translate son más dispares, siendo
particularmente notorio el caso de overly literal (donde estos acumulan 15 y
12 errores, respectivamente). No obstante, el resto de las categorías
presentan errores mínimos o, en el caso de Microsoft, registran fallos en un
menor número de categorías.
20 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
Centrándonos en los resultados de DeepL, observamos que se trata
del sistema que menos errores por traducción literal presenta. Sin embargo,
a pesar de sus buenos resultados en esta categoría, es el sistema en el que
se contabilizan más fallos de terminología (5) y de omisión (2). Asimismo, es
el único en el que se han hallado dos casos de repetición, entendida como la
duplicación de un fragmento del TO. Estos errores no se han dado en
referencia a una EMV relacionada con «punto», por lo que no se han tenido
en cuenta para el recuento final de este estudio. Sin embargo, sí están
relacionados con fragmentos en los que hay un número significativo de
expresiones multiverbales, lo cual es algo a considerar. Por ejemplo:
[…] calf’s tongue in red wine, liver with onions, pig's hands, pig's
ears, which, like those of the lambs, are eaten in batter as a snack
in a stew, veal tongue in red wine, liver with onions, pig's trotters,
pig's ears, which, like those of the lambs, are eaten in batter as a
snack in bars […].
Otro error exclusivo de un sistema de traducción automática, esta vez
Google Translate, es la sugerencia de modificaciones incorrectas en el TO
con la forma «Quizás quisiste decir: […]». Se han detectado 5 fallos en total
de estas características, los cuales se estudiaron con relación al contexto,
pues afectaban a la frase en su conjunto más que a la EMV de manera
concreta. De los 5 errores, uno se refería a un cambio de la LO al catalán,
que ofrecía resultados de traducción similares, pero no idénticos, e incluía
errores de precisión; uno, a la persona gramatical; uno, a un cambio
terminológico («vocación micoturística» se sustituye por «vocación
ecoturística»); y tres, al verbo introductorio de la EMV, lo que generó
problemas de terminología y de palabras estructurales (p. ej.: «los cocemos
en el caldo hasta que estén a punto» por «nos conocemos en el caldo hasta
que estén a punto»).
En contraste, ni Yandex.Translate ni Microsoft Translator presentan
errores específicos de sus sistemas por los que haya sido necesario crear
nuevas categorías. Si bien su tendencia a la literalidad es muy superior a la
de los otros dos traductores automáticos, especialmente si se tiene en cuenta
también el contexto inmediato de las EMV. Esto nos lleva a considerar las
discrepancias existentes entre el uso de estos dos motores y las
características de las expresiones multiverbales. No obstante, cabe destacar
los buenos resultados obtenidos por Microsoft Translate en el resto de las
categorías, pues se trata del motor que menos tipos de error comete, al
registrar errores en solo tres de ellas.
Isabel Peñuelas Gil 21
Hikma 23 (Número especial I) (2024), 1 - 27
DL GT MT YX
5
2
3
3
4
7
15
13
2
2
0
1
2
3
0
1
2
1
0
1
0
1
0
0
0
0
0
1
peech
1
0
0
0
1
0
0
0
words 0 0 1 1
Tabla 6: Desglose de errores en la traducción de EMV por STA
Fuente. Elaboración propia
3.1.3. Errores según su categoría gramatical
Un rasgo interesante para analizar es si la composición gramatical de
cada EMV puede afectar al número de errores que se cometen en su
traducción. Para ello, se identificó la estructura de cada una de las 16
expresiones que forman parte de este trabajo (véase la Tabla 1) y se
cuantificó el número total de ocurrencias de cada estructura −es decir, se
tomó en cuenta la frecuencia de aparición− y el número de errores que se
habían detectado en cada caso.
Los datos que se proporcionan en la Tabla 7 muestran que dos de las
estructuras gramaticales no presentan errores de traducción. Esto resulta
muy significativo al considerar que una de estas estructuras, sustantivo +
adjetivo («punto fuerte»), es la más repetida en el corpus con un total de 15
ocurrencias.
EMV
únicas
Total de
casos
Errores
art
. + sust. + adj.
1
1
5
prep
. + pron. + sust.
1
1
4
prep.
+ sust. + prep. + sust.
1
2
2
sust.
+ adj.
1
15
0
22 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
sust.
+ adj. + prep. + sust.
3
3
14
sust.
+ prep. + sust.
3
10
22
sust.
+ prep. + sust. + adj.
2
2
6
sust.
+ prep. + verb. + sust.
1
1
0
sust.
+ sust.
1
1
6
verb
. + prep. + sust.
1
3
10
verb
. + pron. + sust.
1
1
4
Tabla 7: Desglose de errores por estructura gramatical
Fuente. Elaboración propia
En el caso opuesto, tenemos estructuras gramaticales que, a pesar de
aparecer solo una vez en la muestra de estudio, contienen errores en 3 o 4
de los motores, como es el caso de:
• artículo + sustantivo + adjetivo («un punto picante»)
• preposición + pronombre + sustantivo («en tu punto»)
• sustantivo + sustantivo («punto caramelo»)
• verbo + preposición + sustantivo («estar a punto»)
• verbo + pronombre + sustantivo («tener su punto»)
Otro caso que destacar es el de sustantivo + preposición + sustantivo,
que, con nueve ocurrencias, constituye una de las combinaciones más
comunes y en la que se ha hallado un total de 22 errores. Esto implica que,
de media, 2,2 de los STA fallan en cada una de las 10 oraciones que
contienen una EMV con esta estructura, un número elevado si se contrasta
con el resto de los casos estudiados. Una situación similar se observa en el
caso de sustantivo + adjetivo + preposición + sustantivo, pues, aunque cuenta
con solo tres ocurrencias, presenta siete errores.
No obstante, el número de errores no es lo suficientemente elevado
como para hacer afirmaciones categóricas al respecto, pero sí que parece
indicar que existen unos patrones de comportamiento en función de la
estructura gramatical de la expresión que debe ser traducida en los que sería
interesante profundizar en trabajos futuros.
CONCLUSIONES
Los traductores automáticos se han convertido en una herramienta
extremadamente popular en muchos de los ámbitos de la sociedad, entre
Isabel Peñuelas Gil 23
Hikma 23 (Número especial I) (2024), 1 - 27
ellos el turismo en todas sus variantes. Sin embargo, a pesar de los avances,
los sistemas de traducción automática aún presentan grandes carencias que
no siempre se tienen en cuenta al utilizarlos, lo que lleva a textos cuya
aceptabilidad se podría poner en duda y lo que supone un riesgo añadido
para el sector.
El fin último de este trabajo era analizar el comportamiento y la
efectividad de la traducción automática con respecto a un objeto de estudio
concreto, las expresiones multiverbales, puesto que se trata de elementos
lingüísticos extremadamente comunes en el discurso turístico y que, dadas
sus implicaciones idiomáticas, pueden afectar la comunicación seriamente.
Esta circunstancia se ve potenciada al tener en cuenta el funcionamiento de
los STA, los cuales se basan en la tecnología de corpus para calcular la
traducción más adecuada. En consecuencia, un cambio en un elemento fijo
como son las EMV puede suponer modificaciones significativas en el contexto
que las rodea.
Los resultados del estudio han mostrado una clara tendencia por parte
de los sistemas analizados a la traducción literal o palabra por palabra en lo
referido a las EMV, particularmente en el caso de los sistemas que trabajan
con tecnología estadística. Además, también se ha encontrado una
propensión a errores que afectan principalmente a la integridad estructural de
los textos (errores de persona gramatical, tiempos verbales, etc.) y al
contenido en sí mismo (terminología errónea y términos que no se deberían
traducir y viceversa, omisiones, adiciones, etc.).
Es previsible que los textos turísticos aporten información sobre una
cultura que difiere, en mayor o menor medida, de la vida cotidiana del turista,
por lo que se espera que los textos no solo estén traducidos a su lengua, sino
que sean precisos, fáciles de comprender y que respondan a las expectativas
derivadas de factores culturales que el turista pueda tener. Se trata de
cuestiones que se ven opacadas por los errores aquí abordados y, que, a la
larga, podrían resultar contraproducentes desde el punto de vista económico,
dado que, como se mencionaba en la introducción, el nivel de exigencia por
parte del turista aumenta paulatinamente. Sin embargo, en este trabajo se
han empezado a atisbar ciertos patrones de procesamiento en lo que a la
traducción de EMV respecta, así como potenciales cuestiones de estructura
gramatical que podrían motivar algunos de estos cambios.
De cara al futuro, sería interesante ampliar el número y la variedad de
EMV analizadas para poder contar con una base de datos que permita
realizar afirmaciones concluyentes, puesto que las que aquí se recogen son
solo una pequeña muestra de la realidad fraseológica en el turismo. Además,
sería necesario ampliar esta metodología a otros elementos lingüísticos
24 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
característicos del ámbito turístico. Esto permitiría describir con mayor
precisión el rendimiento de estas herramientas, identificar sus carencias y
puntos fuertes, y proponer soluciones a los problemas que plantean.
REFERENCIAS BIBLIOGRÁFICAS
Álvarez Jurado, M. (2020). Adquisición y transmisión del conocimiento
experto a través de la traducción de las guías turísticas de arquitectura.
Onomázein, (NE VII), 1-17. https://doi.org/10.7764/onomazein.ne7.01
Anthony, L. (2020). AntConc (Versión 3.5.9) [Programa de ordenador].
Waseda University.
https://www.laurenceanthony.net/software/antconc/
Anthony, L. (2022). AntFileConverter (Version 2.0.2) [Programa de
ordenador]. Waseda University.
https://www.laurenceanthony.net/software
Austermühl, F. y Kortenbuck, A. (2012). A translator’s sword of Damocles?
An introduction to machine translation. En F. Austermühl, Electronic
tools for translation (3ª ed, pp. 153-176). Routledge.
Biber, D., Johansson, S., Leech, G., Conrad, S. y Finegan, E. (1999).
Grammar of spoken and written English. Pearson Education Limited.
https://doi.org/10.1075/z.232
Bowker, L. (2023). De-mystifying translation: introducing translation to non-
translators. Routledge. https://doi.org/10.4324/9781003217718
Bowker, L. y Buitrago Ciro, J. (2019). Machine translation and global research:
towards improved machine translation literacy in the scholarly
community. Emerald Publishing.
Brown, P., Cocke, J., Della Pietra, S., Della Pietra, V., Jelinek, F., Lafferty, J.
D., Mercer, R. y Roossin, P. (1990). A statistical approach to language
translation. Computational linguistics, 16(2), 79-85.
https://aclanthology.org/J90-2002
Brown, P., Cocke, J., Della Pietra, S., Della Pietra, V., Jelinek, F., Mercer, R.
y Roossin, P. (1988). A statistical approach to language translation.
Proceedings of the 12th conference on Computational linguistics, 1,
pp. 71-76. https://aclanthology.org/C88-1016
Carré, A., Kenny, D., Rossi, C., Sánchez-Gijón, P. y Torres-Hostench, O.
(2022). Machine translation for language learners. En D. Kenny (Ed.),
Machine translation for everyone: empowering users in the age of
Isabel Peñuelas Gil 25
Hikma 23 (Número especial I) (2024), 1 - 27
artificial intelligence (pp. 187-207). Language Science Press.
https://doi.org/10.5281/zenodo.6760024
Corpas Pastor, G. (2013). Detección, descripción y contraste de las unidades
fraseológicas mediante tecnologías lingüísticas. En I. Olza Moreno y E.
Manero Richard (Coords.), Fraseopragmática (pp. 335-374). Frank &
Time.
Costa-Jussà, M. R. y Fonollosa, J. A. (2015). Latest trends in hybrid machine
translation and its applications. Computer Speech and Language,
32(1), 3-10. https://doi.org/10.1016/j.csl.2014.11.001
Fernández Nistal, P. (2020). Los corpus como herramienta de traducción para
los traductores del siglo XXI: el caso del chorizo ibérico de bellota. En
S. Álvarez Álvarez y M. T. Ortego Antón (Eds.), Perfiles estratégicos de
traductores e intérpretes. La transmisión de la información experta
multilingüe en la sociedad del conocimiento del siglo XXI (pp. 143-160).
Comares.
Jackendoff, R. (1997). The architecture of the language faculty. MIT Press.
https://doi.org/10.2307/417010
Kenny, D. (2022). Human and machine translation. En D. Kenny (Ed.),
Machine translation for everyone: empowering users in the age of
artificial intelligence (pp. 23-49). Language Science Press.
https://doi.org/10.5281/zenodo.6653406
Kilgarriff, A., Rychlý, P., Smrž, P. y Tugwell, D. (2004). The Sketch Engine.
Proceedings of the 11th EURALEX International Congress, pp. 105-
116.
Koehn, P., Och, F. J. y Marcu, D. (2003). Statistical phrase-based translation.
Proceedings of the 2003 Human Language Technology Conference of
the North American Chapter of the Association for Computational
Linguistics, pp. 127-133. https://aclanthology.org/N03-1017
Ministerio de Industria, Comercio y Turismo. (2023, 2 de febrero). Datos de
Frontur y Egatur del INE [Nota de prensa].
http://www.mincotur.gob.es/es-
es/GabinetePrensa/NotasPrensa/2023/Paginas/En-2022-visitaron-
España-71,6-millones-de-turistas-internacionales-que-realizaron-un-
gasto-de-87.061-millones-de-euros.aspx
Mitkov, R., Seretan, V., Corpas Pastor, G. y Monti, J. (2018). Multiword units
in machine translation and translation technology. En R. Mitkov, V.
Seretan, G. Corpas Pastor y J. Monti (Eds.), Multiword units in machine
26 La traducción automática de expresiones multiverbales […]
Hikma 23 (Número especial I) (2024), 1 - 27
translation and translation technology (pp. 1-38). John Benjamins.
https://doi.org/10.1075/cilt.341.01mon
Moorkens, J. (2022). Ethics and machine translation. En D. Kenny (Ed.),
Machine translation for everyone: empowering users in the age of
artificial intelligence (pp. 121-140). Language Science Press.
Oliver, A. (2016). Herramientas tecnológicas para traductores. Editorial UOC.
Organización Mundial del Turismo. (2023). World tourism barometer - May
2023 (excerpt), 21(2). https://webunwto.s3.eu-west-
1.amazonaws.com/s3fs-public/2023-
05/UNWTO_Barom23_02_May_EXCERPT_final.pdf
Ortego Antón, M. T. (2019). La terminología del sector agroalimentario
(español-inglés) en los estudios contrastivos y de traducción
especializada basados en corpus: los embutidos. Peter Lang.
http://doi.org/10.3726/b15808
Ortego Antón, M. T. (2020). Las fichas descriptivas de embutidos en español
y en inglés: un análisis contrastivo de la estructura retórica basado en
corpus. Revista Signos, 53(102), 170-194.
http://doi.org/10.4067/S0718-09342020000100170
Ortego Antón, M. T. (2024). The design of Torrezno TRAD: the semiautomatic
Spanish-English writing and translation aid tool. En I. Peñuelas Gil y M.
T. Ortego Antón (Eds.), Interpreting and translation for agri-food
professionals in the global marketplace (pp. 69-84). De Gruyter.
https://doi.org/10.1515/9783111101729-004
Ortiz Boix, C. (2016). Implementing machine translation and post-editing to
the translation of wildlife documentaries through voice-over and off-
screen dubbing [Tesis doctoral, Universitat Autònoma de Barcelona].
http://hdl.handle.net/10803/400020
Penadés Martínez, I. (2015). Para un diccionario de locuciones. De la
lingüística teórica a la fraseografía práctica. Universidad de Alcalá.
Peñuelas Gil, I. (2024). Estudio contrastivo del tratamiento de las expresiones
multiverbales del turismo gastronómico en los sistemas de traducción
automática del español al inglés [Tesis doctoral, Universidad de
Valladolid]. https://doi.org/10.35376/10324/67810
Pérez Blanco, M. e Izquierdo, M. (2021). Developing a corpus-informed tool
for Spanish professionals writing specialized texts in English. En J.
Lavid-López, C. Maíz-Arévalo y J. R. Zamorano-Mansilla (Eds.),
Isabel Peñuelas Gil 27
Hikma 23 (Número especial I) (2024), 1 - 27
Corpora in translation and contrastive research in the digital age (pp.
147-173). John Benjamins. https://doi.org/10.1075/btl.158.06per
Rivera-Trigueros, I. (2022). Machine translation systems and quality
assessment: a systematic review. Lang Resources & Evaluation, 56,
pp. 593–619. https://doi.org/10.1007/s10579-021-09537-5
Sag, I. A., Baldwin, T., Bond, F., Copestake, A. y Flickinger, D. (2002).
Multiword expressions: a pain in the neck for NLP. Proceedings of the
Third International Conference on Intelligent Text Processing and
Computational Linguistics (CICLING 2002), pp. 1−15.
https://doi.org/10.1007/3-540-45715-1_1
Sánchez Carnicer, J. (2022). Traducción y discapacidad. Un estudio
comparado de la terminología inglés-español en la prensa escrita.
Peter Lang. https://doi.org/10.3726/b19567
Sánchez Ramos, M. M. y Rico Pérez, C. (2020). Traducción automática:
conceptos clave, procesos de evaluación y técnicas de posedición.
Comares.
Seghiri, M. (2017). Metodología de elaboración de un glosario bilingüe y
bidireccional (inglés-español/español-inglés) basado en corpus para la
traducción de manuales de instrucciones de televisores. Babel, 63(1),
43-64. https://doi.org/10.1075/babel.63.1.04seg
Vieira, L. N. (2020). Machine translation in the news: a framing analysis of the
written press. Translation Spaces, 9(1), pp. 98–122.
https://doi.org/10.1075/ts.00023.nun
Yamada, K. y Knight, K. (2001). A syntax-based statistical translation model.
Proceedings of the 39th Annual Meeting of the Association for
Computational Linguistics, pp. 523-530. https://aclanthology.org/P01-
1067
Yandex. (2017, 14 de septiembre). One model is better than two.
Yandex.Translate launches a hybrid machine translation system.
https://yandex.com/company/blog/one-model-is-better-than-two-yu-
yandex-translate-launches-a-hybrid-machine-translation-system
Zens, R., Och, F. J. y Ney, H. (2002). Phrase-based statistical machine
translation. En M. Jarke, J. Koehler y G. Lakemeyer (Eds.), KI 2002.
Advances in Artificial Intelligence: 25th Annual German Conference on
AI, KI 2002 Aachen, Germany, September 16–20, 2002 Proceedings,
2479 (pp. 18–32). Springer. https://doi.org/10.1007/3-540-45751-8_2