La traducción automática de los referentes culturales Propuesta de una metodología de evaluación aplicada a textos del ámbito migratorio
Contenido principal del artículo
Resumen
Los referentes culturales constituyen uno de los grandes desafíos para la traducción automática (TA). Pese a existir numerosos estudios ad hoc acerca de esta herramienta, la magnitud de casos en los que se puede aplicar excede los límites de las investigaciones actuales. La TA de las manifestaciones culturales propias de una lengua se enmarca dentro los campos poco explorados hasta el momento. En consecuencia, se muestra la necesidad de revisar los métodos de evaluación que a menudo se emplean para determinar la validez de las traducciones hechas por la máquina y aplicarlo al caso de estos referentes, con especial incidencia en el ámbito migratorio. En esta línea, el artículo presenta una propuesta metodológica para la evaluación basada fundamentalmente en datos cualitativos sobre la fluidez, la precisión y la aceptabilidad de las traducciones automáticas, a los que se añaden datos cuantitativos sobre la percepción de estos mismos criterios. En primer lugar, se contextualizan los referentes culturales en el marco de la TA y la inteligencia artificial. A continuación, se presentan los diferentes métodos de evaluación de evaluación automática y manual, con la definición de una metodología específica para la evaluación de los referentes culturales. Con el fin de ilustrar cómo se puede llevar a la práctica esta metodología, se muestra un caso de evaluación de referentes culturales mediante un estudio exploratorio llevado a cabo con textos administrativos del ámbito migratorio.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista aceptan las siguientes condiciones:
- Los autores conservan los derechos de autor y conceden a la revista el derecho de primera publicación con el trabajo simultáneamente bajo una Licencia de Atribución Creative Commons que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
- Los autores pueden llegar a acuerdos contractuales adicionales por separado para la distribución no exclusiva de la versión publicada del trabajo en la revista (por ejemplo, enviarlo a un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y anima a los autores a publicar sus trabajos en línea (por ejemplo, en repositorios institucionales o en su sitio web) antes y durante el proceso de presentación, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor del trabajo publicado (Véase El efecto del acceso abierto).
Bibliografía
Almaghout, H. y Specia, L. (2-6 de septiembre 2013). A CCG-based quality estimation metric for statistical machine translation [póster]. MT Summit XIV, Niza, Francia. https://aclanthology.org/2013.mtsummit-posters.4.pdf
Bender, E. M. (11 de mayo de 2022) Look behind the curtain: Don’t be dazzled by claims of ‘artificial intelligence. The Seattle Times. https://www.seattletimes.com/opinion/look-behind-the-curtain-dont-be-dazzled-by-claims-of-artificial-intelligence/
Bender, E. M., Gebru, T., McMillan-Major, A., y Shmitchell, S. (2021). On the dangers of stochastic parrots Can Language Models Be Too Big? [comunicación]. Proceedings of the 2021 ACM Conference on Fairness, Accountability and Transparency, (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
Candel-Mora, M. A. (2022). Fine-tuning machine translation quality-rating scales for new digital genres: The case of user-generated content. ELUA Estudios de Lingüística Universidad de Alicante, 38, 117-136. https://doi.org/10.14198/elua.21900
Canfora, C. y Ottmann, A. (2020). Risks in neural machine translation. Translation Spaces, 9(1), 58–77. https://doi.org/10.1075/ts.00021.can
Castilho, S.; Doherty, S.; Gaspari, F. y Moorkens, J. (2018). Approaches to Human and Machine Translation Quality Assessment. En J. Moorkens, S. Castilho, F. Gaspari y S. Doherty (Eds.), Translation Quality Assessment from Principles to Practice (pp. 9-38). Springer International. https://doi.org/10.1613/jair.1.12007.
Conde Ruano, J. T. (2022). Calidad. En Enciclopedia de traducción e interpretación (ENTI). https://www.aieti.eu/enti/quality_SPA/
El-Madkouri Maataoui, M. (2016). El discurso del lenguaje jurídico-administrativo español: análisis y perspectivas. En M. Eurrutia Cabrero (Coord.). El lenguaje jurídico y administrativo en el ámbito de la extranjería: Estudio multilingüe e implicaciones socioculturales (pp. 127-164). Peter Lang.
Google Translator. https://translate.google.es/
Koponen, M., Mossop, B. Robert, I. S. y Scocchera, G. (Eds.) (2021) Translation, revision and post-editing. Routledge.
Luque Nadal, L. (2009) Los culturemas: ¿unidades lingüísticas, ideológicas o culturales? Language Design, 11, 93-120.
Martindale, M. y Carpuat, M. (2018). Fluency Over Adequacy: A Pilot Study in Measuring User Trust in Imperfect MT. En C. Cherry y G. Neubig (Eds.) Proceedings of the 13thConference of the Association for Machine Translation in the Americas (Volume 1: Research Track), (pp. 13-25). Association for Machine Translation in the Americas, https://www.aclweb.org/anthology/W18-1803
Microsoft Translator. https://translate.google.es/
Mihalache, I. (2021). Human and Non-Human Crossover: Translators Partnering with Digital Tools. En R. Desjardins, C. Larsonneur y P. Lacour (Eds.) When Translation Goes Digital. Case Studies and Critical Reflections (pp. 19-44). Palgrave Macmillan.
Molina, L. (2006). El otoño del pingüino: análisis descriptivo de la traducción de los culturemas. Publicaciones de la Universidad Jaime I.
MyMemory. https://guides.matecat.com/my
Nitzke, J.; Hansen-Schirra, S. y Canfora C. (2019). Risk management and post-editing competence. JoSTrans. The Journal of Specialised Translation, 31, 239-259.
Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C. L., Mishkin, P., Zhang, C., Agarwal, S., Slama,K., Ray, S., Schulman, J., Hilton, J., Kelton, F., Miller, L., Simens, M., Askell, A., Welinder,P., Christiano, P., Leike, J. ,Lowe, R. (2022). Training language models to follow instructions with human feedback. https://doi.org/10.48550/arXiv.2203.02155
Papineni, K., Roukos, S., Ward T., y Zhu, W. (julio 2002). BLEU: a method for automatic evaluation of machine translation. [Presentación de comunicación]. ACL-2002: 40th Annual meeting of the Association for Computational Linguistics (pp 311–318).
Portal de Migraciones del Ministerio de Inclusión, Seguridad Social y Migraciones. https://www.inclusion.gob.es/web/migraciones/home
Ricart Vayá, A. y Jordán Enamorado, M. A. (2022). Traducción automática y crisis humanitaria: análisis de la eficacia de Google Translate en la comunicación con refugiados ucranianos en España. Revista Tradumàtica, 20, 96-114. https://doi.org/10.5565/rev/tradumatica.306
Rico Pérez, C. (2020). Translation technologies for the aid-chain. En F. M. Federici y S. O’Brien (Eds.) Translation in Cascading Crises (pp. 112-131). Routledge.
SAE (2001). SAEJ2450 Translation quality metrics. http://www.apex-translations.com/documents/sae_j2450.pdf
Sánchez Ramos, M. M. y Rico Pérez, C. (2020). Traducción automática. Conceptos clave, procesos de evaluación y técnicas de posedición. Comares.
Secretaría de Estado de Migraciones. (2022). Unidad de grandes empresas y colectivos estratégicos. https://www.inclusion.gob.es/web/unidadgrandesempresas/sobre-nosotros
Tesseur, W. (2017). The translation challenges of INGOs. Professional and non-professional translation at Amnesty International. Translation Spaces, 6(2), 209–229. https://doi.org/10.1075/ts.6.2.02tes
Tesseur, W. (2022). Translation as Social Justice: Translation Policies and Practices in Non-Governmental Organisations (1.ª ed.). Routledge. https://doi.org/10.4324/9781003125822
Torrijos Caruda, C. (2022). Inteligencia artificial y traducción al español. Proyección, riesgos y responsabilidad. Puntoycoma, 174, 31–40. https://www.aieti.eu/noticias/introduce-una-noticia/
Valli, P. (26-27 de noviembre de 2015). The TAUS Quality Dashboard [Presentación de comunicación]. Proceedings of the 37th Conference Translating and the Computer, (pp. 127–136). https://aclanthology.org/2015.tc-1.17.pdf
Venuti, L. (1995): The Translator’s Invisibility, Routledge.
Vetere, G. (2021). Textnology. Imminent. Research Report.https://imminent.translated.com/textnology
Vieira, L. N. (2019). Post-editing of machine translation. O'Hagan, M. (Ed.), The Routledge handbook of translation and technology (1.ª ed.), pp. 319-337). Routledge. https://doi.org/10.4324/9781315311258
Way, A. (2018). Quality Expectations of Machine Translation. Moorkens, J., Castilho, S., Gaspari, F., y Doherty, S. (Eds.), Translation Quality Assessment from Principles to Practice (pp. 159-178). Springer International. https://doi.org/10.1613/jair.1.12007