La traducción automática de los referentes culturales Propuesta de una metodología de evaluación aplicada a textos del ámbito migratorio
Barre latérale de l'article
Contenu principal de l'article
Résumé
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.
Téléchargements
Details de l'article
Ce travail est disponible sous la licence Creative Commons Attribution 4.0 International .
Les auteurs qui publient dans cette revue acceptent les conditions suivantes :
- Les auteurs conservent les droits d'auteur et accordent à la revue le droit de première publication du travail simultanément sous une Licence Creative Commons Attribution, permettant à d'autres de partager le travail en reconnaissant la paternité du travail et sa publication initiale dans cette revue.
- Les auteurs peuvent conclure des accords contractuels supplémentaires séparément pour la distribution non exclusive de la version publiée du travail dans la revue (par exemple, l'envoyer à un référentiel institutionnel ou le publier dans un livre), avec une reconnaissance de sa publication initiale dans cette revue.
- Il est permis et encouragé aux auteurs de publier leurs travaux en ligne (par exemple, dans des référentiels institutionnels ou sur leur site Web) avant et pendant le processus de soumission, car cela peut entraîner des échanges productifs, ainsi qu'une citation plus précoce et plus importante du travail publié (voir L'effet de l'accès ouvert).
Références
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 DOI: 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 DOI: 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 DOI: 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. DOI: https://doi.org/10.1007/978-3-319-91241-7_2
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. DOI: https://doi.org/10.4324/9781003096962
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. DOI: https://doi.org/10.1007/978-3-030-51761-8_2
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). DOI: https://doi.org/10.3115/1073083.1073135
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 DOI: 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. DOI: https://doi.org/10.4324/9780429341052-6
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 DOI: 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 DOI: https://doi.org/10.4324/9781003125822-1
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 DOI: https://doi.org/10.4324/9781315311258-19
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 DOI: https://doi.org/10.1613/jair.1.12007