Traducción humana vs. traducción automática: análisis contrastivo e implicaciones para la aplicación de la traducción automática en traducción jurídica

Autores/as

  • Vicent Briva-Iglesias Universidad de la ciudad de Dublín

DOI:

https://doi.org/10.17533/udea.mut.v14n2a14

Palabras clave:

Traducción automática, Tecnologías de la traducción, traducción jurídica, calidad de traducción, evaluación de la calidad

Resumen

En el contexto actual de avances tecnológicos y desarrollo de la inteligencia artificial, la digitaliza­ción de las sociedades y las mejoras tecnológicas transforman nuestras vidas en todos los ámbitos. La traducción no es una excepción. Con la aparición de la traducción automática neuronal —un nuevo paradigma de traducción automática—, la calidad que ofrece dicho sistema ha mejorado sus­tancialmente, incluso llegando a afirmarse que iguala o supera la calidad de la traducción humana en determinados ámbitos como las noticias. No obstante, los lenguajes de especialidad entrañan complejidades intrínsecas. En traducción jurídica, el anisomorfismo del lenguaje jurídico puede ser una brecha muy difícil de salvar para las máquinas: términos dispares para un mismo concepto en sistemas jurídicos diferentes, equivalencia cero o parcial, etc. Así, el objetivo del presente trabajo es estudiar la utilidad de la traducción automática como recurso formativo en el aula de traducción jurídica, teniendo en cuenta las características y tendencias del sector de la traducción profesional. Para ello, en este estudio se hace una evaluación humana de tres traducciones humanas de contratos societarios inglés-español y de una traducción generada por un motor de traducción automática neu­ronal. Los resultados apuntan a 1) que la traducción automática podría constituir una herramienta didáctica muy útil en la clase de traducción jurídica; 2) que la identificación de las competencias podría potenciarse con un enfoque de esta naturaleza; 3) la forma de incorporación de la traducción automática a la formación en Traducción Jurídica, y 4) las ventajas que tendría aquella sobre méto­dos de enseñanza-aprendizaje tradicionales.

|Resumen
= 3805 veces | HTML
= 51 veces| | VISOR
= 128 veces| | PDF
= 2528 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Vicent Briva-Iglesias, Universidad de la ciudad de Dublín

Graduado en Traducción e Interpretación por la Universitat Jaume I y cuenta con un Máster en Tecnologías de la Traducción por la Universitat Autònoma de Barcelona. Actualmente cursa un doctorado sobre traducción automática interactiva en la Dublin City University en el SFI Centre for Research Training in Digitally-Enhanced Reality (D-REAL). Además, es profesor del Máster Oficial en Traducción y Tecnologías de la Universitat Oberta de Catalunya y, desde 2018, trabaja como traductor autónomo y traductor jurado de inglés, castellano y catalán en el sector tecnológico, jurídico y financiero.

Citas

Alcaraz, E., Mateo Martínez, J., Yus Ramos, F. (2007). Las lenguas profesionales y académicas. Ariel. https://dialnet.unirioja.es/servlet/li¬bro?codigo=12006

Alcaraz, E. y Hughes, B. P. (2016). El español jurídico. Ariel.

Alvarez-Vidal, S., Oliver, A. y Badia, T. (2020). La postedició per als traductors professionals: Avantatge o desavantatge? Revista Tradumàtica, 0(18), 49-69. https://doi.org/10.5565/ rev/tradumatica.275

astm F43 Committee. (2014). Standard guide for quality assurance in translation. astm International. https://doi.org/10.1520/F2575-14

Automatic Language Processing Advisory Committee (1966). Language and machines. Computers in translation and linguistics. National Academy of Sciences, National Research Council. https://www.nap.edu/resource/alpac_lm/ARC000005.pdf

Banerjee, S. y Lavie, A. (2005). meteor: An automatic metric for mt evaluation with improved correlation with human judgments. Proceedings of the acl Workshop on Intrinsic and Extrinsic Evaluation Measures for Machine Translation and/or Summarization (pp. 65–72), Ann Arbor, Michigan. https://www.aclweb.org/anthology/W05-0909.pdf

Bentivogli, L., Bisazza, A., Cettolo, M. y Federico, M. (2016). Neural versus phrase-based machine translation quality: A case study. arXiv:1608.04631 [cs.CL]. http://arxiv.org/ abs/1608.04631

Bojar, O., Chatterjee, R., Federmann, C., Graham, Y., Haddow, B., Huck, M., Jimeno Yepes, A., … Zampieri, M. (2016). Findings of the 2016 Conference on Machine Translation [Conference session]. First Conference on Machine Trans¬lation (vol. 2, Shared Task Papers). https://doi.org/10.18653/v1/W16-2301

Borja, A. (2000). El texto jurídico inglés y su traducción al español. Grupo Planeta (gbs).

Borja, A. (2005). Organización del conocimiento para la traducción jurídica a través de sistemas expertos basados en el concepto de género textual. https://docplayer.es/8938947-Organizacion-del-conocimiento-para-la-traduccion-juridica-a-traves-de-sistemas-expertos-basados-en-el-concepto-de-genero-textual.html

Borja, A. (2013). A genre analysis approach to the study of the translation of court documents. Linguistica Antverpiensia, New Series – Themes in Translation Studies, (12), 33-53. https://lans-tts.uantwerpen.be/index.php/LANS-TTS/ article/view/235

Borja, A. y Martínez-Carrasco, R. (2019). Future-proofing legal translation: A paradigm shift for an exponential era. En Legal Translation: Current Issues and Challenges in Research, Methods and Applications (pp. 187-206). Frank & Timme.

Briva-Iglesias, V. (2020). A different, ethical machine translation is possible: English-Catalan free/open-source Neural Machine Translation. En Workshop on the impact of machine translation (iMpacT 2020). Association for Machine Translation in the Americas. https://www.aclweb.org/anthology/2020.amta-impact.3/

Brown, P. F., Cocke, J., Della Pietra, S. A., Della Pietra, V. J., Jelinek, F., Lafferty, J. D., Mer¬cer, R. L. y Roossin, P. S. (1990). A statistical approach to machine translation. Computational Linguistics, 16(2), 79-85. https://www.aclweb.org/anthology/J90-2002.pdf

Cao, D. (2007). Translating law. Multilingual Matters.

Castaño, M. A., Casacuberta, F. y Vidal, E. (1997). Machine translation using neural networks and finite-state models. Proceedings of the Fitth European Conference on Speech Comunication and Technology (eurospeech-97) (vol. 3, pp. 1439–1442). Rodas, Grecia. http://citeseerx.ist.psu.edu/viewdoc/download?-doi=10.1.1.134.1431&rep=rep1&type=pdf Castilho, S., Moorkens, J., Gaspari, F., Sennrich, R., Sosoni, V., Georgakopoulou, P., Lohar, P. y Way, A. (2017). A comparative qua¬lity evaluation of pbsmt and nmt using professional translators. MT Summit xvi, 18-22 Sept 2017, Nagoya, Japan. http://doras.dcu.ie/23083/

Common Sense Advisory (csa) (2018). The language services market: 2018. Annual review of the services and technology industry that supports translation, localization, and interpreting. [report]. https://insights.csa-research.com/reportaction/48585/Marketing

Deutschen Institut für Normung. (1998). din 2345:1998: Übersetzungsaufträge [Normas para traductores y autores técnicos]. https://d-nb.info/956069045/04

Doddington, G. (2002). Automatic evaluation of machine translation quality using n-gram co-occurrence statistics [Conference session]. Second International Conference on Human Language Technology Research, 138. https://doi.org/10.3115/1289189.1289273

dss Resources (2006). lisa qa Model 3.1 — Assisting the localization development, production and quality control processes for global product distribution. http://dssresources.com/news/1558.php

European Union of Associations of Translation Companies (euatc). (2017). European Langua¬ge Industry Survey. https://ec.europa.eu/info/sites/info/files/2017_language_industry_survey_report_en.pdf

European Union of Associations of Translation Companies (euatc). (2020). 2020 European Language Industry survey. https://ec.europa.eu/info/sites/default/files/2020_language_ industry_survey_report.pdf

Fields, P., Hague, D. R., Koby, G. S., Lommel, A. y Melby, A. (2014). What is quality? A manage¬ment discipline and the translation industry get acquainted. Tradumàtica: Tecnologies de La Traducció, (12), 404-412. https://doi.org/10.5565/ rev/tradumatica.75

Forcada, M. L. (2017). Making sense of neural machine translation. Translation Spaces, 6(2), 291- 309. https://doi.org/10.1075/ts.6.2.06for

Forcada, M. L. y Ñeco, R. P. (1997). Recursive Hetero-associative Memories for Translation. In J. Mira, R. Moreno-Díaz, J. Cabestany (Eds.) Biological and artificial computation: From neuros¬cience to technology. iwann 1997. Lecture Notes in Computer Science (vol. 1240). Springer. https:// doi.org/10.1007/BFb0032504

García Izquierdo, I. (2012). La investigación cualitativa en traducción especializada. Una mirada a los ámbitos socioprofesionales. S. Cruces Colado, M. del Pozo Triviño, A. L. Alonso (ed. lit.), A. Álvarez Lugrís (Eds. lit.), Traducir en la frontera (pp. 603-618). Atrio.

General Administration of Quality Supervision. (2008). GB/T19363. [Norma privada].

Ginestí, M. y Forcada, M. L. (2009). La traducció automàtica en la pràctica: aplicacions, dificultats i estratègies de desenvolupament. Caplletra, 46 (Primavera 2009), 43-60.

Görög, A. (2014). Quantifying and benchmarking quality: The taus Dynamic Quality Framework. Revista tradumàtica: traducció i tecnologies de la informació i la comunicació, (12), 443-444.

Guerberof-Arenas, A. (2008). Productivity and quality in the post-editing of outputs from translation memories and machine translation [Tesis doctoral] University of Surrey.

Guerberof-Arenas, A. y Toral, A. (2020). The impact of post-editing and machine translation on creativity and reading experience. Translation Spaces, 9(2), 255-282. https://benjamins. com/catalog/ts.20035.gue

Gutiérrez, J. (2010). El español jurídico: Propuesta didáctica orientada a la acción como base para un curso. Marcoele. Revista de Didáctica del Español como Lengua Extranjera, 11, 1-24. https://marcoele.com/descargas/11/gutierrez_espanol-juridico.pdf

Haigh, R. (2018). Legal English. Routledge.

Hassan, H., Aue, A., Chen, C., Chowdhary, V., Clark, J., Federmann, C., Huang, X., Junczys-Dowmunt, M., Lewis, W., Li, M., Liu, S., Liu, T.-Y., Luo, R., Menezes, A., Qin, T., Seide, F., Tan, X., Tian, F., Wu, L., … Zhou, M. (2018). Achie¬ving human parity on automatic Chinese to English news translation. arXiv:1803.05567 [cs. CL]. http://arxiv.org/abs/1803.05567

Hearne, M. y Way, A. (2011). Statistical Machine Translation: A guide for linguists and trans¬lators. Language and Linguistics Compass, 5(5), 205-226. https://doi.org/10.1111/j.1749- 818X.2011.00274.x

Hurtado Albir, A. (1999). La competencia traductora y su adquisición. Un modelo holístico y dinámico. Perspectives, 7(2), 177-188. https://doi.org/10.1080/0907676X.1999.9961356

Hurtado Albir, A., Galán-Mañas, A., Kuznik, A., Olalla-Soler, C., Rodríguez-Inés, P. y Romero, L. (2020). Translation competence acquisition. Design and results of the pacte group’s experimental research. The Interpreter and Translator Trainer, 14(2), 95-233. https://doi.org/10.1080/1750399X.2020.1732601

Hutchins, W. J. (2004). The Georgetown-ibm experiment demonstrated in January 1954. En R. E. Frederking y K. B. Taylor (Eds.), Machine Translation: From Real Users to Research. amta 2004. Lecture Notes in Computer Science (vol. 3265, pp. 102-114).

Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540- 30194-3_12

International Organization for Standardization (iso). (2015). iso 17100:2015.

Translation services—Requirements for translation services.

International Organization for Standardization (iso). (2017). iso 18587:2017. Translation ser¬vices—Post-editing of machine translation output—Requirements.

Junczys-Dowmunt, M. y Grundkiewicz, R. (2016). Phrase-based machine translation is state-of-the-art for automatic grammatical error correction [Conference session]. 2016 Conference on Empirical Methods in Natural Language Pro¬cessing. https://doi.org/10.18653/v1/D16- 1161

Juste Vidal, N. (2016). Análisis empírico-descriptivo de los géneros notariales: el caso del “poder de repre-sentación” y su traducción. tdx (tesis doctorals en Xarxa). Universitat Jaume i https://doi. org/10.6035/40016.2016.4256

Kenny, D. y Doherty, S. (2014). Statistical machine translation in the translation curriculum: Overcoming obstacles and empowering translators. The Interpreter and Translator Trainer, 8(2), 276-294. ht-tps://doi.org/10.1080/1750399X.2014.936112

Koby, G. S., Fields, P., Hague, D. R., Lommel, A. y Melby, A. (2014). Defining translation quality. Tradumàtica: Tecnologies de La Traducció, (12), 413-420. https://doi.org/10.5565/rev/ tradumatica.76

Koehn, P. (2010). Statistical machine translation. Cambridge University Press.

Koehn, P. (2017). Neural machine translation. ArXiv:1709.07809 [cs.CL]. http://arxiv.org/ abs/1709.07809

Läubli, S., Castilho, S., Neubig, G., Sennrich, R., Shen, Q. y Toral, A. (2020). A set of recommendations for assessing human-machine pa¬rity in language translation. Journal of Artifi¬cial Intelligence Research, 67, 653-672. https://doi.org/10.1613/jair.1.11371

Läubli, S., Sennrich, R. y Volk, M. (2018). Has machine translation achieved human parity? A case for document-level evaluation [Conference session]. 2018 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics. https://doi org/10.18653/v1/D18-1512

Leiva, J. (2018). Aspects of human translation: The current situation and an emerging trend. Hermēneus. Revista de Traducción e Interpretación, (20), 257-294. https://doi.org/10.24197/ her.20.2018.257-294

Lepikhin, D., Lee, H., Xu, Y., Chen, D., Firat, O., Huang, Y., Krikun, M., Shazeer, N. y Chen, Z. (2020). GShard: Scaling giant models with conditional computation and automatic sharding. arXiv:2006.16668 [cs.CL]. http://arxiv. org/abs/2006.16668

Lobato, J. (2007). Aspectos deontológicos y profesiona¬les de la traducción jurídica, jurada y judicial. Uni-versidad de Málaga, Servicio de Publicaciones. https://riuma.uma.es/xmlui/handle/10630/2719

Martínez Carrasco, R. (2017). Epistemological approaches to legal translation education: A situated ac¬count [Ph. D. dissertation]. Universitat Jaume i. https://doi.org/10.6035/14110.2017.192521

Martín-Mor, A., Sánchez-Gijón, P. y Piqué, R. (2016). Tradumàtica: Tecnologies de la traducció. Eumo Editorial.

Melby, A., Fields, P., Hague, D. R., Koby, G. S. y Lommel, A. (2014). Defining the landscape of translation. Tradumàtica: Tecnologies de La Traducció, (12), 392. https://doi.org/10.5565/ rev/tradumatica.74

Mellinger, C. D. (2017). Translators and machine translation: Knowledge and skills gaps in translator pedagogy. The Interpreter and Translator Trainer, 11(4), 280-293. https://doi.org/10.1080/1750399X.2017.1359760

Mileto, F. (2019). Post-editing and legal translation. H2D|Revista de Humanidades Digitais, 1(1). https://doi.org/10.21814/h2d.237

Monzó, E. (2008). Derecho y traductología en la formación del traductor jurídico: Una propuesta de formación virtual [Tesis doctoral]. Universitat Jaume i.

Moorkens, J. (2017). Under pressure: Translation in times of austerity. Perspectives, 25(3), 464-477. https://doi.org/10.1080/0907676X.2017.1285331

Moorkens, J. (2018). What to expect from Neural Machine Translation: A practical in-class translation evaluation exercise. The Interpreter and Translator Trainer, 12(4), 375-387. https://doi.org/10.1080/1750399X.2018.1501639

Moorkens, J., Castilho, S., Gaspari, F. y Doherty, S. (Eds.). (2018). Translation quality assessment. From principles to practice (vol. 1). Springer. https://doi.org/10.1007/978-3-319-91241-7

Moorkens, J. y O’Brien, S. (2017). Assessing user interface needs of post-editors of machine translation. En Human issues in translation technology. Routledge.

Muñoz-Miquel, A. (2015). El desarrollo de la com¬petencia traductora socialización con el experto en la materia: Didáctica. The Journal of Specialised Translation: JoSTrans, (23), 333-351.

Nitzke, J. (2019). Problem solving activities in post-ed¬iting and translation from scratch. Zenodo. https://doi.org/10.5281/ZENODO.2546446

Nitzke, J., Tardel, A. y Hansen-Schirra, S. (2019). Training the modern translator —The acquisi¬tion of digital competencies through blended learning. The Interpreter and Translator Trainer, 13(3), 292-306. https://doi.org/10.1080/175 0399X.2019.1656410

O’Brien, S. (2012). Towards a dynamic quality evaluation model for translation. The Journal of Specialised Translation, (17), 55-77. https://www.jostrans.org/issue17/art_obrien.pdf

pacte. (2003). Building a translation competence model. En F. Alves (Ed.), Benjamins translation library: Perspectives in process oriented research (vol. 45, pp. 43-66). John Benjamins. https:// doi.org/10.1075/btl.45.06pac

pacte. (2011). Results of the validation of the pacte translation competence model: Transla¬tion project and dynamic translation index. S. O’Brien (Ed.), iatis yearbook 2010. Continuum. https://grupsderecerca.uab.cat/pacte/sites/ grupsderecerca.uab.cat.pacte/files/2011_ PACTE_Continuum.pdf

Papineni, K., Roukos, S., Ward, T. y Zhu, W.- J. (2001). bleu: A method for automatic evaluation of machine translation [Conference session]. 40th Annual Meeting on Association for Computational Linguistics - acl. https://doi.org/10.3115/1073083.1073135

Prieto, F. (2013). ¿Qué estrategias para qué traducción jurídica?: por una metodología integral para la práctica profesional. En I. Alonso Ara¬guás, J. Baigorri Jalón y H. Campbell, Transla¬ting the law. Theoretical and methodological issues / Traducir el derecho. Cuestiones teóricas y metodológicas (pp. 87-106). Comares. https://archive-ouverte.unige.ch/unige:28293

QT21 Consortium (2018). QT21 – Quality Translation 21. http://www.qt21.eu/

Quality Standard (s. f.). European quality stan¬dard EN-15038:2006. http://qualitystandard. bs.en-15038.com/

SAE International (2021). sae J2450 Translation Qua¬lity metric task force. Quality metric for language translation of service information. https://www.sae.org/standardsdev/j2450p1.htm

Sánchez-Gijón, P. (2014). La investigación en traducción y calidad, cosa de dos. Revista Tradumá-tica, (12), 437-442. https://doi.org/10.5565/rev/tradumatica.81

Sánchez-Gijón, P., Moorkens, J. y Way, A. (2019). Post-editing neural machine translation versus translation memory segments. Machine Translation, 33(1-2), 31-59. https://doi. org/10.1007/s10590-019-09232-x

Sarcevic, S. (1997). New approach to legal translation. Kluwer Law International B.V.

Snover, M., Dorr, B., Schwartz, R., Micciulla, L. y Makhoul, J. (2016). A study of translation edit rate with targeted human annotation. amta 2016. Proceedings of the 7th Conference of the As-sociation for Machine Translation in the Americas. Cambridge, Massachusetts, ee.uu. http://us-ers.umiacs.umd.edu/~bonnie/Publications/ter_amta.pdf

Translation Automation User Society (taus). (2015). QT21 project. https://www.taus.net/ qt21-project#dqf-qt21

Tillmann, C., Vogel, S., Ney, H., Zubiaga, A. y Sawaf, H. (1997). Accelerated dp based search for statistical translation. eurospeech’97. 5th European Conference on Speech Communication and Technology. Rhodes, Grecia. https://www.isca-speech.org/archive/archive_papers/eu-rospeech_1997/e97_2667.pdf

Toral, A. (2020). Reassessing claims of human par¬ity and super-human performance in machine translation at wmt 2019 [Conference session]. 22nd Annual Conference of the European Associa-tion for Machine Translation. https://www.aclweb.org/anthology/2020.eamt-1.20

Trovato, G. (2018). Lingüística española y traducción desde la contrastividad. Aracne.

Vieira, L. N. (2014). Indices of cognitive effort in machine translation post-editing. Machine Translation, 28(3), 187-216. https://doi. org/10.1007/s10590-014-9156-x

Wang, Y-Y, Acero, A. y Chelba, C. (2003). Is word error rate a good indicator for spoken language understanding accuracy [Ponencia]. 2003 ieee Workshop on Automatic Speech Recognition and Understanding (ieee Cat. No.03EX721). https://doi.org/10.1109/ASRU.2003.1318504

Way, A. (2018). Quality expectations of machine translation. En J. Moorkens, S. Castilho, F. Gaspari y S. Doherty (Eds.), Translation qual¬ity assessment (vol. 1, pp. 159-178). Springer. https://doi.org/10.1007/978-3-319-91241-7_8

Wiesmann, E. (2019). Machine translation in the field of law: A study of the translation of Italian legal texts into German. Comparative Legilinguistics, 37(1), 117-153. https://doi. org/10.14746/cl.2019.37.4

Wu, Y., Schuster, M., Chen, Z., Le, Q. V., Norou¬zi, M., Macherey, W., Krikun, M., Cao, Y., Gao, Q., Macherey, K., Klingner, J., Shah, A., Johnson, M., Liu, X., Kaiser, Ł., Gouws, S., Kato, Y., Kudo, T., Kazawa, H., … Dean, J. (2016). Google’s neural machine translation system: Bridging the gap between human and machine translation. ArXiv:1609.08144 [Cs]. http://arxiv.org/abs/1609.08144

Ye, Y. y Toral, A. (2020). Fine-grained human evaluation of transformer and recurrent ap¬proaches to neural machine translation for English-to-Chinese [Conference session]. 22nd Annual Conference of the European Associa¬tion for Machine Translation. https://www.acl-web.org/anthology/2020.eamt-1.14

Publicado

2021-07-13

Cómo citar

Briva-Iglesias, V. (2021). Traducción humana vs. traducción automática: análisis contrastivo e implicaciones para la aplicación de la traducción automática en traducción jurídica. Mutatis Mutandis. Revista Latinoamericana De Traducción, 14(2), 571–600. https://doi.org/10.17533/udea.mut.v14n2a14