En el trabajo de editor es muy importante la traducción especializada en la materia de la revista, para la comunicación con autores y revisores, pero sobre todo en la revisión previa a la evaluación entre pares: La revisión editorial.
Con ese fin me han sugerido
el traductor DeepL Pro, como más
eficiente y más rápido que el Google Translate. Este traductor está
desarrollado por Lingue
y se basa en el uso de una gran base de datos de frases y expresiones que trata
en paralelo con lo que vamos escribiendo, y según el nivel de precisión que
hayamos establecido[1]. Pero no
uriliza algoritmos de detección y de recomendación (Zapata-Ros, 2018)
Hice una pequeña prueba
Hay conceptos y términos
vinculados con cada una de las actividades que los usuarios especializados
utilizan que nos dan la validez de un traductor, y que son la prueba cuando la
herramienta lo hace de forma adecuada , de su auténtica eficacia como traductor.
En nuestro caso probé varias
y vi la diferencia. Entre ellas las más claras fueron las que provienen de la
traducción de la familia de términos “habilidades”,
“competencias”, “destrezas”,… y sus equivalentes (no siempre: habilidades según
contexto en inglés puede ser ability o
skill)) en inglés: abilities, competences
y skills. Y también probé como traducía los términos Smart e Intelligent según
contexto. Estos fueron los resultados:
Y en Google Translate:
La traducción primera se puede aceptar como correcta formalmente, la
segunda no en DEEPL, pero sobre todo se deduce caramente que Google coincide
con el uso que hago o haría de esos términos en esos contextos. Sospecho, y
habría que investigarlo y evidenciarlo, por ejemplo preguntando a la empresa, que Google utiliza
para la traducción algoritmos de detección y de recomendación. Igualmente da la
impresión, a partir de esta prueba, que DeepL no lleva tecnologías de ese tipo...
Y eso, en nuestro trabajo, es muy importante. Pero sólo una sospecha, habría
que estudiarlo.
Ha dado la casualidad de que esto se me ha planteado trabajando en el
artículo “La universidad inteligente” (Zapata-Ros, 2018) donde trato y
documento la tecnología de detección y de recomendación señalada.
Por si hubiera dudas respecto del contexto explícito, el que se dedice de
la expresión, la frase o el texto en general donde va incluido el término, he
hecho esta otra prueba:
En el primer volcado de la prueba que he hecho, DeepL traduce habilidades como
skills, lo cual en mi contexto está
bien, pero competencias y destrezas nunca las utilizo como abilities, si bien
es cierto que la traducción formalmente es correcta. En el caso de Google clava
la traducción, atribuyendo en inglés el sentido que habitualmente doy a los
términos en español.
Referencias.-
Zapata-Ros,
M. (2018). La universidad inteligente. RED.
Revista de Educación a Distancia, 57(10). Consultado el (dd/mm/aaaa) en
http://www.um.es/ead/red/57/zapata2.pdf
[1] DeepL y en general el
sistema Linguee utiliza sistemas de indexación en la web
especializados en buscar textos bilingües, no nos consta cuál es el criterio de
indexación, si es técnico u otro, y los divide en oraciones paralelas. Las
frases son emparejadas semánticamente por una evaluación automática de calidad
mediante un algoritmo de aprendizaje automático. Si bien ese aprendizaje se ha
hecho sobre la bases de evaluaciones
realizadas por humanos, estos solo estiman estima la calidad de la traducción
con criterios lingüísticos, en absoluto especializados en la temática. O sólo lo hacen a un nivel muy general, incomparable con el nivel de personalización de los algoritmos de detección y de recomendación
No hay comentarios:
Publicar un comentario