Resumen de las funciones de una memoria de traducción

A raíz de un resumen de las funciones de una memoria de traducción que nos ha facilitado la profesora hoy en clase, he creído conveniente, aun a riesgo de repetirme, repasar dichas funciones. Y digo que a riesgo de repetirme porque soy consciente de que muchas de estas cuestiones ya las he comentado, por lo que, en muchos casos, me limitaré a dirigir a la entrada correspondiente para, así, tenerlo todo más ordenado (al menos, esa es mi intención) y, de paso, consolidar los contenidos (aunque ya los hemos consolidado mediante la práctica realizada en la clase de hoy).

Asimismo, para todas estas cuestiones en general, también pueden consultarse las entradas Términos claves de Informática Aplicada a la Traducción (I) y Términos claves de Informática Aplicada a la Traducción (II).

Aquí presento el esquema; intentaré completarlo de la forma más conveniente.

Prestaciones básicas de las memorias de traducción

Definición de los conceptos de MT y de herramientas de las MT

à Funcionalidades de las MT. Recomiendo la lectura de las entradas Traducir mediante una memoria de traducción: funciones y herramientas básicas y Análisis en profundidad del programa de traducción asistida Déjà Vu.

à Requisitos para el uso de una MT. Para este aspecto, recomiendo las entadas Pasos previos a la creación de una memoria de traducción (I) y Pasos previos a la creación de una memoria de traducción (II).

à Ventajas y desventajas en el uso de MT. A esto también le dediqué una entrada, Memorias de traducción: ¿amigo o enemigo?

à Formatos de archivo. Además de las entradas dedicadas a los términos claves de la asignatura, puede consultarse la entrada El formato .tmx y el lenguaje html.

Componentes
Como ya he dicho en varias ocasiones, los componentes básicos de cualquier memoria de traducción son tres: un proyecto, una memoria de traducción y una base de datos terminológica. Estos son contenedores diferentes, por lo que son independientes.

Ahora bien, también puede decirse que los componentes básicos de una memoria de traducción son los siguientes:

à Editor: podríamos decir que se trata de la parte en la que se traducen los distintos segmentos del texto original. Creo que no es necesario explicar el proceso de traducción mediante los sistemas de traducción asistida, puesto que lo he mencionado en varias ocasiones a lo largo de muchas de las entradas del blog.

à Base de datos terminológica. Además de las entradas ya citadas, pueden consultarse La extracción de términos y La importancia de la terminología en los programas de memorias de traducción.

à Memoria de traducción (propiamente dicha). Ya lo he explicado en varias ocasiones: la memoria de traducción contiene una serie de documentos alineados (los segmentos de un número indefinido de textos origen junto con sus correspondientes segmentos de los textos meta) y es muy útil para el trabajo del traductor, que puede aprovecharla mediante los programas de memorias de traducción como Déjà Vu, que es con el que más nos hemos familiarizado a lo largo de este cuatrimestre.

Creación de una MT
Para la creación de cualquier memoria de traducción, hay que seguir una serie de pasos básicos, que ya expliqué en Pasos para la creación de una memoria de traducción y en la segunda parte de la misma entrada.

De todas formas, a modo de recordatorio, algunos de los pasos básicos para la creación de una memoria de traducción son los siguientes:

à Selección de idiomas tanto del texto origen como del texto meta, pues es información que necesita el programa de traducción asistida para poder gestionar los archivos y para poder recuperarlos de forma correcta.

à Gestión de archivos. La memoria de traducción se compone de una serie de archivos, cuyas ubicación y extensiones conviene conocer (dichas extensiones pueden consultarse en Términos claves de Informática Aplicada a la Traducción).

à Configuración del usuario. Resulta muy útil la opción de poder etiquetar las memorias de traducción (por idioma, cliente o ámbito de especialización, por ejemplo) para que el programa de traducción asistida pueda recuperar la información que desee el traductor (también por idioma, por cliente o por ámbito de especialización) y que pueda sacarle provecho en cuanto a la eficiencia y a la calidad de su trabajo.

à Opciones para coincidencias parciales. De las coincidencias parciales o fuzzy matching y de sus ventajas e inconvenientes he hablado, por ejemplo, en ¿Son las fuzzy matches útiles para el traductor?

Flujo de trabajo durante la traducción con MTs: pasos y procesos
¿Qué pasos hay que seguir cuando se trabaja con un programa de memoria de traducción? ¿Qué opciones  y funciones ofrecen dichos programas?

à Pseudotraducción. Esta función es la que también se denomina deep mining: el programa de traducción asistida aprovecha de forma inteligente segmentos que tienen unas coincidencias altas y sustituye los términos distintos mediante la memoria de traducción y el lexicón almacenados (es decir, deduce la traducción de un determinado segmento a partir de la traducción de varios segmentos, que utiliza de forma inteligente).
     Además de las entradas sobre términos de la asignatura, ya citadas, puede consultarse la entrada Un vistazo a Déjà Vu X2, que también puede aprovecharse para realizar un breve repaso del programa de traducción asistida.

à Pretraducción. De esta y de otras funciones he hablado en Análisis en profundidad del programa de traducción asistida Déjà Vu. Sin embargo, a modo de recordatorio, la pretraducción es una traducción automática que realiza el programa; es especialmente útil para textos repetitivos y le ahorra mucho tiempo al traductor, que solo tendrá que revisar la traducción automática que resulte de este proceso.

à Trabajar con segmentos. Como ya he explicado en varias ocasiones, la memoria de traducción se alimenta de una serie de segmentos alineados (texto origen junto con su correspondiente texto meta), por lo que resulta muy útil aprovechar dicha memoria para agilizar el proceso de traducción y también para conseguir que las traducciones sean más coherentes.

à Función de propagación. También he hablado de esta función en varias ocasiones: mediante la función de propagación, el programa de traducción asistida busca segmentos iguales o similares a los ya traducidos y, tras solicitar la confirmación del usuario, los inserta en aquellos segmentos que todavía no se han traducido y que son iguales o muy similares. En pocas palabras, rellena de forma automática aquellos segmentos cuya traducción todavía no se ha escrito pero que ya se ha realizado con anterioridad, por lo que le ahorra mucho trabajo al traductor y, una vez más, le asegura la coherencia en su trabajo.

à Concordancia: como explica Cristina Márquez Arroyo, la concordancia «permite encontrar todas las unidades que incluyen una palabra o frase determinada, con solo pulsar un botón. El resultado aparece en una ventana adicional que muestra todas las traducciones existentes, con la indicación de la fecha en que fueron realizadas y el nombre del usuario que las introdujo»(1). 

Integrar Bases de datos
Aun siendo consciente de que me repito, creo que es necesario volver a decir que cualquier memoria de traducción se compone de tres elementos básicos: el lexicón (o lexicon), la base de datos terminológica y la memoria de traducción propiamente dicha:

à Lexicon (o lexicón): base de datos terminológica creada ad hoc, es decir, para un proyecto determinado. Cuando finaliza dicho proyecto, el lexicón se integra en la base de datos terminológica.

à Base terminológica: base de datos que incluye una serie de términos, que están emparejados (término origen junto a su correspondiente traducción) y que también incluye, lo que es muy importante, el contexto de uso de dichos términos. Estas bases de datos pueden ser multilingües y multiámbitos, por lo que pueden ser muy beneficiosas para el trabajo del traductor.

à Memoria de traducción: como ya lo he explicado varias veces, solo diré que se compone de una serie de segmentos alineados y que puede ser de gran ayuda para el traductor.

Una vez más, recomiendo, para más información sobre estos términos, la lectura de Términos claves de Informática Aplicada a la Traducción.

Crear una memoria de traducción
Como este procedimiento es básico y ya lo he explicado en varias entradas (por ejemplo, en Pasos previos para la creación de una memoria de traducción, tanto en la primera parte como en la segunda), y como los siguientes epígrafes resumen perfectamente el proceso de creación de una memoria de traducción, no lo explicaré en profundidad:

à Durante la traducción (conforme se traduce, puede ir creándose una memoria de traducción, independientemente de si ya se dispone de alguna otra memoria de traducción o no).

à Importar una memoria externa (es muy útil la posibilidad de poder importar memorias de traducción externas al propio proyecto de traducción, puesto que el traductor va a disponer de más recursos para traducir dicho proyecto).

à Crear una alineación

Actualizar la memoria de traducción
La memoria de traducción hay que actualizarla continuamente y corregirla si es necesario, pues puede haber errores que, si no se corrigen, podrían perjudicar al traductor en su trabajo. Así, a medida que se vayan recibiendo correcciones, el traductor debe actualizar la memoria de traducción:

à        Durante la traducción

à        Después de traducir

à        Con una MT externa

Tanto durante la traducción, como una vez finalizado el proyecto; también es muy útil utilizar para esta actualización memorias de traducción externas.

Trabajar con archivos con etiquetas
Déjà Vu, como muchos otros programas de traducción asistida, tiene la ventaja de que se pueden traducir textos de una gran diversidad de formatos, dado que el programa utiliza una serie de filtros que conservan el formato del texto original y que el traductor no ve (por lo que no le dan problemas). Una vez que haya terminado el proyecto, el programa volverá a recuperar dichos filtros, obteniéndose así un texto meta  exactamente igual al texto origen en cuanto al formato.

Así, existen dos tipos de etiquetas:

à  Etiquetas estructurales: se refieren a todo lo que afecta al formato externo del archivo; en Déjà Vu, por ejemplo, desaparecen, por lo que no pueden dar ningún tipo de problemas.

à Códigos incrustados: son los números que en Déjà Vu aparecen entre llaves y que hacen referencia a formatos como la negrita, la cursiva o el subrayado, como ya expliqué en su momento (en esta entrada, por ejemplo). La mayoría de los problemas que surgen al exportar el proyecto se deben a problemas con dichos códigos, por lo que el traductor debe tener cuidado con dichos códigos y no modificarlos, pues podría alterar el formato del proyecto en su conjunto.

Control de calidad

à Corrección ortográfica

à Verificación etiquetas

      à Comprobación terminológica

También de este aspecto he hablado a lo largo de las entradas de este blog. El control de calidad consiste, a grandes rasgos, en comprobar el proyecto ya traducido, que debe incluir una corrección ortográfica, una corrección de estilo, una comprobación terminológica (es decir, si los términos se han traducido correctamente desde el punto de vista de la propia traducción y también desde el punto de vista del ámbito del texto o del cliente que lo ha encargado, por ejemplo) e, incluso, una comprobación del formato del texto o proyecto final, en la que debe realizarse, obligatoriamente, una verificación de las etiquetas para que no haya problemas de formato, como acabo de mencionar en el apartado anterior.

Análisis y estadística

à Objetivos de las funciones de análisis y estadística: el programa de traducción asistida Déjà Vu ofrece la posibilidad de realizar un análisis exhaustivo en cuanto a las estadísticas del proyecto. Dicho análisis ofrece datos como el trabajo que está realizando el traductor en ese proyecto, dónde se encuentra la memoria, cuántos proyectos contiene y distintos porcentajes, como de similitud con la memoria o de repeticiones internas. Asimismo, esta información puede guardarse y enviarse al cliente, si es necesario.

à Tipos de repetición (interna o externa): las repeticiones internas también se conocen como duplicados y son segmentos que aparecen más de una vez en el mismo documento; una vez que se hayan traducido por primera vez, el programa de traducción asistida, mediante la función de propagación, insertará dicha traducción en los segmentos que sean iguales. En cuanto a las repeticiones externas,  estas son las coincidencias exactas que se dan entre el texto que se está traduciendo y la memoria de traducción, y se llaman repeticiones externas porque ya provienen de proyectos anteriores de traducción y, por lo tanto, están disponibles antes de comenzar a traducir.(2)

à Tipos de coincidencia (difusa o 100%): ya he hablado en muchas ocasiones sobre las coincidencias totales y las coincidencias parciales o fuzzy matches, por ejemplo, en la entrada  ¿Son las fuzzy matches útiles para el traductor?

à Reglas de segmentación: las reglas de segmentación son los parámetros de los que dispone el programa de memoria de traducción (o de segmentación) para realizar la segmentación del texto. Dicha segmentación se realiza por defecto a partir del punto (es decir, un segmento finaliza en un punto y da comienzo al siguiente segmento que, a su vez, termina en el siguiente punto), aunque el usuario puede cambiarlo si lo considera necesario.
      Una vez que el texto esté segmentado, se procederá a la alineación (sobre la que puede verse más información en esta entrada) y a continuación.

Alineación

à        Reciclar traducciones anteriores

à        Automática y manual

à        Cómo unir/dividir/eliminar segmentos

      à        Guardar proyectos de alineación e importarlos a la memoria

Como acabo de decir, la segmentación da paso a la alineación, que se realiza a partir de traducciones ya finalizadas, puesto que consiste en alinear los segmentos del texto original junto con sus correspondientes traducciones. Esta alineación puede hacerse de forma automática (el programa, mediante las reglas de segmentación, divide de forma automática el texto origen y el meta en una serie de segmentos y los une automáticamente) o de forma manual (el traductor une cada segmento con su correspondiente traducción, partiendo desde cero o corrigiendo lo que haya hecho de forma automática el programa de alineación).

De hecho, en la alineación manual, en algunas ocasiones el traductor tendrá que modificar los segmentos, uniéndolos, dividiéndolos o incluso eliminándolos para que los segmentos origen se correspondan con los meta y para que, una vez guardados e importados a la memoria, puedan aprovecharse y supongan una ventaja para su trabajo.

Gestión de la memoria de traducción

à        Compactar

à        Eliminar duplicados

Finalmente, la memoria de traducción puede compactarse, es decir, pueden agruparse los datos de la memoria para que esta ocupe menos espacio (solo hay que ir a herramientas>compactar); de hecho, también pueden compactarse un proyecto o la base de datos terminológica. Asimismo, el programa ofrece la posibilidad de buscar aquellos segmentos o términos duplicados (es decir, que cuenten con traducciones distintas) y visualizarlos por separado para decidir cuál su la traducción más adecuada y para eliminar aquella que no lo sea.

Espero que, tras este resumen (que ha sido más extenso de lo que había previsto), se hayan consolidado los conceptos más importantes sobre las memorias de traducción.

______________________

(1) Márquez Arroyo, Cristina: «Herramientas de traducción automática... mito y realidad», accesible en: http://bscw.rediris.es/pub/bscw.cgi/d469719/Herramientas%20de%20traducci%C3%B3n%20autom%C3%A1tica...%20mito%20y%20realidad%20(Cristina%20M%C3%A1rquez).pdf [Consulta: 8/V/2012]

(2) Heinz Freignang, Karl: «Tipos de repetición (interna o externa) (2/8)» en eCoLoTrain, accesible en: http://ecolotrain.uni-saarland.de/index.php?id=1529&L=3 [Consulta: 8/V/2012]

¿Son las fuzzy matches útiles para el traductor?

Escribo esta entrada a propósito de otro artículo que he leído en la revista Panace@ (este será, creo, el último artículo de la revista que comente; al menos, por ahora). En este artículo(1), su autor, José María Montero Vázquez, habla sobre las coincidencias parciales, también conocidas como fuzzy matches, y las ventajas y desventajas que pueden tener en el trabajo del traductor, no solo desde el punto de vista de la calidad, sino también desde el punto de vista económico.

A estas alturas, no es necesaria una explicación sobre cómo funcionan los programas de traducción asistida por ordenador y, en concreto, sobre cómo funcionan las memorias de traducción (explicación que podéis ver en entradas como esta, esta o incluso esta), aunque sí conviene recordar que, cuando se está traduciendo un texto determinado, el programa en cuestión busca de forma automática si hay segmentos del texto origen que ya se hayan traducido anteriormente y cuya traducción, por lo tanto, ya esté almacenada, lo que daría lugar a coincidencias totales o a coincidencias parciales.

Ventajas (entonces, ¿son amigas?)

En el caso de las coincidencias totales, el traductor, como es lógico, no tiene que cambiar nada; sí tendrá que hacerlo, por el contrario, en el caso de las coincidencias parciales, puesto que solo puede aprovecharlas de forma parcial, adaptándolas al nuevo segmento que esté traduciendo (posteriormente, el segmento origen se almacenará junto con su correspondiente segmento meta). De esta forma, las coincidencias parciales tienen la ventaja de que pueden reutilizarse muchas veces y de muchas formas, además de que el traductor puede configurar el nivel de coincidencia parcial que desee que el programa le ofrezca: si establece un nivel alto, apenas tendrá que realizar cambios en el segmento meta; si es inferior, muy posiblemente tendrá que traducirlo desde cero.

Desventajas (¿o, más bien, son enemigas?)

Como ya comenté en su momento, el cliente o la agencia de traducción que encarga el proyecto no paga, por norma general, aquellos segmentos que ya se tradujeron previamente(2), ya que, como están almacenados en la memoria de traducción, el traductor no tiene que volver a traducirlos. 

El problema surge cuando la agencia o el cliente analizan previamente el texto que se va a traducir y comparan los segmentos del documento con los almacenados en la memoria de traducción (esto se está convirtiendo en una práctica cada vez más común). El problema, como decía, es que analizan tanto las coincidencias totales como las parciales (y las clasifican desde un 100%, total, hasta distintos grupos de porcentajes en los que se incluyen las coincidencias parciales, además de aquellos que tienen una similitud inferior al 50%, que se clasifican como sin coincidencia, no match).

A partir de este análisis, establecen «una reducción de la tarifa inversamente proporcional al valor porcentual de coincidencia, o lo que es lo mismo: a mayor coincidencia, menor es la tarifa aplicable a las palabras que componen dicho segmento»(3). Dejando de lado el hecho de que estos descuentos son muy injustos para el traductor, hay que tener en cuenta que el traductor debe modificar en muchos casos las coincidencias parciales, pues no son de un 100% y, como he dicho, el traductor debe adaptar los segmentos al texto que esté traduciendo:

El nivel de coincidencia entre segmentos resulta irrelevante, e incluso engañoso con respecto al tiempo y trabajo empleados en la modificación y retraducción de dicho segmento. En estos casos, las coincidencias parciales se convierten en enemigos declarados del traductor, porque debe pasar un tiempo importante, que no se compensa económicamente, modificando la traducción para adecuarla al nuevo contexto lingüístico.(4)

Esta cita resume perfectamente el problema en el que pueden convertirse las coincidencias parciales.

¿Pueden ser amigas y enemigas? Es decir, ¿existe alguna forma de conciliarlas?

El autor propone una tarifa que, a mi juicio, es bastante acertada, dado que es, tal y como él dice, neutra en cuanto a quién sale ganando:

Yo establezco tres niveles [...] para mi tarifa: la tarifa base, que se aplica a las palabras nuevas (No matches), el 60% de mi tarifa base, aplicado a TODAS las coincidencias parciales (desde el 50 al 99%), y, por último, el 25% de la tarifa base, aplicado a las coincidencias totales y las repeticiones internas del texto.(5)

Esta tarifa se justifica con el hecho de que muchas veces será necesario retraducir por completo determinados segmentos, por muy alta que sea su coincidencia con otros segmentos almacenados, y esto no va a querer pagarlo el cliente.

Hasta aquí me he referido a la situación en la que un traductor utiliza su propia memoria de traducción o la que le suministra la agencia o el cliente. Sin embargo, ¿qué ocurre cuando en una misma memoria de traducción han participado varios traductores? ¿Qué debe hacer el traductor? ¿Aceptar los segmentos traducidos que se le ofrecen o revisarlos, a pesar de que no se le pague por ello? Está claro que lo mejor sería solicitarle a la agencia o al cliente que revisara dicha traducción para así evitarse futuros problemas. No obstante, como esto no se puede hacer siempre, el traductor tendrá que utilizar dichas memorias de traducción, aun arriesgándose a obtener malos resultados.

Con respecto a esto último, es obvio que el traductor que tenga su propia memoria de traducción podrá confiar mucho más en ella, tanto en cuanto a las coincidencias totales como en cuanto a las parciales, y dicha memoria será beneficiosa para él tanto en el aspecto económico como desde el punto de vista de la calidad y de la productividad de la traducción (pues podrá reutilizar los segmentos ya almacenados y no tendrá que emplear tanto tiempo en revisar aquellos que tengan una coincidencia alta).

En conclusión, el traductor debe ser consciente de que, aunque las fuzzy matches pueden representar un peligro para él si no tiene el cuidado suficiente, también pueden ser de gran ayuda en su trabajo, sobre todo cuando se trate de textos técnicos o mínimamente repetitivos. Como con todo, hay que tener cuidado y  también hay que saber aprovecharlo bien.

______________

(1) Montero Vázquez, José María: «Fuzzy matches, friends or foes? (¿Amigos o enemigos?)» en Panace@, vol. 10, n.º 29, junio de 2009, accesible en: http://www.medtrad.org/panacea/IndiceGeneral/n29_tribuna-MVazquez.pdf [Consulta: 4/V/2012]
(2) Precisamente, de ello hablé en la entrada Memorias de traducción: ¿amigo o enemigo?
(3) Montero Vázquez, José María: op. cit., p. 25.
(4) Montero Vázquez, José María: op. cit., p. 25.
(5) Montero Vázquez, José María: op. cit., p. 25. (La negrita es mía).

Análisis en profundidad del programa de traducción asistida Déjà Vu

A raíz de otro artículo muy interesante de la revista Panace@(1), me gustaría hablar más en profundidad del programa de traducción asistida (al que también me he referido en varias ocasiones como programa de memoria de traducción) Déjà Vu. Aunque lo he mencionado con mucha frecuencia a lo largo de las entradas del blog y aunque ya hablé de las funciones básicas de un programa de memoria de traducción (Traducir mediante una memoria de traducción: funciones y herramientas básicas), este artículo me ha servido para tener una visión más amplia de este programa y, por ello, me gustaría compartir en este blog todo lo que he aprendido en dicho artículo.

En qué consiste Déjà Vu

El autor del artículo comienza en su introducción definiendo las características de Déjà Vu: debido a que combina la tecnología de las memorias de traducción con las técnicas de traducción automática, permite mejorar tanto la productividad del traductor como la coherencia en su trabajo. Asimismo, con este programa puede realizarse una gestión de proyectos de forma eficiente.

La novedad con respecto a otros sistemas de traducción asistida radica en que utiliza de forma inteligente la memoria de traducción, la base de datos terminológica y el lexicón para ensamblar las traducciones de varios segmentos más pequeños en uno solo más grande: el programa intuye como si fuera un traductor humano y realiza lo que se denomina deep mining (ver término 19 de Términos claves de Informática Aplicada a la traducción). Además, como también he mencionado en varias ocasiones, el programa puede trabajar con la mayoría de formatos de archivo, dado que, en su interfaz, solo presenta el texto que va a traducirse y cualquier información codificada del texto origen la protege para que no pueda alterarse (de esto también hablo en la entrada dedicada a las funciones de los programas de memorias de traducción).

Qué tiene Déjà Vu que no tengan otros programas de traducción asistida

Tras un análisis de las funciones básicas de Déjà Vu, el autor pasa a lo que nos interesa: las funciones específicas de Déjà Vu.

1. Escaneado (scan)

En primer lugar, habla de la función de escaneado, esto es, el programa busca si existen correspondencias exactas o aproximadas de los segmentos que se está traduciendo y, en el caso de que sí las haya, incluirá dichas traducciones (para más información, pueden verse las coincidencias totales y parciales o fuzzy matching, 12, y la autopropagación, 13, en esta entrada). Asimismo, puede reparar de forma automática las coincidencias aproximadas o la traducción automática basada en ejemplos. Después de todo este proceso, el programa puede realizar su propia traducción basándose en distintos segmentos, convirtiendo el segmento origen y el segmento meta en una coincidencia exacta, exact match (realizando el ya mencionado deep mining).

2. Ensamblado (assemble)

Esta función (exclusiva de Déjà Vu) consiste, como acabo de explicar, en combinar fragmentos menores para conseguir traducir segmentos que solo tienen una coincidencia parcial, también partiendo de toda la información contenida en sus bases de datos. 

3. Pretraducción (pretranslate)

La función de pretraducción es especialmente útil en el caso de textos muy repetitivos, en los que lo más recomendable es traducir el proyecto de forma automática y, después, revisarlo. Si a esto le añadimos que Déjà Vu busca las coincidencias (totales y parciales) para cada oración, el resultado será de mejor calidad, ya que, para ello, selecciona la mejor traducción (una coincidencia exacta garantizada, guaranteed exact match, una exacta, exact match, o una aproximada, fuzzy match).

4. Propagación (propagate)

Una vez más, esta función es adecuada para proyectos extensos y repetitivos. Como he explicado a propósito de la autopropagación, el programa buscará segmentos similares o iguales a los ya traducidos y solicitará una confirmación para insertar una coincidencia aproximada autorreparada (self-repaired self-match).

5. Autobúsqueda (autosearch)

También he hablado de esta función en una de las entradas dedicadas a los términos claves de la asignatura. En resumen, el programa realiza una búsqueda automática de términos, segmentos y términos almacenados para poder aplicar su correspondiente traducción al texto que se está traduciendo. Asimismo, muestra su correspondiente información contextual, lo que es de gran ayuda.

6. Gestión de proyectos

Un aspecto muy interesante es el hecho de que Déjà Vu permite realizar gestiones de proyectos (sobre los que hablé aquí y aquí). De esta forma, pueden crearse proyectos satélites, también conocidos como Pack&Go: se trata de pequeños archivos monolingües que pueden reimportarse al proyecto plurilingüe principal y que pueden transportarse con facilidad debido a que no contienen información sobre formato o imágenes. También pueden distribuirse pequeñas bases de datos (cuyo contenido haya seleccionado previamente el gestor) para facilitar el trabajo del traductor y asegurarle coherencia, además de que el gestor también se asegurará de que las memorias de traducción y las bases de datos terminológicas no se dispersarán entre los distintos traductores.

Asimismo, el gestor de proyectos puede asignar derechos de acceso individual a cada miembro de un grupo de traductores, para que cada uno trabaje solo en lo que se le ha asignado y no modifique el trabajo de los demás, sin por ello dejar de ofrecerles el texto en su conjunto. Incluso puede agregar información a los segmentos o responder a las dudas que puedan tener los traductores mediante la función de comentario (comment).

7. Control de calidad

Esta función, como su nombre indica, permite verificar que la terminología o los códigos, por ejemplo, se han utilizado de forma adecuada e, incluso, puede mostrar, si las hay, otras opciones de traducción de determinados segmentos o términos. Esto beneficia tanto a los traductores (cuyas traducciones serán de mejor calidad) como a los gestores (que podrán asegurarse de que los traductores han seguido sus instrucciones y que también podrán corregir cualquier fallo u omisión).

8. Entorno integrado

Con esto, el autor del artículo que estoy comentando se refiere a que todas las tareas pueden realizarse en la misma interfaz de usuario del programa, dado que esta se adapta a cualquier necesidad. De hecho, el usuario puede incluso definir y personalizar sus propias barras de menú, atajos del teclado, esquemas de color, ventanas de herramientas...

Así, algunas de estas funciones son la ya mencionada autobúsqueda (recordemos que basta con pulsar la combinación de teclas Ctrl. + el número del término para incluirlo de forma automática en el segmento) y características propias de cualquier procesador de textos, como autocorrección y autotexto (similares a las de Microsoft Word), y corrección de ortografía de hasta 14 idiomas (si se trabaja con otro idioma, basta con utilizar el corrector de Word de ese idioma que, por supuesto, tiene que estar instalado). Incluso es posible utilizar los atajos comunes de Windows (copiar, cortar, pegar, buscar, reemplazar, seleccionar texto y las muy útiles y necesarias deshacer y rehacer).

 9. Formatos de archivo admitidos

Déjà Vu admite prácticamente todos los formatos de archivos a excepción de algunos como el .pdf (que es cierto que da problemas de compatibilidad a la mayoría de los programas, sean de lo que sean). Recordemos, asimismo, que el programa utiliza una especie de filtro, de forma que, mientras se está traduciendo, solo muestra la parte escrita del texto (o proyecto) origen y, una vez que se ha traducido, exporta el texto meta con el mismo formato del texto (o proyecto) original. También hay que añadir que permite que el intercambio de las bases de datos terminológicas y de las memorias de traducción se haga fácilmente (además de que siempre puede recurrirse al formato .tmx para exportar las memorias de traducción).

10. Administración de las terminologías

Sobre este aspecto no tengo nada más que añadir, dado que ya lo he dicho todo en entradas como esta. Sin embargo, sí debo decir que Déjà Vu puede personalizar los términos almacenados por categorías y atributos e incluso por clientes, algo que es muy útil. Incluso ofrece la posibilidad de incluir relaciones de sinonimia y antonimia entre términos de un mismo idioma.

11. Mantenimiento de las bases de datos

A pesar de que sobre este aspecto tampoco tengo mucho que añadir, solo mencionaré que los glosarios son multilingües y multiámbitos y que, además, el idioma de origen de una base de datos puede convertirse en el idioma meta de otras, lo que resulta de gran utilidad. Asimismo, también pueden importarse y exportarse glosarios y memorias de traducción para intercambiarlos con otros traductores o enviárselos al cliente.

12. Alineación

Déjà Vu también cuenta con una herramienta para realizar alineaciones de segmentos que, a continuación, podrán agregarse a la memoria de traducción (para más información sobre la alineación, ver esta entrada).

13. Lexicón del proyecto

También he comentado esta función en varias ocasiones (por ejemplo, en esta entrada, además de en otras ya citadas) a propósito de que supone una herramienta muy útil para garantizar la coherencia en el uso de la terminología. Déjà Vu es capaz de realizar una extracción terminológica de forma automática, a partir de la que puede crearse un lexicón.

Además de esto, Déjà Vu puede traducir los lexicones de forma automática para así crear bases de datos a partir de proyectos ya existentes. Esto, como es lógico, también afecta a la calidad de la gestión del proyecto de traducción, puesto que el gestor puede distribuir un glosario unificado a todos los miembros de un equipo de traducción y la calidad de la traducción final y el trabajo del traductor serán mucho mejores.

¿Y las desventajas?...

La única desventaja de Déjà Vu parece ser, por lo tanto, que hay que acostumbrarse a todas estas funciones, pero yo no considero esto un obstáculo, dado que, como con cualquier programa que tenga una interfaz mínimamente intuitiva (como es el caso), cualquier usuario puede acostumbrarse rápidamente a su uso. Además, como cualquier programa de cierta calidad, ocupa mucho espacio en el disco duro del ordenador, pero creo que estos son problemas menores y más si tenemos en cuenta todas las ventajas que ofrece.

Podría concluir que este artículo dedicado a las distintas funciones específicas de Déjà Vu me ha sido de gran utilidad para ampliar mis conocimientos sobre dicho programa; de hecho, había funciones que no conocía, pero incluso sobre las que ya conocía he descubierto nuevos aspectos. Por último, también había términos que desconocía (coincidencia exacta, coincidencia exacta garantizada, coincidencia aproximada autorreparada...) y que ahora he incorporado a mi glosario personal, es decir, a mis conocimientos sobre esta asignatura (sobre la que, me estoy dando cuenta, nunca se deja de aprender).

Recomiendo encarecidamente visitar la página web de ATRIL, donde pueden verse vídeos explicativos sobre el uso de Déjà Vu.

__________________________

(1) H. Gauna, Daniel: «Nuevas vistas a la traducción con Déjà Vu» en Panace@, vol. 10, n.º 29, junio de 2009, accesible en: http://www.medtrad.org/panacea/IndiceGeneral/n29_tribuna-Gauna.pdf [Consulta: 3/V/2012]

Breve análisis de las fuentes de tráfico del blog

¿Cuántas personas han accedido a Mundos binarios de Babel? ¿Cómo han llegado hasta aquí?

Términos claves de Informática Aplicada a la Traducción (II)

Términos más específicos relacionados con las memorias de traducción

Tras una primera entrada de conceptos más generales de Informática aplicada a la traducción, voy a proseguir con términos más específicos que tienen que ver con las memorias de traducción. Como ya expliqué en qué consiste una memoria de traducción (ver término 9 de dicha entrada), voy a pasar a definir los siguientes términos:

12. Coincidencias totales y coincidencias parciales o fuzzy matching

El programa de memorias de traducción contiene una memoria de traducción dividida en una serie de segmentos en lengua origen, que están almacenados junto a su correspondiente equivalente en lengua meta (ver términos 10 y 11). Así, cuando se está traduciendo un texto nuevo, dicho programa realiza una búsqueda para localizar aquellos segmentos del texto nuevo que ya se hayan traducido previamente y que, por lo tanto, se encuentren almacenados en la memoria.

Si ya hay un segmento almacenado en la memoria que es prácticamente (o exactamente) igual al segmento nuevo, se habla de coincidencias totales. Si la coincidencia es solo parcial, se habla de fuzzy matching. 

12. 1. Umbral de sensibilidad

Además, puede indicársele al programa que aplique un determinado umbral de sensibilidad en la búsqueda de coincidencias; se aplica un grado que puede ir de 0 a 100 y que, por defecto, suele ser de un 75% dado que, si se es demasiado exigente con el programa y se le pide que encuentre coincidencias exactas, será muy poco probable que las encuentre (y habrá demasiado silencio, en contraposición al ruido, que se dará cuando el umbral sea demasiado bajo y, por lo tanto, aparezcan demasiados resultados; es lo mismo que ocurre cuando se realiza una búsqueda en un motor de búsqueda).

13. Autopropagación

De esta forma, en el programa de memorias de traducción puede activarse la opción de autopropagación (esto puede hacerse, por ejemplo, en Déjà Vu), de forma que, si un determinado segmento ya se ha traducido y vuelve a aparecer en el texto que se está traduciendo, el programa introducirá la traducción que ya se haya realizado (esto es especialmente útil en el caso de textos muy repetitivos, puesto que le ahorra mucho tiempo al traductor y le asegura que será coherente en su traducción).

De esta y de otras funciones básicas de cualquier sistema de memoria de traducción hablo en Traducir mediante una memoria de traducción: funciones y herramientas básicas.

13.1. Autocomprobación 

Además, el programa de memoria de traducción va comprobando que la traducción de los segmentos que realiza el traductor se corresponde con la que tiene almacenada (si no, como en el caso de Déjà Vu, el programa avisa al traductor mediante un signo de exclamación en rojo).

14. Unidad de traducción

Este concepto es bastante abstracto, puesto que la unidad de traducción se corresponde con el segmento que se traduce. En otras palabras, la unidad de traducción puede abarcar desde una palabra hasta una oración entera (e incluso los hay que afirman que traducimos textos y no palabras ni oraciones). En cualquier caso, para los sistemas de memorias de traducción, la unidad de traducción es el segmento, como ya expliqué (ver 11).

Hablar de «unidad de traducción» nos lleva a «afinar» un poco más en cuanto a los términos que van a definirse, es decir, a ser más específicos y a centrarnos en unidades de traducción más pequeñas, como pueden ser las palabras, cuya traducción correcta (teniendo en cuenta el contexto en cada caso) hay que conocer e indicar al programa:

15. Término

Como ya he dicho en varias ocasiones, tras dos asignaturas de Terminología, la definición de término no supone ninguna dificultad. Como ya definí en la entrada La importancia de la terminología en los programas de memoria de traducción, un término es una unidad léxica compuesta por una o más palabras que adquiere su significación en función de un ámbito determinado; en muchas ocasiones, de hecho, solo en función del contexto sabremos el significado y la acepción de un término dado.

Para ello es fundamental realizar una extracción terminológica, en la que conviene indicar las distintas traducciones de los términos en función de su contexto de uso.

15.1. Extracción terminológica

También a la extracción terminológica le dediqué una entrada, por lo que solo diré que consiste en recopilar de una serie de textos especializados aquellas palabras que puedan considerarse términos. Esto se puede hacer de forma automática mediante programas como Lexterm o mediante el que incluye Déjà Vu y, aunque no lo parezca, ahorrará mucho tiempo al traductor cuando esté realizando la traducción, además de que le asegurará una coherencia interna en su trabajo, como no me he cansado de repetir.

Para un análisis más detallado de la extracción terminológica, así como de sus ventajas, ver La importancia de la terminología en los programas de memoria de traducción y La extracción de términos.

15.1.1. Las stopwords


A propósito de la extracción terminológica, conviene recordar un término muy relacionado, el de stopword, aquellas palabras que están vacías de contenido. Cuando el programa realiza una extracción terminológica automática, puede marcarse como preferencia que no incluya dichas palabras en su extracción (en internet hay muchos listados de estas palabras, además de que muchos programas de extracción terminológica las incluyen; es el caso de Lexterm).

Aun a riesgo de repetirme, para más información sobre las stopwords, puede consultarse la entrada anteriormente citada La extracción de términos.

Volvamos ahora a ampliar un poco la cuestión de las palabras y de los términos. ¿En qué tipo de listas se incluyen?

16. Base de datos terminológica

Una base de datos terminológica es, simplemente, una base de datos (esto es, un contenedor de datos) que incluye una serie de términos recopilados por pares, es decir, incluye el término original junto a su traducción y, lo que es más importante, también incluye su contexto, el ámbito en el que se utiliza (ya he insistido en varias ocasiones en la importancia del contexto en la traducción de términos).

Asimismo, la base de datos terminológica puede ser multilingüe (es decir, incluir la traducción correspondiente del término en más de un idioma) y multiámbito (dado que un mismo término puede tener distintas acepciones según el contexto del uso, por lo que es de gran importancia que esto esté bien indicado en la base de datos terminológica).

Una vez más, de estos temas hablo en La importancia de la terminología en los programas de memoria de traducción.

17. Léxico, lexicón

Un léxico, por lo tanto, sería una base de datos terminológica ad hoc, esto es, creada para un proyecto de traducción determinado. Así, una vez que se finalice el proyecto, dicho léxico pasaría a formar parte de la base de datos terminológica. Dado que es un glosario ad hoc, no hace falta incluir el ámbito de uso, puesto que en un proyecto de traducción determinado solo habrá un contexto.

Un lexicón es lo mismo que el léxico, aunque el término lexicón se utiliza con más frecuencia, a mi juicio, en lo relativo a la traducción automática y asistida.

También al léxico y al lexicón les dedico la entrada La importancia de la terminología en los programas de memoria de traducción y La extracción de términos.

18. Autobúsqueda

Muy relacionada con los términos anteriores está la función de autobúsqueda que ofrecen los sistemas de memorias de traducción (como Déjà Vu, sin ir más lejos). Si esta opción está activada, el sistema buscará de forma automática si existe algo aprovechable en las distintas bases de datos (memorias de traducción, bases de datos terminológicas, lexicones...), esto es, si puede utilizar traducciones de segmentos o de términos ya realizadas en el texto que se está traduciendo (una vez más, esto asegura la coherencia del trabajo del traductor).

Para una explicación de la autobúsqueda más «en contexto», ver, una vez más, La importancia de la terminología en los programas de memoria de traducción.

19. Deep mining

Retomo los conceptos de autopropagación (13) y autobúsqueda (18) para explicar brevemente en qué consiste el deep mining. Se trata, simplemente, de una búsqueda inteligente: a partir de las distintas fuentes de las que dispone (memorias de traducción, bases de datos terminológicas, lexicones..), el programa realiza una autobúsqueda y, empleando distintos segmentos, el propio programa es el que propone una traducción, es decir, que es el propio programa el que deduce la traducción del segmento nuevo.

A propósito del deep mining, puede leerse la entrada Deep mining with Déjà Vu X2.

20. Autoensamblaje

Lo contrario al deep mining sería el autoensamblaje: el programa solo introduce los resultados de distintos segmentos, sin deducir ni intuir cuál podría ser la traducción del segmento nuevo (que se diferencia de la autopropagación, ver 13, dado que esta se aplica en el caso de coincidencias totales de segmentos).

21. Principales formatos o extensiones que un traductor debe conocer

Para terminar con esta entrada, me gustaría indicar brevemente las principales extensiones que un traductor que esté trabajando con sistemas de memorias de traducción debe conocer (por ejemplo, a la hora de importar un determinado archivo al proyecto de traducción o al buscar un determinado archivo exportado del proyecto de traducción). No hablo ya del .doc(x) o del .jpg, puesto que doy por hecho que eso ya es de sobra conocido, por lo que pasaré a explicar otros más específicos con los que me he encontrado durante el desarrollo de la asignatura y, especialmente, al utilizar el programa Déjà Vu.

21.1. tmx

Formato estándar para las memorias de traducción que permite que dichas memorias puedan intercambiarse entre distintos programas de memorias de traducción sin que haya problemas de compatibilidad. Es el acrónimo de Translation Memory eXchange.

En el .tmx pueden encontrarse dos tipos de informaciones, etiquetas y contenidos. Las etiquetas dan información y van asociadas a una serie de parámetros y variables, suelen ser dobles (es decir, hay una de apertura, < >, y otra de cierre, </ >) y están escritas en lenguaje html. Los contenidos son toda la información que se encuentra incluida en dichas etiquetas.

Para más información, ver El formato .tmx y el lenguaje html.

Las siguientes extensiones son propias del programa Déjà Vu. Aunque a simple vista parezcan complicadas de reconocer, son muy fáciles de deducir. Como es lógico, solo se pueden abrir con dicho programa.

21.2. dvprj

Esta extensión corresponde al proyecto de traducción de Déjà Vu (dv es Déjà Vu y prj, project). 

21.3. dvmdb

Esta extensión corresponde a la memoria de traducción de Déjà Vu (Déjà Vu Memory DataBase).

21.4. dvmdx

El archivo que tiene esta extensión contiene otro tipo de información, tales como el nombre del proyecto y de los archivos.

21.5. dvmdi

Los archivos que están guardados con esta extensión corresponden a cada una de las lenguas con las que se está trabajando en el proyecto. Así, si se está trabajando con el inglés (como lengua origen, por ejemplo) y con el español (como lengua meta, por ejemplo), habrá dos archivos distintos con dos extensiones distintas, .en.dvmdi (inglés) y .es.dvmdi (español).

21.6. dvtdb

Este formato indica que se trata de una base de datos de terminología de Déjà Vu (Déjà Vu Terminology DataBase). 

Para más información sobre las extensiones mencionadas arriba, ver Déjà Vu X Professional. Guía de introducción al uso y 12 facts, hints and ideas on databases in DVX2.

El sistema de traducción automática de Google Translate cumple seis años

El sistema de traducción automática de Google, Google Translate, lleva ya seis años «derribando las barreras del lenguaje»

Dado que no tengo mucho más que añadir sobre este sistema de traducción (de él hablé en esta entrada y, sobre todo, en esta otra entrada), prefiero reflexionar sobre lo que comentan los miembros del equipo de este sistema de traducción automática(1). Ahora mismo, explican, tenemos todo el conocimiento del mundo «en la yema de los dedos»; sin embargo, ¿qué ocurre si ese contenido está en idiomas que no conocemos? No se trata tanto de conseguir una buena traducción como de poder entender el contenido de determinadas páginas webs, por lo que la mejor opción es recurrir a traductores automáticos y, entre estos traductores, hay que reconocer que Google Translate destaca por su calidad (su situación ha cambiado con respecto a hace unos años, cuando gozaba de peor fama).

En el blog de Google se explica que este servicio comenzó en 2001 con solo unos cuantos idiomas; sin embargo, como acabo de decir, sus resultados eran bastante deficientes, por lo que decidieron incluir más idiomas en el servicio y se dedicaron a investigar más a fondo a propósito de la evaluación de las traducciones informáticas (una explicación más completa del desarrollo de Google Translate la tenéis en el ya citado blog).

Hoy en día, gracias al trabajo empleado en este proyecto (y también a la colaboración desinteresada de un gran número de usuarios; para más información, ver la entrada de El crowd-sourcing), los servicios de Google Translate los utilizan tantas personas que, continúan los miembros del equipo, en un día se traduce una cantidad de texto equivalente a lo que contendrían un millón de libros. Además, añaden, lo que todos los traductores humanos profesionales traducen en un año, el sistema de Google Translate lo traduce en un día. Ahí debo decir en nuestra defensa que la calidad de las traducciones automáticas nunca será igual que la de las traducciones realizadas por traductores humanos; sin embargo, hay que admitir que estos datos no son nada alentadores... Es verdad que ellos mismos no censuran en absoluto la tarea del traductor humano:

Of course, for nuanced or mission-critical translations, nothing beats a human translator—and we believe that as machine translation encourages people to speak their own languages more and carry on more global conversations, translation experts will be more crucial than ever.(2)

Está claro que Google Translate no parará hasta acabar definitivamente con las barreras del lenguaje, puesto que incluso ya puede verse este servicio en el portal de vídeos Youtube...

¿Qué ocurrirá de aquí a seis años?... El tiempo lo dirá.

________________________________

(1)«Breaking down the language barrier―six years in» en Google. Official Blog, accesible en: http://googleblog.blogspot.com.es/2012/04/breaking-down-language-barriersix-years.html [Consulta: 27/IV/2012]
(2)Vid. nota 1.

Términos claves de Informática Aplicada a la Traducción (I)

Términos generales e introductorios a la asignatura

La traducción automática

Creo que ha llegado el momento de hablar un poco sobre la modalidad de traducción que amenaza con quitarnos el trabajo...

A pesar de que no pretendo ser fatalista, sí que es verdad que la traducción automática mejora a pasos agigantados y, por ello, en cierto modo representa una amenaza para los traductores humanos. Sin embargo, todavía no es momento de alarmarse, como he demostrado en algunas entradas y como demostré en dos trabajos que realicé para la asignatura de (precisamente) Traducción Automática el año pasado. 

El traductor automático está muy lejos de sustituir al traductor humano, aunque cada vez lo hace mejor y un buen ejemplo de esto es el traductor de Google que, debido a que ha sabido aprovecharse del creciente fenómeno del crowd-sourcing (o podríamos decir que ha obtenido una gran ventaja gracias a la enorme y desinteresada aportación de muchas personas que se ofrecen para corregir las traducciones automáticas), está alcanzando una calidad sorprendente... Gracias a esto, Google va a volver a consolidarse como gigante, parece ser.

Volviendo al tema que nos ocupa, como ya he dicho, me gustaría hablar brevemente sobre la traducción automática. ¿En qué consiste? ¿Por qué es tan importante? ¿Tiene que ver con los temas de los que he estado hablando desde que empecé a escribir el blog? ¿Debemos sentirnos amenazados por la traducción automática? Me voy a tomar la licencia de utilizar los trabajos que presenté para la asignatura de Traducción Automática (que para eso son míos...); sin embargo, como no están publicados en ningún sitio (es lo que tiene carecer de prestigio en el mundillo), tendréis que fiaros de lo que os cuento.

¿En qué consiste la traducción automática?

La traducción automática se incluye dentro de la disciplina de la Lingüística Computacional que, a su vez, se incluye en el Procesamiento del Lenguaje Natural (que se engloba dentro de la Inteligencia Artificial). El proceso no tiene mayor misterio (¡en teoría!): se le ofrece un texto en una lengua al programa y este lo traduce, siempre que la lengua de origen o de llegada se incluya entre sus «lenguas de trabajo», claro.

Ahora bien, los resultados de este tipo de programas dejan mucho que desear y por ello es bien conocido Google Translate (de él hablé, por ejemplo, a propósito de la posedición en las traducciones automáticas); sin embargo, sus resultados son cada vez mejores...

Sin embargo, también existen programas más específicos de traducción automática; en mi caso, analicé para esos trabajos el programa Systran, que combina dos tipos de traducción automática, la directa (es decir, palabra por palabra; el programa utiliza un conocimiento más de tipo morfológico) y la de transferencia (el programa utiliza un conocimiento lingüístico comparativo entre las dos lenguas, la origen y la meta y, a partir de este, realiza un análisis sintáctico mediante árbol); no utiliza, sin embargo, la de interlingua, en la que lo importante es la idea, el significado (en este tipo de traducción automática, se traduce el texto origen a lo que significa y, a partir de ese significado, genera el texto meta). Como veis, he aprovechado este párrafo para incluir algunos conocimientos básicos sobre la traducción automática...

Captura de pantalla del programa Systran. Extraído de

http://www.translationsoftware4u.com/systran-standard.php

Las conclusiones que saqué de este programa fueron que, en definitiva, las calidades de las traducciones hechas por programas de traducción automática son aceptables, pero... podrían mejorarse muchísimo, no solo desde el punto de vista estilístico (el más complicado de todos para cualquier programa informático), sino también desde los otros puntos de vista (léxico, morfológico, sintáctico...).

A propósito de los resultados de las traducciones automáticas, me gustaría añadir el concepto de tradautomaticidad, que sería, a grandes rasgos, la «aparición en un texto de rasgos lingüísticos que indican al receptor que es una traducción y que no ha sido realizada por un ser humano»(1); ¿cuántas veces hemos dicho que una determinada traducción parece haber sido hecha por el traductor de Google, de lo mala que es? Pues ahí está esa tradautomaticidad...

Para intentar solucionar los problemas de la traducción automática (y, en concreto, para intentar mejorar sus resultados), centré el segundo trabajo de dicha asignatura en el problema de las multipalabras, combinaciones léxicas de una o más palabras que suelen dar bastantes quebraderos de cabeza al traductor automático, puesto que, muchas veces, lo peor que puede hacerse es traducirlas literalmente, es decir, palabra por palabra. Recuerdo que en el trabajo ponía el ejemplo, entre otros, de la traducción al inglés de Pedirle peras al olmo, To get blood out of a stone... Nada que ver, como veréis.

¿Qué debe hacer el programa de traducción automática en estos casos? Pero ¿es acaso consciente de que se tratan de multipalabras? En la mayoría de los casos, no, por lo que las traduce de forma automática y problema solucionado. No quiero entretenerme con los análisis que realicé (ni tampoco os recomiendo que leáis el trabajo, porque, primero, es bastante extenso y, segundo y sobre todo, no está publicado, repito, en ninguna parte), pero sí que es verdad que, al echar la vista atrás, me he sorprendido de todas las propuestas de las que hablé en su momento, incluido un análisis tomando como punto de partida la lengua japonesa y las ambigüedades a las que se enfrenta el traductor automático... (Si, en ocasiones, nosotros mismos no sabemos qué quiere decir el autor del original, ¿cómo va a saberlo el traductor automático?)

¿Por qué es tan importante la traducción automática?

Creo que, después de todo lo que he dicho, poco más se puede añadir... Sí que es verdad que los programas de traducción automática nos ayudan cada vez más en la traducción de textos aunque, como con todo, hay que tener cuidado y no depender totalmente de ellos, y que solo sirvan de ayuda (por cierto, se trata de la misma conclusión a la que llegué a propósito de las memorias de traducción), es decir, que sean una herramienta más para el traductor, para ayudarle a ser más eficaz y a que la calidad de sus traducciones sea mucho mejor. En definitiva, más que la traducción automática, sería mejor utilizar las memorias de traducción, pero no me detendré más en esa parte. 

De todas formas, la traducción automática resulta muy útil a la hora de traducir textos repetitivos o sencillos, es decir, más objetivos, como podrían ser los textos especializados (y nada de usarla, por supuesto, para la traducción literaria...). También sirve como una primera aproximación a un texto, conozcamos o no la lengua de origen (y si no la conocemos, resulta muy útil).

Y... ¿esto tiene que ver con las entradas anteriores?

Creo que, a estas alturas (del blog y de la entrada, me refiero), no hay mucho más que añadir... Y la pregunta se responde por sí sola: sí, todo esto tiene que ver con la informática aplicada a la traducción, dado que, a la larga, todas estas utilidades, programas, herramientas, aplicaciones, consejos, comentarios, reflexiones... sirven para que nuestro trabajo mejore y para que sea más rápido... y para poder sobrevivir en el actual mercado laboral, claro, en el que te exigen saber de casi todo (por no decir de todo).

¿Debemos sentirnos amenazados por la traducción automática?

Tampoco me queda mucho que comentar con respecto a esto: no, todavía no supone una amenaza, aunque habrá que volver a hacerse esta pregunta dentro de unos diez años (o menos, dado el ritmo al que va todo). No es una amenaza, sino que es una ayuda, no es un enemigo, sino que, como ya dije en su momento a propósito de las memorias de traducción, puede convertirse en un compañero de viaje.

Para terminar, y a modo de conclusión, os dejo una cita de Cristóbal Cáceres Rodríguez que, a mi parecer, resume bastante bien el estado de la cuestión de la traducción automática:

Los traductores automáticos, en suma, se encuentran aún muy lejos de sustituir al traductor humano. Quizás se deberían llamar más que traductores, con propiedad, gestores de léxico o algo por el estilo, porque el producto final que nos ofrecen está muy lejos de lo que se entiende, en su teoría, por una traducción. Sin duda, son un buen auxiliar que resuelve situaciones de escasa importancia o agilizan el trabajo de comprensión ante un texto de otra lengua. Sin embargo, a las limitaciones inherentes a todo diccionario, que son su punto de partida, hay que añadir las de poseer una mayor o menor capacidad de almacenaje y  gestión de la información y la de tenerse que mover siempre en los límites de lo inventariable y computable; son, en suma, incapaces de interpretar, de comprender y esto es particularmente perceptible en aquellos usos del lenguaje en los que predominan valores de individualización; el lenguaje poético, en el que predomina la función estética, puede ser un buen ejemplo [...]; el uso consciente de valores connotativos hace prácticamente imposible la traducción automática de un poema.(2)

____________________________
(1)Moré López, Joaquim, Climent Roca, Salvador: «La tradautomaticidad, un concepto aplicado a la evaluación de sistemas de traducción automática» en Procesamiento del lenguaje natural, n.º 37, 2006, p. 234.
(2)Cáceres Rodríguez, Cristóbal : «Connotaciones y traducción automática» en Cien años de investigación semántica, de Michel Breal a la actualidad: actas del congreso Internacional de Semántica, vol. 2, 2000, p. 1275.

La extracción de términos

Cómo realizar de forma casi automática la extracción de términos para así crear un glosario ad hoc

El otro día en clase comenzamos un tema nuevo a propósito de la extracción terminológica. Como sabréis, la extracción terminológica consiste, grosso modo, en seleccionar de varios textos especializados de un tema concreto aquellas palabras que puedan considerarse términos (es decir, palabras especializadas de un ámbito determinado) y que, por lo tanto, deban incluirse en un glosario. 

La elaboración de un glosario resulta fundamental, como hemos ido aprendiendo a lo largo de la carrera. Estos glosarios nunca terminan de crearse (en mi glosario de traducción económica, por ejemplo, tengo incluidos más de mil trescientos términos y este glosario crece día a día) y son muy útiles para el traductor, que se ahorra tener que volver a buscar un término cuya traducción ya había encontrado en diccionarios o en internet, pero que no recordaba.

Sin embargo, disponer de glosarios no es solo útil para la traducción de textos que pertenecen a un determinado ámbito, sino que también es importante disponer de glosarios creados especialmente para el texto que se va a traducir (lo que se conoce como glosario ad hoc, tal y como aprendimos el año pasado en la asignatura de Terminología). De esta forma, cuando se trate de proyectos grandes en cuanto al número de palabras del texto o en cuanto al número de personas (en concreto, traductores) que trabajen en él, crear un glosario es imprescindible, puesto que:

• Resulta muy útil para la traducción en general (ahorra al traductor tener que buscar la traducción de los términos en distintas fuentes).

• Crea coherencia interna en el texto, de forma que, aunque participen varios traductores en el proyecto, todos traducirán de la misma forma los términos que estén incluidos en el glosario lo que, a su vez, evitará al corrector el proceso de corregir el texto con la finalidad de conseguir dicha coherencia.

• Aunque se emplea tiempo en hacer estos glosarios, este tiempo es una inversión, puesto que precisamente ahorra tiempo al traductor a lo largo del proceso de traducción.

• El cliente puede aprobar o comentar dicho glosario, de forma que podría cambiar algún término si lo considerara necesario, por que también se ganaría tiempo y el revisor se ahorraría una gran parte de la corrección del texto.

... Y seguro que me olvido de algún punto, puesto que las ventajas de disponer de un buen glosario son muy numerosas. Lo importante es que, por lo tanto, aunque durante el proceso de extracción terminológica dé la sensación de que se está perdiendo el tiempo, la verdad es que sí se ahorra mucho tiempo y, como he dicho en varias ocasiones, ahorrar tiempo y ser lo más eficaz posible son dos aspectos fundamentales en el traductor.

En cuanto a la aplicación práctica de esta teoría, en clase vimos el programa Lexterm, una herramienta de código abierto que permite la extracción terminológica (aunque hay que tener en cuenta que muchos programas de memorias de traducción tienen incluidos este tipo de programas como una prestación más).

Hay que tener en cuenta que existen el léxico y la base de datos terminológica. El léxico está asociado a un determinado proyecto y desaparece cuando termina dicho proyecto (sirve como herramienta intermediaria para garantizar y facilitar la calidad de la traducción). Una vez terminado el proyecto, el léxico pasaría a la base de datos terminológica, el contenedor que abarcaría todas las traducciones y términos, que estarían etiquetados por tema, cliente... como he explicado en distintas entradas.

Captura de pantalla del programa de extracción terminológica

Lexterm (en este caso, los parámetros para la discriminación

de palabras no han sido muy estrictos). El programa también

permite ver las palabras en su contexto, lo que ayuda al 

traductor a decidir si debe o no considerar esas palabras

como términos.

Lexterm extrae todas las palabras de un texto que considere términos aunque, en realidad, ningún programa de este tipo realiza la extracción terminológica de forma automática, puesto que es tarea del traductor discriminar, decidiendo qué palabras deben ser términos y cuáles, no. Sin embargo, sí que se puede orientar al programa; por ejemplo, se le puede indicar que no considere términos las palabras conocidas como stopwords (es decir, palabras vacías de contenido; en internet existen muchos listados de este tipo de palabras aunque, normalmente, estas listas ya vienen incluidas en el programa de extracción terminológica), que solo considere términos aquellas palabras que se repitan un determinado número de veces (especialmente útil para textos largos, aunque hay que tener en cuenta que si hay una variación, aunque mínima, en los términos, ya no los considerará como el mismo término, como en el caso de cambio de aceite y cambio del aceite, tal y como vimos en clase) o que, incluso, solo considere términos los sintagmas formados por un número determinado de palabras (por ejemplo, una, aceite, o tres, cambio de aceite, por seguir con el ejemplo, aunque aceite, en general, no sería término, claro).

Por último, una vez seleccionados los términos (a la izquierda de cada uno hay una pequeña casilla en la que puede ponerse una marca de verificación o tick), puede añadirse su traducción correspondiente (de forma manual o de forma automática, para lo que habría que importar un corpus paralelo en vez de uno monolingüe) y, a continuación, guardarlo en formato .txt, del que ya he hablado (como veréis, este formato es muy útil y sirve para una gran variedad de programas y aplicaciones). Este formato puede abrirse con el bloc de notas; en este documento aparecerá el término con su correspondiente traducción, separados por un espacio.

Antes de la pequeña conclusión, me gustaría hablar de una nueva utilidad muy relacionada con la extracción terminológica, la Manypedia (puede leerse una breve descripción de esta utilidad en una entrada del blog de la asignatura de Informática Aplicada a la Traducción), que permite comparar los distintos puntos de vista lingüísticos que ofrecen los artículos de la Wikipedia, tanto desde el punto de vista puramente lingüístico como desde el cultural, es decir, cómo distintas culturas ven determinados hechos o conceptos; además, he de decir que la Wikipedia me sirve, en muchas ocasiones, para saber cómo se traducen algunos términos (aunque siempre hay que tener cuidado con su fiabilidad, claro). La Wikipedia podría considerarse, por lo tanto, como otra pequeña herramienta (de consulta) terminológica.

Como conclusión, me gustaría decir que los programas de extracción terminológica son muy útiles, pues le ahorran al traductor mucho tiempo en el proyecto y, además, sirven para mejorar la calidad de la traducción, para homogeneizarla y para, por cierto, ahorrarle también tiempo al corrector. De hecho, si el año pasado hubiera sabido de la existencia de este tipo de programas, habría podido utilizarlos para las asignaturas de Terminología y, en mi caso concreto, me habría facilitado la tarea de crear una base de datos  terminológica sobre los dispositivos termoiónicos... Lo que quiero decir con esto es que la asignatura de Informática Aplicada a la Traducción es fundamental para cualquier estudiante de traducción y, por lo tanto, debería impartirse antes (no en cuarto curso, cuando estamos con un pie fuera, como quien dice) y no debería limitarse a un cuatrimestre: seguro que, así, tendríamos mayores conocimientos informáticos para aplicarlos a la traducción y, por ello, seríamos más eficientes y eficaces en el proceso de la traducción, y nuestras traducciones serían, a la larga, mucho mejores...