Poseditando la traducción de un testamento
con DeepL (binomio alemán-español)
Post-editing the translation of a testament
with DeepL (language pair German-Spanish)
Gustavo Filsinger-Senftleben
Universidad Pablo de Olavide
glsinger@upo.es
https://orcid.org/0000-0003-4928-6751
Resumen: La traducción ha sido el puente de
comunicación entre los pueblos a lo largo de
la historia. Esta actividad tan antigua ha vivi-
do todo tipo de cambios, tanto en su ejercicio
como en sus ejecutantes. Hoy en día somos
testigos de la introducción de herramientas que
automatizan su práctica. Como cualquier otra
novedad tecnológica cuenta con sus seguidores
y sus detractores. En lo que respecta a nuestro
estudio, nos hemos centrado en analizar si es
viable su integración como parte en el proceso
traductológico de un texto jurídico, concreta-
mente, un testamento.
Abstract: Translation has been the bridge of
communication among people throughout
history. This ancient activity has undergone all
kinds of changes, both its practice and its prac-
titioners. Today we are witnessing the introduc-
tion of digital tools that automate its practice.
Just like any other technological innovation, it
has its followers and its detractors. As far as our
study is concerned, we have focused on analyz-
ing whether it is feasible to integrate it as part
of the translation process of a legal text, specif-
ically, a will.
Palabras clave: Traductores automáticos, bino-
mio lingüístico alemán-español, traducción ju-
rídica, testamento.
Keywords: Automatic translation, language pair
German-Spanish, legal translation, testament.
ĐL
REVISTA DE LENGUA
ESPAÑOL
N
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
Recibido: 11/10/2022
Aceptado: 12/12/022
De lingüística forense, sección monográca dirigida por María García Antuña
Gustavo Filsinger-Senftleben
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
1. Introducción
El vertiginoso y progresivo impacto de las nuevas tecnologías en práctica-
mente todas las profesiones y ocios ya forma parte de nuestra vida diaria.
Su rápida penetración no da tiempo muchas veces a poder incorporarlas de
manera natural y orgánica a nuestras funciones diarias. Nuestra actividad
traductora no escapa a este nuevo escenario de la realidad y, en las últimas
décadas, se han ido incluyendo herramientas informáticas que han contri-
buido a que la profesión se desarrolle con mayor dinamismo, precisión y
celeridad. Esta inclusión de herramientas informáticas a la actividad traduc-
tológica se ha producido en muchas de sus subdisciplinas; con herramientas
de traducción asistida, bancos de datos terminológicos, software para la crea-
ción de subtítulos, de accesibilidad, entre otros.
Hasta el momento, todas estas herramientas han ido incorporándose sin
generar gran controversia (Fernández-Rodríguez, 2010), ya que no se ha
cuestionado asaz si su uso iba o no en perjuicio de la calidad del producto
traductológico. Por el contrario, a pesar de algunos detractores tras su apari-
ción, desde el principio se vio en ellas un puente para que las traducciones
fueran más precisas, haya mayor coherencia en el uso terminológico, mayor
precisión lingüística, mayor cobertura de cantidad de palabras traducidas y
muchas otras ventajas que nombrarlas excedería el n de este trabajo.
Sin embargo, los traductores automáticos están causando bastante descon-
cierto, principalmente en la academia. Si bien al principio de su existencia,
dado sus resultados no se los tomaba muy en serio, con el tiempo han ido ga-
nando la curiosidad de muchos profesionales de la traducción al hacerse cons-
cientes de su evolución y observar que estas herramientas se han vuelto más
precisas con el transcurso del tiempo. En este sentido, se observa un cambio
profundo en nuestra profesión, no solo en la praxis sino también lo que esto
supone en la formación de profesionales de la traducción.
Planteado esto, sería fundamental revisar qué función cumpliría un tra-
ductor automático (TA) dentro de nuestra vida profesional como traductores.
Cada vez son más los profesionales que desde su criterio han incorporado su
uso y sugieren recomendaciones sobre cuál y en qué ámbitos es recomenda-
ble utilizar este tipo de herramientas.
En cuanto a lo que a este estudio atañe y, tras haber revisado y constatado
cómo operan los traductores automáticos (Filsinger Senftleben, 2021), he-
mos observado qué tipo de traducciones, según el contexto o tipología tex-
tual son susceptibles de utilizarse y, en este caso en particular, advertir cómo
| 50 |
Poseditando la traducción de un testamento con DeepL (binommio alemán-español)
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
funcionan los TA con textos jurídicos, concretamente con testamentos en el
binomio lingüístico alemán-español.
De esta manera, nuestro estudio no se extrema en ningún polo, si traduc-
ción humana (TH) o traducción automática (TA) exclusivamente, nuestro
propósito es más bien observar qué resultados arroja tras haberlo utilizado
para traducir un documento público, en el caso que nos ocupa un testamen-
to.
Este estudio comenzó su gestación en las aulas del Máster Universitario
en Traducción Profesional1, concretamente en la asignatura Prácticas de la
Traducción Jurídica en el binomio lingüístico alemán-español. Ya se obser-
vaba un cierto uso por parte de los alumnos de una herramienta de TA en
los últimos cursos, aunque durante este en particular, 2021-2022, este hecho
se hizo más evidente aún al corregir ejercicios y notar que sus versiones de
traducción de textos contenían mayor cantidad de errores de lo habitual, las
cuales, al compararlas con traducciones automáticas, establecimos inmedia-
tamente su origen y cuál era el traductor automático utilizado.
Este trabajo ha sido estructurado de la siguiente manera. En el apartado 2,
describiremos los objetivos que nos proponemos, mientras que en el apar-
tado 3, nos referiremos a la TA, concretamente a DeepL. En el apartado 4,
presentaremos el corpus y la metodología utilizada para este estudio; y en el
quinto procederemos a analizar los errores encontrados tras clasicarlos se-
gún su tipología donde incluiremos algunos ejemplos y propondremos, tras
poseditarlos, una traducción. Finalmente expondremos las conclusiones que
se desprenden de este estudio.
2. Objetivos
En este trabajo, como ya adelantáramos en el apartado anterior, analiza-
remos en particular cómo resuelve a nivel traductológico un TA un texto
jurídico, concretamente un testamento. Para ello, hemos creado un texto tipo
al que le cambiaremos cualquier marca identitaria real, lo insertaremos con-
cretamente en DeepL y analizaremos los resultados.
Asimismo, se establecerá en qué grado interviene un traductor humano
en la posedición tras haber utilizado un TA en este tipo de textos y se estable-
cerá cuáles de sus elementos necesitan de su intervención.
1 En la Universidad de Granada (https://masteres.ugr.es/traduccion-profesional/).
| 51 |
Gustavo Filsinger-Senftleben
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
3. La traducción automática
El concepto que subyace bajo la denominación «traducción automática»
es grosso modo aquella tecnología informatizada aplicada a la traducción de
textos de una lengua a otra sin la intervención humana. Esta acción se puede
llevar a cabo principalmente gracias a la lingüística computacional, la esta-
dística y la inteligencia articial (Sánchez Ramos y Rico Pérez, 2020).
Tal y como indica el autor en una publicación (Filsinger Senftleben, 2021,
págs. 364-371), la TA lleva más de 80 años siendo investigada y debido a sus
usos, por un lado, y los factores que intervinieron en su desarrollo, por el
otro, la TA, en su evolución, ha ido adquiriendo diferentes características en
cuanto a su conformación y, por consiguiente, en su forma de operar. Para
resumir, hoy contamos con unos TA que se rigen por un sistema basado en
redes neuronales. Este sistema fue lanzado en 2016 con Google (ibídem,
pág. 370). Este tipo de tecnología vinculó por primera vez conceptos de inte-
ligencia articial tales como el aprendizaje profundo y las redes neuronales.
Estas representan palabras y frases de forma numérica a través de vectores
para luego descodicarse y transferirse a la lengua de destino. Esto represen-
tó un gran avance frente a la generación anterior de sistemas de TA, puesto
que es más uido e implicaba un menor esfuerzo de posedición teniendo en
cuenta que aquellos se basaban principalmente en estadísticas.
Por otra parte, también debe considerarse que, si bien este tipo de TA ofre-
ce un mayor grado de acierto, muy superior al de sus predecesores, también
posee ciertas limitaciones, dado que en parte de su conguración requieren
una mayor cantidad de datos, los cuales deben ser representativos y de alta
calidad; incluso el entrenamiento de este tipo de sistemas neuronales es más
costoso y complejo, además de la detección del origen de errores que suele
ser engorroso debido a la complejidad de estos sistemas.
Con todo esto, solo queremos establecer que cuando se habla de TA, debe-
ríamos tener en cuenta en nuestro constructo a la última generación de estos
sistemas2. El motivo es fácil de explicar, según la generación del TA al que
aludamos, variará su conguración y por ende los resultados o las traduccio-
nes que produzca según la tipología del texto origen utilizado.
2 Para más información sobre las diferentes generaciones de TA, referirse a Traductores
automáticos en la era digital: ¿Escollo o apoyo? (Filsinger Senftleben, 2021).
| 52 |
Poseditando la traducción de un testamento con DeepL (binommio alemán-español)
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
3.1. DeepL
El origen de este TA se remonta al año 2017 cuando sus fundadores Ge-
reon Frahling y Leonard Fink, procedentes de Alemania, crearon esta he-
rramienta ya contando con experiencia en la TA debido a que ellos mismos
fundaron Linguee GmbH en el año 2008 de la cual aprovecharon las bases
de datos creadas para esta herramienta (Filsinger Senftleben, 2021).
Como ya hemos mencionado en el apartado anterior, esta herramienta
emplea técnicas de inteligencia articial basadas en el aprendizaje profundo
para traducir texto entre idiomas. Su versión Pro admite hasta 552 combina-
ciones lingüísticas diferentes (DeepL, 2022), aunque destaca principalmen-
te por los resultados que se obtienen en textos que incluyen los binomios
lingüísticos alemán-inglés, inglés-español, alemán-español, entre los más
utilizados.
Su uso es muy sencillo, basta con entrar en su URL, pegar el texto de
salida, cuyo idioma se detecta automáticamente, y luego, si es necesario, se
cambia el idioma de destino.
Estos aspectos ya fueron tratados en el artículo mencionado (Filsinger,
2021), pero, solo a modo de síntesis, incluimos las ventajas y desventajas
más importantes de este TA. Entre las primeras, podemos observar que tra-
duce más rápido a lenguas extranjeras que cualquier otro TA equivalente,
cubre un número mayor de palabras a traducir, con un nivel de acierto bas-
tante alto con algunos tipos de textos, aunque no tanto con otros; además ha
ganado muchas distinciones y, de momento, es considerada la herramienta
de traducción automática más ecaz.
Por último, entre las desventajas, se observa que no reconoce las direc-
trices de un ET, ni opera con metáforas, ni giros idiomáticos ni guras de
dicción, tampoco controla contexto, no es coherente, a veces utiliza o elige
la acepción incorrecta de una palabra, carece de competencia intercultural,
no utiliza correctamente las reglas de ortografía ni de puntuación, incapaz
de «despegarse» del TO, las traducciones son harto literales, entre otras. Por
consiguiente y por los motivos expuestos, el texto meta carece, según su tipo-
logía o nivel de especialidad, de cierta o toda naturalidad, tampoco respeta los
convencionalismos de la diversa tipología textual (culturalmente condiciona-
do) ni las pautas indicadas en el ET. En denitiva, el TA incurre en errores
lingüísticos que un TH no cometería (Filsinger, 2021: 375).
| 53 |
Gustavo Filsinger-Senftleben
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
4. Corpus y metodología
4.1 Corpus
Para este estudio se utilizó un testamento creado a partir de textos reales
del que se eliminó todo vestigio de datos identicatorios de personas reales,
los cuales se reemplazaron con datos cticios para nes instructivos; consta
de 215 palabras, y se utiliza como modelo para este tipo de documento.
Texto muestra
| 54 |
Poseditando la traducción de un testamento con DeepL (binommio alemán-español)
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
4.2 Metodología
Para llevar a cabo este estudio hemos diseñado una estrategia de trabajo
basada en investigaciones anteriores cuyas fases se describen a continuación:
1. Selección del texto
2. Pegado del texto en DeepL
3. Resultado/Traducción de DeepL
4. Primera lectura y detección de errores
5. Segunda lectura, detección y tipicación de errores/diferencias
encontradas entre la propuesta de traducción de DeepL y TH
6. Consulta con un profesional en la materia3 para la resolución de
errores terminológicos y estilísticos
7. Análisis de errores detectados y corregidos
8. Propuesta de TH
En lo que atañe a este trabajo, consideramos innecesario incluir una des-
cripción de los puntos 1 al 6. Sin embargo, estimamos más que pertinente
abrir las fases 7 y 8 por formar parte de los objetivos de este trabajo. Estas
serán desarrolladas a continuación en el apartado 5.
5. Análisis de los resultados
Como en cualquier ET, el primer abordaje al texto meta será a través de la
identicación de su macroestructura (van Dijk, 2008). De este modo, en el
caso que nos ocupa, se reconoce el tema y, por este, una estructura y termi-
nología previsibles en el texto seleccionado, es decir, cómo está organizado y,
por ende, cuáles son sus partes constitutivas.
En este respecto, al reconocer la estructura del texto, el traductor podrá con-
textualizar y establecer cuáles son las partes que lo componen y prever así el ma-
terial que necesitará para abordar el ET. En este reconocimiento y con la ayuda
del ET como guía, el traductor determina las macroproposiciones determinadas
por los epígrafes correspondientes a cada apartado constitutivo del texto meta.
En cuanto a la microestructura de este texto, término también asociado
a la lingüística por Teun Adrianus van Dijk (1980: 29), puede reconocerse
3 Abog. Sandra Gotusso, Facultad de Derecho, Universidad Nacional de Córdoba (Argentina)
| 55 |
Gustavo Filsinger-Senftleben
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
no solo la relación lógica existente entre los elementos que constituyen este
texto sino también la cohesión que estos originan. Sin embargo, dada su
naturaleza, hemos considerado otras formas de encarar este primer abordaje
antes de realizarlo.
En este marco y de igual forma, hemos contemplado la posibilidad de
integrar en este análisis, las tablas funcionalistas de Christiane Nord (2002),
donde, para analizar el encargo de traducción (ET), diferencia los factores
inherentes a él tanto externos de aquellos internos con sus respectivas partes
constitutivas.
Asimismo, hemos tenido en cuenta también el enfoque utilizado por Roiss
y Zimmermann González (2020: 370), el análisis multinivel, que compren-
de un análisis textual exhaustivo del que se desprende una serie de acciones
tales como «elegir las estrategias de traducción requeridas según el encargo,
ltrar convenciones textuales en el TO y actuar en consecuencia, renar las
técnicas de documentación y revisar el grado de corrección gramatical y de
sentido». Asimismo, debe tenerse en cuenta que ya antes de este abordaje,
se vislumbra que el programa de TA no contempla las variables del grado de
especicidad del encargo, la tipología textual y el nivel de especialización del
texto en cuestión.
Este análisis comprende los siguientes niveles: a) nivel funcional, b) nivel
de contenido semántico y nivel formal-gramatical. El primero, abarca la in-
tención del autor o la función conativa del texto, es decir, cuál será el n para
el que fue creado; el segundo, que consta de macroproposiciones, esto es,
las unidades en las que se divide el texto para establecer un orden cognitivo,
como una sucesión de engranajes dispuestos de tal forma que generan una
interrelación. Por último, la función formal-gramatical, relacionada directa-
mente con la elección de los vocablos que integran el texto elegido.
A pesar de la idoneidad de los enfoques mencionados, estimamos opor-
tuno para este trabajo, dado nuestro objetivo planteado en el apartado 2,
crear directamente una lista de posibles errores y, una vez confeccionada,
identicarlos y proceder al análisis de la traducción del TA para así pro-
poner una TH adecuada para la situación lingüística planteada en el ET.
Basándonos en investigaciones anteriores y en el conocimiento de pro-
blemas que suele plantear la tipología textual elegida, hemos elaborado la
siguiente lista con los errores más frecuentes:
- incorrección lexical
- incorrección terminológica
| 56 |
Poseditando la traducción de un testamento con DeepL (binommio alemán-español)
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
- estilo jurídico inapropiado
- error de concordancia
- falso sentido
- sinsentido
- contrasentido
- solecismo
- barbarismo
- omisión
- orden de palabras incorrecto
- preposición incorrecta
- tiempo verbal incorrecto
- puntuación incorrecta
Los errores incluidos en el listado no son los únicos que pueden encon-
trarse en este tipo de textos, pero sí en los que suelen incurrir los TA. Esto
no implica que no haya más o que los seleccionados se repitan, pero hemos
extraído los que hemos considerado más representativos.
5.1 Clasicación de errores detectados y corregidos
En los siguientes subapartados, incluiremos los 5 tipos de errores encon-
trados en el texto seleccionado, estos son: incorrección terminológica, estilo
jurídico inapropiado, contrasentido y falso sentido.
5.1.1 Incorrección terminológica
Se trata de uno de los errores más frecuentes cometidos por un TA, ya que
estos no disciernen de ámbitos de especialidad. La pericia de un traductor
especializado, la que le permite decidir sobre la utilización de un término
en particular en un contexto dado, no es mínimamente equiparable a la que
hace un TA en un contexto similar; cuanto mayor sea el grado de especiali-
dad el texto origen, mayor índice de errores habrá en el texto meta (Filsinger
Senftleben, 2021).
| 57 |
Gustavo Filsinger-Senftleben
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
Ejemplo 1
Texto original: Gemeinschaftliches Testament
Traducción DeepL: Última voluntad conjunta
Traducción humana/Texto poseditado: Testamento conjunto/
mancomunado
5.1.2 Estilo jurídico inapropiado
Al igual que sucede con el error anterior, al no distinguir los TA el campo
de especialidad, tampoco ajustarán el texto meta al estilo propio del campo
en cuestión. La falta de pericia del TA no solo se reejará en el inadecuado
uso de la terminología, sino también en el estilo correspondiente.
Ejemplo 2
Texto original: geb. Anneliese Meier
Traducción DeepL: de soltera Anneliese Meier
Traducción humana/Texto poseditado: nombre de soltera Annelie-
se Meier
Ejemplo 3
Texto original: heben wir hiermit frühere gemeinschaftliche Testamen-
te und auch eventuell bestehende Einzeltestamente in vollem Umfang
auf.
Traducción DeepL: revocamos en su totalidad los testamentos con-
juntos anteriores y también los testamentos individuales existentes
Traducción humana/Texto poseditado: revocamos/anulamos cual-
quier testamento anterior al presente conjunto o individual
Ejemplo 4
Texto original: Folgende Vermächtnisse setzen wir
Traducción DeepL: hacemos los siguientes legados
Traducción humana/Texto poseditado: realizamos los siguientes
legados
Ejemplo 5
Texto original: nach dem Ableben des Längerlebenden von uns aus
Traducción DeepL: tras el fallecimiento del superviviente
| 58 |
Poseditando la traducción de un testamento con DeepL (binommio alemán-español)
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
Traducción humana/Texto poseditado: tras el fallecimiento del
último legatario /de ambos legatarios
Ejemplo 6
Texto original: Den Familienschmuck soll Renate erhalten.
Traducción DeepL: Renate recibirá las joyas de la familia.
Traducción humana/Texto poseditado: Renate percibirá las joyas
de la familia.
Ejemplo 7
Texto original: Wir, die Eheleute
Traducción DeepL: Nosotros, el matrimonio
Traducción humana/Texto poseditado: Nosotros, los cónyuges
5.1.3 Contrasentido
Así se denomina a la atribución de un sentido equivocado a una palabra o
perífrasis del otorgado inicialmente por su autor (Hurtado Albir, 2004, pág.
291).
Ejemplo 8
Texto original: vorsorglich
Traducción DeepL: como medida cautelar
Traducción humana/Texto poseditado: preliminarmente
Ejemplo 9
Texto original: ersatzweise
Traducción DeepL: alternativamente
Traducción humana/Texto poseditado: de forma alterna
Ejemplo 10
Texto original: Erbeinsetzung
Traducción DeepL: Liquidación de la herencia
Traducción humana/Texto poseditado: Determinación de la heren-
cia
| 59 |
Gustavo Filsinger-Senftleben
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
5.1.4 Falso sentido
Consiste en la «falta de traducción que resulta de una mala apreciación del
sentido de una palabra o de un enunciado en un contexto dado», sin llegar a
causar contrasentido o sin sentido (Delisle, 1993, pág. 31).
Ejemplo 11
Texto original: persönliche Verhältnisse
Traducción DeepL: datos personales
Traducción humana/Texto poseditado: circunstancias personales
Ejemplo 12
Texto original: Für den ersten Erbfall
Traducción DeepL: para la primera herencia
Traducción humana/Texto poseditado: para el primer supuesto de
sucesión
5.1.5 Sinsentido
Deslile (1993, pág. 37) lo dene como «dar a un segmento del texto de par-
tida una formulación en lengua de llegada totalmente desprovista de sentido
o absurda».
Ejemplo 13
Texto original: Die Guthaben auf dem Depot soll jeder erhalten.
Traducción DeepL: Todos deben recibir los saldos a favor del de-
pósito.
Traducción humana/Texto poseditado: El saldo acreedor de la
cuenta bancaria lo percibirá cada uno de los descendientes.
5.1.6 Convergencia de errores
En el siguiente ejemplo convergen varios de los errores descritos anterior-
mente y con el n de no crear confusión en el lector, hemos decidido crear
este apartado. Aquí coinciden en la misma oración, errores de estilo jurídico,
de falso sentido e incluso de repetición.
| 60 |
Poseditando la traducción de un testamento con DeepL (binommio alemán-español)
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
Ejemplo 14
Texto original: Darüber hinaus erklären wir, dass wir nicht durch ein
bindend gewordenes gemeinschaftliches Testament oder durch einen
Erbvertrag an der Errichtung dieses Testamentes gehindert sind.
Traducción DeepL: Además, declaramos que no estamos impedi-
dos de hacer este testamento por un testamento conjunto que haya
adquirido carácter vinculante o por un contrato sucesorio.
Traducción humana/Texto poseditado: Además, declaramos que
no nos encontramos impedidos de realizar este testamento de for-
ma conjunta, y que el mismo no tiene carácter vinculante ni de
contrato sucesorio.
6. Conclusiones
En este estudio se han puesto de relieve los elementos en los cuales un
TH debe intervenir en una traducción realizada por un TA sin desatender
las expresas y maniestas ventajas que estos ofrecen. Sin lugar a duda, la
posedición es esencial e imprescindible si se utiliza un TA para la tipología
textual seleccionada para este trabajo. Si bien los programas de traducción
automática se han optimizado de manera considerable en los últimos años,
principalmente desde la incorporación de la tecnología de redes neuronales
en el TA utilizado, es innegable que la intervención de un traductor profesio-
nal es indispensable.
Tras este estudio, ha quedado evidente que el uso de este tipo de herra-
mientas es bastante inexacto para el tipo de texto elegido e, independiente-
mente del tipo de errores encontrados, un ET con este género textual exige
condición sine qua non un trabajo de posedición en un grado muy alto, lo
cual no va en desmedro de los benecios que ofrece su uso, aunque sí como
advertencia de cantidad de trabajo de posedición.
En otro orden de cosas, cabe la pregunta de si habría que pensar en una
clasicación para los errores de traducción generados por un TA y, dado el
caso, si debería crearse una subclasicación para la tipología textual según su
ámbito de especialidad. Por último, también constatar si los errores encon-
trados se reproducen de forma análoga en otras herramientas de TA
| 61 |
Gustavo Filsinger-Senftleben
Del Español. Revista de Lengua, 1, 2023, pp. 49-62
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7914
DeepL. (21 de junio de 2022): Idiomas disponi-
bles en DeepL Pro, en DeepL: https://cutt.
ly/hnsPaP8.
Delisle, Jean (1993): La traduction raisonnée.
Manuel d’initiation a la traduction pro-
fessionneUe de l’anglais vers le français,
Ottawa, University of Ottawa Press/
Presses de l’Université d’Ottawa.
Fernández-Rodríguez, Mònica (2010): «Evo-
lución de la traducción asistida por
ordenador. De las herramientas de
apoyo a las memorias de traducción»,
Sendebar, 21, pp. 201-230, https://revis-
taseug.ugr.es/index.php/sendebar/article/
view/374/406.
Filsinger Senftleben, Gusatvo (2021): «Traduc-
tores automáticos en la era digital:
¿Escollo o apoyo?», en Manuel Blanco
Pérez (coord.), El progreso de la comu-
nicación en la era de los prosumidores,
Madrid, Dykinson. pp 362-385.
Hurtado Albir, Amparo (2004): Traducción y
Traductología. Introducción a la Traduc-
tología, Madrid, Cátedra.
Nord, Christiane (2002): Textanalyse und Über-
setzen, Tubinga, Gross.
Roiss, Silvia; y Zimmermann González, Petra
(2020): «DeepL y su potencial para el
desarrollo de la capacidad de análisis
crítico en la clase de Traducción inver-
sa», Hermēneus, 22, pp. 363-382, https://
doi.org/10.24197/her.22.2020.363-382.
Sánchez Ramos, María del Mar; y Rico Pérez, Celia
(2020): Traducción automática. Concep-
tos clave, procesos de evaluación y técni-
cas de posedición, Granada, Comares.
Van Dijk, Teun A. (1980): Macroestructures.
An Interdisciplinary Study of Global
Structures in Discourse. Cognitions and
Interaction. Hillsdale (Nueva Jersey).
Lawrence Erlbaum.
— (2008). Text, knowledge and context, Bar-
celona, Universitat Pompeu Fabra.
Bibliografía
| 62 |
