La traducción automática neuronal (TAN) en el aula de traducción jurídico-administrativa y socioeconómica (francés-español): análisis del error a partir de un estudio de caso.

Abstract

Es indiscutible que las herramientas de traducción automática neuronal (TAN) forman parte del quehacer diario de muchos traductores, bien por elección propia o por imposición de su entorno laboral (Mellinger, 2017). A partir de esta constatación, parece necesario que, desde el aula, los traductores en formación se familiaricen con dichas herramientas. En este sentido, los docentes deben decidir el modo de integrarlas en el proceso formativo, teniendo en cuenta que, actualmente, existe cierto debate entre los partidarios del uso de la TAN como primer paso del proceso traductor ―seguido de un proceso de posedición― y los defensores de que la intervención humana en origen resulta indispensable, máxime en el caso de la traducción jurídico-administrativa y socioeconómica, donde los resultados ofrecidos por la TAN parecen no alcanzar, al menos de momento, los estándares de calidad esperables en una traducción de esta modalidad (Briva Iglesias, 2021) debido a los efectos que esta genera. En este contexto, la presente comunicación se propone presentar los resultados de una experiencia realizada en el aula de traducción jurídica. Para ello, se han seleccionado tres herramientas TAN (DeepL, eTranslation y Google Translate), que han pasado a formar parte del alumnado como tres discentes más y cuyas traducciones se han sometido al mismo proceso de evaluación que las de sus «homólogos» humanos, a partir de la propuesta de baremo de evaluación de traducciones de Pontrandolfo (2016). El fin es comprobar, mediante la comparación con la traducción humana, la eficacia de las herramientas TAN y analizar si los tipos de errores que eventualmente estas pudieran cometer muestran, o no, que el factor humano en esta modalidad de traducción resulta indispensable.