El lenguaje controlado y la traducción automática como vehículos de transmisión del conocimiento científico

Abstract

La transmisión eficaz del conocimiento científico resulta crucial en tiempos de crisis como el que estamos viviendo debido a la pandemia de SARS-CoV-2. Aunque el uso del inglés como lengua franca de la ciencia permite una comunicación global, su hegemonía podría estar causando una brecha lingüística. El objetivo del presente estudio fue realizar una primera aproximación a la aplicación conjunta del lenguaje controlado, la traducción automática y la posedición a la traducción de artículos científicos en el par de idiomas ES>EN para mejorar la traducibilidad automática sin comprometer la calidad del texto de partida. Para ello se seleccionó un único artículo médico al que se le aplicó control a nivel léxico-terminológico y a nivel gramatical a través de diez reglas recopiladas de la literatura. Tanto el texto bruto como el controlado fueron traducidos a través de Google Translate. Los productos de la traducción automática fueron poseditados y se realizó una anotación exhaustiva de la preedición y de la posedición con el fin de evaluar el esfuerzo técnico de ambos procesos, evaluar la efectividad del lenguaje controlado y estudiar el error. La preedición en conjunto tuvo un efecto positivo al reducir el esfuerzo de posedición en el texto controlado, aunque este fue inferior al esperado. El control gramatical y el control léxico-terminológico tuvieron respuestas dispares. Las reglas de control gramatical fueron menos eficaces de lo previsto, especialmente al tener en cuenta el elevado esfuerzo de preedición que requirieron y que fueron responsables de introducir un número considerable de errores en el texto controlado. El control léxico-terminológico tuvo una eficiencia elevada, ya que consiguió reducir los errores de imprecisión léxica a la mitad. Ambos tipos de control del lenguaje podrían incrementar su eficacia con el desarrollo de herramientas informáticas específicas para el español, no disponibles hasta la fecha.

The effective transmission of scientific knowledge is paramount in times of crisis such as the one we are experiencing due to the SARS-CoV-2 pandemic. Although the use of English as lingua franca of science enables global communication, its hegemonic presence could also be creating a language gap. The goal of the present study was to carry out the first attempt to a joint application of controlled language, machine translation, and post-editing to the translation of scientific articles from Spanish to English and improve automatic translatability without compromising the quality of the source text. A single medical article was selected and subject to restrictions at a lexical-terminological level and grammatical level, which was applied through ten rules as compiled from the literature. Both the raw text and the controlled version were translated using Google Translate. The machine translation products were post-edited, and the pre-edited and post-edited resulting texts were exhaustively annotated to estimate the technical effort required during both processes, evaluate the effectiveness of the controlled language, and study the error. Pre-editing had a positive effect and reduced the post-editing effort in the controlled text, although its impact was lower than expected. Grammatical control and lexical-terminological control had dissimilar outcomes. Grammar control rules were less effective than foreseen, especially considering the high pre-editing effort required, while they were also responsible for introducing a considerable number of errors in the controlled text. The lexical-terminological control was highly efficient and reduced lexical accuracy errors by half. The effectiveness of both types of language control would benefit from the development of computer tools specifically designed for the Spanish language, which are not available to date.