Ir al contenido principal

Traducción inteligente


Se me ha sugerido el traductor DeepL Pro, como más eficiente y más rápido que el Google Translate. Este traductor está desarrollado por Lingue y se basa en el uso de una gran base de datos de frases y expresiones que trata en paralelo con lo que vamos escribiendo, y según el nivel de precisión que hayamos establecido[1]. Pero no uriliza algoritmos de detección y de recomendación (Zapata-Ros, 2018)

Hice una pequeña prueba

Hay conceptos y términos vinculados con cada una de las actividades que los usuarios especializados utilizan que nos dan la validez de un traductor, y que son la prueba cuando la herramienta lo hace de forma adecuada , de su  auténtica eficacia como traductor.
En nuestro caso probé varias y vi la diferencia. Entre ellas las más claras fueron las que provienen de la traducción de la  familia de términos “habilidades”, “competencias”, “destrezas”,… y sus equivalentes (no siempre: habilidades según contexto en inglés puede ser ability o skill)) en inglés: abilities, competences y skills. Y también probé como traducía los términos Smart e Intelligent según contexto. Estos fueron los resultados:


Y en Google Translate:


La traducción primera se puede aceptar como correcta formalmente, la segunda no en DEEPL, pero sobre todo se deduce caramente que Google coincide con el uso que hago o haría de esos términos en esos contextos. Sospecho, y habría que investigarlo y evidenciarlo,  por ejemplo preguntando a la empresa, que Google utiliza para la traducción algoritmos de detección y de recomendación. Igualmente da la impresión, a partir de esta prueba, que DeepL no lleva tecnologías de ese tipo... Y eso, en nuestro trabajo, es muy importante. Pero sólo una sospecha, habría que estudiarlo.

Ha dado la casualidad de que esto se me ha planteado trabajando en el artículo “La universidad inteligente” (Zapata-Ros, 2018) donde trato y documento la tecnología de detección y de recomendación señalada.

Por si hubiera dudas respecto del contexto explícito, el que se dedice de la expresión, la frase o el texto en general donde va incluido el término, he hecho esta otra prueba:





En el primer volcado de la prueba que he hecho, DeepL traduce habilidades como skills, lo cual en mi contexto está bien, pero competencias y destrezas nunca las utilizo como abilities, si bien es cierto que la traducción formalmente es correcta. En el caso de Google clava la traducción, atribuyendo en inglés el sentido que habitualmente doy a los términos en español.

Referencias.-

Zapata-Ros, M. (2018). La universidad inteligente. RED. Revista de Educación a Distancia, 57(10). Consultado el (dd/mm/aaaa) en http://www.um.es/ead/red/57/zapata2.pdf




[1] DeepL y en general el sistema Linguee utiliza sistemas de indexación en la web especializados en buscar textos bilingües, no nos consta cuál es el criterio de indexación, si es técnico u otro, y los divide en oraciones paralelas. Las frases son emparejadas semánticamente por una evaluación automática de calidad mediante un algoritmo de aprendizaje automático. Si bien ese aprendizaje se ha hecho sobre la bases  de evaluaciones realizadas por humanos, estos solo estiman estima la calidad de la traducción con criterios lingüísticos, en absoluto especializados en la temática. O sólo lo hacen a un nivel muy general, incomparable con el nivel de personalización de los algoritmos de detección y de recomendación 

Comentarios

Entradas populares de este blog

El problema de los puentes de Königsberg

Durante una época dediqué mis esfuerzos a propiciar lo que ahora se llama Computational Think a través de la programación lógica. Había una forma de analizar los problemas, era a través de la búsqueda en profundidad en esquemas arborescentes, habiendo transformado previamente los problemas en esquemas en árbol, es decir habiendo obtenido una representación de este tipo del problema.  Se trataba de implementar esquemas lógicos a través del lenguaje de programación Prolog. Simplificando mucho es lo que hacía con la geometría, la recursividad o la modularización LOGO. Todo ello concluyó en la edición de un libro, del que ahora queda algún ejemplar por las librerias de viejo: TÉCNICAS DE PROGRAMACIÓN DECLARATIVA EN EL AULA. TURBO PROLOG 2.00. ZAPATA ROS, Miguel. Editorial:  Seco-Olea, Ed., 1990 De él sacamos lo que sigue. El problema de los puentes de Könisberg y el backtraking En la programación declarativa, en determinadas ocasiones...

Recursos educativos, contenidos y libros de texto con la INTELIGENCIA ARTIFICIAL GENERATIVA

Imagen reformada de la que da el prompt "Libros de texto de matematicas e historia creados con inteligencia artificial?" El diseño instruccional tal como lo definimos [1] tiene distintas componentes, una es la evaluación que ya hemos visto. Otra son los recursos, que trataremos aquí. En lo sucesivo es de esperar que vayamos completando ese marco. Dentro del diseño instruccional que se haga con la IA generativa es inevitable que se cuente con los recursos como una componente más pero fundamental, bien en el sentido tradicional bien en el nuevo sentido que se le asigne. En este apartado de recursos no es de esperar que los libros de texto, por el volumen de negocio que suponen y por la inversión actual de las empresas y por lo que estés dispuestas a invertir, sean ajenos al gran movimiento de capitales y esfuerzos que está suponiendo la IA generativa. De hecho, las editoriales ya van teniendo sus propios LLM. Una opción posible: los LLM como materiales de estudio (contenid...

Ingeniería de la instrucción/ Ingeniería educativa

Image courtesy CSU Instructional engineering/ Educational Engineering Introducción Según The International Association of Engineers (IAENG) , en su declaración de principios : La palabra "ingeniería" se deriva del latín "ingenium", que significa algo así como "idea brillante", o "destello de genio". Data del siglo XVI, época en que fue aceptada en pleno Renacimiento, impregnada de su espíritu humanista,  y originalmente describía una profesión a la que probablemente hoy llamaríamos  inventor artístico . Los ingenieros aplican los principios y el conocimiento que se tiene de las ciencias matemáticas y naturales, con criterio y creatividad, a desarrollar formas de utilizar los materiales y las fuerzas de la naturaleza en beneficio de la humanidad. Los temas son diversos e incluyen nombres como bioingeniería, ingeniería informática, ingeniería eléctrica y electrónica, ingeniería financiera, ingeniería industrial,.. y hoy incluso se u...