Guías Académicas

RECURSOS TECNOLÓGICOS PARA LA TRADUCCIÓN

RECURSOS TECNOLÓGICOS PARA LA TRADUCCIÓN

Doble Titulación de Grado en Administración y Dirección de Empresas y en Traducción e Interpretación

Curso 2023/2024

1. Datos de la asignatura

(Fecha última modificación: 14-06-23 10:16)
Código
101430
Plan
ECTS
6
Carácter
Curso
4
Periodicidad
Segundo Semestre
Áreas
LENGUAJES Y SISTEMAS INFORMÁTICOS
TRADUCCIÓN E INTERPRETACIÓN
Departamentos
Informática y Automática
Traducción e Interpretación
Plataforma Virtual

Campus Virtual de la Universidad de Salamanca

Datos del profesorado

Profesor/Profesora
Emilio Rodríguez Vázquez de Aldana
Grupo/s
1
Centro
Fac. Traducción y Documentación
Departamento
Informática y Automática
Área
Lenguajes y Sistemas Informáticos
Despacho
1
Horario de tutorías
Presencial (Despacho 1) sin cita previa
Miércoles: 9 a 13
Jueves, 11 a 13
URL Web
-
E-mail
aldana@usal.es
Teléfono
923294580. Ext: 3030

2. Sentido de la materia en el plan de estudios

Bloque formativo al que pertenece la materia.

Formación instrumental

Papel de la asignatura.

A nivel temporal, es la tercera asignatura de su bloque formativo. Las destrezas y la comprensión de la asignatura “Informática básica” se considera el sustrato tecnológico necesario de esta. Por otro lado, esta asignatura aporta tanto habilidades como conocimiento conceptual y práctico tanto para las asignaturas optativas “Localización (inglés)” y “Postedición”, del mismo bloque formativo y, también, como para la obligatoria “Gestión terminológica y de proyectos”, de 4º curso. Hay que destacar que en esta materia se pretende preparar al alumno en el proceso técnico de la traducción de documentos electrónicos simulando, fundamentalmente, la realidad profesional de un “freelance”, mientras que en una parte de la obligatoria de 4º antes mencionada, el proceso de la traducción se aborda recreando el entorno de trabajo entre un equipo de traductores y un gestor de proyecto.

Perfil profesional.

Esta asignatura atiende los siguientes perfiles profesionales:

  • traductor generalista
  • lexicógrafo, terminólogo y gestor de proyectos lingüísticos

3. Recomendaciones previas

Haber cursado la asignatura “Informática Básica”

4. Objetivo de la asignatura

  • Sistematizar el proceso técnico de la traducción de documentos electrónicos con las herramientas profesionales de Traducción Asistida por Ordenador (TAO, en inglés conocidas como Computer-Aided Translation o CAT Tools).
  • Adquirir habilidades en la gestión, organización y mantenimiento de las memorias de traducción.
  • Integrar motores de traducción automática en las TAO.
  • Aprender a utilizar otras herramientas informáticas específicamente ideadas para el traductor: alineadores de documentos a nivel de párrafo/oración y conversores de formatos.
  • Adquirir conciencia de la necesidad y utilidad de los estándares en los procesos de traducción de documentos en entornos informáticos.
  • Familiarizarse con las propuestas y la terminología vinculada a la traducción automática basada en reglas, la traducción automática estadística y la traducción automática neuronal.
  • Contextualizar los avances en Inteligencia Artificial en el procesamiento de los lenguajes naturales.
  • Conocer el sistema de aprendizaje de la Inteligencia Artificial Generativa
  • Comprender, de forma básica, el sustrato de la traducción automática neuronal

5. Contenidos

Teoría.

Contenido teórico

  1. Ordenadores, traducción y procesamiento automático de lenguajes naturales: ¿dónde estamos?
  2. Memorias de Traducción
  3. La traducción automática (TA)
  • Historia de la TA
  • Nociones básicas sobre los sistemas basados en reglas y los basados en corpus
  • Acercamiento al funcionamiento de los sistemas de traducción automática neuronal

      4. La inteligencia artificial generativa: ¿qué es un modelo de lenguaje?

      5. Introducción a XML y los estándares en la industria de la localización

Práctica.

Contenido práctico

  • Sistematización del proceso técnico de traducción con herramientas de traducción asistida por ordenador (TAO)
  • Gestión de proyectos de traducción con herramientas de TAO
  • Formatos y conversiones de formatos en las herramientas de TAO
  • Integración de motores de TA con memorias de traducción (MT)

6. Competencias a adquirir

Específicas.

  • Dominio de herramientas informáticas generales
  • Dominio de técnicas de traducción asistida/localización
  • Dominio de las técnicas de edición, maquetación y revisión textual
  • Capacidad de análisis, síntesis, organización y aplicación práctica de los conocimientos y destrezas lingüísticas

Transversales.

  • Capacidad de organización y planificación
  • Resolución de problemas
  • Capacidad de gestión de la información
  • Conocimientos de informática relativas al campo de estudio

7. Metodologías

  • Clases magistrales
  • Prácticas en aula de informática
  • Preparación y entrega de tareas prácticas
  • Estudio de lecciones y respuestas en cuestionarios

8. Previsión de Técnicas (Estrategias) Docentes

9. Recursos

Libros de consulta para el alumno.

Casacuberta Nolla, F. y Peris Abril, A. (2017): “Traducción automática neuronal”, Revista Tradumàtica, 15 pp. 66-74.

Forcada, M. L. (2019): Traducción automática neural: cómo funciona y qué se puede esperar de ella. [Diapositivas]. Departamento de Lenguajes y Sistemas, Universidad de Alicante.

Kenny, Dorothy (2022):  Human and machine translation. En Kenny, D. (Ed.), Machine translation for everyone: Empowering users in the age of artificial intelligence (pp  23–49, capítulo 2). Berlin: Language Science Press

Martín-Mor, A.; Piqué, R. y Sánchez-Gijón, P. (2016): Tradumàtica: Tecnologies de la traducció. Barcelona: Eumo

Oliver, Antoni (2016): Herramientas tecnológicas para traductores. Barcelona: UOC.

Pérez-Ortiz, J. A.; Forcada, M. L. y Sánchez-Martínez, F.: (2022): How neural machine translation works. En Kenny, D. (Ed.), Machine translation for everyone: Empowering users in the age of artificial intelligence (pp 141-164, cap. 7). Berlin: LSP

Reinke, U. (2013): “State of the Art in Translation Memory Technology”. Translation: Computation, Corpora, Gognition, 3 (1), pp. 27-48.

Rothwell, A. et. al. (2023): Translation Tools and Technologies. London and New York: Routledge

Scheider, D.; Zampieri, M.; Genabith, J.v. (2018): Translation memories and the translator. A report on a user survey, Babel, 64 (5/6), pp. 734-762.

Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.

Caswell, I. and Liang, B. (2020): Recent Advances in Google Translate. [Mensaje en un blog] Google AI Blog. 8 de junio de 2020. En línea: https://ai.googleblog.com/2020/06/recent-advances-in- google-translate.html

Koehn, P. (2017): Neural Machine Translation, arXiv preprint arXiv:1709.07809v1

Koehn, P. y Knowles, R. (2017): Six Challenges for Neural Machine Translation, Proceedings of the First Workshop on Neural Machine Translation. (p. 28–39). Vancouver: Association for Computational Linguistics. En línea: https://www.aclweb.org/anthology/W17-3204.pdf

Zhang, J. and Zong, C. (2020): Neural Machine Translation: Challenges, Progress and Future. arXiv:2004.05809

 

10. Evaluación

Consideraciones generales.

 

Criterios de evaluación.

1ª Convocatoria

  • Prueba escrita: 30%
  • Prueba(s) práctica(s) en aula de informática: 45%
  • Entrega de tareas de trabajo autónomo, entrega de prácticas de clase, realización de cuestionarios en clase: 25%

Se deben de superar tanto la prueba escrita como la media ponderada de las pruebas prácticas para aprobar la asignatura.

 

2ª Convocatoria

Los estudiantes que no entregaron todas las tareas de trabajo autónomo, al menos el 75% de las prácticas de clase y cuestionarios durante el desarrollo del curso, en esta convocatoria serán evaluados conforme al siguiente criterio:

  • Prueba escrita: 35%
  • Prueba práctica: 65%

Instrumentos de evaluación.

  • Prueba escrita
  • Pruebas prácticas en aula de informática
  • Entrega de tareas en las fechas señaladas
  • Entrega de resultados de ejercicios durante el desarrollo de las clases prácticas
  • Realización de cuestionarios
  • Posible defensa de las prácticas realizadas

Recomendaciones para la evaluación.

Realizar un seguimiento continuado de la asignatura. Practicar con las herramientas informáticas seleccionadas en horas de trabajo individual para resolver los mismos o similares problemas a los que se planteen en clases prácticas. Tener iniciativa, plantearse y abordar la solución de nuevos problemas.

Recomendaciones para la recuperación.

Obtener del profesor información de las carencias que han llevado al alumno a este estado.

11. Organización docente semanal