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 2024/2025

1. Datos de la asignatura

(Fecha última modificación: 10-06-24 14:28)
Código
101430
Plan
ECTS
6
Carácter
Curso
4
Periodicidad
Segundo Semestre
Idioma
ESPAÑOL
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
André Filipe Sales Mendes
Grupo/s
1
Centro
Fac. Ciencias
Departamento
-
Área
-
Despacho
F2400
Horario de tutorías
Presencial Despacho F2400 con cita previa.
Lunes 18-20
Miércoles 18-20
Viernes 18-20
URL Web
-
E-mail
andremendes@usal.es
Teléfono
923294580. Ext: 6086
Profesor/Profesora
Albano Carrera González
Grupo/s
1
Centro
Fac. Traducción y Documentación
Departamento
-
Área
-
Despacho
-
Horario de tutorías
Presencial o video conferencia con cita previa.
Primer cuatrimestre: L: 11-13
Segundo cuatrimestre: L: 9-11
URL Web
-
E-mail
Teléfono
-

2. Recomendaciones previas

Haber cursado la asignatura “Informática Básica”

3. Objetivos

  • 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

4. Competencias a adquirir | Resultados de Aprendizaje

Específicas | Habilidades.

  • 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 | Competencias.

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

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. Metodologías Docentes

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

7. Distribución de las Metodologías Docentes

8. 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

 

9. Evaluación

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%

Sistemas 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.

10. Organización docente semanal