"Stay hungry, stay foolish"

Hace poco tuve que interpretar en clase de Interpretación Simultánea y Consecutiva el discurso de Steve Jobs de hace unos años,en la universidad de Stanford, y al escribir en el blog me he acordado de la frase con la que terminó dicho discurso: "Stay hungry, stay foolish".

Tras estos 4 años de carrera, y siendo objetivos sobre nuestro futuro profesional, considero que en nuestra profesión, igual o más que en ninguna, hay que mantenerse activo, vivo, despierto. Tanto aquellos que se dediquen a la traducción como los que lo hagan a la interpretación se enfrentarán continuamente a nuevas realidades y deberán mantenerse al día sobre todo lo que pasa a su alrededor para hacer frente a esos retos.  Para nosotros, es imprescindible seguir formándonos, investigar y mostrar interés por lo que nos rodea y, en el contexto de este blog, creo que eso incluye el hecho de mantenerse actualizado en cuanto a herramientas de traducción se refiere.

Asimismo, no debemos olvidar que los contactos son muy importantes. Podemos aprender mucho de otros profesionales que tengan más experiencia que nosotros en el mundo laboral (por ejemplo, he consultado varias veces este blog de una traductora profesional) y eso puede resultarnos muy útil a lo largo de nuestra carrera, del mismo modo que a lo largo de este cuatrimestre hemos aprendido cosas nuevas consultando los blogs de otros compañeros de clase.

Así pues... no tengo nada más que añadir y termino esta entrada con la misma frase con la que la he titulado: "Stay hungry, stay foolish".

Como conclusión...

Antes de dar por terminado (al menos de momento) este blog sobre IAT, me gustaría hacer un breve resumen sobre lo que ha supuesto esta asignatura para mí y la utilidad que creo que tendrá a partir de ahora, como profesional de la traducción.

A grandes rasgos, considero que se trata de una asignatura muy útil para los estudiantes de traducción. En mi opinión, debería estar incluida en el plan de estudios del primer año... ¡cuánto tiempo nos habríamos ahorrado teniendo en cuenta las innumerables traducciones que hemos tenido que hacer a lo largo de la carrera! Si hubiésemos utilizado desde el principio herramientas como Déjà Vu X2, aparte de ahorrar tiempo ahora mismo tendríamos una gran memoria de traducción que nos resultaría muy útil para las futuras traducciones que tendremos que realizar como profesionales (sobre todo, por ejemplo, en el caso de traducciones especializadas, como son la traducción científico-técnica o la traducción económico-financiera). 

Además, el hecho de haber trabajado con herramientas de traducción automática como el Traductor de Google o Babel Fish ha hecho que seamos más conscientes de la importancia de nuestra labor como traductores. La traducción no consiste únicamente en hacer un trasvase de una lengua a otra, palabra por palabra, sino que se trata de un proceso mucho más complejo. Un ejemplo claro es el texto que obtenemos al traducir empleando una de esas herramientas de traducción anteriormente mencionadas; en el 99% de los casos, será necesaria una revisión y corrección por parte del traductor, siendo el texto traducido un mero borrador de lo que será la traducción final.


En conjunto, me alegro de haber podido cursar esta asignatura y creo que se trata de un comienzo, de un punto de partida. Ahora ya somos conscientes de que tenemos a nuestra disposición numerosas herramientas que pueden enriquecer y agilizar nuestro trabajo, y eso es lo importante. Así que, de ahora en adelante... ¡a seguir investigando!

Déjà Vu X2

Podemos decir que este es el programa con el que más hemos trabajado en la asignatura Informática Aplicada a la Traducción. Se trata de una herramienta de traducción asistida por ordenador (TAO) que es de gran utilidad para los traductores, pues nos permite trabajar con memorias de traducción (las cuales, como ya hemos visto anteriormente en este blog, facilitan en gran medida el proceso traductológico). 

Déjà Vu X2 nos ofrece la posibilidad de crear nuestra propia base de  datos terminológica dentro del proyecto en el que estamos trabajando, lo que hace que nuestro trabajo sea más rápido. De este modo, el traductor tiene rápido acceso a las alternativas y términos almacenados en dicha terminología. Además de poder crear una terminología, estas herramientas nos permiten crear memorias de traducción, que podemos exportar una vez finalizado el proyecto para utilizarlas en proyectos venideros, agilizando nuestra labor como traductores. 

Como ya he mencionado, estas herramientas son de gran ayuda para el traductor, si bien es verdad que conviene tener, al menos, un conocimiento básico de las mismas antes de utilizarlas para traducir porque, de otro modo, podríamos conseguir el efecto contrario y tardar más tiempo del necesario. 

Una vez tenemos claro cómo funciona Déjà Vu X2, podemos comenzar a traducir. Podríamos resumir el proceso de creación de un proyecto de traducción del siguiente modo:

1. En primer lugar, abrimos el programa y creamos una memoria y una terminología.
2. A continuación, creamos un nuevo proyecto.
3. Antes de empezar a traducir, debemos seleccionar los iconos que aparecen en la parte inferior (escritura automática, autoensamblaje, autobúsqueda, autoprogragación, atoenvío y autocomprobación), pues esto permitirá, entre otras cosas, que el programa nos muestre sugerencias para términos que ya hemos traducido anteriormente en ese mismo documento o, por ejemplo, que se vaya almacenando información en la memoria de traducción que hemos creado al principio.
4. Una vez hemos traducido el documento, seleccionamos "Archivo > Exportar > Proyecto traducido". De este modo, tendremos guardado el texto traducido, ya en la lengua de destino y con el mismo formato que tenía el texto original.
5. Si queremos obtener la memoria de traducción, seguimos el mismo proceso: "Archivo > Exportar > Datos externos"

Podemos encontrar numerosos tutoriales en Youtube sobre cómo utilizar Déjà Vu X2, para aprender a crear una terminología, un lexicón, memorias de traducción... Este es un ejemplo de los muchos vídeos que tenemos a nuestro alcance sobre esta herramienta de TAO: 

Para saber más sobre las herramientas de TAO, pincha aquí.

OpenProj

Uno de los programas que hemos empleado en la asignatura Informática Aplicada a la Traducción ha sido OpenProj.

Se trata de un programa muy útil para la gestión de proyectos que surgió en 2007 como alternativa a Microsoft Project. Es bastante fácil de manejar y, además, podemos descargarlo de forma gratuita.

Nos permite gestionar el calendario de trabajo, tener distintas vistas del proyecto y llevar a cabo la gestión de tareas, ayudándonos a controlar aspectos como la gestión y la asignación de recursos y la planificación. Asimismo, gracias a esta herramienta podemos seguir la evolución de nuestro proyecto.

Uno de sus puntos fuertes es el diagrama de Gantt, que nos permite visualizar el proyecto en su conjunto, con todas las divisiones y el tiempo que hemos asignado a cada una de ellas.


En la siguiente imagen podemos ver un ejemplo de la gestión de un proyecto realizado con OpenProj, donde aparecen las tareas, los recursos y la duración del mismo.

Alineación de textos

Como hemos visto en clase, la alineación de textos consiste en comparar los textos origen y meta cuando realizamos una traducción, haciendo coincidir los segmentos (fragmentos divididos por el programa de alineación a partir de un signo de puntuación hasta el siguiente) correspondientes y uniéndolos como unidades de traducción de una memoria de traducción.

Esto nos permite crear un corpus pararelo que se convierte en la base de las memorias de traducción, cuya creación es el fin último del proceso.

Por tanto, se trata de algo muy importante para el traductor, ya que puede crear una memoria de traducción que se ajuste a sus necesidades, facilitando y agilizando el proceso traductológico. 

Podemos llevar a cabo la alineación de textos empleando 3 tipos de herramientas, según nuestras necesidades y preferencias:

1. Procedimiento manual > hojas de cálculo (Ej.: Excell)
2. Herramientas incluidas en paquetes de MT > WinAlign (TRADOS), Déjà Vu (ATRIL)
3. Sistemas de código abierto > LF Aligner, Bitext, etc

Antes de empezar con la alineación, debemos asegurarnos de que los textos que queremos importar tienen una extensión compatible con el programa que estamos utilizando y, si es necesario, tendremos que modificar el formato de los mismos previamente. Una vez importados, el programa nos presentará paralelamente los segmentos del original y de la traducción, y debemos revisar que las correspondencias son correctas, pues probablemente tendremos que separar o unir algún segmento. 


En la imagen podemos ver un ejemplo de alineación de textos en el programa Bitext:

¿Sabes qué es el "crowdsourcing"?

Probablemente, al ver la palabra crowdsourcing muchos pensarán... ¿Y eso qué es exactamente? Pues bien, si buscamos una definición general del término, encontramos que el crowdsourcing consiste en externalizar tareas que, tradicionalmente, realizaba un empleado o contratista, a  un grupo numeroso de personas o una comunidad, a través de una convocatoria abierta.

Si nos centramos en el ámbito de la traducción, podemos decir que se trata de traducción colaborativa. 

Quien quiera más información sobre este término, puede ver el siguiente vídeo, en el que aparece Jeff Howe, uno de los primeros autores en emplearlo.

Además, en este enlace podrás leer un artículo publicado en el periódico El País sobre este fenómeno.

Gestión de Proyectos

Hoy, en clase, la profesora Mª José Chollet nos ha entregado un encargo de traducción (al inglés y al español) y nos ha pedido que llevemos a cabo la  gestión de ese proyecto de traducción. Esto es, hemos tenido que calcular el tiempo que nos llevaría la traducción del texto, la corrección y la revisión, coordinando el trabajo de los distintos traductores y revisores, la distribución de tareas, etc.

Este proceso, que podría parecer un mero trámite o incluso algo innecesario desde el punto de vista de un traductor principiante, es en realidad muy importante, pues nos permite tener un plan de trabajo establecido y contribuye a evitar problemas derivados de la falta de planificación, trabajando siempre dentro de los plazos estipulados en un principio, así como a obtener un mejor resultado final.

Para realizar esta actividad, tuvimos que trabajar en parejas. Yo trabajé con mi compañera Claudia Lang-Lenton (podéis pinchar aquí para consultar su blog). 

Para ello, tuvimos que llevar a cabo la evaluación inicial del encargo de traducción, teniendo en cuenta el número de palabras, los idiomas de trabajo, el número de documentos de los que constaba el encargo, etc, para así decidir el número de traductores, revisores, etc. que iban a trabajar conjuntamente en el proyecto. Con todos esos datos, pudimos realizar varias tablas para saber con exactitud qué tarea debía realizar cada persona y dentro de qué plazos debía hacerlo. Una de las tablas que realizamos nos permitió visualizar de forma muy clara los días en los que cada profesional realizaría la labor que le había sido asignada, viendo también paralelamente el trabajo de cada uno y evitando solapamientos.

En definitiva, podemos asegurar que la gestión de los proyectos de traducción es una tarea imprescindible en los proyectos de traducción, independientemente de la naturaleza del texto con el que estemos trabajando.

Ejercicio práctico de traducción con un traductor automático

En relación con el post anterior, hemos realizado una traducción en clase empleando el Traductor de Google y Babel Fish. 

Como ya hemos visto, para generar un texto más o menos coherente los traductores automáticos nos permiten introducir un texto sin modificar, un documento pre-editado o bien un documento que utilice un lenguaje controlado. Estos traductores utilizan sus bases de datos, trabajando en función de las lenguas y cualquier otro sub-lenguaje que tengan asociado.

Para realizar el primer ejercicio práctico, hemos seguido el siguiente procedimiento:

Control de cambios de Word

1. En primer lugar, hemos introducido el fragmento deseado en el Traductor de Google y en Babel Fish.
2. A continuación, hemos copiado a Word la traducción generada y hemos realizado las modificaciones necesarias (para ello hemos activado el "Control de cambios").
3. Una vez corregido el texto, hemos seleccionado "Aceptar todos los cambios".

Comprobamos que el resultado obtenido en Babel Fish es bastante peor al obtenido en el Traductor de Google.

Al realizar el proceso a la inversa, introduciendo nuestra traducción en una herramienta de traducción automática, seguimos encontrando varios errores. Sin embargo, comprobamos que una de las mejoras que se han hecho en estas herramientas de traducción actuales consiste en asociar numerosas palabras compuestas a una única palabra (Ej.: passcode= código de acceso). Ya hay muchos errores identificados, de modo que se tratan de corregir previamente.

Asimismo, hemos utilizado Babel Fish para traducir una página web:  http://sociedad.elpais.com/sociedad/2012/02/24/actualidad/1330099718_100734.html

Hemos copiado el URL de la misma y lo hemos introducido en Babel Fish. Al darle a "Traducir" (botón azul) , obtenemos la traducción y podemos acceder a la página web en inglés. Una vez más, si realizamos el mismo proceso que en el ejercicio anterior, comprobamos que el resultado obtenido utilizando el Traductor de Google es bastante mejor.

En resumen, debemos tener en cuenta que todo texto que proceda de un traductor automático necesita una revisión posterior. No obstante, para mejorar el resultado de estos sistemas podemos utilizar dos medidas:

• Editar previamente el texto (corregir errores previsibles)
• Utilizar un lenguaje controlado (para ello, tenemos que dar unas determinadas pautas al redactor del texto). Ej.: evitar giros retóricos de la lengua, crear frases cortas, etc.