See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/348603194

¿Es eficaz la posedición para la traducción inversa de textos jurídicos? Una

experiencia con estudiantes de posgrado

Chapter · December 2020

CITATIONS READS

0 127

2 authors:

Francisco J. Vigier-Moreno Lorena Pérez Macías

Universidad Pablo de Olavide Universidad Autónoma de Madrid
47 PUBLICATIONS   110 CITATIONS    13 PUBLICATIONS   4 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

La adquisición de la competencia intercultural en la formación de traductores View project

LEGAL ENGLISH TRANSLATION and TEACHING in COMPARATIVE LEGAL SYSTEMS View project

All content following this page was uploaded by Francisco J. Vigier-Moreno on 19 January 2021.

The user has requested enhancement of the downloaded file.

 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

297
¿Es eficaz la posedición para la traducción inversa de textos jurídicos? Una
experiencia con estudiantes de posgrado

Francisco J. Vigier Moreno. Universidad Pablo de Olavide (España)

Lorena Pérez Macías. Universidad Autónoma de Madrid (España)

1. Introducción.
La posedición (en adelante, PE), entendida como el proceso mediante el cual se edita, modifica o corrige
un texto que ha sido previamente traducido a través de un sistema de traducción automática (en lo
sucesivo, TA), se está consolidando en el mercado de la traducción, como se desprende de estudios como
el llevado a cabo por Rico y Torrejón (2012) o Rico y García (2016), que muestran que los servicios de PE son
ya una realidad en España en creciente implantación. Cabe aclarar que la PE se aborda aquí desde la
traducción profesional, ya sea como un servicio de valor añadido o como una fase intermedia inserta en el
proceso de traducción en sí. Esta realidad actual hace necesario un replanteamiento de las metodologías
docentes en la formación de traductores:

La dinámica sobre la que se ha asentado tradicionalmente la formación de traductores (análisis del

texto origen y su vertido manual, fidedigno a la lengua meta) se ve cuestionada en la actualidad
por la inmediatez de las comunicaciones, el auge del comercio en línea y la demanda de
traducciones cada vez más urgentes y no necesariamente rigurosas. Por este motivo, se hace cada
vez más necesario para los futuros traductores conocer las tendencias del mercado en cuanto a la
edición de textos y la postedición [sic] de traducción automática. (Fernández-Quesada, 2018, p.
2447).

Los centros de formación de traductores, en esta línea, están incorporando poco a poco actividades
formativas relacionadas con la TA y la PE, con el fin de preparar a sus futuros egresados para la nueva
realidad de la industria de la traducción (Allen, 2003; De Almeida y O’Brien, 2010), pero también sirviéndose
de la PE para aumentar los procesos metacognitivos del aprendizaje de la traducción (Burbat y Varela,
2018). En la enseñanza de la traducción jurídica, especialidad de la traducción en la que, hasta el momento,
el uso de la TA parecía tener una menor aplicación (Killman, 2014), también se están ya realizando
incursiones en el uso de la PE de textos jurídicos con fines pedagógicos (Mileto, 2019; Wiesmann, 2019).

La experiencia que se describe en esta contribución nace, precisamente, con el objetivo de introducir a los
traductores en formación en la práctica de la PE de textos jurídicos del español al inglés, por la utilidad que
se está asociando a la TA para la traducción inversa de textos jurídicos (Heiss y Soffritti, 2018; Mileto, 2019).
Tras exponer sucintamente los principios de la TA neuronal actual (en comparación con los sistemas
anteriores) y la cuestionada viabilidad de la TA en el campo específico de la traducción jurídica,
presentamos la actividad desarrollada en el seno de una asignatura específica sobre traducción de textos
jurídicos y los resultados obtenidos, centrándonos en los tipos de errores identificados por los
participantes, así como las ventajas e inconvenientes que asocian a la PE de un texto jurídico.

2. La traducción automática y la posedición

Detrás de los procesos de PE, que se encuentran en la base de este trabajo, subyace inicialmente la
aparición de la TA. La European Association for Machine Translation (EAMT), que incluye entre sus
miembros tanto a usuarios interesados en TA y programas informáticos como a desarrolladores e
investigadores (Alcina, 2011), la define de la siguiente manera:

2499
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

Machine translation (MT) is the application of computers to the task of translating texts from
one natural language to another. One of the very earliest pursuits in computer science, MT has
proved to be an elusive goal, but today a reasonable number of systems are available which
produce output which, if not perfect, is of sufficient quality to be useful in a number of specific
domains (EAMT, 2008).

A continuación, se van a presentar las distintas tipologías de herramientas de TA que existen hoy en día,
tomando en consideración la aproximación seguida para la realización de la traducción.

Sánchez-Martínez (2012, p. 151) explica que un sistema de TA basado en conocimientos o reglas (ruled-
based machine translation) funciona aplicando una serie de reglas o transformaciones a la representación
intermedia del texto en lengua origen una vez que ha sido analizada para convertirla en una
representación intermedia de la lengua de destino. A partir de esta segunda representación se llevará a
cabo la traducción. Por su parte, Sánchez Cartagena (2015, p. vii) señala que los sistemas basados en
conocimientos «utilizan recursos lingüísticos, como diccionarios morfológicos o reglas de transferencia,
para llevar a cabo el proceso de traducción».

Respecto a los sistemas basados en estadísticas de corpus (corpus-based machine translation), Sánchez-
Martínez (2012, p. 151) indica que utilizan frases en lengua origen junto con su traducción en la de destino
(también denominados textos paralelos) como base de su funcionamiento. Este tipo de sistemas ha ido
evolucionando constantemente a lo largo del tiempo y, debido a su forma de funcionar, han sido hasta
hace poco los que producían traducciones más naturales en la lengua meta (Sánchez-Martínez, 2012, p.
152; Henríquez, 2014, pp. 5-6; Meyer, 2014, p. 5; Sánchez Cartagena, 2015, p. viii).

El último giro importante en el desarrollo de motores de TA viene dado por los sistemas neuronales (neural
machine translation). Como explica Neubig (2017), la neural machine translation o los neural sequence-to-
sequence models son técnicas innovadoras que se emplean en diversas tareas basadas en un modelo que
emula el procesamiento lingüístico y de pensamiento humano.

La metáfora del aprendizaje humano con el adjetivo neural o neuronal empieza a emplearse no antes de
2013 (Kalchbrenner y Blunsom, 2013; Bahdanau et al., 2014; Sutskever et al., 2014; entre otros). A diferencia
de los sistemas más primitivos, basados en la traducción de palabras, y de los sistemas basados en reglas
o en oraciones, que en todos los casos son sistemas que trabajan con una unidad determinada, ya sea
textual o gramatical, y generan un equivalente estático, los sistemas de traducción neuronal construyen
sistemas con capacidad de aprendizaje con una estructura en red, capaces de analizar una oración y, sobre
una base probabilística, sugerir una traducción correcta.

La mayoría de los modelos de traducción de base neuronal parten de sistemas de codificador-

decodificador (encoder–decoder), que trabajan en el nivel oracional con una lógica de comparación sobre
un corpus (Hermann y Blunsom, 2014). El sistema se puede entrenar, en el sentido de que se puede ir
actualizando constantemente con nuevo input para cada par de lenguas, con el fin de maximizar la
probabilidad de conseguir una traducción correcta para cada oración. En la efectividad de estos sistemas
influye el proceso de entrenamiento previo del motor por parte de las personas y también otros factores,
como la longitud de las oraciones, que han de ser similares a las que aparecen en el corpus de referencia
(Cho et al., 2014).

El sistema se sustenta en un modelo de alineación oracional que se asemeja al de las memorias de

traducción, por lo que puede verse cómo estas nuevas tecnologías integran todos los avances anteriores y
enriquecen todo el sistema con una arquitectura probabilística avanzada de predicción. El modelo predice,
mediante la identificación de patrones, qué palabra tiene más probabilidades de ser correcta en un
contexto dado, conforme al corpus que se ha alimentado previamente y al trabajo de entrenamiento
previo para ese motor. La implantación de esta tecnología revolucionaria ha sido realmente rápida y en
solo tres años está ya integrada en todos los motores más potentes actuales, como puede ser en la
tecnología experta de Google (Google Neural Machine Translation) (Johnson et al., 2016; Samiotou, 2016).

2500
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

En los fundamentos del modelo, como ya se ha explicado, se encuentran los métodos de Deep Learning
(DL o aprendizaje profundo, en español), inspirados en el funcionamiento del cerebro humano y su
capacidad de aprender. Samiotou (2016, s.p.) lo describe del siguiente modo:

DL (Deep learning) methods are based on multi-layered neural networks, helping computers to make
sense of infinite amounts of data in the form of images, sound and text. The more layers there are, the
more machines learn to deal with more complex concepts and situations and the more processing
power is needed to train such machines to learn. Neurons do not really understand anything, as for
example what “this is a cake” means or looks like; a neuron only transmits a signal which is received
by another neuron which, in turn, transmits another signal and so on. DL uses this process and
information to build a hierarchical representation to get to the final result, be it a translation or an
image. (Samiotou, 2016).

El aprendizaje profundo tiene innumerables aplicaciones en inteligencia artificial, robótica, medicina,

tecnologías de reconocimiento de voz, procesamiento de lenguajes naturales, etc. además de esta
fructífera simbiosis reciente en el ámbito de la TA y la traducción asistida por ordenador.

3. La aplicación de la posedición a la traducción jurídica y su enseñanza.

Dentro de la Traductología, la traducción jurídica parece haber gozado siempre de un estatus único, de ser
una rama especial dentro de la disciplina (Harvey, 2002) y de revestir una especial complejidad (Alcaraz y
Hughes, 2002). Este carácter particular se debe, probablemente, a que, mientras otros tipos de traducción
especializada hacen referencia a conceptos o fenómenos universales (por ejemplo, la reacción química de
una determinada proteína ante un determinado elemento, sobre la que puede versar una traducción
científica), en la traducción jurídica se trasvasan textos que giran en torno a conceptos propios de un
ordenamiento jurídico que no tienen por qué tener (plena) correspondencia en otro (a saber, el concepto
heredero puede variar notablemente de un derecho sucesorio a otro). Esta imbricación del lenguaje jurídico
a un determinado ordenamiento jurídico se pone de manifiesto en la traducción jurídica intersistémica, es
decir, en la que se debe transmitir un texto producido en un determinado ordenamiento jurídico y en una
lengua determinada a un receptor que usa otra lengua, que, a su vez, se encuentra inexorablemente
vinculada a otro ordenamiento jurídico diferente.

Esta asimetría conceptual y terminológica obliga al traductor de textos jurídicos a una ardua toma de
decisiones a la hora de ofrecer una opción de traducción en la lengua meta para una unidad del texto
origen particularmente específica del ordenamiento origen. Para justificar su adecuación, el traductor debe
emprender una labor metodológica que cubra, entre otros, los siguientes procesos (Prieto, 2013; Way,
2014):

- el análisis concienzudo de la situación comunicativa en que se produce la traslación, que le

permita, por ejemplo, la identificación del tipo de traducción que se necesita o el receptor al
que se dirige (el término inglés court podría traducirse al español como corte si el destinatario
fuera hispanoamericano, pero no sería una opción adecuada si el destinatario fuera de España,
ya que en esta variedad de español dicha palabra no tiene la acepción de tribunal de justicia);
- el estudio de derecho y textología comparados entre el texto origen (y los conceptos jurídicos
sobre los que se ancla) y sus posibles textos paralelos en el ordenamiento meta (y los conceptos
jurídicos que podrían ser equivalentes en el ordenamiento meta); y
- la aplicación de estrategias y técnicas de traducción en función del grado de adecuación de la
opción según las expectativas y necesidades del destinatario.

Esta equivalencia dinámica y dependiente del contexto y de la situación comunicativa en que se produce
la traslación que caracteriza a la traducción jurídica choca frontalmente con la noción de equivalencia
estática en la que se basaban los primeros sistemas de TA, es decir, en la posibilidad de una única
traducción en una lengua meta para una unidad de la lengua origen. Por esta razón, se ha mostrado
repetidamente cierta renuencia al uso de la TA en este ámbito, a pesar de que algunas voces llevan también

2501
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

tiempo defendiendo las ventajas que la TA presenta, por ejemplo, en cuanto a ahorro de tiempo de
documentación terminológica para el traductor jurídico (Killman, 2014, p. 85).

No obstante, el continuo aumento de las relaciones jurídicas internacionales, propiciado por una movilidad
transfronteriza sin precedentes y una economía globalizada, lleva aparejada una creciente demanda de
traducciones de textos de contenido jurídico, con plazos cada vez más ajustados y requisitos de calidad
muy diversos. En este contexto, la PE se va abriendo camino en el mercado también en lo que se refiere a
la traducción de textos jurídicos (Pérez-Macías, 2017, pp. 164-165), por lo que, paralelamente, se está
incorporando a la formación de traductores, tal y como atestiguan estudios publicados como los de Şahin
y Dungan (2014), Heiss y Soffritti (2018), Mileto (2019), Udina (2019) y Wiesmann (2019).

La mayoría de estas experiencias docentes, que tienen por objetivo que los estudiantes juzguen la utilidad
de diferentes motores de TA para la traducción de textos jurídicos en función del esfuerzo que suponga la
PE del material producido por dichos motores, se basan en el análisis de estas traducciones, bien
comparándolas con traducciones producidas manualmente (Heiss y Soffritti, 2018), bien identificando tipos
de errores según diferentes parámetros (Udina, 2019; Wiesmann, 2019) y combinando la TA con memorias
de traducción y bases terminológicas (Mileto, 2019). Además de las posediciones realizadas por los
estudiantes a partir de los textos traducidos por los motores de TA y los textos originales, también se ha
utilizado la encuesta para obtener información de los participantes (Şahin y Dungan, 2014; Wiesmann,
2019).

En lo que respecta al género textual investigado, los estudios previos parecen haberse centrado en textos
normativos (Şahin y Dungan, 2014; Heiss y Soffritti, 2018; Udina, 2019), aunque otros han estudiado textos
notariales, como escrituras de compraventa, y judiciales, a saber, sentencias (Wiesmann, 2019). En cuanto
a los motores utilizados, sobresalen el Traductor de Google (Şahin y Dungan, 2014; Udina, 2019) y DeepL
(Heiss y Soffritti, 2018; Wiesmann, 2019), si bien el sistema de TA de la Dirección General de Traducción de
la Comisión Europea también ha sido analizado (Mileto, 2019). En cuanto a la direccionalidad, resulta
revelador que muchos de estos estudios planteen el uso de TA para la traducción hacia la segunda lengua
o traducción inversa (Heiss y Soffritti, 2018; Mileto, 2019; Wiesmann, 2019). Por último, sorprendentemente,
la mayoría de estos estudios no incorporan la preedición, es decir, la actividad consistente en corregir los
errores que haya en el texto original y preparar el texto (eliminando ambigüedades, simplificando
estructuras, evitando xenismos, etc.) con el objetivo de obtener mejores resultados del motor de TA, a
pesar de la mejora que conlleva en términos de calidad (Mileto, 2019).

Los autores de estos estudios previos han descrito distintas ventajas e inconvenientes a la hora de aplicar
la PE a la traducción de textos jurídicos. Entre las ventajas destacan la velocidad en la búsqueda de
vocabulario y en la selección léxica (Şahin y Dungan, 2014, p. 79), el uso correcto de colocaciones en la
lengua meta (Mileto, 2019) y la corrección morfológica y sintáctica en el texto meta (Heiss y Soffritti, 2018).
Es decir, todo parece indicar que los motores de TA, en general, producen textos que se adaptan a las
convenciones discursivas de la lengua meta sin muchos errores gramaticales o sintácticos. En cambio,
como principales desventajas de usar TA con textos jurídicos se apunta al tiempo invertido en la PE de los
textos (Şahin y Dungan, 2014, p. 79), la imposibilidad de elegir variedades diatópicas de la lengua meta
(Heiss y Soffritti, 2018), el uso de términos jurídicos impropios de la rama del Derecho o del género textual
en cuestión (Wiesmann, 2019, p. 150) y, sobre todo, la inadecuación del texto generado respecto del
escopo del encargo de traducción (Heiss y Soffritti, 2018; Wiesmann, 2019, p. 149), que, como se ha
argumentado, resulta fundamental para la toma de decisiones del traductor jurídico. No obstante, parece
haber consenso entre los autores de que es importante incorporar ejercicios de PE en la docencia de la
traducción jurídica precisamente para que los traductores en formación cobren conciencia de las actuales
limitaciones de la TA y de las competencias necesarias para poder realizar la PE de textos jurídicos con la
máxima eficiencia (Heiss y Soffritti, 2018; Wiesmann, 2019, p. 149), además de porque estas actividades de
PE con fines didácticos obligan a los estudiantes a identificar errores, analizarlos y corregirlos, para lo que
tienen que poner en práctica sus conocimientos lingüísticos y temáticos en general (Udina, 2019, p. 1100).

2502
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

4. Diseño de la actividad docente.

Con el fin de incorporar la PE a nuestra práctica docente en traducción jurídica, planificamos la actividad
cuyo diseño describimos a continuación. Nuestra experiencia docente tuvo lugar dentro de la asignatura
obligatoria Traducción Especializada: Ámbito Jurídico (inglés-español) del Máster Universitario en
Comunicación Intercultural, Interpretación y Traducción en los Servicios Públicos de la Universidad de
Alcalá, perteneciente a la Red de Másteres Europeos en Traducción de la Comisión Europea, en la que el
primer autor de esta contribución lleva realizando tareas docentes desde 2013 (y como profesor externo
desde 2016). Esta materia se centra en el conocimiento de géneros textuales jurídicos, la aplicación de
técnicas de traducción adecuadas al encargo y el uso de herramientas de documentación y de traducción,
entre las que se explicita la TA. Además, se trabajan las dos direcciones de traducción (es decir, tanto del
inglés al español como del español al inglés) y se profundiza en una variada tipología textual (textos
normativos, notariales, judiciales, etc.).

Basándonos en experiencias previas (ver apartado 3) y en nuestra propia experiencia profesional,

diseñamos una actividad para que los estudiantes conocieran la PE como actividad profesional, evaluaran
diferentes motores de TA y tuvieran que aplicar sus competencias a la hora de poseditar un texto jurídico.
En cuanto al género textual, elegimos una sentencia de divorcio (por motivos de espacio, no se puede
reproducir el texto exacto utilizado en la actividad, pero puede consultarse el documento que sirvió de
base en https://www.bocm.es/boletin/CM_Orden_BOCM/2017/03/30/BOCM-20170330-71.PDF). Se
trataba de un texto relativamente sencillo, de una extensión de solo 249 palabras, pero con muchos de los
rasgos que caracterizan a los documentos jurídicos: sintaxis compleja (con una oración que ocupa tres
párrafos), terminología jurídica, términos referidos a figuras jurídicas propias o juriculturemas del
ordenamiento español, unidades formulaicas propias del discurso jurídico, etc.

Conscientes de la relevancia del encargo de traducción (y del escopo) a la hora de tomar decisiones, se
estableció una situación comunicativa para esta actividad, en concreto, que la solicitante de la traducción,
una ciudadana británica que pretende contraer matrimonio en Inglaterra, tiene que demostrar que su
anterior matrimonio con un ciudadano español está legalmente disuelto, por lo que las autoridades
judiciales británicas le piden que entregue una copia de la sentencia de divorcio española acompañada de
su correspondiente traducción al inglés. Esta actividad de PE, además, se planteó como una actividad no
evaluable y realizable en grupos, ya que así fomentaba el trabajo colaborativo entre el estudiantado. En
cuanto a los motores de TA seleccionados para la actividad, se optó por usar el Traductor de Google, DeepL
y el Traductor de la Presidencia del Consejo de la UE, por ser los tres sistemas de TA neuronales, gratuitos
(no obstante, DeepL cuenta también con una versión por suscripción con mayores prestaciones) y de uso
generalizado.

Además, con el ánimo de conocer la opinión de los estudiantes acerca de esta experiencia formativa,
siguiendo lo llevado a cabo en experiencias previas (p.ej., Şahin y Dungan, 2014), se decidió pedir a los
estudiantes que elaboraran un breve informe sobre la actividad. De esta manera, se pretendía recabar
información retrospectiva por parte de los participantes en cuanto a los errores identificados en el texto
traducido por el motor de TA, la utilidad de la preedición, las ventajas y desventajas de la PE de textos
jurídicos y la relevancia de la direccionalidad, entre otros aspectos.

5. Ejecución y resultados de la actividad docente.

La actividad descrita anteriormente se ejecutó en el curso 2019-20. En primer lugar, se formaron los grupos
de trabajo (los estudiantes nativos de lengua inglesa se repartieron con el fin de equilibrar los procesos de
direccionalidad) y se repartieron los motores de TA. A continuación, se les proporcionó las instrucciones
de la actividad (los estudiantes ya habían recibido formación específica en TA y PE en el seno de la
asignatura Técnicas y Recursos para la Traducción y la Interpretación en los Servicios Públicos; desde aquí
agradecemos su colaboración con esta actividad a la prof.ª Dra. Mar Sánchez Ramos, de la Universidad de
Alcalá, docente de dicha materia), el texto original y la traducción de este texto producida por el motor de
TA a los estudiantes, que comenzaron con la evaluación de esta primera traducción. Seguidamente,

2503
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

procedieron a preeditar el texto original, obtener una nueva traducción a partir de esta versión preeditada
del texto original y evaluarla, tras lo cual comenzaron la PE de este segundo texto. Por último, se hizo una
puesta en común de todos los errores y problemas encontrados y soluciones propuestas, con el objetivo
de orientar a los estudiantes en el proceso de PE. Terminada la sesión presencial, se estableció un plazo
para que los estudiantes pudieran terminar la actividad y enviar su texto poseditado junto con su informe.

Aunque el material entregado por los estudiantes ha proporcionado información valiosa en cuanto a
aspectos como la evaluación de los motores de TA o la preedición, por motivos de espacio, aquí
presentamos solo los resultados relativos a los errores identificados en el texto poseditado y a las ventajas
e inconvenientes de la TA referidos por los participantes. Sin duda, los errores terminológicos ha sido la
categoría con un mayor número de errores identificados por los estudiantes y la que, por tanto, ha recibido
una peor evaluación.

Entre los errores de cariz terminológico se encuentran los siguientes:

- Empleo de falsos amigos en la traducción al inglés de términos jurídicos en español (por ejemplo,
el Traductor de Google ofrece Magistrate-Judge como traducción de «Magistrada-Juez», cuando el
término magistrate, en inglés jurídico de Inglaterra, hace referencia a una persona lega en Derecho
que decide la culpabilidad o no en órganos jurisdiccionales penales inferiores, y está, por tanto,
más próximo al juez de paz y lejos del significado que tiene el término magistrado (miembro de la
carrera judicial de mayor categoría que el juez); otro ejemplo es la traducción de «divorcio
contencioso» como contentious divorce ofrecida por DeepL, cuando una opción más adecuada sería
la de contested divorce);
- Errores en unidades polisémicas u homógrafas (por ejemplo, «fallo» es traducido como failure por
el traductor de Google, cuando en español se refiere a la forma del verbo fallar y no al sustantivo;
el término «firme», presente en la locución «firme que sea esta sentencia», es traducida por DeepL
como sign (this judgment), entendiéndose como forma del verbo firmar y no como adjetivo);
- Traducción de nombres propios (el traductor de la Presidencia ofrece una traducción, water
catchment area, para los apellidos del procurador de la demandante, «Silos Cuenca»);
- Inexistencia de traducción para algunas unidades (por ejemplo, el Traductor de la Presidencia de
la Comisión Europea mantenía las fórmulas de tratamiento don y doña del español, ni tampoco
tradujo Letrada, que se mantuvo así en la traducción al inglés; el traductor de Google tampoco
identificó correctamente la abreviatura Ilma. -de Ilustrísima- y lo mantiene en su traducción al
inglés);
- Inadecuación de los términos usados en la lengua meta teniendo en cuenta la situación
comunicativa (en el original, a las partes de este contencioso se les hace referencia como «parte
demandante» y «parte demandada», respectivamente; en el derecho inglés, las partes litigantes en
un procedimiento de divorcio reciben el nombre de petitioner y respondent; en cambio, el
Traductor de Google y DeepL los traducen por plaintiff y defendant, términos propios de los litigios
civiles en Estados Unidos, y el traductor de la Presidencia emplea los términos applicant y
defendant, que no resultan tan funcionales en este contexto; del mismo modo, «sentencia», que
traducen como judgment tanto Google como Translate y como ruling el de la Presidencia, tendría
una mejor opción en decree, que es como se conoce a la resolución judicial que pone fin a un
procedimiento de divorcio en el derecho inglés).
- Traducción errónea de elementos marcadamente vinculados al ordenamiento jurídico español o
juriculturemas (como en el caso de «procurador», figura jurídica sin correspondencia en el
ordenamiento jurídico inglés, que es traducido como lawyer por Google, lo cual podría generar
confusiones con respecto a la asistencia letrada en el caso, o el de «Juzgado de Primera Instancia»,
traducido por el motor de la Presidencia por Court Court, que carece de sentido).
Otros errores identificados están relacionados con el orden de palabras y concordancia, con la sintaxis, la
ortografía, la puntuación y la coherencia y cohesión del texto meta, aunque en una proporción
abrumadoramente menor que los terminológicos.

2504
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

En cuanto a las ventajas que los participantes han asociado al uso de la PE en el ámbito jurídico, destacan
las siguientes: supone un ahorro de tiempo de búsqueda de vocabulario y terminología; resulta útil para la
traducción de estructuras simples y elementos no muy especializados, incluidos la terminología jurídica no
especialmente marcada culturalmente; la TA produce un texto con una redacción en su generalidad
correcta en cuanto a sintaxis y expresión en la lengua meta, lo cual resulta especialmente conveniente
cuando se traduce a la lengua extranjera; por lo anterior, permite al traductor dedicar más tiempo a la labor
de documentación y revisión; y, por último, sorprendentemente, ayuda a la comprensión del texto original
al mostrar una versión más simplificada en el meta.

En cuanto a los inconvenientes identificados por los participantes en esta actividad con respecto a la PE de
textos jurídicos, los más aludidos son: los textos generados por los motores de TA presentan abundantes
errores terminológicos, con opciones de traducción completamente erróneas o que no resultan adecuadas
para el género textual, la rama del Derecho o la situación comunicativa en cuestión; las traducciones
contienen calcos y fragmentos sin traducir, además de estructuras gramaticales o sintácticas incorrectas,
aunque se reconoce que son fácilmente corregibles; los motores son generalistas y no especializados, y
tampoco posibilitan seleccionar variedades diatópicas concretas, con lo que no toman en consideración
diferentes ordenamientos jurídicos; y, por todo lo anterior, la PE de este tipo de textos resulta un proceso
muy laborioso, que requiere de un enorme esfuerzo de documentación y verificación, que pone en duda
la utilidad de la TA para este tipo de encargos en general.

6. Conclusiones.
Las opiniones de los participantes parecen corroborar lo expuesto en estudios previos (Wiesmann, 2019),
en el sentido de que se pone en duda la utilidad de la PE para los textos jurídicos debido el notable esfuerzo
que supone la verificación y, en su caso, corrección de las opciones de traducción propuestas por los
motores de TA, sobre todo en lo que se refiere a terminología jurídica. Este esfuerzo por parte del poseditor
parece ser inversamente proporcional a su conocimiento temático (jurídico) y a su experiencia profesional
en cuanto a traducción de textos jurídicos, dado que, por un lado, su desconocimiento y, por otro, su falta
de seguridad le hacen desconfiar de las soluciones proporcionadas por los motores de TA ante el riesgo de
darlas por válidas sin serlo.

No obstante, en línea con lo defendido por otros investigadores (Killman, 2014; Heiss y Soffritti, 2018),
también parece confirmarse que la TA puede resultar muy útil, especialmente en la traducción inversa, ya
que las traducciones generadas permiten un ahorro del tiempo dedicado a la búsqueda de vocabulario y
estructuras generales y suelen, además, presentar una redacción, en líneas generales, natural y correcta (y
que los errores que contienen no son difíciles de corregir). Esto, a su vez, permite al traductor-poseditor
dedicarle más tiempo a la labor de documentación y de estudio jurídico-textual comparado que, en
cualquier caso, ha de realizarse a la hora de traducir un texto jurídico.

En todo caso, la actividad descrita en este artículo cumplió con su objetivo, pues ofreció a los traductores
en formación que participaron en ella una visión del proceso de PE aplicado a la traducción inversa
(español-inglés) de textos jurídicos, preparándolos, por tanto, aun tímidamente, para una actividad en clara
consolidación en el actual mercado de la traducción. Además, de conocer el funcionamiento de los
motores de TA, se familiarizaron con procesos profesionales hasta entonces desconocidos para ellos (como
el de la preedición) y cobraron conciencia en lo que respecta no solo a las ventajas que la TA ofrece a la
labor del traductor jurídico sino, fundamentalmente, a las limitaciones que presentan los motores de TA
más extendidos en la actualidad a la hora de afrontar encargos de traducción teniendo en cuenta los
condicionantes que presenta la traducción jurídica. Por ello, esperamos que sirva como punto de partida
o inspiración para futuras experiencias docentes en la misma línea.

2505
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

Referencias bibliográficas
Alcaraz, E. y Hughes, B. (2002). Legal Translation Explained. Mánchester: St. Jerome.

Alcina, M.ª A. (2011). Los traductores automáticos en la red. Anuario del Instituto Cervantes 2010-2011.
Madrid: Ed. Instituto Cervantes. Recuperado de http://cvc.cervantes.es/lengua/anuario/anuario_10-
11/alcina/p01.htm.

Allen, J. (2003). Post-editing. En Somers, H. (Ed.), Computers and Translation: A Translator's Guide, 297-318.
Ámsterdam y Filadelfia: Benjamins.

Bahdanau, D., Kyunghyun, Ch. y Bengio, Y. (2014). Neural Machine Translation by Jointly Learning to Align
and Translate. Recuperado de https://arxiv.org/abs/1409.0473.

Burbat, R. y Varela, M. J. (2018). Google Translate and DeepL: Breaking Taboos in Translator Training. First
International Conference on Research in Multilingualism: Innovation and New Challenges. Recuperado de
https://riuma.uma.es/xmlui/bitstream/handle/10630/16310/Google%20Translate%20and%20DeepL_%2
0Breaking%20Taboos%20in%20Translator%20Training_presentation.pdf?sequence=3&isAllowed=y.

Cho, K, van Merrienboer, B., Bahdanau, D. y Bengio, Y. (2014). On the properties of neural machine
translation: Encoder–Decoder approaches. Eighth Workshop on Syntax, Semantics and Structure in Statistical
Translation. Recuperado de https://arxiv.org/abs/1409.1259.

De Almeida, G. y O’Brien, S. (2010). Analysing post-editing performance: correlations with years of

translation experience. Proceedings of the 14th annual conference of the European Association for Machine
Translation, St. Raphaël, Francia, 27–28 mayo de 2010. Recuperado de http://www.mt-archive.info/EAMT-
2010-Almeida.pdf.

European Association for Machine Translation (EAMT) (2008). What is Machine Translation? Machine
Translation. Recuperado de http://www.eamt.org/mt.php.

Fernández-Quesada, N. (2018). Revisión de traducciones y postedición: un modelo para la práctica

profesionalizante. En López-Meneses, E. et al. (Eds.), Experiencias pedagógicas e innovación educativa.
Aportaciones desde la praxis docente e investigadora, 2447-2454. Barcelona: Octaedro. Recuperado de
https://rio.upo.es/xmlui/handle/10433/6411.

Harvey, M. (2002). What’s so Special about Legal Translation? Meta, 47 (2), 177-185. doi:
https://doi.org/10.7202/008007ar.

Heiss, C. y Soffritti, M. (2018). DeepL Traduttore e didattica della traduzione dall’italiano in tedesco. Alcune
valutazioni preliminari. InTRAlinea. Special Issue: Translation and Interpreting for Language Learners (TAIL).
Recuperado de http://www.intralinea.org/specials/article/2294.

Henríquez, C. A. (2014). Improving Statistical Machine Translation Through Adaptation And Learning. (Tesis
doctoral). Universitat Politècnica de Catalunya, Barcelona. Recuperado de
http://www.tdx.cat/bitstream/handle/10803/144628/TCAHQ1de1.pdf.

Hermann, K. y Blunsom, P. (2014). Multilingual distributed representations without word alignment.

Proceedings of the Second International Conference on Learning Representations (ICLR 2014). Recuperado de
https://arxiv.org/pdf/1312.6173.pdf.

Johnson, M., Schuster, M., Le, Q., Krikun, M. et al. (2016). Google's Multilingual Neural Machine Translation
System: Enabling Zero-Shot Translation. Recuperado de https://arxiv.org/abs/1611.04558.

2506
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

Kalchbrenner, N. y Blunson, P. (2013). Recurrent continuous translation models. Proceedings of the ACL
Conference on Empirical Methods in Natural Language Processing (EMNLP), 1700–1709. Association for
Computational Linguistics.

Killman, J. (2014). Vocabulary Accuracy of Statistical Machine Translation in the Legal Context. En O’Brien,
S., Simard, M. y L. Specia (Eds.), Proceedings of the Third Workshop on Post-Editing Technology and Practice
(WPTP-3), The 11th Conference of the Association for Machine Translation in the Americas, Vancouver, 22-26
de octubre de 2014, 85-98. Recuperado de http://www.mt-archive.info/10/AMTA-2014-W2-Killman.pdf.

Meyer, T. (2014). Discourse-level features for statistical machine translation. (Tesis doctoral). École
Polytechnique Fédérale de Lausanne, Lausana. Recuperado de
http://publications.idiap.ch/downloads/papers/2015/Meyer_THESIS_2014.pdf.

Mileto, F. (2019). Post-editing and legal translation. H2D, Revista De Humanidades Digitais, 1 (1). doi:
https://doi.org/10.21814/h2d.237.

Neubig, G. (2017). Neural Machine Translation and Sequence-to-sequence Models: A Tutorial. Cornell
University Library. Recuperado de https://arxiv.org/abs/1703.01619..

Pérez-Macías, L. (2017). Análisis de las percepciones en torno a la práctica de la posedición en el sector

profesional de la traducción en España (Tesis doctoral). Universidad Pablo de Olavide, Sevilla.

Prieto, F. (2013). ¿Qué estrategias para qué traducción jurídica?: por una metodología integral para la
práctica profesional. En Alonso, I., Baigorri, J. y H. Campbell (Eds.), Traducir el Derecho. Cuestiones teóricas y
metodológicas, 87-106. Granada: Comares.

Rico, C. y García, Á. (2016). Análisis del sector de la traducción en España (2014-2015). Villaviciosa de Odón:
Universidad Europea de Madrid. Recuperado de http://hdl.handle.net/11268/5057.

Rico, C. y Torrejón, E. (2004). Controlled translation as a new translation scenario: training the future user.
Translating and the Computer 26: proceedings of the Twenty-sixth International Conference on Translating and
the Computer, 18-19. Recuperado de http://www.mt-archive.info/Aslib-2004-Rico.pdf.

Şahin, M. y Dungan, N. (2014). Translation testing and evaluation: a study on methods and needs.
Translation & Interpreting, 6(2), 67-90. doi: 10.12807/ti.106202.2014.a05.

Samiotou, A. (2016). Neural Machine Translation: the New Kid on the Block. TAUS Blog. Recuperado de
https://blog.taus.net/neural-machine-translation-the-new-kid-on-the-block.

Sánchez Cartagena, V. M. (2015). Building machine translation systems for language pairs with scarce
resources. (Tesis doctoral). Universitat d’Alacant, Alicante. Recuperado de
http://www.dlsi.ua.es/~vmsanchez/thesis.pdf.

Sánchez-Martínez, F. (2012). Motivos del creciente uso de traducción automática seguida de posedición.
Revista Tradumàtica: tecnologies de la traducció, 10, 150-156. Recuperado de
http://www.dlsi.ua.es/~fsanchez/pub/pdf/sanchez-martinez12b.pdf.

Sutskever, I., Vinyals, O. y Le, Q. (2014). Sequence to sequence learning with neural networks. Advances in
Neural Information Processing Systems. NIPS 2014.

Udina, N. (2019). Using Post-Editing in Translation and LSP Courses. Proceedings of INTCESS 2019-6th
International Conference on Education and Social Sciences, Dubai (EAU), 4-6 de febrero de 2019, 1097-1101.
Recuperado de http://www.ocerints.org/intcess19_e-publication/papers/265.pdf.

2507
 Claves para la innovación pedagógica ante los nuevos retos:
respuestas en la vanguardia de la práctica educativa.
D. Cobos-Sanchiz, E. López-Meneses, L. Molina-García, A. Jaén-Martínez y A.H. Martín-Padilla.

Way, C. (2014). Structuring a Legal Translation Course: A Framework for Decision-Making in Legal Translator
Training. En Cheng, L., Kui Sin, K. y A. Wagner (Eds.), The Ashgate Handbook of Legal Translation, 133-152.
Farnham: Ashgate.

Wiesmann, E. (2019). Machine Translation in the Field of Law: a Study of the Translation of Italian Legal
Texts into German”. Comparative Legilinguistics, 37, 117-153. doi: http://dx.doi.org/10.14746/cl.2019.37.4.

2508

View publication stats