Acceso usuarios
María Cristina Toledo Báez 
, María Jesús García Serrano
Este estudio se enmarca en el proyecto NEUROTRAD (B1-2020_07) de la Universidad de Málaga (Toledo Báez 2024a; Toledo Báez 2024b; ToledoBáez y García Serrano 2025), en el seno del cual se llevó a cabo entre 2022 y 2023 un estudio empírico con 29 traductores/poseditores profesionales que poseditaron tres tipos de traducciones distintas (automática, humana y automática poseditada) que posteriormente se evaluaron con una taxonomía adaptada de MQM (Multidimensional Quality Metrics). Este estudio se centra en tres aspectos: (1) extracción de términos en inglés referidos a personas con posible connotación de género al traducirse al español; (2) análisis del sesgo en las propuestas de DeepL, traductor automático utilizado; (3) relación entre los datos demográficos y la formación de los participantes con la posedición del género. Los resultados apuntan a una correlación entre ciertos perfiles y la perpetuación de sesgos de género, subrayando la necesidad de formación específica en posedición para evitar su refuerzoen los textos traducidos automáticamente y, por ende, en la sociedad.
This study, part of the NEUROTRAD project at the University of Málaga, approachesgender-related connotations in machine translation (MT) outputs and their impact on human post-editing practices. Conducted between 2022 and 2023, the NEUROTRAD empirical research involved 29 professional translators and post-editors who assessed three translation types: machine-generated, human-generated, and post-edited MT. The analysis used an adapted version of the Multidimensional Quality Metrics (MQM) framework, focusing on three dimensions: (1) the identification of English person-related terms with potential gender connotations in Spanish; (2) the evaluation of gender bias in translations produced by DeepL, the selected MT system; (3) the correlation between participants’ demographic profiles and their performance in gender-sensitive post-editing tasks. The results indicate a correlation between specific profiles and the perpetuation of gender biases, emphasizing the necessity for targeted post-editing trainingto prevent the reinforcement of these biases in machine translated texts and ultimately, in society.
