Acceso usuarios
GB.ENG.Q3.41UF, Reino Unido
Castellón, España
El discurso académico ha despertado interés entre investigadores y profesores (Deroey, 2015; Mauranen, 2012; Hyland, 2010), en particular el uso de marcadores metadiscursivos. Sin embargo, se ha prestado poca atención a estas características apoyadas por la Traducción Automática (TA) en los contextos de AICLE. El objetivo del presente artículo es describir el uso y la frecuencia de los enfatizadores y atenuadores empleados en los ámbitos de la historia y la psicología y analizar la precisión de los equivalentes obtenidos en dos plataformas de TA, en concreto, DeepL y Google Translate. Para ello, se ha elaborado un pequeño corpus de dos seminarios y se han aplicado métodos cualitativos y cuantitativos para determinar la frecuencia y la precisión de los recursos lingüísticos bajo estudio. Los resultados han revelado que, si bien los elementos interaccionales proporcionados por la TA son precisos, pueden producirse omisiones y errores de traducción. Estas conclusiones pueden ser relevantes para los profesores de AICLE interesados en el discurso académico, así como para los investigadores de traducción que trabajan con corpus bilingües y multilingües y evalúan la exactitud de las herramientas de traducción.
Classroom discourse has aroused interest among scholars and educators (Deroey, 2015; Mauranen, 2012; Hyland, 2010), particularly the use of metadiscoursal markers. However, little attention has been paid to these features when they are supported by Machine Translation (MT) engines in Content and Language Integrated Learning (CLIL) contexts. The aim of this paper is to describe the use and frequency of hedges and boosters employed in the fields of History and Heritage and Psychology and analyse the accuracy of the equivalents obtained from two MT engines, namely DeepL and Google Translate. To this end, a small corpus consisting of two seminars was compiled and qualitative and quantitative methods were implemented to determine the frequency and the accuracy of the linguistic structures under study. The results revealed that even though the interactional devices provided by MT engines are highly accurate, some omissions and mistranslations may occur. These findings may be valuable for CLIL lecturers interested in classroom discourse, as well as for translation researchers working with bilingual and multilingual corpora who seek to assess the accuracy of translation tools.
El discurs acadèmic ha despertat interès entre investigadors i professors (Deroey, 2015; Mauranen, 2012; Hyland, 2010), en particular l'ús de marcadors metadiscursius. Tot i això, s'ha prestat poca atenció a aquestes característiques recolzades per la Traducció Automàtica (TA) en els contextos d'AICLE. L'objectiu del present article és descriure l'ús i la freqüència dels emfatitzadors i els atenuadors emprats en els àmbits de la història i la psicologia i analitzar la precisió dels equivalents obtinguts en dues plataformes de TA, en concret, DeepL i Google Translate. Per això, s'ha elaborat un petit corpus de dos seminaris i s'han aplicat mètodes qualitatius i quantitatius per determinar la freqüència i precisió dels recursos lingüístics sota estudi. Els resultats han revelat que, si bé els elements interaccionals proporcionats per la TA són precisos, es poden produir omissions i errors de traducció. Aquestes conclusions poden ser rellevants per als professors d'AICLE interessats en el discurs acadèmic, així com per als investigadors de traducció que treballen amb corpus bilingües i multilingües i avaluen l'exactitud de les eines de traducció.
