 |
 |
 |
 |
 |
 |
 |
ENG corpus CAT corpus EUS corpusa GLG corpus ITA corpus POL korpus POR corpus |
contenidos
Introducción | Los estudios sobre traducción basados en corpus (ETBC) | Los estudios de interpretación basados en corpus (EIBC) | Potencial para la investigación
La investigación basada en corpus aplicada a la traducción se inició en los noventa, cuando la lingüística de corpus empezaba a consolidarse como metodología central para el estudio de la lengua. Los lingüistas de corpus afirmaban que la lengua debía estudiarse en situaciones auténticas de uso, es decir, en textos que se producen de forma natural, y no a través de ejemplos inventados de lo que es teóricamente posible en una lengua. La posibilidad de crear corpus -es decir, grandes colecciones de textos auténticos, seleccionados según criterios de diseño pensados para ser representativos de una variedad lingüística específica, y almacenados en formato electrónico para poder ser consultados mediante aplicaciones informáticas específicas- y utilizarlos para detectar y analizar patrones lingüísticos empezó a considerarse una metodología fructífera tanto para la investigación descriptiva/teórica sobre la lengua como para fines aplicados
La primera académica que sugirió que los corpus disponibles y la metodología basadas en corpus también podría aportar información valiosa a los estudios de traducción e interpretación (ETI) fue sin duda Baker (1993), quien destacó su potencial para identificar características recurrentes de los textos traducidos que ayudarían a dilucidar la naturaleza de la traducción como acontecimiento comunicativo mediado y, por tanto, distintivo. Este artículo pionero de Baker seguía la estela de otros destacados investigadores de la traducción que habían empezado a abogar por el reconocimiento de los textos traducidos como productos lingüísticos por derecho propio y no como reconstrucciones defectuosas de sus textos originales. Según Toury (1981), por ejemplo, la traducción debía considerarse una forma lingüística propia, cuyas leyes y regularidades generales merecían ser el centro de atención de quien investigase sobre traducción:
[i]t is highly probable that there are “dialectical” differences between texts originally composed in TL and translations into it [...]. As a matter of fact, [...] “deviations” of translations both with respect to ST- or SL-based models of “functional equivalence” and to TL-normality are the major justification for a distinct discipline of translation studies which […] will focus on translational phenomena per se. (Toury 1981: 16)
A finales del siglo XX se produjo un cambio radical en los ETI: se pasó de un enfoque orientado hacia el original, centrado en la equivalencia y en gran medida prescriptivo, a enfoques descriptivos y orientados hacia el texto término con el objetivo de identificar y explicar las regularidades que caracterizan a la lengua traducida. En inglés se empezaron a utilizar los términos translationese y, más tarde, interpretese (“traduccionés” e “interpretacionés”) para hacer referencia al fenómeno de interferencia y denotar el supuesto carácter distintivo de la lengua traducida e interpretada como variedades lingüísticas mediadas.
Los corpus empezaron a considerarse una posible respuesta a la incipiente demanda de mayor empirismo en los estudios de traducción, ya que permitían superar la dependencia de pruebas escasas y anecdóticas. Partiendo de Baker, Shlesinger (2009) sugirió además que los beneficios de la metodología basada en corpus podrían extenderse al estudio de la interpretación, así como a las comparaciones intermodales para revelar diferencias entre la traducción y la interpretación como modos de mediación distintos.
 |
| Concordancia paralela (italiano-polaco) del Intercorp corpus, disponible en korpus.cz. La concordancia puede reproducirse aquí. |
En los estudios sobre la traducción basados en corpus (ETBC) y en los estudios sobre la interpretación basados en corpus (EIBC) se utilizan principalmente dos tipos de corpus: los corpus comparables (monolingües) y los corpus paralelos (bilingües). Los corpus monolingües comparables son colecciones de textos tanto originales como traducidos en una única lengua, seleccionados de forma que sean comparables/homogéneos en cuanto a registro, tema, fecha de publicación, etc. Por consiguiente, y siguiendo en gran medida el planteamiento propuesto por Baker, los corpus comparables se han considerado herramientas privilegiadas para observar en qué se diferencia la lengua traducida de la no traducida, comparando los dos subcorpus pertinentes a partir de indicadores y medidas cuantitativas -como la relación forma-palabra, la densidad léxica, la frecuencia de palabras específicas, las clases de palabras o las colocaciones- que pueden extraerse automáticamente de los textos. En cambio, en los corpus paralelos, los textos originales en una lengua se recopilan junto con sus traducciones a una lengua término. Las unidades correspondientes del texto original y término se suelen alinear generalmente a nivel de oraciones, es decir, se identifican y asocian automáticamente para permitir la concordancia bilingüe. De ese modo, la búsqueda de un elemento en una lengua permite a los investigadores recuperar todas las oraciones que contienen ese elemento, junto con sus oraciones correspondientes en la otra lengua, para observar posibles elementos equivalentes. Al tratarse de dos lenguas, las investigaciones de corpus paralelos son más laboriosas que las de comparables, ya que los datos extraídos de los textos de partida y de llegada deben analizarse también a la luz de las diferencias sistémicas y pragmalingüísticas entre las lenguas (que solo pueden observarse mediante un análisis contrastivo) y los cambios en traducción -que indican estrategias conscientes o inconscientes del traductor- deben investigarse con un enfoque más cualitativo.
Al igual que los corpus lingüísticos en general, los corpus orientados a la traducción suelen enriquecerse con distintos niveles de anotación para que los especialistas puedan realizar análisis precisos y específicos. La información lingüística (principalmente categorías gramaticales, lemas y análisis sintáctico –cf. Lingüística computacional-) y estructural (por ejemplo, los límites de las oraciones) suele añadirse mediante procesamiento automático para permitir consultas más sofisticadas que las de simples formas de palabras, así como la alineación de oraciones en los corpus paralelos. Un nivel adicional de anotación, cuya importancia se ha puesto cada vez más de relieve en los últimos años, comprende metadatos sobre quien haya hecho la traducción (por ejemplo, su experiencia profesional, así como su contexto lingüístico, sociológico y educativo) y la tarea de traducción (por ejemplo, género textual, instrucciones de traducción, uso de software de traducción, intervención editorial), es decir, información sobre factores extralingüísticos y contextuales que pueden contribuir a dar forma al lenguaje traducido.
![[heading title]](2.2-X.png "[heading title]"){kind=small}
Los estudios sobre traducción basados en corpus (ETBC)
Los ETBC contemporáneos se caracterizan por seguir líneas de investigación diversas. La búsqueda de regularidades que caracteriza desde sus inicios a los ETI descriptivistas en general y a los ETBC en particular se ve acompañada hoy en día por una atención creciente a la variación, ya sea asociada a traductores individuales o a factores contextuales. En consecuencia, cada vez es más frecuente ver los recursos y métodos tradicionales acompañados de nuevos diseños y metodologías de corpus, tal como se comenta en las siguientes secciones.
Los universales de traducción
Las primeras investigaciones sobre ETBC se dedicaron principalmente a encontrar pruebas de la existencia de rasgos universales de la traducción. El concepto se había introducido en el documento programático de Baker (1993) para referirse a "features which typically occur in translated text rather than original utterances and which are not the result of interference from specific linguistic systems" -en otras palabras, características típicas de los textos traducidos independientemente de las lenguas de origen y destino implicadas- "as a product of constraints which are inherent in the translation process itself" (Baker 1993: 243-246). Entre otros posibles universales, cabe destacar los dos siguientes: en primer lugar, una tendencia a la explicitación, definida como "a marked rise in the level of explicitness compared to specific source texts and to original texts in general" (Baker 1993: 243), con diferencia el candidato a universal de traducción más investigado y más convincentemente respaldado; y en segundo lugar, una tendencia a la simplificación léxica y sintáctica, y a utilizar un léxico y una sintaxis más convencionales que los textos de origen y comparables, lo que se conoce como normalización o conservadurismo. Aunque la propuesta de Baker daba prioridad a la investigación basada en corpus monolingües comparables, contrastando traducciones con textos no traducidos en la misma lengua, Chesterman (2004: 39) señaló la existencia de dos focos de investigación distintos y sugirió que había que hacer una distinción básica sobre las posibles diferencias universales entre las traducciones y sus textos originales, lo que se podría denominar universales-TO ("i.e. characteristics of the way in which translators process the source text”) y entre las traducciones y textos originales comparables, o universales-TT (“i.e. characteristics of the way translators use the target language”). La distinción es importante por dos razones principales. En el plano teórico, porque los dos tipos de análisis se refieren a dos aspectos clave, aunque distintos, de la investigación sobre la traducción, a saber, la relación de equivalencia con el texto de partida y la relación textual con textos comparables no traducidos de la lengua de llegada. En un plano más metodológico, es también relevante porque requiere corpus diferentes: Los universales-TO pueden investigarse mediante corpus paralelos, mientras que la investigación de los universales-TT requiere una comparación entre textos traducidos y textos no traducidos comparables en la lengua de llegada, que puede obtenerse con corpus comparables monolingües.
Inicialmente, la investigación empírica se basó en la búsqueda de un número relativamente limitado de patrones textuales considerados indicativos de la existencia de universales de la traducción, generalmente dentro de conjuntos de datos limitados. En cuanto a la explicitación, por ejemplo, se analizó como universal-TO observando la frecuencia de los adverbios de enlace en los textos originales (TO) y término (TT), tomada como indicador de la explicitación relativa de las relaciones proposicionales; los cambios de proposiciones no finitas a finitas; los cambios en la cohesión léxica, por ejemplo mediante la lexicalización de las formas pronominales del TO. En ocasiones se utilizaron corpus paralelos bidireccionales que recogían traducciones L1>L2 y L2>L1 para tener en cuenta las diferencias sistémicas y la direccionalidad de la traducción como posibles explicaciones causales de algunos de los patrones observados. Desde el punto de vista de un corpus monolingüe comparable, además de tener en cuenta los indicadores anteriores en las comparaciones entre traducción y original, la mayor frecuencia en la lengua traducida que en la original de elementos optativos (por ejemplo, el conector inglés that, o los pronombres sujeto en las lenguas con omisión de sujeto) se tomó a menudo como prueba de la mayor explicitud de la primera. La simplificación, por otro lado, se investigó a menudo como universal-TT, teniendo en cuenta parámetros como la variedad y la densidad léxicas o la longitud de las oraciones, que resultaron ser más bajos en la lengua traducida que en la original (véase, por ejemplo, Laviosa 1998). La investigación sobre la normalización también siguió un doble enfoque. Desde la perspectiva paralela, algunos estudios sugerían que los textos meta podían considerarse versiones "asépticas" o normalizadas de los correspondientes TO, con la consiguiente atenuación de la creatividad y la aparición de un vocabulario y una gramática más convencionales. Desde la perspectiva de los corpus monlingües comparables, por otra parte, varios estudios han demostrado que rasgos como las formas contraídas y la omisión optativa (en lo que respecta a los textos en lengua inglesa), o los anglicismos (en lenguas distintas del inglés; véase, por ejemplo, Bernardini y Ferraresi (2011) para el italiano), son menos frecuentes en los textos traducidos que en los originales en la misma lengua, lo que sugeriría que los traductores toman decisiones más conservadoras que los autores de la lengua original.
En algunos casos, se propusieron hipótesis contradictorias: por ejemplo, la afirmación de que los textos traducidos tenderían a ajustarse a los patrones típicos de la lengua de llegada, o incluso a exagerarlos, chocaba de algún modo con la hipótesis del elemento único, según la cual los rasgos típicos de la lengua de llegada que carecen de homólogos lingüísticos directos en la lengua de partida tenderían a estar infrarrepresentados en la traducción (cf. Tirkkonen-Condit 2004).
Pronto surgieron reparos teóricos y metodológicos sobre la solidez de estos conceptos, su operacionalización y su carácter universal. En particular, se expresaron serias reservas con respecto a la sustancial desatención de la influencia del texto de partida que Toury (1995), por otra parte, había teorizado a través de su ley de interferencia. A pesar de las críticas (posiblemente causadas por una interpretación parcial de los objetivos de investigación de Baker, como señalan De Sutter & Lefer 2020: 2), algunos de estos conceptos han permanecido bajo el foco de los ETBC y se siguen investigando mediante sofisticados corpus y herramientas analíticas que tienen debidamente en cuenta la importancia del TO/LO, así como de variables que van más allá de la dicotomía traducido frente a no traducido.
En los últimos años se ha sugerido que algunos de los fenómenos observados no son atribuibles solo a la diferencia entre textos traducidos y no traducidos, sino que también dependen y covarían con otros factores como el género textual, la lengua de origen, la experiencia profesional, la modalidad y el método de traducción. Así pues, la segunda década del siglo XXI ha sido testigo del nacimiento y auge de diseños de corpus y métodos de investigación más sofisticados (véanse, por ejemplo, las distintas contribuciones en Oakes & Ji (2012)) y, sobre todo, de investigaciones multifactoriales, que tienen en cuenta un mayor número de variables mediante análisis multivariantes a menudo basados en una combinación de datos de corpus comparables monolingües y corpus paralelos. Delaere, De Sutter y Plevoets (2012), por ejemplo, se basan en un corpus que combina neerlandés belga no traducido y traducciones del inglés y del francés al neerlandés belga para investigar si el nivel de estandarización -medido como la frecuencia de aparición de elementos léxicos del neerlandés belga no estándar para los que existe una variante estándar- difiere en los tres componentes del corpus, así como entre los seis géneros textuales diferentes incluidos en cada componente. Los resultados de su análisis de correspondencias basado en perfiles confirman una tendencia de las traducciones a utilizar más lengua estándar que los textos no traducidos, especialmente en los tipos de texto caracterizados por un gran control editorial (literatura, textos no literarios y textos periodísticos) en comparación con los tipos de texto con menor nivel de revisión (textos administrativos y comunicación externa). En cuanto al efecto de la lengua original sobre los textos traducidos, Cappelle & Loock (2017) investigan si existe alguna diferencia en el uso de los verbos preposicionales (phrasal verbs) en las traducciones al inglés de lenguas románicas y germánicas. El estudio muestra que la similitud o diferencia tipológica entre la LO (lengua original) y la LT (lengua de llegada) tiene un efecto significativo en la traducción: las traducciones de lenguas románicas contienen menos verbos preposicionales que las traducciones al inglés de lenguas germánicas, que no difieren notablemente del inglés no traducido en la frecuencia de este tipo de verbos. Así pues, el estudio cuestiona la validez de la normalización como universal de la traducción y apoya más bien la afirmación de que la interferencia es la característica más notable e inherente que distingue a la lengua traducida de la no traducida.
Además de este auge de las investigaciones multifactoriales, los ETBC también se están volviendo cada vez más multimetodológicos, ya que los datos de los corpus se triangulan cada vez más con la información obtenida mediante métodos de investigación del proceso de traducción -como el keylogging, el eye-tracking o la grabación de pantalla- y los estudios cognitivos de traducción, que pueden proporcionar información sobre los mecanismos cognitivos que supuestamente favorecen y explican algunas características de la traducción (cf. Halverson 2017).
Estilo y variación en traducción
Una segunda línea de investigación en los ETBC gira en torno a la comparación del comportamiento de distintos traductores para investigar el estilo traductor o la variación en la traducción. Para ello se utilizan cada vez más los corpus de traducción múltiple, es decir, corpus paralelos que contienen varias traducciones a la misma lengua término de un mismo texto original, lo que permite analizar soluciones alternativas para determinados elementos del texto original.
Estilo y variación individual en traducción
El estilo de una traducción se concibe en términos de características de los textos traducidos que, además de no estar relacionadas con el estilo del texto original o con los requisitos de la lengua meta, son reconocibles "across a range of translations by the same translator" y "distinguish that translator’s work from that of other translators" (Saldanha 2011: 31). Se trata de una línea de investigación reciente, ya que en la época de la teoría de la traducción prescriptiva y orientada hacia el original había poco interés en estudiar el estilo de los traductores individuales: de hecho, la traducción se consideraba un acto derivado y, en consecuencia, se suponía que los traductores debían reproducir lo más fielmente posible el estilo del texto original en lugar de imponer el suyo propio.
De manera comprensible, los textos literarios se han considerado a menudo un banco de pruebas ideal para los ETBC sobre el estilo traductor, también debido al hecho de que apenas hay otros géneros que tiendan a traducirse varias veces y permitan a los investigadores analizar traducciones comparables a la misma lengua meta. A principios del siglo XXI, se buscaba desvelar pruebas empíricas de la voz traductora y comparar estrategias adoptadas por traductores diferentes, algo que hizo por ejemplo Winters (2009) al analizar el uso de préstamos, cambios de código, verbos dicendi y partículas modales en dos traducciones al alemán de The Beautiful and Damned de Fitzgerald. Estudios cuantitativos posteriores, como el de Li, Zhang y Liu (2011), fueron más allá del análisis de características preseleccionadas del TO y, siguiendo un enfoque orientado al TT, intentaron comparar traducciones teniendo en cuenta información basada en el corpus mismo, como la relación palabras/formas y la longitud de las oraciones, las palabras y las agrupaciones clave. Los análisis estadísticos llevados a cabo por Mikhailov y Villikka (2001) sobre un corpus de traducción múltiple de traducciones del ruso al finlandés descartaron la posibilidad de identificar a los traductores mediante indicadores habitualmente utilizados para la atribución de autoría, como la riqueza de vocabulario o las palabras frecuentes y favoritas; sin embargo, los autores consiguieron identificar otros indicadores que conforman el perfil del traductor, como el uso de modales y conjunciones, la división o unión de oraciones, o el acortamiento o ampliación del texto. La construcción y la reducción de proposiciones también fueron objeto de estudios basados en el Corpus de Traducción Múltiple Inglés-Noruego, que revelaron que los traductores difieren entre sí en su tendencia a conservar o modificar la estructura sintáctica del original.
Hasta cierto punto relacionados con el estilo traductor, los corpus de traducción múltiple pueden utilizarse para investigar variaciones relacionadas con la competencia traductora: el término engloba aquí no sólo la pericia individual (básicamente, profesional frente a aprendiz), sino también sus antecedentes cognitivos, lingüísticos, sociológicos y educativos, que determinan su uso del lenguaje y su enfoque de la traducción. Se han investigado múltiples corpus de traducción que contienen traducciones de profesionales y estudiantes, a menudo contrastadas con textos comparables no traducidos, utilizando métodos estadísticos avanzados para encontrar correlaciones entre características específicas de la traducción y los distintos niveles de pericia (por ejemplo, Lapshinova-Koltunski 2022). En un estudio reciente, Popovic, Lapshinova-Koltunski y Koponen (2023) introdujeron un tercer elemento de comparación y propusieron un interesante triple contraste entre las traducciones de profesionales, de estudiantes y de traducción automática. Al comparar las tres variedades de traducción en términos de variedad léxica y gramatical, longitud de las oraciones y frecuencias de etiquetas de categoría gramatical o partes de la oración y de trigramas de partes de la oración, estas autoras observaron que las traducciones de estudiantes son a veces más parecidas a las traducciones automáticas que a las traducciones profesionales, especialmente en lo que se refiere a su cercanía a la estructura del texto original.
Corpus de traducción estudiantiles
Dado que el número de textos que se retraducen auténticamente varias veces es limitado, la creación de corpus de traducción múltiple puede ser una tarea ardua, y los estudiosos tienen que encargar traducciones alternativas del mismo texto fuente o recopilarlas en entornos experimentales relevantes (como en el caso de la Translation Process Research Database). Una alternativa viable es compilar traducciones de estudiantes, ya sea en contraste con la traducción profesional (véase más arriba) o como objeto de estudio independiente, sobre todo en el marco de la investigación de corpus de traducción estudiantiles (Castagnoli 2022). Se puede considerar que la investigación sobre la traducción estudiantil se encuentra en la encrucijada entre los estudios de traducción de corpus y la investigación de corpus estudiantiles, ya que los estudiantes de traducción constituyen un tipo especial de estudiantes cuyo uso de la lengua en traducción es el objeto de análisis. Mientras que los corpus de traducción estudiantiles pueden utilizarse para investigar cómo se relacionan las preguntas típicas de los ETBC con la traducción estudiantil, cuando estos corpus van acompañados de anotaciones sobre los errores la investigación puede determinar, por ejemplo, cuáles son las dificultades más típicas en niveles específicos de formación (como principiantes frente a estudiantes avanzados), con respecto a textos fuente pertenecientes a diferentes géneros textuales, o si la frecuencia de tipos de error específicos disminuye tras una enseñanza enfocada a ese problema en concreto. El potencial descriptivo de los corpus estudiantiles se asocia, por lo tanto, a un fuerte potencial pedagógico, ya que las perspectivas de la investigación de estos corpus pueden informar de forma natural la enseñanza de la traducción (cf. Kunilovskaya, Ilyushchenya, Morgoun et al. 2022).
Regularidades y variación
Otra aplicación prometedora de los corpus de traducción múltiple es el estudio de la interacción entre las regularidades y la variación en traducción, es decir, el análisis de las semejanzas y diferencias que se producen entre traducciones alternativas del mismo texto original. De hecho, aunque las traducciones alternativas de un mismo TO muestran inevitablemente un alto grado de similitud, debido a la existencia de un texto anterior cuyo significado y redacción deben ser recodificados, también se espera que se produzcan variaciones, ya que los traductores -como todos los usuarios de la lengua- disponen de una gama de opciones lingüísticas más o menos probables para expresar el significado. Así pues, los corpus de traducción múltiple permiten identificar fenómenos que representan regularidades reales de la traducción -es decir, patrones observados en el comportamiento de distintos traductores ante un mismo TO- e investigar (qué puede determinar) la variabilidad de la traducción.
Una línea de investigación que parece especialmente prometedora asocia la invariancia entre traducciones alternativas con la posibilidad de una traducción literal del TO (cf. Carl & Schaeffer 2017), lo que llevaría a los traductores a no anular el efecto de primado del TO. Por el contrario, la variación se produciría principalmente con respecto a los ítems para los que no es posible una traducción literal, así como para los ítems con mayor potencial interpretativo y evaluativo, como las palabras que expresan actitud e ideología, los sustantivos abstractos y las expresiones idiomáticas, que requieren un mayor esfuerzo de procesamiento. Desde esta perspectiva, la variación entre traducciones alternativas podría ser indicativa de la dificultad de traducción y algunos estudios han intentado combinar datos de corpus y perspectivas basadas en el proceso para investigar la posible relación entre la variación y la dificultad de traducción de elementos específicos del TO, tal y como señalan los indicadores de mayor esfuerzo cognitivo (cf. Dragsted 2012).
Las regularidades y/o la variabilidad podrían estar asociadas a características compartidas por los traductores -o que los diferencian-, como su nivel de experiencia (véase más arriba) o su interacción con la tecnología. Algunos estudios recientes, por ejemplo, se basan en corpus que incluyen tanto traducciones humanas como traducciones poseditadas junto con resultados de traducción automática, lo que refleja la gran transformación que ha experimentado el mercado de la traducción en la última década (cf. Czulo, Hansen-Schirra & Nitzke 2017 sobre la variación terminológica entre estos tres tipos de traducciones).
Los estudios de interpretación basados en corpus (EIBC)
Los corpus de interpretación como desafío
Al igual que el habla es muy diferente de la escritura, la interpretación es diferente de la traducción y la manera de compilar corpus de interpretación es diferente de la compilación de corpus de traducción. La interpretación implica la producción de un discurso oral mucho menos organizado y fluido que el discurso escrito. La interpretación, al igual que el habla, está muy imbricada en el contexto en el que se produce y rara vez se recibe sin él, por lo que los corpus de interpretación suelen estar enriquecidos con anotaciones complejas.
Al igual que los corpus hablados, los corpus de interpretación pueden limitarse a una transcripción de lo dicho, pero cada vez es más frecuente disponer de transcripciones junto con anotaciones que abarcan un rico conjunto de características paralingüísticas con un gran nivel de detalle, como la velocidad del habla, los falsos comienzos, la duración de las pausas, etc. Las convenciones de transcripción utilizadas en el proceso de compilación deben diseñarse cuidadosamente para cumplir los objetivos de investigación requeridos. Una de las primeras convenciones de transcripción para un corpus de interpretación ha sido diseñada por los creadores del corpus EPIC y suele servir de punto de partida para otros investigadores (por ejemplo, EPIC-UDS o EPTIC).
El discurso hablado e interpretado también plantea algunas limitaciones a los etiquetadores automáticos y los lingüistas que analizan interpretaciones se enfrentan con frecuencia a retos como establecer el límite de la oración, o mejor dicho, del enunciado, lo que, por otra parte, está inextricablemente ligado a la anotación del texto en cuanto a categorías gramaticales y dependencias universales. Al ser los límites de un enunciado oral tan fluidos, la alineación de las interpretaciones y sus discursos de origen resulta más laboriosa que en el caso de las traducciones escritas. Al contrario que en el caso de las traducciones escritas, la alineación automática de los textos orales es, por ahora, muy poco fiable. No obstante, hoy en día la mayoría de los corpus de interpretación son tanto comparables como paralelos y están alineados a nivel de oración, mientras que unos pocos incluyen también la alineación con los correspondientes textos traducidos y vídeos originales (EPTIC), o incluso la alineación sonido-texto a nivel de palabra (PINC).
 |
 |
| Oración etiquetada con UD pipe, por lo que incluye datos como los lemas, dependencias universales o categorías gramaticales | Árbol de dependencias universales generado con UD pipe |
El complejo proceso de compilación de corpus de interpretación afecta a su tamaño y frecuencia de creación, por lo que normalmente constituye una tarea que demanda la colaboración de varios investigadores. Con la llegada de los métodos de transcripción automáticos, cada vez se crean más corpus de interpretación, pero necesitaremos avances técnicos mucho mayores para que el tamaño de los corpus de interpretación aumente de manera significativa. En este momento, tanto el proceso de transcripción como el de alineación, por no mencionar el de anotación, requieren una intensa supervisión humana en la que suele ser necesario invertir mucho tiempo para realizar numerosas correcciones.
Comparaciones unimodales e intermodales
El número de estudios de corpus sobre interpretación no deja de crecer, ya que el análisis automatizado de grandes cantidades de datos auténticos de interpretación arroja valiosos resultados.
La comparación de interpretaciones con no interpretaciones en el mismo idioma utilizando corpus comparables puede ayudar a investigar de cerca los rasgos característicos del lenguaje interpretado a nivel de léxico, gramática y sintaxis, así como de rasgos paralingüísticos, como las disfluencias. Otro enfoque valioso tanto desde la perspectiva de la traducción como de la interpretación es el análisis intermodal del modo de mediación hablado y escrito, que puede percibirse como una herramienta para extrapolar "a set of stylistic and pragmatic features" de ambas variedades (Shlesinger 2009: 237) y permite analizar una serie de rasgos léxico-gramaticales que diferencian a ambas y contribuye a trazar un perfil lingüístico de la interferencia tanto en interpretación como en traducción. Como acertadamente señala Gile (2004: 23), la variedad oral y la variedad escrita mediada tienen mucho en común:
the differences between them can help shed light on each, so that besides the autonomous investigation of their respective features, each step in the investigation of one can contribute valuable input towards investigation of the other.
En los siguientes apartados mostraremos cómo esta línea de investigación ha ido ganando popularidad en los últimos años y que, de hecho, arroja resultados prometedores.
Patrones léxicos
En los análisis unimodales, los corpus comparables permiten detectar patrones que distinguen a la interpretación de los discursos orales no mediados. Con base en estudios ya realizados sobre la traducción, la investigación en interpretación utiliza diversos parámetros, especialmente adecuados para investigaciones monolingües y comparables, con el fin de inspeccionar patrones léxicos en la interpretación, frecuentemente en busca de rastros de simplificación (Laviosa 1998) que cabría esperar en una modalidad de transferencia que tiene lugar en situaciones más exigentes desde el punto de vista cognitivo. En la modalidad oral de la mediación, los parámetros típicamente utilizados para investigar la simplificación léxica parecen depender mucho del par de lenguas concreto y de la direccionalidad. Una de estas medidas es la densidad léxica, es decir, la proporción entre el número total de palabras de un texto y la cantidad de palabras léxicas, lo que indica el grado de informatividad de un texto (cuanto mayor es el porcentaje de palabras léxicas por texto, mayor es la carga de información codificada en él). Sin embargo, parece que este parámetro se comporta de forma diferente en la interpretación frente a la traducción. Las interpretaciones de varios idiomas al inglés son más densas desde el punto de vista léxico (alemán, neerlandés, francés o ruso) o muestran una densidad léxica similar (italiano y español). Las tendencias se invierten en las interpretaciones del inglés y el español al italiano, al igual que en las interpretaciones del inglés al ruso.
 |
| Porcentaje de palabras gramaticales y léxicas en un texto para calcular la densidad léxica |
Otro parámetro que se usa con frecuencia en los análisis léxicos es el grado de recurrencia lingüística. En interpretación, este parámetro también parece depender de la combinación lingüística. La recurrencia se mide a menudo con listas de frecuencias, que dan cuenta de la proporción de las palabras más repetidas (normalmente las 100 primeras en la lista de frecuencias) en un corpus. Una vez más, mientras que las interpretaciones del italiano al inglés muestran una mayor recurrencia en comparación con los enunciados originales en inglés -al igual que las interpretaciones del español y el alemán-, lo que apoya la hipótesis de la simplificación, no puede decirse lo mismo de las interpretaciones al italiano al inglés o del francés al inglés, que muestran tendencias opuestas (cf. Russo, Bendazzoli & Sandrelli 2006 para acceder a resultados detallados sobre la interpretación de patrones léxicos). Factores como el modo de la comunicación oral original también parecen influir en la tendencia a la recurrencia y otros patrones léxicos de la interpretación (Kajzer-Wietrzny 2015). Tangencialmente, nos gustaría señalar que la modalidad de comunicación oral original se descuida con bastante frecuencia en los EIBC, lo que constituye un reto que tendría que ser abordado en futuras investigaciones.
Los corpus comparables ayudan a detectar las discrepancias entre los productos orales y escritos de la mediación. La pionera de los estudios sobre corpus de interpretación, Miriam Shlesinger, descubrió muy pronto la importancia de este aspecto y en su artículo pionero de 2009 "Towards a definition of Interpretese" utilizó corpus intermodales comparables para analizar las diferencias entre las interpretaciones y traducciones del inglés al hebreo realizadas en entornos experimentales. Observó diferencias consistentes en los patrones léxicos, por ejemplo en la variedad léxica, que era mayor en todas las traducciones escritas. Además, las interpretaciones simultáneas utilizaron más préstamos no hebreos. La observación general sobre el registro fue que los intérpretes preferían las formas no marcadas, mientras que en las traducciones escritas predominaban las opciones léxicas más formales. En general, observó que "the features that distinguish spoken Hebrew from written Hebrew are (even) more pronounced in interpreted and translated outputs, respectively" (Shlesinger 2009: 250). Los hallazgos iniciales de Shlesinger se han confirmado en gran medida en análisis intermodales más recientes, que además amplían su enfoque. También se han realizado interesantes comparaciones intermodales con respecto a la fraseología. Los corpus permiten distinguir automáticamente entre distintos tipos de colocaciones y comprobar si se utilizan de forma diferente en los distintos modos de mediación. Una forma de verlo es utilizar corpus comparables para investigar el modo en que intérpretes y traductores emplean las colocaciones más frecuentes (normalmente reconocidas por valores altos de T (T-score values)) y las colocaciones fuertemente asociadas (con una puntuación alta de información mutua), que son menos frecuentes. Resulta, por ejemplo, que el lenguaje de las traducciones italianas es más convencional desde el punto de vista fraseológico y más idiomático en comparación con el lenguaje de los intérpretes italianos, como indican los valores más altos de puntuación de información mutua de las colocaciones empleadas en las traducciones que en las interpretaciones. Por otra parte, parece que tanto los intérpretes como los traductores utilizan las colocaciones más frecuentes, indicadas con valores T más altos, en similar medida. En este caso, es probable que las importantes limitaciones cognitivas de la interpretación afecten a la elección de expresiones fijas y menos fijas, y que la interferencia del texto original desempeñe un papel más importante en la interpretación que en la traducción (para más información sobre las investigaciones intermodales del discurso mediado, véase las publicaciones de Adriano Ferraresi).
Uso diferente de la sintaxis y la gramática
Más allá de las investigaciones léxicas, los corpus comparables permiten realizar análisis entre variedades mediadas y no mediadas en los planos de la gramática y la sintaxis.
En primer lugar, a nivel unimodal, la comparación de las estructuras sintácticas y gramaticales utilizadas por los intérpretes y los textos orales originales producidos por hablantes nativos permite rastrear los patrones preferidos por los intérpretes, especialmente en combinaciones lingüísticas específicas, y a veces incluso relacionar la complejidad de los patrones estructurales con la carga cognitiva de la interpretación. En un enfoque deductivo basado en corpus, este tipo de estudios podrían comenzar con el análisis contrastivo y la identificación de diferencias tipológicas entre las lenguas original y término, que podrían tratarse como punto de partida para investigaciones sobre interferencia a nivel sintáctico. Una buena ilustración de este tipo de investigación es el análisis de la interpretación de estructuras modificadoras atributivas largas y complejas del chino al inglés. En chino, estas estructuras son típicamente iniciales, mientras que el inglés se caracteriza por estructuras modificadoras retrospectivas. A pesar de esta diferencia, más del 80% de dichas estructuras complejas iniciales en chino se interpretan como estructuras retrospectivas en inglés. Wang y Zou (2018: 65) afirman que esto supone un esfuerzo cognitivo extra para los intérpretes vinculado a la necesidad de reestructuración al interpretar entre pares de lenguas con estructuras tan diferentes. Otro caso en el que se necesita un esfuerzo cognitivo extra es la interpretación de lenguas SVO (sujeto-verbo-objeto) a lenguas SOV (sujeto-objeto-verbo). Una forma de investigar este fenómeno con el uso de corpus es observar la llamada "zona intermedia", es decir, el número de elementos entre sujeto y verbo en la producción de los intérpretes y en los discursos originales no mediados. Resulta que los intérpretes tienden a aliviar el esfuerzo cognitivo acortando la zona intermedia (para más detalles sobre éste y otros estudios de interpretación basados en corpus, cf. Camille Collard).
En segundo lugar, como en el caso del léxico, de las comparaciones intermodales pueden deducirse muchas cosas sobre la sintaxis y la gramática de la interpretación y la traducción. Por ejemplo, las interpretaciones y las traducciones manifiestan un uso diferente de determinados patrones verbales. Shlesinger (2009) encontró un número ligeramente mayor de construcciones verbales en las interpretaciones en comparación con las traducciones, y patrones sistemáticamente diferentes de posesivos y artículos definidos. Gast y Borges (2023) investigaron interpretaciones y traducciones inglés-alemán y sus resultados confirman la asimetría en los patrones nominales y verbales observada por Shlesinger en el par de lenguas hebreo-inglés. Observando estas y otras tendencias, por ejemplo un mayor uso de adverbios o pronombres, llegan a la conclusión de que "interpretations have a hybrid status and can be located somewhere in the middle, between the register of the source text (parliamentary speech) and unplanned spoken discourse".
Un método muy potente de estudio en el que intervienen corpus comparables es el análisis multidimensional (para más información sobre este método, cf. Douglas Biber), que permite examinar una serie de rasgos lingüísticos gramaticales y estilísticos a la vez. Originalmente se diseñó para detectar diferencias entre registros, pero también se ha utilizado para investigar las variedades de contacto, así como la interpretación y traducción inversas (Xu 2021). En términos muy simplistas, el análisis multidimensional se basa en la técnica estadística del análisis factorial exploratorio, que permite agrupar una serie de variables que, de otro modo, serían menos fáciles de interpretar en los denominados factores/dimensiones, que se supone que reflejan la estructura relacional latente entre los rasgos en cuestión. Esto, por otra parte, puede ayudar a preparar una descripción multidimensional de la lengua utilizada en un conjunto de textos y comparar estas series de textos entre sí con el mismo "criterio" (puntuación media de la dimensión). Uno de los conjuntos de rasgos más destacados, en gran medida gramaticales y sintácticos, examinados de esta manera que suelen agruparse en la Dimensión 1 pertenece a la producción implícita frente a la producción informativa y, por lo general, los textos que se enuncian oralmente se sitúan en un extremo de esta dimension y los textos escritos en el otro. Esto es también lo que ha observado Xu (2021) en un estudio intermodal, en el que las principales conclusiones se refieren a la Dimensión 1 y a la Dimensión 2. En cuanto a la Dimensión 1, la interpretación hacia la lengua extranjera se asoció con rasgos implícitos e informales. En este estudio concreto, los rasgos que se incluían en la Dimensión 1 eran, entre otros, el tiempo presente, las contracciones, be como verbo principal, la coordinación de proposiciones independientes, los pronombres interrogativos y las proposiciones de relativo con este tipo de pronombres. La dimensión 2, "Elaboración de información en línea con toma de postura", agrupaba rasgos que las variedades mediadas tenían en común, al contrario que las no mediadas. Entre ellas se encontraban, por ejemplo, los intensificadores, los demostrativos y proposiciones con that en posición de sujeto. Según Xu, esta tendencia compartida también podría apuntar a estrategias comunes de gestión de riesgos por parte de traductores e intérpretes. Otras dimensiones de este análisis proporcionan una descripción lingüística más detallada y exhaustiva, y el método se utiliza cada vez más hoy en día en análisis unimodales e intermodales de textos mediados y subordinados.
Corpus orales y calidad
Parece que algunos de los patrones lingüísticos brevemente descritos anteriormente pueden predecir hasta cierto punto cómo evalúan los humanos la interpretación simultánea. Este enfoque fue adoptado por Ouyang, Qianxi y Junying (2021), que intentaron construir un sistema de evaluación automática de la calidad de la interpretación. Los investigadores se fijaron en particular en el recuento de palabras, la diversidad léxica, la hiperonimia de los verbos y la frecuencia de los pronombres en primera persona del singular. Su modelo de regresión lineal explicaba el 60% de la varianza en la evaluación humana: esto significa que una prueba estadística que incluyera las características mencionadas como variables fijas (predictores) llegaba a la misma decisión que los evaluadores humanos con respecto a aproximadamente el 60% de los datos. Se observó que las interpretaciones mejor valoradas por los evaluadores humanos tendían a utilizar elementos léxicos más precisos, aunque menos frecuentes, y eran léxicamente más diversas.
Corpus paralelos
Los corpus paralelos son un buen método para investigar los diversos procesos que afectan a las características textuales de los textos término con referencia al texto original, como la tendencia a explicitar la información codificada en el mensaje original. Los textos alineados y segmentados facilitan a los investigadores el estudio de la correspondencia entre el TO y el TT.
No hay muchos análisis unimodales de corpus de interpretación paralela que se fijen en las características típicamente lingüísticas del texto interpretado. Sin embargo, este tipo de corpus invita a investigar, por ejemplo, las estrategias de interpretación. Con una adecuada anotación del corpus, factores importantes en la interpretación, como la direccionalidad, la posición en el fragmento original y la riqueza fraseológica del original podrían tenerse en cuenta en el análisis de estrategias de interpretación como, por ejemplo, el saucissonage o la omisión. En un análisis de un corpus bidireccional paralelo de interpretación simultánea ruso-inglés efectuado con este método, Dayter (2020) afirma que la asociación de las tres variables con el tipo de estrategia es significativa. Si el corpus contiene los metadatos relativos a los intérpretes individuales obtenidos, por ejemplo, en el proceso de identificación del intérprete, se pueden explorar las preferencias idiosincrásicas y la variación entre intérpretes individuales. Por ejemplo, Gumul & Bartłomiejczyk (2022) examinan la consistencia y frecuencia de patrones idiosincrásicos en busca de estilos de intérpretes reflejados en cambios del grado de explicitación que afectan a la cohesión, sintaxis y textura de los textos término de los intérpretes que trabajan para la Unidad de Lengua Polaca del Parlamento Europeo. Además, cabe destacar en este punto que los corpus que incluyen la identificación del intérprete podrían fomentar un diseño de investigación más equilibrado y permitir incorporar la variación idiosincrásica a los modelos estadísticos, lo que mejora la generalizabilidad de los resultados, en particular en el caso de corpus tan pequeños como los de interpretación.
Se pueden realizar exploraciones similares de estrategias que afectan a los aspectos textuales de la producción interpretada, como la cohesión, en corpus intermodales paralelos. Consultando los textos originales de las interpretaciones y traducciones es posible ver hasta qué punto se añaden y omiten conectores en ambos modos de mediación. No es sorprendente que los intérpretes tiendan a omitir más, probablemente debido a una carga cognitiva excesiva o como estrategia consciente cuando los conectores no son esenciales para comprender el significado. Los intérpretes también añaden más conectores que los traductores, lo que, sin embargo, es contrario a lo esperado, ya que esto podría aumentar la carga cognitiva (para más información sobre la interpretación utilizando corpus paralelos, cf. Bart Defrancq).
Rasgos paralingüísticos y calidad
Al examinar los rasgos paralingüísticos de la oralidad específicos de la interpretación, los corpus paralelos pueden utilizarse para investigar los desencadenantes de problemas que afectan a la calidad de la producción del intérprete y los factores determinados por el texto original que la afectan. Esto, a su vez, puede informar sobre ciertos procesos cognitivos que acompañan al proceso de interpretación. Comparando la producción de los intérpretes con el texto original alineado en un corpus paralelo es posible investigar qué afecta, por ejemplo, a la fluidez de la interpretación. Con frecuencia, la fluidez se operativiza (es decir, se mide) a través del número de falsos comienzos o pausas silenciosas y sonoras o la duración de las pausas. Un examen minucioso de estos parámetros puede ayudar a identificar las áreas del texto original más exigentes desde el punto de vista cognitivo. Este enfoque se ha utilizado, por ejemplo, con respecto a la interpretación de números (Kajzer-Wietrzny, Ivaska & Ferraresi 2023), donde se analizó los tipos de números que suponen un mayor reto para los intérpretes y el contexto que dificulta su interpretación, por ejemplo, el discurso original enunciado por un hablante no nativo.
La duración de las pausas silenciosas y sonoras en interpretación después de 10 segundos de la aparición de palabras menos frecuentes en el texto original, por ejemplo, puede medirse para investigar el llamado efecto spillover o de desbordamiento, es decir, una disminución de la calidad de la interpretación tras un desencadenante de problemas en el texto de origen. Esto significa que, tras un pasaje más exigente, el intérprete habrá agotado sus recursos cognitivos y podría ofrecer una interpretación menos fluida aunque el siguiente fragmento del discurso original no sea tan exigente. Los posibles desencadenantes de problemas también pueden identificarse con métodos de corpus. Por ejemplo, como se muestra en el estudio sobre el efecto spillover de Chmiel, Janikowski, Koržinek et al. (2023), la frecuencia de palabras en un corpus de referencia puede utilizarse para determinar la dificultad potencial de las palabras del texto original (en este caso había tanto palabras etimológicamente cercanas como otras sin relación etimológica).
Los corpus paralelos también presentan cierto potencial para la evaluación automática de la calidad de la interpretación, aunque hay que subrayar que esta línea de investigación se encuentra todavía en una fase muy preliminar y que un análisis totalmente automatizado es imposible en este momento. Sin embargo, cierta información lingüística y paralingüística codificada en un corpus de interpretación puede servir como criterio útil para medir los aspectos seleccionados de la calidad de la interpretación. Parece que la fluidez de salida constituye un parámetro que podría computarse y evaluarse de forma totalmente automática y que las puntuaciones altas en los parámetros de fluidez corresponden a valoraciones humanas de calidad más altas (Liu 2021: 171).
Potencial para la investigación
Como hemos indicado, los estudios de corpus tanto en traducción como en interpretación crecen de forma notable y comienzan a adquirir cada vez más complejidad a través de diseños multifactoriales que amplían el alcance de la investigación a aspectos sociales y cognitivos novedosos en traducción e interpretación.
Por ejemplo, en los últimos años se ha planteado la hipótesis de que algunos de los rasgos recurrentes observados en los textos traducidos e interpretados podrían no ser distintivos únicamente de estas variedades mediadas, sino producirse como resultado del contacto lingüístico en otras situaciones comunicativas, como la producción no nativa (por ejemplo, en la lengua de aprendizaje) y otras formas de comunicación subordinada (véase en particular el trabajo de Haidee Kotzee), debido a la presencia de mecanismos sociocognitivos similares. Así pues, se podría lograr una comprensión más precisa de los mecanismos que subyacen a la traducción mediante enfoques más interdisciplinares que vinculen la investigación sobre corpus con disciplinas afines como la investigación sobre la adquisición de segundas lenguas, los estudios sobre bilingüismo, la psicolingüística y la lingüística cognitiva.
Un ejemplo relevante de un ámbito en el que aún no se ha explorado suficientemente todo el potencial de investigación de los ETBC y los EIBC es el de la mediación inversa. Esta cuestión está relacionada, por un lado, con el procesamiento cognitivamente complejo de la L2 en la mediación y, por otro, con el aspecto socioeconómico de la falta de traductores e intérpretes a la L1 en el caso de las lenguas de difusión escasa o limitada.
Además, la gran mayoría de los estudios sobre traducción e interpretación se basan en corpus con operacionalizaciones preexistentes de problemas de investigación comunes que se abordan una y otra vez. Aunque esto puede tener ventajas desde el punto de vista de la replicación y validación de los patrones lingüísticos observados en otros pares de lenguas/conjuntos de datos, también reduce el abanico de cuestiones investigadas una y otra vez. A este respecto, los enfoques basados en corpus encierran un enorme potencial, ya que pueden revelar patrones inesperados y conducir este enfoque por vías de investigación completamente nuevas.
La utilización de corpus en otros subcampos de la traducción y la interpretación como el audiovisual (cf. Baños, Bruti & Zanotti 2013) o la interpretación a distancia (cf. Castagnoli & Niemants 2018) se encuentra todavía en una fase muy inicial. La complejidad del proceso de anotación asociada a los corpus sobre algunas formas de mediación lingüística -por ejemplo, interpretación de signos con alineación de texto, sonido y vídeo, además del complejo sistema constituido por la lengua de signos- implica que la compilación de este tipo de corpus resulte extraordinariamente laboriosa y, de momento, limite notablemente su tamaño. Sin embargo, la investigación en interpretación con lenguaje de signos es un campo en plena expansión y la cantidad de corpus de lenguaje de signos no deja de crecer. Cabe confiar en que con el rápido desarrollo de la inteligencia artificial, la compilación y anotación de estos corpus acabe requiriendo menor esfuerzo humano.
Efectivamente, la compilación de algunos corpus es más laboriosa que la de otros. Cuantos más modos de comunicación intervienen, más complejo es el esquema de anotación. Siguiendo esta regla general, la compilación de corpus de traducción escrita suele ser menos laboriosa que la de corpus de interpretación, audiovisuales o de lengua de signos. Algunos datos también son más difíciles de obtener por cuestiones de derechos de autor o anonimización (anonimizar grabaciones de lengua de signos o interpretaciones simultáneas grabadas puede resultar más complicado que anonimizar textos escritos), entre otras cosas.
Algunas de las dificultades mencionadas podrían abordarse aunando los conocimientos y recursos de distintos equipos de investigación de varias instituciones, lo que por ahora no es una práctica habitual entre los académicos que se dedican a los estudios de corpus sobre traducción e interpretación. Hay excepciones notables, como la puesta en común de datos y la combinación de recursos de corpus de distintos proyectos, como en el caso del corpus EPIC UDS, en el que los investigadores se pusieron en contacto con colegas para ampliar el conjunto de transcripciones de interpretación de que disponían. El corpus intermodal EPTIC es otro ejemplo de la colaboración en curso de académicos de la interpretación y la traducción de distintas universidades de toda Europa, y los investigadores están poniendo en línea los resultados de esta colaboración. Otro ejemplo de cooperación académica en la creación de corpus es el proyecto MUST, que hasta la fecha ha dado como resultado la compilación de un corpus de 2 millones de palabras de traducciones de estudiantes (disponible por ahora solo para la comunidad MUST) profusamente anotado con metadatos y errores de traducción siguiendo una taxonomía de errores homogénea. Este tipo de iniciativas demuestran que la colaboración multicéntrica es una forma eficaz de superar la escasez de datos, lo que constituye una vía infalible para dotar de mayor solidez a los estudios de corpus en traducción e interpretación, así como a sus resultados.