El resumen automático como recurso documental para la ... · UNIVERSIDAD DE MÁLAGA FACULTAD DE...

UNIVERSIDAD DE MLAGA

FACULTAD DE FILOSOFA Y LETRAS

DEPARTAMENTO DE TRADUCCIN E INTERPRETACIN

TESIS DOCTORAL

El resumen automtico como recurso documental para la traduccin de artculos de investigacin

del mbito jurdico-tecnolgico (espaol-ingls-francs)

MARA CRISTINA TOLEDO BEZ

DIRIGIDA POR LA DRA. D. GLORIA CORPAS PASTOR

MLAGA, 2009

Gloria Corpas Pastor, catedrtica del Departamento de Traduccin e

Interpretacin de la Universidad de Mlaga, certifica que la tesis de D. Mara Cristina

Toledo Bez, titulada El resumen automtico como recurso documental para la

traduccin de artculos de investigacin del mbito jurdico-tecnolgico

(espaol-ingls-francs), ha sido realizada bajo su direccin y cumple todos los

requisitos legales para proceder a su defensa.

Mlaga, a 29 de junio de 2009

Fdo. Dra. D. Gloria Corpas Pastor

A mi padre, a mi madre y a mi hermana

La sola, la vera lingua dellEuropa la traduzione

Umberto Eco

AGRADECIMIENTOS

Una tesis doctoral parece constituir el trabajo individual ms

arduo y laborioso. No obstante, durante los aos de investigacin y

estudio que implica, encontramos personas que, desde el punto de

vista acadmico o humano, ofrecen su ayuda y, de algn modo, dejan

su impronta.

En primer lugar, quisiera mostrar todo mi reconocimiento a la

Dra. D. Gloria Corpas Pastor, directora de la tesis contenida en este

volumen. A su persona debo infinita gratitud por la confianza que

siempre ha puesto en m y por sus constantes muestras de nimo y

comprensin a la hora de emprender este proyecto. Sin embargo, no

slo me ha enseado a investigar, sino que su generosidad y calidad

humana hacen que sea para m un ejemplo de valores y una maestra en

el ms amplio sentido de la palabra.

M. Cristina Toledo Bez

II

Quisiera hacer extensible este agradecimiento al Dr. D. Ruslan

Mitkov, director del Research Group in Computational Linguistics,

por su maravillosa acogida durante mi estancia en la Universidad de

Wolverhampton as como por sus sabios consejos y apoyo constante

desde la distancia. Asimismo, agradezco al Dr. D. Constantin Orsan

su ayuda desinteresada en todo momento y por trabajar con ahnco en

el recurso documental presentado en la tesis sin ms recompensa que

mis mltiples palabras de agradecimiento. Vayan tambin mis gracias

a la Dra. D. Dalila Melkhadi y a la Dra. D. Shyan Ou por actuar

como evaluadoras externas as como por sus comentarios siempre tan

oportunos.

Uno de los mayores apoyos recibidos me ha venido de la mano

de los miembros y colaboradores del grupo de investigacin

HUM-106, en particular de los profesores Dra. D. Mriam Seghiri

Domnguez, Dr. D. Jorge J. Leiva Rojo y D. M. del Carmen Amaya

Galvn, y sobre todo de mi compaera y amiga Cristina M. Castillo

Rodrguez. Todos ellos saben por experiencia propia el valor de una

palabra de nimo o de una ayuda a tiempo y me lo han sabido

demostrar con creces en numerosas ocasiones.

No quisiera olvidarme de los profesores del Departamento de

Traduccin e Interpretacin de la Universidad de Mlaga que me han

permitido realizar los experimentos en sus clases, en concreto el Dr.

D. Emilio Ortega Arjonilla, la Dra. D. Adela Martnez Garca, la

Dra. D. Isabel Jimnez Gutirrez y D. Tanagua Barcel Martnez.

Asimismo, en este punto he de destacar la colaboracin desinteresada

de Abby Oesterling, que desde Estados Unidos ha revisado con

paciencia todo aquello que he necesitado.

Agradecimientos

III

A mis amigos que, de forma presencial o virtual, siempre se

han preocupado desinteresadamente por ese trabajo que me absorba y

me apartaba de ellos.

A toda mi familia, sin cuyo apoyo este trabajo no hubiese visto

nunca la luz, y en especial a las tres personas a las que va dedicada

esta tesis: a mi padre, a mi madre y a mi hermana. Todo lo que he

conseguido hasta ahora y todo lo que consiga en el futuro se lo debo a

los tres por ser todos ellos una parte de m misma.

A Ral, por caminar a mi lado durante todos estos aos, por

soportar tantas horas robadas, por demostrarme en numerosas

ocasiones su inquebrantable paciencia y por comprenderme cuando ni

yo misma lo haca. Y, sobre todo, por ensearme, con maestra, que la

distancia nunca es el olvido.

NDICE

ABSTRACT

1. Introduction... 1

2. Aims and goals.. 3

3. Materials 5

3.1. Term-Based Summariser.... 5

3.2. Multilingual comparable corpus......... 6

3.3. Markin and evaluation........ 7

3.4. WordList in Oxford WordSmith Tools.. 7

3.5. ReCor.. 7

3.6. Electronic survey........ 8

4. Methods. 8

ndice

VI

4.1. Contrastive analysis of discourse and domain: legal-technological discourse.

8

4.2. Contrastive analysis of textual genre: research articles.. 9

4.3. Empirical experiments with semi-professional translators........ 10

5. Results... 12

5.1. Results of contrastive analysis of legal-technological discourse....

12

5.2. Results of contrastive analysis of research article as genre 13

5.3. Results of the experiments with semi-professional translators.. 14

5.3.1. Quality criteria. 14

5.3.2. Lexical richness criteria... 18

5.3.3. Number of words translated criteria 22

5.4. Results from the electronic survey. 23

6. Conclusions and future work 25

6.1. Conclusions........ 25

6.2. Future work........ 29

INTRODUCCIN

1. Motivacin............. 31

2. Objetivos........... 35

3. Estructura... 37

ndice

VII

CAPTULO I. DE LA SOCIEDAD DE LA INFORMACIN A LA SOCIEDAD DEL CONOCIMIENTO: EL TRADUCTOR COMO TECNLOGO Y DOCUMENTALISTA

1.1. Introduccin............ 47

1.2. Las Tecnologas Lingsticas......... 50

1.2.1. El multilingismo en Europa y las TIC... 50

1.2.2. Las tecnologas lingsticas: concepto y clasificacin........ 53

1.2.3. Las polticas europeas en materia de tecnologas lingsticas 57

1.3. Las tecnologas de la traduccin........ 65

1.3.1. La Generacin del Lenguaje Natural.. 70

1.3.1.1. Investigacin sobre GLN en Europa y Norteamrica.......... 72

1.3.1.2. Investigacin sobre GLN en Espaa 75

1.3.2. El corpus y sus aplicaciones........... 80

1.3.2.1. Aplicaciones didcticas del corpus en Traduccin... 83

1.3.2.2. Aplicaciones del corpus en los estudios descriptivos de Traduccin....................................................

85

1.3.2.3. El corpus en las tecnologas de la traduccin................... 86

1.3.3. La Traduccin Automtica.. 89

1.3.3.1. Investigacin internacional en TA... 93

1.3.3.2. Investigacin nacional en TA... 95

1.3.4. La Recuperacin de Informacin............ 97

1.3.4.1. La recuperacin de informacin como subtipo 98

1.3.4.1.1. La investigacin internacional en RI. 100

1.3.4.1.2. La investigacin nacional en RI 101

1.3.4.2. La extraccin de informacin.................. 105

ndice

VIII

1.3.4.2.1. La investigacin internacional y nacional en EI... 107

1.4. La Documentacin. 111

1.4.1. Internet y la Documentacin........... 111

1.4.2. La Documentacin Aplicada a la Traduccin. 115

1.4.3. La competencia documental........ 119

1.4.4. El proceso documental........ 122

1.4.5. La evaluacin de recursos electrnicos........... 129

1.5. Corolario. 133

CAPTULO II. EL RESUMEN GENERAL Y EL RESUMEN AUTOMTICO: TERM-BASED SUMMARISER

2.1. Introduccin............ 141

2.2. El resumen general. 143

2.2.1. Definicin........ 144

2.2.2. Tipos de resumen............. 146

2.2.3. Proceso de elaboracin........ 150

2.3. El resumen automtico........... 153

2.3.1. Extracto y resumen: distincin........ 157

2.3.1.1. Extracto (extract).................. 157

2.3.1.1.1. El proceso de resumen por extraccin............................... 158

2.3.1.2. Resumen (abstract)................... 161

2.3.1.2.1. El proceso de generacin de resmenes 163

2.3.1.2.1.1. Plantillas................................................. 164

2.3.1.2.1.2. Reescritura de trminos............................................. 165

2.3.1.2.1.3. Relaciones de acontecimientos.. 165

2.3.1.2.1.4. Jerarqua de conceptos........... 167

ndice

IX

2.3.2. Tipos de resmenes. 167

2.3.2.1. Indicativo vs. informativo vs. crtico... 170

2.3.2.2. Genrico vs. centrado en el usuario..................... 172

2.3.2.3. General vs. especfico.................. 172

2.3.2.4. Monodocumental vs. multidocumental 173

2.3.2.5. Monolinge vs. bilinge vs. multilinge................. 173

2.4. Enfoques actuales del resumen automtico........... 175

2.4.1. Enfoques clsicos............ 177

2.4.2. Enfoques basados en corpus........... 182

2.4.3. Enfoques basados en el anlisis del discurso.......... 190

2.4.3.1. Rhetorical Structure Theory. 191

2.4.3.2. WordNet y EuroWordNet 193

2.4.3.3. Enfoques centrados en la cohesin.. 195

2.4.3.4. Enfoques centrados en la coherencia... 199

2.4.4. Enfoques ricos en conocimiento. 204

2.4.5. El resumen automtico multidocumental....... 210

2.4.6. ltimas tendencias en resumen automtico............ 216

2.4.6.1. Resumen automtico de elementos multimedia................... 216

2.4.6.2. Resumen automtico en redes sociales........................ 218

2.5. El programa de resumen automtico Term-Based Summariser

219

2.5.1. Descripcin. 219

2.5.2. Componentes de TBS. 221

2.5.2.1. TBS como programa de resumen automtico.. 222

2.5.2.2. Corpus virtual de artculos de investigacin 235

ndice

X

2.5.2.2.1. Descripcin del corpus.. 236

2.5.2.2.2. Compilacin del corpus 247

2.6. Corolario........................................ 251

CAPTULO III. ANLISIS CONTRASTIVO DEL ESPAOL, INGLS Y FRANCS JURDICO-TECNOLGICOS EN LA CONTRATACIN ELECTRNICA

3.1. Introduccin............ 257

3.2. Aproximacin al discurso jurdico-tecnolgico. 259

3.2.1. El lmite entre lo general y lo especializado............ 260

3.2.1.1. El problema de la denominacin.......................... 261

3.2.1.2. El problema de la delimitacin. 266

3.2.2. El discurso jurdico-tecnolgico.. 279

3.2.2.1. Justificacin de la denominacin................. 280

3.2.2.1.1. Denominacin en lengua espaola 282

3.2.2.1.2. Denominacin en las lenguas inglesa y francesa.. 285

3.2.2.2. Clasificacin del discurso jurdico-tecnolgico................... 287

3.3. Anlisis de artculos de investigacin en espaol, ingls y francs jurdicos.

290

3.3.1. El espaol jurdico... 291

3.3.1.1. Rasgos lxicos, terminolgicos y fraseolgicos... 299

3.3.1.2. Rasgos morfo-sintcticos. 308

3.3.2. El ingls jurdico. 311

3.3.2.1. Rasgos lxicos, terminolgicos y fraseolgicos................... 317

3.3.2.2. Rasgos morfo-sintcticos................. 322

3.3.3. El francs jurdico........... 326

ndice

XI

3.3.3.1. Rasgos lxicos, terminolgicos y fraseolgicos... 329

3.3.3.2. Rasgos morfo-sintcticos. 336

3.3.4. Tabla recopilatoria de rasgos lingsticos comunes en espaol, ingls y francs jurdicos...

345

3.4. El comercio electrnico y la contratacin electrnica............ 347

3.4.1. La contratacin electrnica: Definicin y alcance.......... 348

3.4.2. La contratacin electrnica: regulacin internacional y europea..

353

3.4.3. La contratacin electrnica: regulacin en Espaa......... 358

3.4.4. La contratacin electrnica: regulacin en Inglaterra y Gales 362

3.4.5. La contratacin electrnica: regulacin en Francia......... 365

3.5. La proteccin de datos personales.. 367

3.5.1. La proteccin de datos personales: Definicin y alcance 367

3.5.2. La proteccin de datos personales: regulacin internacional y europea.

371

3.5.3. La proteccin de datos personales: regulacin en Espaa.. 373

3.5.4. La proteccin de datos personales: regulacin en Inglaterra y Gales.

376

3.5.5. La proteccin de datos personales: regulacin en Francia.. 378

3.6. Corolario. 380

CAPTULO IV. ANLISIS CONTRASTIVO EN ESPAOL, INGLS Y FRANCS DEL ARTCULO DE INVESTIGACIN DEL DERECHO

4.1. Introduccin............ 391

4.2. La comunicacin cientfico-acadmica.. 393

4.2.1. Origen y denominacin........... 393

4.2.2. Definicin y caractersticas. 396

ndice

XII

4.2.3. El ingls como lingua franca.. 398

4.2.4. La retrica contrastiva. 402

4.3. El gnero textual y otros conceptos relacionados.......... 404

4.3.1. El gnero textual.. 405

4.3.1.1. Origen y definicin................... 405

4.3.1.2. Caractersticas principales.................... 408

4.3.1.3. Tipos de gneros... 411

4.3.2. El registro........ 415

4.3.2.1. Definicin y caractersticas.. 415

4.3.2.2. Relacin gnero-registro.. 418

4.3.3. La tipologa textual.. 420

4.3.3.1. Definicin y caractersticas.. 420

4.3.3.2. Relacin gnero-tipologa textual 425

4.4. El artculo de investigacin 429

4.4.1. Denominacin, orgenes y definicin.. 430

4.4.2. Rasgos y objeto de estudio.. 432

4.4.2.1. Cariz pedaggico de la investigacin... 432

4.4.2.2. Supremaca del ingls... 433

4.4.2.3. Especializacin por disciplinas 434

4.4.3. Estructura del artculo de investigacin.......... 436

4.4.3.1. Ttulo 440

4.4.3.2. Resumen............... 441

4.4.3.3. Introduccin.. 443

4.4.3.4. Mtodos y materiales................ 447

4.4.3.5. Resultados 452

ndice

XIII

4.4.3.6. Discusin/Conclusin... 454

4.5. Anlisis de los artculos de investigacin del discurso jurdico-tecnolgico...

458

4.5.1. El artculo de investigacin en el discurso jurdico-tecnolgico en espaol...

458

4.5.1.1. Ttulo 458

4.5.1.2. Resumen............... 460




4.5.1.6. Discusin y conclusiones. 477

4.5.1.7. Rasgos del artculo de investigacin en espaol: recapitulacin..

481

4.5.2. El artculo de investigacin en el discurso jurdico-tecnolgico en ingls.

483

4.5.2.1. Ttulo 483

4.5.2.2. Resumen............... 485


4.5.2.4. Mtodo y materiales. 496


4.5.2.6. Discusin y conclusiones. 499

4.5.2.7. Rasgos del artculo de investigacin en ingls: recapitulacin

506

4.5.3. El artculo de investigacin en el discurso jurdico-tecnolgico en francs...

508

4.5.3.1. Ttulo 508

4.5.3.2. Resumen............... 510


ndice

XIV



4.5.3.6. Conclusiones 526

4.5.3.7. Rasgos del artculo de investigacin en francs: recapitulacin

529

4.5.4. Tabla recopilatoria del anlisis contrastivo del artculo en espaol, ingls y francs......

532

4.6. Corolario. 533

CAPTULO V. EVALUACIN DE LA TRADUCCIN DIRECTA E INVERSA CON EL RESUMEN AUTOMTICO COMO RECURSO DOCUMENTAL Y TERMINOLGICO

5.1. Introduccin 543

5.2. La evaluacin de traducciones y otros conceptos relacionados. 545

5.2.1. La revisin de traducciones. 547

5.2.1.1. Definicin y tipos. 547

5.2.1.2. Parmetros de revisin. 550

5.2.1.3. Revisin en la traduccin profesional.. 553

5.2.2. La crtica de traducciones 557

5.2.2.1. Definicin. 558

5.2.2.2. Mtodos de crtica de traducciones.. 559

5.2.3. La evaluacin de traducciones........ 560

5.2.3.1. Mtodos de evaluacin de traducciones... 562

5.2.3.2. La evaluacin analtica. 562

5.2.3.2.1. El error en traduccin 563

5.2.3.2.2. Parmetros en la evaluacin analtica........................... 567

5.2.3.2.2.1. Propuesta de Hurtado Albir 569

ndice

XV

5.2.3.2.2.2. Propuesta de MeLLANGE......................................... 571

5.2.3.3. La evaluacin holstica. 572

5.2.3.3.1. Parmetros en la evaluacin holstica........................... 574

5.2.3.3.1.1. Propuesta de Mahn......................................... 574

5.2.3.3.1.2. Propuesta de Waddington... 576

5.2.3.3.1.3. Propuesta del Institute of Linguists 578

5.2.3.4. Propuesta propia de evaluacin analtica y holstica 584

5.2.3.4.1. Plantilla de evaluacin analtica 584

5.2.3.4.2. Plantilla de evaluacin holstica 588

5.2.3.4.3. Programa de evaluacin de traducciones Markin.. 591

5.3. Estudio emprico de evaluacin de traducciones y resumen automtico..

598

5.3.1. Antecedentes... 599

5.3.2. Objetivos cientficos 599

5.3.3. Sujetos. 600

5.3.4. Materiales........ 605

5.3.4.1. Textos origen................ 606

5.3.4.1.1. Fragmentos en espaol.. 607

5.3.4.1.2. Fragmentos en ingls. 610

5.3.4.1.3. Fragmentos en francs........................... 612

5.3.4.2. Programas informticos y recursos electrnicos.. 615

5.3.4.2.1. Term-Based Summariser : descripcin del proceso.. 615

5.3.4.2.2. WordList de Wordsmith 616

5.3.4.2.3. Sitio web 617

5.3.4.2.4. Encuesta electrnica.. 618

ndice

XVI

5.3.5. Mtodos... 620

5.3.5.1. Prueba piloto. 620

5.3.5.2. Informacin.. 620

5.3.5.3. Entorno. 620

5.3.5.4. Ejecucin.. 621

5.3.5.5. Incidencias................ 623

5.3.6. Resultados............... 624

5.3.6.1. Criterio de calidad 625

5.3.6.1.1. Evaluacin analtica.. 625

5.3.6.1.1.1. Ejemplo de evaluacin del fragmento 1 (sin TBS) de traduccin directa ingls-espaol...

625

5.3.6.1.1.2. Ejemplo de evaluacin del fragmento 2 (con TBS) de traduccin directa ingls-espaol..

629

5.3.6.1.1.3. Ejemplo de evaluacin del fragmento 3 (sin TBS) de traduccin inversa espaol-ingls.

632

5.3.6.1.1.4. Ejemplo de evaluacin del fragmento 4 (con TBS) de traduccin inversa espaol-ingls.

635

5.3.6.1.1.5. Ejemplo de evaluacin del fragmento 1 (sin TBS) de traduccin directa francs-espaol

638

5.3.6.1.1.6. Ejemplo de evaluacin del fragmento 2 (con TBS) de traduccin directa francs-espaol.

642

5.3.6.1.1.7. Ejemplo de evaluacin del fragmento 3 (sin TBS) de traduccin inversa espaol-francs...

646

5.3.6.1.1.8. Ejemplo de evaluacin del fragmento 4 (con TBS) de traduccin inversa espaol-francs....

649

5.3.6.1.1.9. Nmero total de muestra de errores y aciertos en la evaluacin analtica

653

5.3.6.1.2. Evaluacin holstica.. 655

5.3.6.1.2.1. Ejemplo de evaluacin del fragmento 1 (sin TBS) de traduccin directa ingls-espaol...

655

ndice

XVII

5.3.6.1.2.2. Ejemplo de evaluacin del fragmento 2 (con TBS) de traduccin directa ingls-espaol...

657

5.3.6.1.2.3. Ejemplo de evaluacin del fragmento 3 (sin TBS) de traduccin inversa espaol-ingls..

658

5.3.6.1.2.4. Ejemplo de evaluacin del fragmento 4 (con TBS) de traduccin inversa espaol-ingls..

659

5.3.6.1.2.5. Ejemplo de evaluacin del fragmento 1 (sin TBS) de traduccin directa francs-espaol.

660

5.3.6.1.2.6. Ejemplo de evaluacin del fragmento 2 (con TBS) de traduccin directa francs-espaol

661

5.3.6.1.2.7. Ejemplo de evaluacin del fragmento 3 (sin TBS) de traduccin inversa espaol-francs....

662

5.3.6.1.2.8. Ejemplo de evaluacin del fragmento 4 (con TBS) de traduccin inversa espaol-francs....

663

5.3.6.1.2.9. Nmero total de resultados en la evaluacin holstica... 664

5.3.6.1.3. Conclusiones en cuanto al criterio de calidad 666

5.3.6.2. Criterio de riqueza lxica. 668

5.3.6.3. Criterio de nmero de palabras 673

5.3.6.4. Encuesta electrnica: resultados... 675

5.4. Corolario................................. 684

CONCLUSIONS... 687

BIBLIOGRAFA... 707

ANEXO I. 871

NDICE DE FIGURAS, TABLAS, ILUSTRACIONES

Y CUADROS

FIGURAS

Figura 1. Representacin de la extraccin (Hahn y Mani, 2000: 30) 158

Figura 2. Representacin del resumen (Hahn y Mani, 2000: 31).. 162

Figura 3. Interfaz de versin demo de CAST... 220

Figura 4. Interfaz de Term-Based Summariser (TBS). 221

Figura 5. Componentes de CAST (Orsan, 2006: 7) 222

Figura 6. Interfaz de TBS con las dos opciones de formato.. 230

Figura 7. Relacin entre lengua general y lenguajes de especialidad (Ahmad et al., 1995 apud Prez Hernndez, 2002).

269

Figura 8. Modelo plural de los discursos acadmicos. Adaptado de Bhatia, 2002: 34

411

ndice de figuras, tablas, ilustraciones y cuadros

XX

Figura 9. Esquema de la organizacin retrica general del artculo de investigacin. Swales y Feak (1994: 157)

437

Figura 10. Interfaz del programa Markin con un texto importado 592

Figura 11. Ejemplo de texto con juego de botones de correccin. 594

Figura 12. Juego de botones creado para la evaluacin analtica 595

Figura 13. Juego de botones creado para la evaluacin holstica.. 596

Figura 14. Nmero total de alumnos inscritos que participaron en el experimento...

602

Figura 15. Interfaz de las pginas de los seminarios. 618

Figura 16. Encuesta de los seminarios en Campus Virtual... 619

Figura 17. Evaluacin y correccin con Markin de una traduccin directa del ingls sin TBS de acuerdo con los parmetros de la evaluacin analtica...

626

Figura 18. Evaluacin y correccin con Markin de una traduccin directa del ingls con TBS de acuerdo con los parmetros de la evaluacin analtica...

630

Figura 19. Evaluacin y correccin con Markin de una traduccin inversa a ingls sin TBS de acuerdo con los parmetros de la evaluacin analtica...

633

Figura 20. Evaluacin y correccin con Markin de una traduccin inversa a ingls con TBS de acuerdo con los parmetros de la evaluacin analtica...

636

Figura 21. Evaluacin y correccin con Markin de una traduccin directa del francs sin TBS de acuerdo con los parmetros de la evaluacin analtica...

639

Figura 22. Evaluacin y correccin con Markin de una traduccin directa del francs con TBS de acuerdo con los parmetros de la evaluacin analtica...

642

Figura 23. Evaluacin y correccin con Markin de una traduccin directa del francs con TBS de acuerdo con los parmetros de la evaluacin analtica. II..

643


XXI

Figura 24. Evaluacin y correccin con Markin de una traduccin inversa a francs sin TBS de acuerdo con los parmetros de la evaluacin analtica...

646

Figura 25. Evaluacin y correccin con Markin de una traduccin inversa a francs con TBS de acuerdo con los parmetros de la evaluacin analtica...

649

Figura 26. Evaluacin y correccin con Markin de una traduccin inversa a francs con TBS de acuerdo con los parmetros de la evaluacin analtica. II...

650

Figura 27. Evaluacin y correccin con Markin de una traduccin directa a espaol sin TBS de acuerdo con los parmetros de la evaluacin holstica...

656

Figura 28. Evaluacin y correccin con Markin de una traduccin directa a espaol con TBS de acuerdo con los parmetros de la evaluacin holstica...

657

Figura 29. Evaluacin y correccin con Markin de una traduccin inversa al ingls sin TBS de acuerdo con los parmetros de la evaluacin holstica...

658

Figura 30. Evaluacin y correccin con Markin de una traduccin inversa al ingls con TBS de acuerdo con los parmetros de la evaluacin holstica...

659

Figura 31. Evaluacin y correccin con Markin de una traduccin directa a espaol sin TBS de acuerdo con los parmetros de la evaluacin holstica...

660

Figura 32. Evaluacin y correccin con Markin de una traduccin directa a espaol con TBS de acuerdo con los parmetros de la evaluacin holstica...

661

Figura 33. Evaluacin y correccin con Markin de una traduccin inversa al francs sin TBS de acuerdo con los parmetros de la evaluacin holstica...

662

Figura 34. Evaluacin y correccin con Markin de una traduccin inversa al francs con TBS de acuerdo con los parmetros de la evaluacin holstica...

663


XXII

Figura 35. Muestra de dos preguntas de la encuesta electrnica... 679

TABLAS

Table 1. Results of contrastive analysis of legal-technological discourse

12

Table 2. Results of contrastive analysis of research article as genre 14

Table 3. Direct translation (English-Spanish): results for 50 best translations.

15

Table 4. Direct translation (French-Spanish): results for 50 translations.

15


15

Table 6. Inverse translation (Spanish-French): results for 50 best translations.

16

Table 7. Results of translations involving English language 17

Table 8. Results of translations involving French language. 18

Table 9. Type/token ratio in English translation... 19

Table 10. Type/token ratio in French translation.. 21

Table 11. Number of words translated criteria.. 22

Table 12. Results from the electronic survey 24

Tabla 13. Tipologa de resmenes automticos 174

Tabla 14. Fuente: 193

Tabla 15. Ejemplo de sistema de codificacin de los corpus 1 y 2... 240

Tabla 16. Ejemplo de sistema de codificacin del corpus 3. 240

Tabla 17. Cmputo del nmero total de tokens de los corpus 242

Tabla 18. Cmputo del nmero total de documentos de los corpus.. 243


XXIII

Tabla 19. Ttulo de las revistas empleadas como fuente de documentacin...

249

Tabla 20. Rasgos lingsticos comunes del anlisis del espaol, ingls y francs jurdicos...

345

Tabla 21. Clasificacin del artculo de investigacin respecto a tipos textuales

428

Tabla 22. Modelos de estructuras para la seccin del resumen. 443

Tabla 23. Comparacin de OARO y CARS. Traducido de Swales (2004: 245)

447

Tabla 24. Ttulo de los artculos de investigacin en espaol analizados..

459

Tabla 25. Clasificacin de los resmenes de los artculos de investigacin en espaol en el modelo de estructura problema-mtodo-resultados-conclusiones...

461

Tabla 26. Clasificacin de los resmenes de los artculos de investigacin en espaol en el modelo de estructura introduccin-problema-solucin.

462

Tabla 27. Clasificacin de los resmenes de los artculos de investigacin en espaol en el modelo de estructura presentacin de un sistema, mtodo o anlisis-descripcin de sus caractersticas y aplicaciones

462

Tabla 28. Clasificacin de los resmenes de los artculos de investigacin en espaol en el modelo de estructura introduccin-mtodo-resultados-(conclusin)

463

Tabla 29. Clasificacin de los resmenes de los artculos de investigacin en espaol en el modelo de estructura informacin general-objetivos-mtodo-resultados-conclusin..

463

Tabla 30. Clasificacin de una introduccin de un artculo de investigacin en espaol en el modelo de estructura CARS de Swales

467

Tabla 31. Clasificacin de una introduccin de un artculo de investigacin en espaol en el modelo de estructura OARO de Swales

468


XXIV

Tabla 32. Propuesta de estructura para la seccin de materiales de los artculos de investigacin en espaol que versan sobre contratos electrnicos

472

Tabla 33. Propuesta de estructura para la seccin de materiales de los artculos de investigacin en espaol que versan sobre contratacin electrnica.

475

Tabla 34. Estructura de la seccin de conclusiones de los artculos de investigacin en espaol de acuerdo con la propuesta de Nwogu (1990)

478

Tabla 35. Estructura de la seccin de conclusiones de los artculos de investigacin de acuerdo con la propuesta de Coll Garca y Palmer Silveira (2002)...

479

Tabla 36. Ttulo de los artculos de investigacin en ingls analizados..

484

Tabla 37. Clasificacin de los resmenes de los artculos de investigacin en ingls en el modelo de estructura problema-mtodo-resultados-conclusiones...

486

Tabla 38. Clasificacin de los resmenes de los artculos de investigacin en ingls en el modelo de estructura introduccin-problema-solucin.

487

Tabla 39. Clasificacin de los resmenes de los artculos de investigacin en ingls en el modelo de estructura presentacin de un sistema, mtodo o anlisis-descripcin de sus caractersticas y aplicaciones...

488

Tabla 40. Clasificacin de los resmenes de los artculos de investigacin en ingls en el modelo de estructura introduccin-mtodo-resultados-(conclusin)

489

Tabla 41. Clasificacin de los resmenes de los artculos de investigacin en ingls en el modelo de estructura informacin general-objetivos-mtodo-resultados-conclusin..

490

Tabla 42. Clasificacin de una introduccin de un artculo de investigacin en ingls en el modelo de estructura CARS de Swales

492

Tabla 43. Clasificacin de una introduccin de un artculo de investigacin en ingls en el modelo de estructura OARO de Swales

494


XXV

Tabla 44. Ttulos de los artculos de investigacin en lengua inglesa

496

Tabla 45. Estructura de la seccin de conclusiones de los artculos de investigacin en ingls de acuerdo con la propuesta de Nwogu (1990)

500

Tabla 46. Estructura de la seccin de conclusiones de los artculos de investigacin en ingls de acuerdo con la propuesta de Coll Garca y Palmer Silveira (2002)

501

Tabla 47. Estructura de la seccin de conclusiones de los artculos de investigacin en ingls de acuerdo con la propuesta de Lewin et al. (2001)...

504

Tabla 48. Estructura de la seccin de conclusiones de los artculos de investigacin en ingls de acuerdo con la propuesta de Kanoksilpatham (2003).

505

Tabla 49. Ttulo de los artculos de investigacin en francs analizados..

509

Tabla 50. Clasificacin de los resmenes de los artculos de investigacin en francs en el modelo de estructura problema-mtodo-resultados-conclusiones...

512

Tabla 51. Clasificacin de los resmenes de los artculos de investigacin en francs en el modelo de estructura introduccin-problema-solucin.

513

Tabla 52. Clasificacin de los resmenes de los artculos de investigacin en francs en el modelo de estructura presentacin de un sistema, mtodo o anlisis-descripcin de sus caractersticas y aplicaciones

514

Tabla 53. Clasificacin de los resmenes de los artculos de investigacin en francs en el modelo de estructura introduccin-mtodo-resultados-(conclusin)

515

Tabla 54. Clasificacin de los resmenes de los artculos de investigacin en francs en el modelo de estructura informacin general-objetivos-mtodo-resultados-conclusin..

516

Tabla 55. Clasificacin de una introduccin de un artculo de investigacin en francs en el modelo de estructura CARS de Swales

517


XXVI

Tabla 56. Clasificacin de una introduccin de un artculo de investigacin en francs en el modelo de estructura OARO de Swales

520

Tabla 57. Apartados de mtodos y materiales de los artculos de investigacin en francs

523

Tabla 58. Estructura de la seccin de conclusiones de los artculos de investigacin de acuerdo con la propuesta de Nwogu (1990)..

527

Tabla 59. Estructura de la seccin de conclusiones de los artculos de investigacin en francs de acuerdo con la propuesta de Coll Garca y Palmer Silveira (2002)

528

Tabla 60. Tabla recopilatoria de anlisis contrastivo en espaol, ingls y francs..

532

Tabla 61. Parmetros de revisin profesional... 557

Tabla 62. Sistema de evaluacin holstico de Waddington (2009)... 577

Tabla 63. Diploma de Traduccin: escala para el aspecto 1. 579





Tabla 68. Plantilla de evaluacin holstica 590

Tabla 69. Ejemplo de evaluacin analtica de una traduccin directa ingls-espaol realizada sin TBS.

628

Tabla 70. Ejemplo de evaluacin analtica de una traduccin directa ingls-espaol realizada con TBS.

631


XXVII

Tabla 71. Ejemplo de evaluacin analtica de una traduccin inversa espaol-ingls realizada sin TBS..

634

Tabla 72. Ejemplo de evaluacin analtica de una traduccin inversa espaol-ingls realizada con TBS.

637

Tabla 73. Ejemplo de evaluacin analtica de una traduccin directa francs-espaol realizada sin TBS.

640

Tabla 74. Ejemplo de evaluacin analtica de una traduccin directa francs-espaol realizada con TBS...

644

Tabla 75. Evaluacin y correccin con Markin de una traduccin inversa a francs de acuerdo con los parmetros de la evaluacin analtica.

647

Tabla 76. Evaluacin y correccin con Markin de una traduccin inversa a francs de acuerdo con los parmetros de la evaluacin analtica.

651

Tabla 77. Nmero total de errores en traduccin directa ingls-espaol

653

Tabla 78. Nmero total de errores en traduccin inversa espaol-ingls

653

Tabla 79. Nmero total de errores en traduccin directa francs-espaol..

653

Tabla 80. Nmero total de errores en traduccin inversa espaol-francs..

654

Tabla 81. Nmero total de resultados de evaluacin holstica en el bloque de ingls.

664

Tabla 82. Nmero total de resultados de evaluacin holstica en el bloque de francs...

665

Tabla 83. Riqueza lxica de las traducciones directas e inversas desde o hacia la lengua inglesa..

669

Tabla 84. Riqueza lxica de las traducciones directas e inversas desde o hacia la lengua francesa

671

Tabla 85. Nmero total de palabras traducidas por fragmento. 674


XXVIII

Tabla 86. Porcentajes finales de respuestas de la encuesta electrnica.

680

ILUSTRACIONES

Ilustracin 1. Representatividad del subcorpus 1-1 (espaol)... 244

Ilustracin 2. Representatividad del subcorpus 1-2 (ingls). 244

Ilustracin 3. Representatividad del subcorpus 1-3 (francs)... 245

Ilustracin 4. Use-related variation (Hatim y Mason, 1990: 46)... 417

Ilustracin 5. Relacin entre registro, gnero y tipo textual. Adaptado de Trosborg (1997).......................................................

429

CUADROS

Cuadro 1. El modelo CARS (Create a Research Space). Traducido de Swales (1990: 141)...

445

Cuadro 2. El modelo OARO (Open a Research Option). Traducido de Swales (2004: 244)...

446

Cuadro 3. Secuencias y unidades informativas de la seccin de Mtodos (Coll Garca, 2002: 88)...

451

Cuadro 4. Secuencias y unidades informativas de la seccin de resultados (Palmer Silveira, 2002: 125)

453

Cuadro 5. Estructura de la seccin discusin y conclusiones (Swales, 2004: 236)...

456

Cuadro 6. Secuencias y unidades informativas de la seccin de discusin (Duque Garca, 2000; Coll Garca y Palmer Silveira, 2002)..

457

Cuadro 7. Tipos de revisin. Adaptada de Horguelin (1985)... 548

Cuadro 8. Parmetros de revisin bilinge de Dalbernet (1977).. 550

Cuadro 9. Parmetros de revisin bilinge de Horguelin, Hosington, Brunette...

551


XXIX

Cuadro 10. Parmetros de revisin de Mossop (2001). 552

Cuadro 11. Tipologa de errores de Palazuelos (1992). 564

Cuadro 12. Tipologa de errores de House (1981) 564

Cuadro 13. Criterios de evaluacin de Kupsch-Losereit (1981)... 565

Cuadro 14. Tipologa de errores de Pym (1992)... 565

Cuadro 15. Tipologa de errores de Kussmaul (1995).. 566

Cuadro 16. Tipologa de errores de Gouadec (1981) 566

Cuadro 17. Baremo de correccin de Hurtado Albir (1995). 569

Cuadro 18. Baremo de evaluacin de MeLLANGE. 571

Cuadro 19. Baremo de BEST y Mahn (1989). Adaptado de Waddington (2000: 96).

575

Cuadro 20. Plantilla de evaluacin analtica. 586

Cuadro 21. Fragmento 1 en espaol para la traduccin inversa espaol-ingls y espaol-francs...

608

Cuadro 22. Fragmento 2 en espaol para la traduccin inversa espaol-ingls y espaol-francs...

610

Cuadro 23. Fragmento 1 en ingls para la traduccin directa ingls-espaol

611

Cuadro 24. Fragmento 2 en ingls para la traduccin directa ingls-espaol

612

Cuadro 25. Fragmento 1 en francs para la traduccin directa francs-espaol..

613

Cuadro 26. Fragmento 2 en francs para la traduccin directa francs-espaol..

614

Cuadro 27. Preguntas de la encuesta electrnica.. 675

ABSTRACT

1. INTRODUCTION

As Lavid (2005) points out, information has become one of the

basic elements in our current society, which may be called the Third

Wave, paraphrasing Alvin Tofflers book (1996). First wave is the

society after agrarian revolution; Second wave is industrial. Third

Wave represents information and knowledge revolution. New

millenniums society is information society, where Information and

Communication(s) Technology (ICT) is of paramount importance.

Therefore; the exchange of languages and cultures plays an important

role in this information society. Consequently, translators and

interpreters may become fundamental mediators on a global level.


2

In this context, the Internet seems an essential tool, offering

new modes of communication and spreading scientific knowledge. In

addition, it facilitates and improves the documentation process. The

translator, as an information user and an information producer,

considers the Internet to be a valuable documentation source and a

useful communication system.

According to Pinto Molina (2002: 2), the informational

revolution makes it possible to compile more information in less time

and, consequently, improve the translators efficiency. With the

mushrooming of the quantity of online text information, triggered in

part by the growth of the World Wide Web, it is especially useful to

have tools which can help users digest information content.

Nevertheless, translators have to be extremely skilful during the

documentation process since they need to be able to distinguish and

choose only reliable information resources. This is because the

Internet, although it is a valuable and very useful tool, contains a large

amount of unreliable information.

In that regard, an abstract may be quite useful for translators

since it helps to select the correct information in the documentation

process. Given that translators normally must meet tight deadlines,

abstracting articles or electronic resources is an advantageous solution

and facilitates the translation process. Consequently, automatic

summarization and extraction, both fields of Computational

Linguistics, can help humans in general and translators in particular to

deal with information overload by automatically extracting the gist of

documents.

Abstract

3

This thesis aims to combine both automatic summarization and

translation in order to test whether automatic summarization as a new

translation technology could be a useful tool in a translators

workbench.

2. AIMS AND GOALS

Our main research hypothesis is that term-based automatic

summarization as a documentation resource enhances direct and

inverse translation of specialized texts. However, as Tymoczko (2002:

16-17) points out, the starting point in Translation Studies is not just a

hypothesis, and, consequently, we present a tripartite hypothesis:

I) Research on the combination of automatic summarization

and Translation and Interpreting needs empirical studies in

order to test its efficacy.

II) The translation of specialized text, specifically research

articles in the legal-technological domain in three

languages (Spanish, English and French) and in direct and

inverse combinations, is improved with the help of

Term-Based Summariser.

III) Term-based automatic summarization should be part of an

innovative translator's workbench.


4

The aims listed above are achieved by setting the following list

of general (1-2) and specific (3-11) goals:

1. Providing a review of major work in translation

technologies and in human and automatic summarization.

2. Emphasising the relevance of documentation as a

cornerstone in specialized translation.

3. Building a representative multilingual comparable corpus

of parallel texts from research articles on electronic

commerce in three languages (Spanish, English and

French).

4. Focusing on the emerging legal-technological discourse

from the Information Technology Law and Data

Protection.

5. Comparing the legal-technological discourse features in

three languages, i.e., Spanish, English and French.

6. Studying the research article as a textual genre.

7. Testing whether Introduction-Material and Methods-

Results-Discussion/Conclusion (IMRD) structure of

English scientific articles may be valid to articles, on one

hand, on Legal Sciences and, on the other hand, in the

Romance languages of Spanish and French.

8. Establishing evaluation parameters combining both

analytic and holistic evaluation in order to find objective

criteria in Translation Studies.

9. Carrying out experiments with semi-professional

translators offering quantitative results regarding three

Abstract

5

main criteria: quality criteria, lexical richness criteria and

number of words criteria.

10. Analysing translators impressions and opinions regarding

the use of the Term-Based Summariser by means of a

survey and qualitative data.

All of these goals were achieved in this thesis by means of the

following materials and methods.

3. MATERIALS

To confirm the main hypothesis, several materials are used in

this thesis dissertation.

3.1. Term-Based Summariser

First of all, the main material is Term-Based Summariser

(TBS), a modified version of the Computer-Aided Summarisation

Tool (CAST) developed by the Research Group in Computational

Linguistics from the University of Wolverhampton. The weighting

method used to score the words is the term frequency and the

tokenisation method is the word. It produces both only summary

and the whole text with highlight results; the former is just the

extract and the latter encompasses the sentences selected marked with

a different colour in the text. A compression rate can also be chosen.

A stop list is also used for each language (Spanish, English and

French) and TBS displays the top 50 terms identified by the program

with their raw frequency of the words in the text. To have a clear and

user-friendly TBS interface, 20 texts in each language were selected

and their titles are written in bullet points.


6

3.2. Multilingual comparable corpus

A multilingual comparable corpus was compiled, consisting of

a collection of parallel texts from research articles on electronic

commerce in the three languages studied in the thesis (Spanish,

English and French). The research articles were selected from journals

in Spanish (Revista de Contratacin Electrnica), English (Journal of

Information, Law and Technology and International Journal of Law

and Information Technology) and French (Revue des techniques de

l'information et de la communication, Revue internationale de droit

conomique, etc.) and the distribution of articles was as follows: 150

articles in Spanish (1,500,281 tokens), 142 articles in English

(1,226,260 tokens) and 86 articles in French (1,277,841 tokens).

Initially, the purpose of building the corpus was to implement

the inverse document frequency for scoring the words, but, once the

term frequency method was selected, the corpus was used to analyse

the characteristics of research articles on electronic commerce in the

three languages. Apart from that, one article in each language was

selected as a source text for the direct and inverse translations.

Consequently, source texts all shared the same domain

(legal-technological discourse) and the same textual genre (research

articles). Each article was then divided into different paragraphs and

the same sections were selected from all the articles: on one hand,

title, keyword and introduction (part 1 for direct translation and part 3

for inverse translation) and, on the other hand, the section similar to

the materials and methods one (part 2 for direct translation and part 4

for inverse translation).

Abstract

7

3.3. Markin and evaluation

The teaching software Markin provides tools to mark and

annotate texts. Once our evaluation parameters were established,

Markin was used to evaluate direct and inverse translations with a set

of annotations. These evaluation parameters consist of both analytic

error evaluation as well as holistic and global evaluation. The former

pays attention to negative aspects such as source text related errors

(wrong sense, unnecessary addition or inadequate linguistic variation),

target text related errors (orthography, grammar, terminology or

textual type) and also to positive aspects such as correct terms. The

holistic evaluation evaluates the translation as a whole and it has five

different levels regarding transfer and expression quality. The levels

range from 1 (very poor translation) to 5 (excellent translation). The

evaluation of the direct and inverse translations with and without TBS

constitutes one the criteria studied in this thesis.

3.4. WordList in Oxford WordSmith Tools

WordList in Oxford WordSmith Tools (version 3.00.00) is used

in this thesis to calculate the lexical richness of translated texts by

means of the type/token ratio. It also provides other results such as

number of types, number of tokens and number of bytes. These results

are also discussed.

3.5. ReCor

ReCor 3.1 is used to assess the representativeness of the corpus

compiled in this thesis and its results are reflected in graphics. These

results are also discussed.


8

3.6. Electronic survey

An electronic survey of 33 questions was created in order to

generate qualitative results regarding the use of the TBS in direct and

inverse translations. The most important questions concerned the use

of Term-Based Summariser in both direct and inverse translations.

Ninety-five out of ninety-five semi-professional translators filled out

the electronic survey in a classroom environment.

4. METHODS

Both the methods and results sections in this abstract are

divided into three subsections: contrastive analysis of discourse and

domain, contrastive analysis of genre and textual type and

experiments with semi-professional translators.

4.1. Contrastive analysis of discourse and domain:

legal-technological discourse

Before translating any text, a thorough analysis of its

terminology, lexis and textual features must be carried out in order to

familiarise the translator with the source text. Consequently,

legal-technological discourse in Spanish (from Spain), English (from

the United Kingdom) and French (from France) must be approached

in this thesis. However, before studying the discourse, the legal

systems of the three languages must be compared due to their

differences: English legislation belongs to the common law while

Spanish and French are part of the civil law. Having established the

distinction between the two legal systems, the built corpus was the

starting point for the discourse approach.

Abstract

9

Nevertheless, since most texts in the parallel corpus share the

same terminological and lexical features because they all belong to the

same domain, we only analysed the discourse from the three texts

used as source texts in the translations and the results show that the

legal-technological discourse has common features in Spanish,

English and French even though they belong to different legal system.

They will be presented in the results section.

4.2. Contrastive analysis of textual genre: research article

As mentioned above, the textual genre of the texts analysed is

the research article. All the literature review considers this genre to

have a very well established structure, particularly in the field of

Science and Technology, presenting the following sections:

Introduction, Materials and methods, Results and Discussion (IMRD).

It is also important to note that English is the language of scientific

communication in the scientific community, even for non-native

speakers, and, consequently, the IMRD structure is essential to that

language.

In the work undertaken in this thesis we aim to prove whether

the IMRD structure is used in Legal Sciences and in Romance

languages such as Spanish and French. Since all the articles were

selected from the same journals or very similar ones and they shared

the same structure and format, we chose the 60 articles from the TBS

interface, 20 in each language, and we compared them in couples (first

Spanish and English, later Spanish and French and finally English and

French). The results of this alignment will be presented below.


10

4.3. Empirical experiments with semi-professional translators

The experiments were carried out by 96 undergraduate students

from the 4th year in Translation and Interpreting from the University

of Mlaga. They all have similar grades (60-70 in previous courses)

but, in order to avoid different variables, Socrates/Erasmus students

were not allowed to take part in the experiments.

Twenty-seven of ninety-five students study French as their first

foreign language and sixty-nine study the English language. The

difference between the two groups is related to the University

restrictions for the student/language ratio: seventy-three is the

maximum for English and forty for French. Taking into account these

data, the sample is quite relevant.

The experiments were carried out in a 3-hour classroom

environment and the procedure was the same for four groups:

1. First, experiments and Term-Based Summariser (TBS) were

briefly explained in 15 minutes.

2. Students translated Part 1 (title, keywords and introduction)

from English or French into Spanish (direct translation)

with online dictionaries. They were not allowed to use the

TBS, nor any other parallel texts. Part 1 took 20 minutes.

3. Students translated Part 2 (materials and methods) from

English or French into Spanish (direct translation) with the

TBS as the only terminological and information resource.

Part 2 took 20 minutes.

4. Students translated Part 3 (title, keywords and introduction)

from Spanish into English or French (inverse translation)

Abstract

11

with online dictionaries. They were not allowed to use the

TBS, nor any other parallel texts. Part 3 took 20 minutes.

5. Students translated Part 4 (materials and methods) from

Spanish into English or French (inverse translation) with the

TBS as the only terminological and information resource.

Part 4 took 20 minutes.

6. Students filled out the electronic survey. This final part took

15 minutes.

The number of target texts (translations) comprised a subcorpus

of 379 documents: 137 for English-Spanish translation, 135 for

Spanish-English translation, 56 for French-Spanish translation and 51

for Spanish-French translation. There is no sample attrition.

It is worth describing how translators used TBS as an

informational and terminological result. After displaying the list of the

research article titles, each translator chose the most appropriate title

depending on the source text. Then they summed up the parallel text

with the TBS using either the only summary or the whole text with

highlights options and setting the compression rate at 10-15 %

because of the length of articles. Then, they read the result displayed

and searched for the most suitable terms or phraseological units for

the translation process. The process was the same in both direct and

inverse translation.


12

5. RESULTS

5.1. Results of contrastive analysis of legal-technological discourse

A brief sample of the results after comparing the

legal-technological discourse in Spanish, English and French is listed

above:

Spanish English French

LEXICAL, TERMINOLOGICAL AND PHRASEOLOGICAL FEATURES

Specific terms Fehaciente Plaintiff Lgislateur

Terms in Latin Prima facie Lex fori Inter alia

Hellenisms Sinalagmtico Politique

Anglicisms Marketing Common law

Gallicisms Promocin Arbitrage

Collocations Marco contractual Overriding issue Charte majeure

Suffixation Oferente Consumer Prestataire

MORPHOSYNTACTICAL FEATURES

Passive voice

Los datos de carcter personal sern cancelados

Consideration must be given to a

new means

Cette politique dharmonisation

est base sur deux ides

Particular use of verbs

Aunque en razn del artculo 1

resultare aplicable la Convencin

It is submitted that the

alternative requirements

La politique de rgulation

traditionnelle porte

Table 1. Results of contrastive analysis of legal-technological discourse.

Abstract

13

5.2. Results of contrastive analysis of research article as genre

After comparing the structure of the sections of 20 articles in

Spanish, 20 in English and 20 in French, the main results below show

the percentage of articles that follow the different structures described.

The IMRD structure is not always used because, for instance, neither

the result section nor the materials and methods appear in any of the

articles analysed. However, the genre research article shares common

features in the three languages and in the Legal Sciences, although

some differences are found, particularly with the English language

given that Spanish and French, as Romance languages, are more

homogeneous:

Spanish English French

Title 46%: less than 8 words

52%: less than 8 words

70.8%: less than 8 words

Abstract

Problem-method-results

17.6%

26%

33,%

Introduction-problem-solution 29.4% 20% 26.6%

Presentation of a system or analysis

17.6%, 20% 6.6%

Introduction-method-solution 23.5%, 13.3% 20%

Information-objectives-results-conclusions

11.7%, 20% 13.3%

Introduction

CARS structure (Swales, 1990)

28%

53.3%

24%

OARO structure (Swales, 2004)

71% 46% 76%


14

Materials and methods No common structure

No common structure

No common structure

Results No common structure

No common structure

No common structure

Discussion/conclusions

General results-specific results-conclusions

66.6%

50%

71.4%

General results-specific results-limitations-

conclusions-future work

33.3%

25%

28%

Contributions-results-contradictions-implications

16.6%

Context-results-limitation-future work

8.3%

Table 2. Results of contrastive analysis of research article as genre.

5.3. Results of the experiments with semi-professional translators

In order to test the efficiency of the use of Term-Based

Summariser for specialized translation, three main criteria were

analysed: quality criteria, lexical richness and number of words.

5.3.1. Quality criteria

Quality criteria are related to the evaluation parameters

developed in this thesis. Our main interest is to test whether the

translations with TBS as terminological and informational source have

a better quality, (i.e., fewer errors) than translations with online

dictionaries. In order to prove that difference, all the translations were

evaluated with the software Markin according to analytic and holistic

Abstract

15

evaluation parameters and some of them (50 for each combination)

were selected to illustrate the main characteristics. The results are

summed up in the following tables:

Direct translation

(English-Spanish)

Translation without TBS

Translation with TBS

Source text related errors 239 226

Target text related errors 301 285

Positive aspects 198 202

Table 3. Direct translation (English-Spanish): results for 50 best translations.

Direct translation

(French-Spanish)







Inverse translation

(Spanish-English)








16

Inverse translation

(Spanish-French)






Table 6. Inverse translation (Spanish-French): results for 50 best translations.

In all the tables the translations with Term-Based Summariser

have fewer errors than the translations with online dictionaries. The

difference is higher in direct translation than in inverse translation

because translators try to focus more on the text itself than on the

documentation process or on the terminological search.

Regarding the holistic evaluation, there are also some

differences between the translations with Term-Based Summariser

having fewer errors than the translations with online dictionaries. As

noted earlier, level 1 means the translation is very poor and level 5

implies that the translation is excellent. The results according to the

languages are as follows:

Abstract

17

LEVEL 1 LEVEL 2 LEVEL 3 LEVEL 4 LEVEL 5

Direct translation (English-Spanish)


11 13 26 10 8


7 8 31 10 12

Inverse translation (Spanish-English)


13 15 20 12 5


11 18 27 14 6

Total number of translations: 277 texts

Table 7. Results of translations involving English language.


18

LEVEL 1 LEVEL 2 LEVEL 3 LEVEL 4 LEVEL 5

Direct translation (French-Spanish)


3 6 8 7 4


2 4 10 8 5

Inverse translation (Spanish-French)


4 6 9 7 2


2 7 10 7 2

Total number of translations: 107 texts

Table 8. Results of translations involving French language.

In both tables, texts translated with TBS have better levels than

texts translated with online dictionaries, although inverse translation

once again presents more homogenous results in both types of

translation. The main reason is the difficulty of translating into a non-

mother tongue.

5.3.2. Lexical richness criteria

Another variable studied in this thesis is the lexical richness of

translations, since they all have the same number of words (around

150 words). WordList is the tool used to offer the type/token ratio in

all the translated texts. The main results classified by translators are

shown below:

Abstract

19

TYPE/TOKEN RATIO IN ENGLISH TRANSLATION

English-Spanish

Part 1

(without TBS)

English-Spanish

Part 2

(with TBS)

Spanish-English

Part 3

(without TBS)

Spanish-English

Part 4

(with TBS)

48.31 50.35 54.79 46.46

49.33 61.80 59.26 46.46

53.44 62.61 59.26 70.53

55.37 51.35 72.50 70.53

52.35 58.87 57.97 57.35

53.70 62.61 51.49 60.20

46.43 70.00 75.00 68.06

55.84 63.30 65.91 68.12

48.85 61.94 71.91 80.36

43.08 72.37 70.00 59.40

64.52 61.80 59.79 59.40

49.33 62.67 53.21 64.76

48.20 58.99 75.00 52.35

50.00 60.48 75.00 56.29

53.08 69.59 59.43 57.38

50.25 56.67 62.24 56.15

53.14 72.37 57.02 56.20

64.42 62.70 73.33 63.06

45.45 58.39 55.62 60.14

45.37 64.41 56.76 58.52

46.89 57.07 54.79 63.89

48.51 60.00 64.49 55.64

57.82 61.29 51.64 52.67

46.67 49.32 57,23 64.76

50.26 64.41 55.21 64.76

53.02 63.22 53.57 65.63

44.17 58.25 58.82 46.91


20

53.70 58.87 79,52 56.15

47.37 65.00 56.92 64.86

45.18 62.69 57.67 66.67

48.88 55.56 52.72 57.80

45.14 65.25 61.72 59.74

53.33 61.79 51.97 55.24

47.11 60.94 59.50 45.88

45.32 61.01 57.59 54.97

49.57 61.42 50.48 56.41

52.21 74.19 59.48 65.29

49.79 59.35 60.95 50.85

52.83 63. 56 89.13 63.95

51.79 65. 87 48.48 56.15

Type/token ratio rate: 7.19




Table 9. Type/token ratio in English translation.

Abstract

21

TYPE/TOKEN RATIO IN FRENCH TRANSLATION

French-Spanish

Part 1

(without TBS)

French-Spanish

Part 2

(with TBS)

Spanish-French

Part 3

(without TBS)

Spanish-French

Part 4

(with TBS)

57.14 62.28 66.20 62.50

58.96 64.93 68.09 68.38

59.63 64.20 72.73 59.52

57.63 60.67 70.27 60.47

59.06 66.67 66.99 63.64

59.06 54.93 70.45 62.81

47.83 63.57 76.19 70.89

52.07 63.24 52.86 51.69

57.36 56.68 79.55 79.6

58.78 65.17 72.73 76.12

56.35 56.28 56.64 71.59

57.14 65.63 74.68 75.9

66.67 69.74 71.83 72.4

60.69 61.59 54.91 59.50

57.58 59.75 67.01 68.7

57.35 60.74 61.2 67.83

57.61 63.78 65.8 69.74

58.55 60.8 61.9 65.00

57.56 59.57 62.3 60.98





Table 10. Type/token ratio in French translation.


22

In all the tables the type/token ratio rate is higher in translations

with TBS than in translation without TBS, even though we find

differences depending on the language (French has better results than

English) and on the translation direction (Direct translation has better

results than inverse translation).

5.3.3. Number of words translated criteria

The differences in the total number of words translated in

translations without TBS and translation with TBS is another indicator

of the benefits from using the TBS. The results are shown below:

Translation without TBS Translation with TBS

Part 1 (direct English-Spanish translation):

9548 words

Part 2 (direct English-Spanish translation):

13257 words

Part 3 (inverse Spanish-English translation):

9306 words

Part 4 (inverse Spanish-English translation):

9473 words

Part 1 (direct French-Spanish translation):

4855 words

Part 2 (direct French-Spanish translation):

6966 words

Part 3 (inverse Spanish-French translation):

3898 words

Part 4 (inverse Spanish-French translation):

5522 words

Table 11. Number of words translated criteria.

Abstract

23

The results in the left column show that the number of words in

translations with TBS is higher than the results with translations using

online dictionaries. The difference in inverse translation is lower than

in direct translation particularly in English; consequently, we infer that

inverse translation from Spanish into French takes less time than

inverse translation from Spanish into French. However, further studies

are required.

5.4. Results from the electronic survey

A complete piece of research must also offer qualitative results

and the survey used in this thesis consisting of 33 questions provides

some indications on the translators impressions. The most relevant

data concern the use of Term-Based Summariser during the

documentation and translation process.

The questions below are classified in a scale from 1 (almost

nothing) to 5 (very). The most interesting results concerning the

answers of the 95 semi-professional translators are as follows:


24

1 2 3 4 5

1. How important are titles in Term-Based Summariser?

2.1% 17.0% 38.3% 35.1% 6.4%

2. Did Term-Based Summariser help you to familiarise yourself with the research article structure?

12.8% 45.7% 22.3% 12.8% 6.4%

3. How useful is Term-Based Summariser as provider of parallel texts?

2.1% 19.1% 34.0% 29.8% 14.9%

4. Did you feel comfortable translating with online dictionaries?

1.1% 9.6% 42.6% 34.0% 12.8%

5. Did you feel comfortable translating with Term-Based Summariser?

6.4% 24.5% 30.9% 30.9% 7.4%

6. Did Term-Based Summariser help you in the direct translation process?

14.9% 39.4% 23.4% 16.0% 6.4%

7. Did Term-Based Summariser help you in the inverse translation process?

16.0% 37.2% 16.0% 21.3% 9.6%

8. Is the top 50 terms list useful for translators?

3.2% 7.4% 25.5% 35.1% 28.7%

9. Do you think Term-Based Summariser is useful for the documentation process?

1.1% 14.9% 29.8% 30.9% 23.4%

10. How useful is the option only the summary?

3.2% 17.0% 37.2% 35.1% 7.4%

11. How useful is the option the whole text with highlights?

1.1% 8.5% 29.8% 33.0% 27.7%

12. Would you include Term-Based Summariser in a translators workbench?

5.3% 12.8% 26.6% 33.0% 22.3%

Table 12. Results from the electronic survey.

Abstract

25

The answers reflect the translators opinions and it is worth

mentioning that many of them would include a Term-Based

Summariser in a translators workbench, and that the top terms list is a

very useful terminological tool.

6. CONCLUSIONS AND FUTURE WORK

6.1. Conclusions

The main contribution of this thesis is the innovative

combination of Computational Linguistics and Translation Studies,

i.e., automatic summarization and specialized translation. We will

further discuss this now that the 10 goals set out in the aim section

have been achieved.

Goal 1 was to review the major work in translation

technologies and in human automatic summarization. This goal was

completed in both Chapters 1 and 2. In Chapter 1 the main translation

technologies were reviewed, including Natural Language Generation,

Corpus Linguistics, Machine Translation and Information Retrieval.

In Chapter 2 the most relevant approaches to human and automatic

summarization are presented, although the main emphasis is on

term-based summarisation.

Goal 2 was to emphasise the relevance of documentation as a

cornerstone in specialized translation. This goal was completed in

Chapter 1 where Documentation as Science is approached, in order to

focus on its importance for Translation Studies.


26

Goal 3 was to build a representative multilingual comparable

corpus of parallel texts from research articles on electronic commerce

in three languages (Spanish, English and French). This goal was

completed in Chapter 2, where the process of selection and

compilation of texts is described as well as the final result. All the

details of the corpus are specified in Chapter 2.

Both goals 4 and 5 share some points. Goal 4 was to focus on

the emerging legal-technological discourse from the Information

Technology Law and Data Protection. This goal was completed in

Chapter 3. First, we established the difference between two important

dichotomies: general/specialized language and word/term. Secondly,

we studied the new legal-technological discourse explaining its

innovative terminological appellation, describing its main features

according to the Information Technology Law and pointing out its

relation with Data Protection. Goal 5 was to compare the

legal-technological discourse features in three languages, i.e., Spanish,

English and French and this goal was also completed in Chapter 3,

where a contrastive analysis of the legal-technological discourse in

source texts is carried out in the three languages. Common features are

pointed out in order to reflect the similarities of the legal-

technological discourse.

Goal 6 was to study the research article as a textual genre. This

goal was completed in Chapter 4, where the notion of textual genre is

analysed and then it is applied to the research article. We distinguish it

from other similar concepts such as text type or register and its main

features and structures are presented. The most common IMRD

structure is defined and described.

Abstract

27

Goal 7 was to test whether IMRD structure of English

scientific articles may be valid to articles both on Legal Sciences as

well as in the Romance languages of Spanish and French. This goal

was completed in Chapter 4, beginning with the detailed analysis of

the IMRD structure and then the analysis of the texts from the

comparable corpus appearing in Term-Based Summariser.

Consequently, a contrastive analysis in the three languages (Spanish,

English and French) is carried out, and we tested that the IMRD

structure is also used for Legal Sciences and Romance languages, but

with some important changes.

Goal 8 was to establish evaluation parameters combining both

analytic and holistic evaluation in order to find objective criteria in

Translation Studies. This goal was completed in Chapter 5 where a

review of major work on evaluation is provided and then our own

evaluation parameters are detailed. Such parameters encompass both

analytic or error evaluation as well as global or holistic evaluation.

These evaluation parameters have been used for the translation

evaluations.

Goal 9 was to carry out experiments with semi-professional

translators. This goal was completed in Chapter 5 with the description

of the experiments in which 95 semi-professional translators from the

University of Mlaga took part. The final results were 379 pieces of

translation in both direct and inverse translation with four

combinations: English-Spanish (direct translation), Spanish-English

(inverse translation), French-Spanish (direct translation) and

Spanish-French (inverse translation). The translators translated two

parts without Term-Based Summariser and two parts with

Term-Based Summariser and then results were compared with the


28

three criteria described in goal 9: quality criteria, lexical richness

criteria and number of words criteria. The quality criteria are

concerned with the evaluation parameters and imply the evaluation of

the translations by semi-professional translator in terms of analytic

and holistic evaluation. The teaching software Markin is used to

evaluate the translations. The lexical richness criteria are carried out

with WordList in Wordsmith and it provides information about the

token/type ratio in a text. The number of words criteria compares the

results in translations with Term-Based Summariser with the

translations without Term-Based Summariser.

Goal 10 was to analyse translators impressions and opinions

regarding the use of Term-Based Summariser by means of a survey.

This goal is achieved in Chapter 5 with the detailed description of the

questions in the survey and the comments in regards to the qualitative

results.

Regarding our triple hypothesis, we have proved with

empirical studies as well as qualitative and quantitative results that

automatic summarization enhances specialized translation in three

languages (Spanish, English and French) and in direct and inverse

combinations, although with better results for direct translation, and,

consequently, we consider that a term-based automatic summarization

should be part of an innovative translator's workbench.

Abstract

29

6.2. Future work

During this research a series of possible future directions have

emerged. They are briefly discussed in this section.

The main direction is that the empirical study carried out in this

thesis with semi-professional translators should be carried out again

but this time with professional translators. The results would be good

indicators of the advantages of Term-Based Summariser as

terminological and informational resource.

Another line of research related to this is to learn whether the

findings of this research are valid for other discourses and for other

genres. We have focused on a very specific domain

(legal-technological discourse) and genre (research articles), but it

would be of particular interest to apply Term-Based Summariser to

other domains and genres in order to find out whether similar results

to the ones reported here can be obtained.

Furthermore, a possible extension of this work is to analyse the

results with other statistical methods such as the students t-test or the

chi-square test. Finally, in the future it would also be interesting to

repeat the same study with more complex and representative corpora

in order to extrapolate the results. All these future directions will be

developed in the current research project Ecosistema: espacio nico

de sistemas de informacin ontolgica y tesauros sobre el medio

ambiente (FFI2008-06080-C03-03/FILO; 2008-2011), directed by Dr.

Corpas Pastor and Dr. Faber. The possible merging of terminology,

ontology, and automatic summarization constitutes a fascinating field

to be explored.

INTRODUCCIN

1. MOTIVACIN

Desearamos comenzar este trabajo que presentamos como tesis

acadmica para la obtencin del grado de doctor exponiendo en

primer lugar las razones que han motivado a su desarrollo, as como el

marco investigador en el que se inscribe.

Gracias a una beca de postgrado del Programa de Formacin

del Profesorado Universitario (FPU)1, concedida por el Ministerio de

Educacin y Ciencia2 en 2006, nos incorporamos como miembro

1 La referencia de la beca es AP2005-2792 y la resolucin aparece publicada en el Boletn Oficial del Estado de 21 de abril de 2006. 2 Este Ministerio ha recibido distintas denominaciones desde la concesin de la beca. En 2006 se denomin Ministerio de Educacin y Ciencia hasta el ao 2008, cuando la competencia de la formacin de becarios de investigacin pas al Ministerio de Ciencia e Innovacin. Sin embargo, en 2009 es de nuevo el Ministerio de Educacin el encargado de convocar y gestionar las becas FPU.


32

investigador a, por un lado, el grupo de investigacin de excelencia

Lexicografa y Traduccin3 (HUM-106) y, por otro, a dos proyectos

de I+D, dirigidos, al igual que el grupo de investigacin, por la Dra.

D. Gloria Corpas Pastor: por una parte, el proyecto nacional

TURICOR: Compilacin de un corpus de contratos tursticos

(alemn, espaol, ingls, italiano) para la generacin textual

multilinge y la traduccin jurdica)4 (Ministerio de Ciencia y

Tecnologa, BFF2003-04616, 2003-2006) y, por otra, al recin

concedido, por esa fecha, proyecto de excelencia de la Junta de

Andaluca La contratacin turstica electrnica multilinge como

mediacin intercultural: aspectos legales, traductolgicos y

terminolgicos5 (Direccin General de Investigacin, Tecnologa y

Empresa, HUM-892, 2006-2009).

En este marco investigador tan propicio y gracias adems a una

estancia en Dickinson College (Pensilvania, Estados Unidos) como

lectora de espaol que nos permiti acceder a numerosos artculos,

libros y material de referencia, presentamos en 2006 nuestro trabajo

de investigacin de segundo ao de doctorado6, el cual se titul

Aproximacin a la generacin automtica multilinge de resmenes.

3 La URL del grupo HUM-106, en la que aparecen detallados los miembros, las actividades I+D, las publicaciones y los datos de contacto es la siguiente: . La versin inglesa de esta misma pgina web est disponible en . Todas las direcciones URL citadas en el presente trabajo se encontraban operativas a fecha de 20 de junio de 2009. 4 La URL del proyecto Turicor es la siguiente: . 5 Ms informacin sobre el proyecto en . 6 Nos referimos al programa de doctorado Estudios de Traduccin: Investigacin en Traduccin e Interpretacin especializadas (bienio 2004-2006) del Departamento de Traduccin e Interpretacin de la Universidad de Mlaga, al cual se le otorg adems la mencin de calidad por parte del Ministerio de Educacin y Ciencia.

Introduccin

33

Dicho trabajo, que constituye el punto de partida para la presente

investigacin, se centr en el estudio y comparacin de diversos

programas de resumen automtico en lnea, gratuitos y multilinges en

aras de mostrar su utilidad en la labor documental del traductor

profesional, tanto en la fase semasiolgica de comprensin del sentido

del texto, como en la onomasiolgica. Como textos objeto de estudio,

hemos de apuntar que, a partir del macrocorpus Turicor, se compil

un subcorpus compuesto por 22 condiciones generales de crucero en

espaol y 27 en ingls una serie de documentos con las condiciones

generales de los contratos de viaje combinado, especficamente de la

modalidad de crucero, en las dos lenguas seleccionadas, esto es, ingls

y espaol. El proyecto de investigacin nos permiti descubrir las

mltiples facetas que el resumen automtico como aplicacin de la

Lingstica Computacional poda ofrecer a los Estudios de

Traduccin, de ah que marcsemos esa lnea de investigacin como

columna vertebral de la presente tesis doctoral.

El germen investigador que naci con el proyecto Turicor

como marco ha madurado y crecido en la presente tesis doctoral

gracias a una doble motivacin. Por un lado, el trabajo en el seno del

proyecto HUM-892, donde nos incorporamos a las secciones de

espaol, ingls y francs con la finalidad de buscar recursos

electrnicos especficos sobre contratacin electrnica y comercio

electrnico. De este modo, nos familiarizamos con el discurso jurdico

y tecnolgico as como con los numerosos artculos de investigacin

que versaban sobre esta materia, acotando as el dominio de

especialidad y el gnero textual analizados en esta tesis. Asimismo, en

lo que concierne al discurso jurdico, hemos bebido de las fuentes y

enseanzas ofrecidas en el curso de postgrado titulado Especialista en

traduccin jurdica ingls-espaol, organizado por el Departamento


34

de Filologa Inglesa de la Universidad de Alicante y que realizamos

durante el curso acadmico 2006-2007. Sin duda, dicho curso afianz

nuestros conocimientos previos sobre traduccin jurdica y nos

permiti especializarnos en este tipo de traduccin para as

enfrentarnos a la tesis doctoral con ms eficacia y pericia.

El otro elemento motivador, crucial para nuestros fines

investigadores y para la mencin de Doctorado europeo de la

presente tesis, fue la estancia de investigacin de tres meses de

duracin en 2007 con el grupo Research Group in Computational

Linguistics, dirigido por el Dr. D. Ruslan Mitkov y perteneciente al

Research Institute in Information and Language Processing de la

Universidad de Wolverhampton (Reino Unido), la cual nos permiti

profundizar en el tema abordado en nuestro trabajo de investigacin,

ya que consultamos numerosa bibliografa en torno al resumen

automtico ofrecida de primera mano por los investigadores de ms

renombre y, adems, pudimos conocer y experimentar las tcnicas

ms novedosas a travs del programa Computer-Assisted

Summarization Tool (CAST), desarrollado por el Dr. D. Constantin

Orsan, y que constituye la piedra angular de la presente tesis doctoral

al tratarse del recurso documental y terminolgico empleado y

adaptado a nuestras necesidades investigadoras.

Con esta motivacin como teln de fondo, explicamos a

continuacin los objetivos planteados en nuestra investigacin.

Introduccin

35

2. OBJETIVOS

Nuestra hiptesis de partida es que el resumen automtico

como recurso documental facilita la traduccin de textos

especializados en ambos sentidos (directa e inversa). Sin embargo,

como advierte Tymoczko (2002: 16-17), en los Estudios de

Traduccin no se suele partir de una nica hiptesis, sino ms bien de

una serie de hiptesis. A este respecto nuestro estudio no va a ser una

excepcin y, por ello, partiremos de una triple hiptesis7 de trabajo:

I) La investigacin en torno a la combinacin de la

Lingstica Computacional y los Estudios de Traduccin

precisa de estudios empricos y extrapolables que prueben

su eficacia.

II) La traduccin de textos especializados, en este caso de

artculos de investigacin del mbito jurdico-tecnolgico,

tanto en ingls como en francs y tanto directa como

inversa se ve agilizada con la consulta a un programa de

resumen automtico basado en trminos.

III) El resumen automtico surge como recurso documental

innovador y fiable que podra formar parte de una futura

estacin de trabajo del traductor.

7 En el DRAE aparece definida como la que se establece provisionalmente como base de una investigacin que puede confirmar o negar la validez de aqulla.


36

De nuestra hiptesis tripartita se derivan los siguientes

objetivos generales (1-2) y especficos (3-10):

1. Realizar un excurso por la investigacin en tecnologas de

la traduccin en aras de establecer un marco para nuestra

investigacin.

2. Enfatizar la importancia de la documentacin como pilar

fundamental en la traduccin de textos especializados.

3. Compilar un corpus virtual, comparable y representativo de

textos paralelos de artculos de investigacin que versen

sobre contratacin electrnica en tres lenguas (espaol,

ingls y francs).

4. Estudiar la imbricacin de discurso jurdico con el discurso

tecnolgico en el campo de la contratacin electrnica y de

la proteccin de datos personales.

5. Contrastar, mediante un corpus comparable, multilinge y

representativo, las caractersticas del discurso

jurdico-tecnolgico en las lenguas espaol, ingls y

francs.

6. Abordar el artculo de investigacin como gnero textual

propio con caractersticas definidas y claras.

7. Cotejar mediante un corpus comparable y multilinge si la

estructura tpica del artculo de investigacin escrito en

lengua inglesa en el campo de las ciencias se extrapola: por

un lado, a las Ciencias Jurdicas; y, por otro, a las lenguas

romances espaola y francesa.

Introduccin

37

8. Establecer una plantilla de evaluacin propia que combine

la evaluacin analtica y la holstica en aras de lograr unos

criterios claros y definidos.

9. Llevar a cabo un estudio con un amplio nmero de

El resumen automático como recurso documental para la ... · UNIVERSIDAD DE MÁLAGA FACULTAD DE...

Documents

Transcript of El resumen automático como recurso documental para la ... · UNIVERSIDAD DE MÁLAGA FACULTAD DE...