Análisis de errores terminológicos de unidades léxicas aisladas en el lenguaje jurídico-administrativo nacionalsocialista: traducción automática neuronal vs. traducción humana (alemán-español)

Abstract

En este trabajo realizaremos una investigación empírica centrada en la evaluación de la calidad de las traducciones de unidades léxicas aisladas generadas por sistemas de Inteligencia Artificial a partir de las fuentes primarias procedentes del International Center on Nazi Persecution (Bad Arolsen, Alemania), el mayor archivo del mundo y en línea de documentos jurídicos y administrativos del régimen nazi. El documento que ha servido para este análisis es el acta de un interrogatorio judicial en lengua alemana. Se compone de 93 páginas con los números identificativos del 82149953 al 82149996. El interrogatorio se enmarca en un proceso judicial militar dirigido contra Fritz Suhren, quien desde 1942 hasta la caída del Estado nazi en 1945, fue comandante del único campo de concentración de mujeres que existió, Ravensbrück. El objetivo principal de este estudio de corpus consiste en analizar los errores de traducción desde una perspectiva funcionalista, orientada hacia la profesionalización, y empírica. Para lograrlo, se analizará un glosario de terminología nacionalsocialista y compararemos los textos origen con los resultados obtenidos mediante la traducción automática neuronal (TAN) realizada por DeepL, ChatGPT-3.5, Google Traductor y eTranslation. En virtud de este enfoque se intentan resolver las incertidumbres cualitativas obtenidas en la traducción del lenguaje jurídico y administrativo utilizado durante el período del Tercer Reich en Alemania en la combinación lingüística alemán-español (de España). Además, se pretende valorar si las traducciones obtenidas logran alcanzar el grado de especialización del texto origen, considerando la terminología propia del régimen nazi y de una política totalitaria inexistente. Asimismo, al analizar los errores de traducción terminológicos generados por los motores de traducción neuronales mencionados, buscamos extraer conclusiones prácticas dirigidas a traductores en formación o que ya trabajan en este campo. Los resultados subrayan la necesidad de revisar las prácticas actuales, teniendo en cuenta los resultados obtenidos de la TAN y promover la incorporación de la revisión exhaustiva y posedición por parte de profesionales humanos.

In this article, we will conduct an empirical investigation focused on evaluating the quality of translations of lexical units produced by Artificial Intelligence using the primary sources from the International Center on Nazi Persecution (Bad Arolsen, Germany), the world’s largest online archive of legal and administrative documents from the Nazi regime. The document analyzed is the transcript of a judicial interrogation conducted in German. It consists of 93 pages, identified by the reference numbers 82149953 to 82149996. The interrogation was part of a military judicial process against Fritz Suhren, who, from 1942 until the fall of the Nazi state in 1945, served as the commander of Ravensbrück, the only concentration camp exclusively for women. The main objective of this corpusbased study is to analyze the translation errors of self-contained lexical units from a functionalist, professionalizing, and empirical perspective. To achieve this, we will analyze a glossary of National Socialist terminology, where we will compare the source texts with the results obtained through neural machine translation (NMT) performed by ChatGPT-3.5, DeepL, Google Translate and eTranslation. Faithful to this approach, we aim to solve the qualitative ambiguities encountered in the translation of legal and administrative texts used during Germany’s Third Reich in the German-Spanish (from Spain) language combination. Additionally, we will assess whether the translations obtained manage to reach the appropriate degree of specialization of the source text, taking into account specific Nazi terminology and the lack of totalitarian policies. Similarly, by analyzing the terminology translation of errors generated by the aforementioned neural translation engines, we seek to draw practical conclusions aimed for the benefit of both trainee and experienced translators in this field. The results underscore the need to revise current practices to account for neural translation outputs and promote the introduction of thorough professional human revision and post-editing.