Sentence splitting in Arabic to Spanish translation

Abstract

En la investigación se analiza una muestra de 282.714 palabras gráficas extraídas de un corpus de casi 9 millones de palabras gráficas correspondientes a textos originales árabes y españoles presentados a la ONU y sus traducciones oficiales al español o árabe. El corpus fue recopilado por los autores y es único en su género. El análisis estadístico mostró que cada oración árabe generó como media 1.5 oraciones en español, mientras que en las traducciones al árabe el número de oraciones permaneció inalterado. Esto muestra un enorme impacto de la direccionalidad y viene a probar estadísticamente, por vez primera, un fenómeno que se venía afirmando previamente en la literatura sin prueba alguna. La investigación también determina las cinco palabras gráficas que en mayor medida propician la división de oraciones y demuestra la imposibilidad de alinear con precisión bitextos árabes no tokenizados. La investigación demuestra, asimismo, la importancia del entrenamiento en división de oraciones para el aprendiz de traducción del árabe al español, aspecto que se trata en Feria y Roldán (2025). Los resultados de la investigación son particularmente importantes en los ámbitos de la teoría de la traducción, la lingüística computacional y la formación de traductores.