Colindancias 16 / 2025, 203-232 DOI:
10.35923/colind.2025.16.10
Aneta Trivić
Universidad de Belgrado
Ivana Nikolić[1]
Universidad de Kragujevac
Traducción “tradicional” versus
traducción automática:
uso del punto y coma en español y
serbio
“Traditional” Translation Versus Automatic
Translation:
Use of Semicolon in Spanish and Serbian
Recibido:
29.10.2025 / Aceptado: 12.12.2025
Resumen: En este artículo destacamos la importancia de los
signos de puntuación en el marco del análisis contrastivo, en particular el uso
del punto y coma. Examinamos los usos básicos de este signo de puntuación en
español y serbio tomando como ejemplo la traducción de la novela Doña
Perfecta de Benito Pérez Galdós, comparando dos versiones: la traducción
humana y la traducción automática hecha por GPT (GPT-4, Versión 2025-01).
Considerando que los autores a menudo se desvían de las normas ortográficas, seleccionamos
un autor y su novela donde tales tendencias no están presentes. Benito Pérez
Galdós es un destacado representante del realismo español del siglo XIX, y su
novela Doña Perfecta está claramente inscrita en la estética realista.
Las conclusiones sobre las similitudes y diferencias en el uso de este signo de
puntuación servirán como guía para determinar el comportamiento de las
traducciones GPT al utilizar este signo de puntuación en particular.
Palabras clave: punto y coma, coma, traducción GPT,
corpus, traducción humana.
Abstract: In this paper, we
highlight the significance of punctuation marks within the framework of
contrastive analysis, particularly the use of semicolon. We examine the basic
uses of this punctuation mark in Spanish and Serbian on the example of the
translation of the novel Doña Perfecta by Benito Pérez Galdós, comparing
two versions of the translation: human translation and an automatic translation
produced by GPT. Considering that authors often deviate from spelling norms, we
selected an author and his novel where such tendencies are not present. Benito
Pérez Galdós is a representative of 19th-century
Spanish realism, and his novel Doña Perfecta is characterized as a
realistic novel. The conclusions regarding the similarities and differences in
the use of this punctuation mark will serve as one of the guidelines for
determining the behaviour of GPT translations when
using this particular punctuation mark.
Keywords: semicolon, comma, GPT translation, corpus, human
translation.
1. Introducción. La puntuación: su importancia
y función en la comunicación
Entendiendo
la puntuación como una herramienta que asiste y fomenta la comunicación escrita
adecuada, también la vemos como un instrumento que nos ayuda a organizar la
articulación y formulación de pensamientos y emociones. Si las partes del
discurso o texto (como palabras y oraciones) se pronunciaran sin ninguna
separación en unidades significativas y rítmicas, el discurso sería poco claro
o ambiguo. Los signos de puntuación dirigen y alteran la significación de
nuestros mensajes o ayudan a que nos expresemos de manera precisa (Benito Lobo
1992:17).
Es notable que cada
signo de puntuación define una unidad lingüística con un significado y una
función distintos en el discurso; por lo tanto, los signos de puntuación son
muy difíciles de aprender y aplicar, porque son uno de los aspectos más
difíciles del texto (Montolío 2002, 2011). La interpretación de un texto se ve facilitada por una
lectura adecuadamente entonada y pausada o, dicho de otro modo, se ve
facilitada por el uso de la puntuación. En consecuencia, la entonación
de la oración y las pausas entre las partes del enunciado en forma textual
escrita se indican mediante puntuación. Así pues, el papel de la puntuación no
es solo compensar las características del habla oral, sino también mejorar las
posibilidades expresivas y la economía de la formulación del texto. Según Pešikan (2019: 98), los signos de puntuación son cruciales
para lograr la cohesión y la coherencia de la enunciación.
Notamos que en el
ámbito de los estudios contrastivos hispánicos en Serbia los aspectos
relacionados con la puntuación no ocupan un lugar importante en los análisis
lingüísticos. Por ende, decidimos examinar y comparar las situaciones que se
dan con este signo de puntuación en la traducción directa, o sea, en la
traducción del español al serbio, hecha por el traductor humano y la traducción
automática hecha por ChatGPT.
2. La puntuación: perspectiva contrastiva de los sistemas de
puntuación en español y serbio
El uso de los signos
de puntuación está estandarizado y determinado por convenciones, pero, aun así,
es difícil establecer reglas obligatorias para todos los casos dentro de la
misma comunidad lingüística; la situación se complica todavía más cuando el uso
del mismo signo varía (ligera o notablemente) de una comunidad lingüística a
otra.
En el Manual
práctico de escritura académica, Montolío
enfatiza que los signos de puntuación sirven como una especie de instrucción o
ayuda al lector sobre cómo interpretar esa parte del texto (Montolío
2002: 106; 2011: 77, 87). Estas dificultades, a la hora de establecer
equivalencias, también se deben al hecho de que los signos de puntuación son
limitados y, por ende, la mayoría de ellos tienen funciones múltiples. Aquellas
funciones no coinciden siempre en las lenguas de partida y llegada. Los
principios que rigen los sistemas de puntuación pueden diferir, así como la
distribución funcional de los signos, las reglas formalizadas y las
preferencias de uso. En ciertas comunidades lingüísticas se prefiere el
principio sintáctico-semántico, en otras el sintáctico-formal o el entonativo o
fónico. Hay que tener en cuenta que esas orientaciones no son absolutas y que
la puntuación de cada enunciado siempre une los aspectos léxicos, semánticos,
sintácticos y prosódicos, pero a la vez muestra una preferencia predominante:
formal o semántica. Cuando predomina el principio semántico, el uso de los
signos de puntuación es más cambiante y flexible, mientras el principio formal
hace que la puntuación se rija más estrictamente según la estructura sintáctica
de la oración. Citando a José Polo y su Ortografía y ciencia del lenguaje,
José Martínez de Sousa presenta tres tipos del estilo de puntuación: la
puntuación semántica, la prosódica y la estilística. La semántica “descompone
el texto del discurso escrito en función de las relaciones sintácticas de sus
componentes” y puede solaparse con la puntuación prosódica; la prosódica o la
fonética sería “una excepción de la puntuación semántica, que permitiría, por
ejemplo, incluir una coma entre un sujeto muy extenso y su verbo”; y la
estilística “depende del estilo propio de cada escritor [...] y admite una
utilización subjetiva de los signos en función de una situación concreta y
determinada” (1998: 69-70).
En la ortografía del
idioma serbio prevalecen las reglas de la puntuación libre o lógica, lo que
quiere decir que la puntuación depende del sentido, y el análisis gramatical
muchas veces determina la posición posible de un signo de puntuación (Pešikan 2019: 98, 101). Parecidamente, el sistema de
puntuación en español es de naturaleza sintáctico-semántica. José Martínez de
Sousa (1998: 70) destaca que “la puntuación, en español como en cualquier otra
lengua romance, es de sentido mayoritariamente semántico”, lo que quiere decir
que la función de la puntuación sería dar sentido a lo escrito.
Al contrastar el uso
del punto y coma en serbio y español, se nota que en ambos idiomas un punto y
coma representa una marca que no está separada espacialmente de la palabra que
sigue, y que la primera palabra que le sigue se escribe con una letra minúscula.
El punto y coma es una marca “más fuerte” que una coma, pero “más débil que un
punto” (Pešikan 1994: 128). El mismo uso lo indica el
Diccionario Panhispánico de dudas[2], que explica que
el punto y coma (;) “se utiliza para delimitar unidades lingüísticas inferiores
al enunciado, como la oración (No sabía nada con seguridad; lo intuía) o
el grupo sintáctico (Habló muy claro; demasiado)”. Asimismo, destaca que
“su empleo implica mayor vinculación entre los miembros del enunciado que la
indicada por el punto, y menor que la sugerida por la coma”. Este signo
fácilmente puede ser reemplazado por otra marca como un punto, dos puntos o una
coma. Por ejemplo, se utiliza en lugar de una coma en construcciones más
largas, y en lugar de un punto en oraciones consecutivas vagamente conectadas
(Simić 2006: 169). Esta flexibilidad en el uso está destacada también por el
DPD donde se indica que “El punto y coma es, de todos los signos de puntuación,
el que presenta un mayor grado de subjetividad en su empleo, pues, en muchos
casos, es posible optar, en su lugar, por otro signo de puntuación, como el
punto y seguido, los dos puntos o la coma”, subrayando a la vez que aquello “no
significa que el punto y coma sea un signo prescindible”. Uno de los casos más
presentes de la transformación del punto y coma ocurre cuando en el texto
original en español se omite el predicado. Según la norma española tal
predicado se sustituye con una coma, pero en otros idiomas la norma difiere y
en vez de coma puede aparecer una raya u otro signo de puntuación. Como los signos
de puntuación no funcionan solos dentro de la organización de la oración o
texto, tales transformaciones pueden condicionar otros tipos de cambios puntuacionales en la misma oración.
El punto y coma se
utiliza principalmente para resaltar partes individuales de una oración, para
enfatizar y enunciar de manera más expresiva ciertos pensamientos y secuelas de
oraciones, para introducir oraciones subordinadas, explicaciones adicionales,
enumeraciones, contrastes o matices semánticos. Por lo tanto, su función es de
establecer una jerarquía de información, aclarar las relaciones de los
elementos textuales permitiendo la comprensión de las relaciones sintácticas y
de otro tipo dentro de la oración o texto. Vistas las funciones del punto y
coma en los dos idiomas en cuestión, vemos que, inevitablemente, entramos en el
tema de las equivalencias traductoras.
3. La puntuación: su importancia y función en la traducción
Teniendo en cuenta lo
susodicho y las diferencias en el uso de los sistemas de puntuación, de ahí se
deriva la relevancia traductológica de la puntuación del texto original. Por
ende, en el presente artículo ofrecemos un primer planteamiento del problema,
centrándonos en un único signo de puntuación visto desde dos perspectivas
traductológicas: la tradicional, hecha por un traductor humano, y la automática
o artificial, hecha por una plataforma de inteligencia artificial.
Los teóricos de
traducción también están de acuerdo con las consideraciones sobre la
importancia de la puntuación, sobre todo cuando se trata de su correcta
interpretación y análisis. Por ejemplo, Hervey (1995: 74) correlaciona la
importancia de los signos de puntuación con la transferencia de algunas partes
de la entonación oral expresivamente rica al texto escrito, mientras que Eugene
Nida (1986: 51) enfatiza que los signos de puntuación deben usarse en el
proceso de traducción no como el único elemento para la clarificación del
texto, sino como un elemento textual que enfatiza aquellas partes de la
enunciación que ya han sido interpretadas correctamente. Baker es de la misma
opinión: los traductores deben desarrollar una sensibilidad hacia los diversos sistemas
de marcación disponibles en las lenguas con las que trabajan, porque las
distintas lenguas emplean diferentes mecanismos para señalar la estructura
informativa, sobre todo para señalar la estructura informativa marcada (2001:
151, 156). Newmark ve la puntuación como una indicación semántica entre
oraciones y cláusulas que varía según lenguas: en francés tienden a utilizar
comas en vez de conjunciones, en alemán se utilizan los signos de exclamación
para atraer la atención, enfatizar o producir efectos emotivos, los puntos
suspensivos en español indican conclusión vaga, omisión o pausa inesperada,
mientras en inglés indican omisión de algún pasaje (1999: 87).
Teniendo
en cuenta que el traductor es el tipo de lector más cuidadoso y reflexivo, los
signos de puntuación pueden ser instrumentos reveladores de información
importante para la interpretación precisa del texto original. Por ejemplo, los dos puntos anuncian una
parte del texto que enumera o explica, mientras que el punto y coma expresa una
conexión semántica más fuerte entre las dos partes del texto que separa (en
comparación con la conexión entre las partes del texto separadas por un punto).
La puntuación a menudo realiza un efecto estilístico o una impresión artística,
de ahí que una traducción que no respeta la puntuación y, por ejemplo, une
varias oraciones del texto original en una, pueda traicionar la intención del
autor del texto original (Kalustova 2015: 161).
Sin embargo, en este artículo no nos referimos a este segmento de su uso, ya
que no forma parte de las normas ortográficas y no es de uso general; nos
centramos más bien en el análisis descriptivo del corpus paralelo sin entrar en
profundidad en las cuestiones estilísticas.
Newmark (1999: 86)
también destaca que en las lenguas romances, concretamente, el punto y coma
probablemente se utilice con más frecuencia que en inglés y que indica varias
actividades o sucesos simultáneos, pero no suficientemente importantes o
aislados como para poner un punto o un signo de exclamación. Hervey (1995: 75)
apoya la misma diferencia entre español e inglés, añadiendo a las observaciones
sobre el punto y coma algunas distinciones con respecto al uso de dos puntos.
Estas indicaciones son importantes para nuestro artículo, precisamente por
falta de correspondencia formal en el uso del punto y coma entre los idiomas
español y serbio.
Como bien señala Kalustova (2015: 160), las asimetrías entre dos normas de puntuación requieren transformaciones a la hora de “traducir” puntuación. Las diferencias entre dos idiomas en este aspecto se basan en tres niveles: en las disparidades entre los sistemas de puntuación, entre las reglas de puntuación de los idiomas de partida y llegada, así como entre las funciones de un signo de puntuación. Por lo tanto, pueden llevar a situaciones en las que un signo de puntuación puede ser eliminado, explicado, transferido tal cual, sustituido por otro signo de puntuación o por una palabra, o incluso por un procedimiento de énfasis gráfico. Uno de los casos más ilustrativos que nos señala Kalustova (160-161) presenta la relación de la puntuación con el léxico y la manera en la que la traducción incorrecta de una palabra llevó a las transformaciones inadecuadas de la puntuación que, consecuentemente, introdujo la resegmentación de los párrafos del texto traducido y el cambio en la progresión del sentido del enunciado. Igualmente, las relaciones de equivalencia no se establecen sólo entre dos signos de puntuación diferentes, sino también entre un signo de puntuación y una unidad léxica gramatical. Baker (2001: 211) apunta que los recursos de puntuación como los dos puntos y el punto y coma, igual que las conjunciones, indican cómo se relacionan entre sí las distintas partes del texto y juegan un papel importante en la cohesión textual. Por lo tanto, pone de relieve que los cambios de estilo no motivados, que por lo que dice son “a common pitfall in translation”, pueden alterar gravemente la cohesión y la coherencia de un texto. Peter Newmark igualmente ve la puntuación como un recurso lingüístico cargado de significado y como un aspecto esencial del análisis del discurso que se descuida “con tanta tranquilidad” que aconseja a los traductores “que repasen por separado la puntuación de su versión y la del original, y las comparen” (1999: 86-87).
4. La traducción
automática
Dada la importancia
de la concienciación de los traductores humanos sobre los asuntos de
puntuación, también centramos nuestra atención en el comportamiento de la
traducción automatizada, inteligencia artificial y, especialmente, en ChatGPT, como una de las herramientas más comunes en el
ámbito universitario y público en Serbia.
Desde nuestra
perspectiva, no existe una definición definitiva ni unánime de la traducción
automatizada (TA) (conocida también como traducción automática o mecánica),
puesto que esta se concibe como parte de un campo interdisciplinar que integra
la lingüística, la informática y la inteligencia artificial (IA). Es un tipo de
traducción generado por IA cuyo objetivo es transferir un texto de una lengua
de partida a una lengua meta sin intervención humana directa y cuyo desarrollo
y herramientas han evolucionado (y lo siguen haciendo) significativamente en
los últimos años. Según Forcada Zubizarreta (2022), “la traducción automática
es el proceso mediante el cual un sistema informático produce, a partir de un
texto legible por ordenador en una lengua de partida, un texto legible por
ordenador en una lengua de llegada, el cual se pretende que sea una traducción
aproximada del primero”.
Comparando los
principios que rigen la TA, es notable un progreso constante en las últimas
décadas. Autores como Hatim y Mason (1995: 37-39) destacaron que las primeras
traducciones automáticas estaban pensadas y desarrolladas para establecer “un
punto de contacto entre la lingüística y la traducción profesional”, pero que
aquel desarrollo, sin embargo, iba por separado. Las primeras investigaciones
sobre la TA se concentraban en problemas de análisis sintáctico y en resolver
polisemias léxicas en vez de explorar el proceso de traducción que los
traductores humanos de verdad llevaban a cabo, y se obviaba por completo la
noción del contexto ya que “se juzgaba en su totalidad inabordable”. Hatim y
Mason (39) incluso observan que en 1966 la Comisión ALPAC de la Academia
Nacional de las Ciencias de Estados Unidos afirmaba que no había “perspectivas
inmediatas ni previsibles para una máquina de traducir de utilidad”. No
obstante, ya en los años ochenta la traducción automática vivió el período de
“los enfoques más prometedores”, como los llaman Hatim y Mason (39), y
empezaron a desarrollarse sistemas interactivos que posibilitaron la
intervención de los traductores en el proceso traslativo en cualquier estadio.
Según un estudio muy reciente de Vieira (2025), en los últimos años se presenta
una evolución muy rápida del TA. En 2016, Google y Microsoft pasaron de
sistemas estadísticos basados en frases a sistemas basados en redes neuronales
artificiales (NMT) más avanzados que cometen menos errores, aunque más sutiles
y difíciles de detectar (2025: 221). Más recientemente, también es posible
obtener traducciones mediante grandes modelos de lenguaje como ChatGPT, diseñados para realizar múltiples tareas. Hasta el
año 2023, las evaluaciones de este tipo de sistemas se encontraban en una fase
preliminar, pero sugieren que, en el caso de las lenguas europeas, su
rendimiento puede ser solo ligeramente inferior al de sistemas NMT como Google Translate (221). Sin embargo, los recientes estudios además
señalan que se necesita un nuevo paso adelante en la mejora de los sistemas: en
forma de la personalización de las tecnologías de traducción, la traducción
automática adaptada al estilo del traductor (humano) (O’Brien y Conlan 2018), y
la traducción automática adaptada a la traducción de los textos literarios
(Hansen et al. 2022; Hansen 2024, Kenny y Winters 2024).
Sobre la base de este
breve resumen del desarrollo de la traducción automática, vemos que la TA
tiende a apoyarse en los mismos principios que la “traducción tradicional” o la
“traducción humana” y estos son los principios de tipo formal y semántico (en
sentido de que tiende a privilegiar la equivalencia formal o la correspondencia
semántica directa entre unidades léxicas y sintácticas de la lengua de partida
y la lengua de llegada). La TA igualmente respeta el principio de normalización
lingüística, porque los sistemas automáticos tienden a producir textos
normativos y estandarizados, evitando desviaciones estilísticas y marcadas. Por otro lado, este tipo de traducción se basa en la
estadística, o sea en la probabilidad de coocurrencia entre segmentos
lingüísticos: la opción traductora seleccionada no es necesariamente la más
adecuada desde el punto de vista traductológico o pragmático, pero va a ser la
opción más probable según los datos disponibles online (o bases de datos en las
que se basan las traducciones automatizadas). Al mismo tiempo, carecen de intención comunicativa, competencia cultural o
conciencia del receptor, lo que puede limitar la adecuación funcional de la
traducción, sobre todo la literaria.
La selección del
programa de traducción empleado en el presente análisis estuvo condicionada por
diversos factores, tales como la frecuencia de uso del mismo entre traductores
profesionales y estudiantes de traducción y filología en Serbia, así como por la
disponibilidad y el nivel de desarrollo de la herramienta en relación con el
idioma de destino, en este caso el serbio. En nuestro caso, entre las
plataformas ChatGPT, Google Translate
y DeepL hemos optado por la primera, teniendo en
cuenta todos los factores enumerados.[3] Consideramos que ChatGPT
es una de las herramientas más utilizadas actualmente
en la enseñanza de lenguas extranjeras y traducción por
los estudiantes del idioma español en las Universidades de Kragujevac y
Belgrado. Los medios digitales, entendidos como
“todas las tecnologías y plataformas que posibilitan la comunicación digital,
es decir, en línea” (Krželj 2022: 469), representan
hoy en día la realidad en el ámbito educativo y en otros ámbitos. “ChatGPT es un chatbot de
inteligencia artificial (IA) que utiliza el procesamiento del lenguaje natural
para crear un diálogo conversacional similar al humano. El modelo de lenguaje
puede responder preguntas y redactar diversos contenidos escritos, incluyendo
artículos, publicaciones en redes sociales, ensayos, código y correos
electrónicos” (Tech Target). Es similar a los servicios de chat automatizados
donde las personas pueden hacer preguntas o asignar
diferentes tareas para obtener respuestas
automatizadas. En esta ocasión, lo utilizamos como parte del corpus al dar
formato a soluciones paralelas a problemas de puntuación y traducción.[4]
5. El análisis del
corpus y la metodología
El planteamiento del
presente artículo surge a partir de la inseguridad observada en el uso de la
puntuación en las traducciones realizadas por estudiantes en el marco de las
clases de traducción español – serbio, sobre todo cuando se trata del uso de
los dos puntos y el punto y coma. La falta de seguridad fue expresada por los
alumnos pertenecientes a los niveles desde A1 hasta B2 del MCER y se mostró en
los errores y las incertidumbres (en forma de dobles soluciones) en sus
traducciones.
Centramos el análisis en las soluciones de traducción del
punto y coma hechas por un traductor humano y por la plataforma ChatGPT (GPT-4, Versión 2025-01, usada desde junio 2025
hasta enero 2026). El corpus del texto original se ha extraído de la página web
Cervantes Virtual[5], y el del texto de llegada de la traducción profesional
serbia realizada por Biljana Bukvić. La versión de ChatGPT
en cuestión es la versión básica y gratuita, a la que tienen acceso los
estudiantes y el público amplio.
El análisis se ha
llevado a cabo sobre un corpus compuesto por 50 ejemplos, extraídos por medio
de detección manual, de la novela Doña Perfecta de Benito Pérez Galdós;
no obstante, en el artículo se presentan únicamente algunos ejemplos que
consideramos que son representantes ilustrativos de las categorías
identificadas. La representatividad de los ejemplos seleccionados se
basa en los criterios estructural y funcional. El criterio estructural está
centrado en el signo mismo y supone los casos en los que aparece el punto y
coma en el texto original; dentro de este criterio también hemos introducido un
subgrupo en el que el traductor humano introduce un punto y coma cuando este no
existe en el texto original. El criterio funcional ayuda a aclarar las
funciones sintácticas o las discursivas específicas del punto y coma, como son
la separación de las oraciones yuxtapuestas, introducción de las explicaciones
adicionales u organización de las enumeraciones, contrastes, etc. En el corpus
no se pone énfasis específico en los numerosos ejemplos de oraciones en las que
el punto y coma se emplea más de una vez dentro de una misma oración.
Hemos elegido
precisamente a este autor, Benito Pérez Galdós, porque se trata de un escritor
realista español del siglo XIX, cuya novela Doña Perfecta representa las
características de una novela realista típica: objetividad en la narración, un
narrador omnisciente en tercera persona que revela a los lectores todos los
detalles útiles sobre los personajes y ambientes novelescos (Karanović
2018: 160), visión imparcial y a menudo impersonal de la realidad, observación
directa de las costumbres o de los aspectos físicos y psicológicos de los
personajes, eliminación de aspectos subjetivos y eventos fantásticos. A Galdós
se suele atribuir la notable habilidad a la hora de representar el discurso
verbal de los personajes que pueblan sus novelas, y eso se nota ya desde su
primer trabajo (Ruano San Segundo y Nieto Caballero 2025: 91). Su estilística
es apropiada para transmitir los razonamientos de los personajes, las
conversaciones naturales y expresivas. Al mismo tiempo
Galdós no puede sustraerse de las frases amplias, de las frases
perfectamente concatenadas por nexos o por los signos de puntuación, de la
sintaxis lógica, de los paralelismos prosísticos, de algunas figuras
semánticas, etc. que hacen que la lengua sea cuidada y elaborada y que se
acerque en cierto modo más al lenguaje escrito que al hablado, a pesar,
incluso, de que los personajes que la emplean en su conversación y monólogos
sean cultos. (Alcalá Arévalo 1993: 21)
Desde el punto de
vista sintáctico, observamos la combinación de uso simultáneo de frases largas
y cortas y de los paralelismos (de tipo constructivo, prosístico, etc.) “realizada
tanto por nexos como por comas y puntos” (23). En esta novela, el punto y coma
se utiliza principalmente en la narración, al describir paisajes o personajes y
su comportamiento (muchas veces como parte del discurso directo). En otros
casos, sirve para separar dos unidades comunicativas dentro de la misma
oración.
Dentro de este
análisis, en el que examinamos los modos de transferencia del punto y coma
(usados en la novela Doña Perfecta) en traducciones serbias (la
tradicional/ humana y las automatizadas) formulamos algunas hipótesis
iniciales:
1) La traducción GPT
muestra pocas inconsistencias en el uso de los signos de puntuación;
2) La traducción GPT
intenta ofrecer traducciones ligeramente diferentes al recibir la misma
instrucción dos o tres veces, interpretando la tarea como una solicitud de
mejora del resultado;
3) La traducción
humana cambia más la puntuación original que la traducción automática.
Nuestro objetivo no
fue únicamente obtener una equivalencia interlingüística, sino explorar la
variación traductológica que puede surgir ante un mismo segmento textual cuando
se modifican las condiciones del encargo. Nuestro procedimiento metodológico se
basa en la comparación de la traducción tradicional o humana y la automática
(lo que incluye la generación controlada de múltiples versiones de traducción
mediante ChatGPT). Después de haber recopilado las
traducciones tradicionales de este signo de puntuación (el punto y coma),
empezamos a analizar las traducciones automáticas.
En primer lugar,
introdujimos una instrucción (o prompt) mínima
y descontextualizada —“traduce al serbio”— que se reiteró de forma consecutiva
dentro de la misma conversación, sin aportar información adicional sobre el
género, el estilo o el marco literario del texto. La instrucción vuelve a
plantearse sin pausa, las tres tareas se encadenan en la misma ventanilla en la
que se hizo el primer procedimiento de traducción. En todos los ejemplos
enumeramos tres versiones de la traducción como resultado de aquellas
solicitudes. Este encadenamiento de solicitudes permitió observar hasta qué
punto el sistema produce variaciones espontáneas ante una consigna idéntica y
evaluar el grado de estabilidad o fluctuación en la resolución del punto y
coma.
En segundo lugar,
incorporamos un encargo de traducción más específico, con el propósito de
aproximarnos a las condiciones en las que trabaja un traductor humano. La
instrucción más detallada insertada al ChatGPT para
producir la cuarta traducción del mismo ejemplo viene motivada por la tendencia
de simular al traductor humano en su deseo de no verse limitado al papel de la posedición y de que tome un rol más activo en el proceso de
flexibilización o adaptación de las herramientas automáticas a las necesidades
concretas de la obra literaria que se traduce (cf. Hatim 1995: 39). Por
lo tanto, partimos del supuesto de que el traductor profesional interpreta el
texto teniendo en cuenta no solo los factores lingüísticos inmediatos, sino
también los elementos extralingüísticos: el género literario, el contexto histórico,
el movimiento estético, la intención del autor y las convenciones estilísticas
propias de la obra. Con el fin de simular estas condiciones, reformulamos la
instrucción del siguiente modo: ‟traduce al serbio; el contexto es una
novela realista de Benito Pérez Galdós”. Esta cuarta versión (GPT traducción 4)
responde, por tanto, a una consigna enriquecida que introduce un trasfondo
estilístico y literario explícito.
De este modo, el
procedimiento metodológico adoptado no se limita a comparar una única
traducción humana con una única versión automática, sino que explora la
variabilidad interna del propio sistema generativo. Ello permite observar el
punto y coma no solo como un signo de puntuación, sino como un elemento
estilístico cuya traducción depende de factores discursivos, pragmáticos y
estéticos.
Los usos del punto y
coma registrados como más frecuentes en los corpus analizados son los
siguientes:
1) El traductor humano sigue el uso del punto y coma del
texto fuente;
2) El traductor humano reemplaza el punto y coma del texto
fuente por una coma en la traducción;
3) El traductor humano reemplaza el punto y coma que precede
a la conjunción “pero” del texto original por una coma en la traducción; El
traductor humano reemplaza el punto y coma del texto original por una coma e
introduce la conjunción “a”;
4) El traductor humano reemplaza el punto y coma del texto
fuente por un punto;
5) El traductor humano introduce un punto y coma en el texto
meta, mientras que en el texto fuente se usa una coma;
6) El traductor humano introduce un punto y coma (junto con
un verbo) en el texto de destino, mientras que el texto de origen utiliza una
conjunción constituyente “y”;
A continuación,
veremos los ejemplos para cada caso observado.
5.1 El traductor
humano sigue el uso del punto y coma del texto fuente
En los ejemplos citados, el punto y coma aparece dentro
de las narraciones en las que la función de la oración sería conocer y
describir uno de los personajes, el lugar y el paisaje, y en el ejemplo dos
para separar dos unidades comunicativas dentro del discurso directo.
• Ejemplo 1
•Texto original:
Fijose en la desgarbada estatura que recordaba al chopo entre
los vegetales; vio los sagaces ojos que bajo el ala de ancho sombrero de
terciopelo viejo resplandecían; vio la mano morena y acerada que empuñaba una
vara verde, y el ancho pie que, al moverse, hacía sonajear el hierro de la
espuela. (p. 7)
• Traducción humana:
Zagledao se u nezgrapni stas koji je podsećao
na crnu topolu
medu žbunjem; ugledao je prepredene oči koje su sijale ispod širokog
oboda šešira od izlizanog somota;
video je tamnoputu, čvrstu
ruku koja je držala zeleni prut
i široko stopalo pri čijim je pokretima zveckala mamuza. (p. 6)
• GPT traducción 1:
Pogledajte nespretan stas
koji je podsećao na topolu među
biljem; video je oštre oči koje su, ispod krila širokog
starog somotskog šešira, sijale; video je tamnu i čeličnu ruku koja je držala
zelenu štapu, i široku nogu koja,
pri kretanju, pravila zvuk sa
železnom šporetom.
Pogledao je u nespretan stas koji je podsećao
na topolu među biljem; video je oštre oči koje su ispod krila
širokog starog somotskog šešira sijale; video je tamnu i čeličnu ruku koja je držala zelenu štapu, i široku nogu koja,
pri kretanju, pravila zvuk sa
železnim šporetom.
• GPT traducción 3:
Pogledao je u nespretan stas koji je podsećao
na topolu među biljem; video je oštre oči koje su sijale ispod krila širokog
starog somotskog šešira sijale; video je tamnu i čeličnu ruku koja je držala
zelenu štapu, i široku nogu koja,
pri kretanju, pravila zvuk sa
železnim šporetom.
• GPT traducción 4:
Zagleda se u nezgrapnu stasinu koja je među biljem podsećala na topolu; vide pronicljive
oči što su pod obodom širokog,
starog somotskog šešira blistale; vide tamnu, čeličnu
ruku koja je stezala zelenu motku, i široko stopalo koje je pri pokretu zveckalo
gvožđem ostruge.
• Ejemplo 2
•Texto original:
-No, que el gobernador viene acá, Sr. Licurgo; sepa Vd.
que nos van a meter en Orbajosa un par de regimientos. (p. 21)
- Ne. Guverner dolazi ovamo, gospodine Likurg; znajte da
će nam u Orbahosu postaviti nekoliko pukova. (p. 17)
• GPT traducción 1:
– Ne, gospodine Licurgo, da dolazi guverner ovamo; da
znate, ubaciće nam u Orbajosu par pukovnija.
• GPT traducción 2:
– Ne, guverner dolazi ovamo, gospodine Licurgo; da znate,
ubaciće nam u Orbajosu par pukovnija.
• GPT traducción 3:
– Ne, guverner
dolazi ovamo, gospodine Likumrge; znajte da će nam u Orbajosu smestiti par
pukova.
• GPT traducción 4:
– Ne, guverner dolazi ovamo, gospodine Likumrge; znajte
da će nam u Orbajosu smestiti nekoliko pukova.
• Ejemplo 3
•Texto original:
Tal villorrio de adobes que miserablemente se extiende
sobre un llano estéril y que de diversos modos pregona su pobreza, tiene la
insolencia de nombrarse Villa-rica; y hay un barranco pedregoso y polvoriento,
donde ni los cardos encuentran jugo, y que sin embargo se llama Valdeflores. (p. 11)
• Traducción humana:
Bedna selendra sazdana
od čatrlja koja se tužno proteže
po neplodnoj zaravni i u svakom pogledu jasno ističe
svoje siromaštvo, bezočno se naziva Bogata Varoš; krševita i prašnjava jaruga u kojoj ni čičak ne može da nađe
soka, naziva se Cvetnom dolinom. (p. 9-10)
• GPT traducción 1:
Taj seljački naseljak od adoba koji se jadno širi
po sterilnoj ravnici i koji na razne načine
oglašava svoju siromaštinu, ima drskost da se naziva Villa-rica;
i postoji kameniti i prašnjavi jarak, gde ni čičci ne nalaze sok,
a koji se, ipak, zove Valdeflores.
Taj seljački naseljak od adoba, koji se jadno širi
po sterilnoj ravnici i na razne
načine oglašava svoje siromaštvo, ima drskost da se naziva Villa-rica; a tu je i kameniti
i prašnjavi jarak, gde ni čičci ne nalaze sok,
a koji se, ipak, zove Valdeflores.
• GPT traducción 3:
Takvo selo od ćerpiča,
koje se jadno prostire po jalovoj
ravnici i na razne načine razglašava svoju siromaštinu, ima drskosti da se nazove Vila-Rika;
a postoji i kamenit i prašnjav jarak, u kome ni čkalje ne nalaze soka,
a koji se, ipak, zove Valdeflores.
• GPT traducción 4:
Takva zabit od
ćerpiča, koja se jadno prostire po jalovoj ravnici
i na sve moguće načine razglašava svoju bedu, ima drskosti
da se nazove Vila Rika; a postoji
i jedan kamenit, prašnjav jarak, u kome ni čkalje ne nalaze soka, a koji se, uprkos svemu, zove Valdeflores.
En los ejemplos
citados, la traductora humana mantiene el uso del punto y coma del texto
original. GPT también lo reproduce en su totalidad. Sin embargo, cabe destacar
que en el ejemplo 1, en la traducción de GPT, este también introduce sus
propias oraciones insertadas, separadas por comas, dentro de las partes de la
oración ya separadas por punto y coma. Aunque el tema de
análisis no son los errores gramaticales, sino la puntuación, mencionamos
brevemente que en este ejemplo (1) se observa el uso inadecuado del modo verbal
en la traducción automática, ya que se emplea el imperativo, donde el contexto
requiere claramente una forma verbal en pasado.
Concluimos que ambos tipos de traducción respetan el
punto y coma como signo que separa unidades sintáctico-semánticas dentro de una
oración más larga y que generalmente no realizan cambios en las partes
sintácticas de la oración separadas por ese signo de puntuación. Aunque cabe
resaltar que en la traducción humana se elimina la conjunción y
precedente por el signo del punto y coma (de nombrarse Villa-rica; y
hay un barranco... → se naziva Bogata Varoš; krševita i prašnjava jaruga...), y la
traducción GPT resulta más fiel en ese aspecto: mantiene tanto el signo como la
conjunción: da se naziva Villa-rica; i postoji kameniti...; da se
naziva Villa-rica; a tu je i kameniti...; da se nazove
Vila-Rika; a postoji i kamenit...
5.2 El traductor
humano reemplaza el punto y coma del texto fuente por una coma en la traducción
En los ejemplos que
siguen, el punto y coma aparece dentro de las narraciones con la función de
describir el personaje y, luego, el contexto situacional.
• Ejemplo 1
• Texto original:
Es un hombre muy bravo, gran jinete, y el primer
caballista de todas estas tierras a la redonda. En Orbajosa le queremos mucho;
pues él es... dicho sea en verdad... tan bueno como la bendición de Dios.
(p.20)
• Traducción humana:
On je hrabar čovek,
izvrstan jahač, najbolji konjanik u celom kraju. Mi u Orbahosi ga mnogo
volimo, jer on je najiskrenije govoreći ... dobar kao božiji blagoslov (p. 16)
• GPT traducción 1:
On je vrlo hrabar
čovek, veliki jahač, i najbolji konjanik u svim ovim krajevima. U Orbajosi ga mnogo volimo;
jer on je... da kažemo istinu... dobar kao Božija blagoslov.
• GPT traducción 2:
On je vrlo hrabar
čovek, veliki jahač i najbolji konjanik u svim ovim krajevima. U Orbajosi ga mnogo volimo;
jer on je... da kažemo istinu... dobar kao Božiji
blagoslov...
• GPT traducción 3: Exactamente la misma que GPT T2
• GPT traducción 4:
To je vrlo hrabar
čovek, sjajan jahač i najbolji konjanik u svim ovim krajevima. U Orbajosu ga veoma
volimo; jer on je… istina da se kaže… dobar kao
Božija blagoslov.
• Ejemplo 2
• Texto original:
Los vidrios de unos espejuelos despidieron, heridos por
la luz del sol, fugitivo rayo; rechinó el picaporte, abriose
la puerta y el señor Penitenciario penetró con gravedad en la estancia. (p. 44)
• Traducción humana:
U sobu je prodro
drhtavi zrak sunca koji se odbio od
stakla nečijih naočara, kvaka je zaškripala, vrata su se otvorila i gospodin ispovednik važno ušeta unutra. (p. 34)
• GPT traducción 1:
Stakla naočara zaiskrila su, pogođena svetlom sunca, bežećim zrakom; zaškripi kvaka, otvori se vrata i gospodin Penitencijar uđe sa ozbiljnošću u sobu.
• GPT
traducción 2:
Stakla naočara zaiskrila su, pogođena svetlom sunca, bežećim zrakom; zaškripi kvaka, otvori se vrata i gospodin Penitencijar uđe ozbiljno u sobu.
• GPT
traducción 3:
Stakla naočara zaiskrila su, pogođena svetlom sunca, bežećim zrakom; zaškripi kvaka, otvoriše se vrata i gospodin Penitencijar uđe sa ozbiljnošću u sobu.
• GPT traducción 4:
Stakla na naočarima
odbila su, ranjena sunčevom svetlošću, bežični zrak; zveknuo je kvaka, vrata su se otvorila i gospodin Kaznenik je svečano ušao u sobu.
Dentro de este grupo se observa que la traductora humana
reemplaza el punto y coma por una coma en la traducción, lo que indica una
pausa en la estructura comunicativa de una oración menos pronunciada que con un
punto y coma. El traductor GPT, en la mayoría de los casos, transfiere
fielmente el punto y coma al texto de destino en serbio. En el ejemplo 1, la
primera parte de la oración nos presenta un hecho sobre el afecto del pueblo
hacia el personaje en cuestión, una unidad coherente en sentido, y en la segunda
parte de la oración se nos ofrece la argumentación de aquella unidad de
sentido, el trasfondo de esa inclinación. De ahí la razón de la matización
semántica en el texto original que no se mantiene en la traducción humana.
5.3 El traductor humano
reemplaza el punto y coma que precede a la conjunción “pero” del texto original
por una coma en la traducción; El traductor humano reemplaza el punto y coma
del texto original por una coma e introduce la conjunción “a”
La
ortografía española estipula que las conjunciones pero,
mas, aunque, sino van precedidas de punto y coma. En los
siguientes ejemplos, la traductora humana sustituye esa combinación por una
coma y conserva la conjunción contrastiva equivalente “ali”
(pero). En la ortografía serbia la situación es equivalente: se estipula
que la coma precede las conjunciones “a”, “ali” (y,
pero) si conectan las oraciones subordinadas adversativas (Pešikan 2019: 110). Hemos encontrado muchos ejemplos que
muestran la misma tendencia. Las traducciones GPT copian fielmente el signo de
punto y coma. El segundo ejemplo también muestra el uso múltiple del punto y coma, con la función de separar unidades
informativas dentro de la misma oración.
• Ejemplo 1
• Texto original:
Con la muerte del esposo de Perfecta se acabaron los sustos en la familia;
pero empezó el gran conflicto. (p. 28)
• Traducción humana:
Smrću Perfektinog muža okončane su porodične svađe, ali je zato započeo veliki sukob. (p. 22)
• GPT traducción 1:
Sa smrću muža Perfecte, strahovi u
porodici su prestali; ali počeo je veliki konflikt.
• GPT traducción 2 y 3:
Exactamente las mismas que GPT T1.
• GPT traducción 4:
Sa smrću muža Perfekte, strahovi u
porodici su prestali; ali je počeo veliki sukob.
• Ejemplo 2
• Texto original:
Como ves Perfecta acoge con júbilo mi plan;
dice que también había pensado en lo mismo; pero que no se atrevía a
manifestármelo, por ser tú... ¿no ves lo que dice? (p. 31)
Kao što vidiš, Perfekta prihvata, s velikim zadovoljstvom, moju zamisao; kaže da je i ona isto mislila,
ali da se nije usuđivala
da mi to pomene, jer kaže da si ti... zar ne vidiš šta
piše?...
(p. 24)
Kao što vidiš, Perfecta prihvata moj plan s oduševljenjem; kaže da je i ona
razmišljala o istoj stvari, ali da se nije usudila da mi to kaže, zbog tebe... Zar ne vidiš šta
kaže?
• GPT traducción 2:
Kao što vidiš, Perfecta s oduševljenjem prihvata moj plan; kaže da je i ona
razmišljala o istoj stvari, ali da se nije usudila da mi to kaže, zbog tebe... Zar ne vidiš šta
kaže?
Kao što vidiš, Perfecta s oduševljenjem prihvata moj plan; kaže da je i ona razmišljala o istom, ali da se nije usudila da mi to kaže, zbog tebe... Zar ne vidiš šta
kaže?
• GPT traducción 4:
Kao što vidiš, Perfekta prihvata moj plan s radošću; kaže da je i ona
razmišljala o istom, ali da se nije usudila da mi to kaže, jer
si ti… ne vidiš li šta ona kaže?
La traductora humana resuelve esta situación sintáctica,
poco común en serbio, separando con comas, en la primera parte de la oración,
distintas unidades de sentido, a la vez poniendo más énfasis en ellas; mientras
que la traducción GPT no lo hace. En la segunda parte de la misma oración la traductora humana cambia el punto y coma por una coma y
conserva la conjunción coordinante equivalente “ali”
(pero). La traducción GPT no es tan consistente y muestra ambas
tendencias: mantener el punto y coma en el texto traducido y cambiarlo por una coma seguida de la conjunción “ali”, aunque predomina la segunda tendencia. La
inconsistencia de la traducción GPT se debe posiblemente al hecho de que el
punto y coma aparece dos veces en la misma oración. Otra suposición es que esta situación es
sintácticamente específica en serbio.
• Ejemplo 3
•Texto original:
Vd. no sabe bien qué gente es esa. Ellos
fueron los que el mes pasado robaron de la iglesia del Carmen el copón, la
corona de la Virgen y dos candeleros; ellos fueron los que hace dos años
saquearon el tren que iba para Madrid. (p. 16)
• Traducción humana:
Vi pojma nemate kakva je to bagra. Oni su prošlog meseca u karmelićanskoj crkvi ukrali putir, krunu
Device Marije i dva svećnjaka,
a pre dve godine opelješili su voz koji je išao za Madrid. (p. 13)
• GPT traducción 1:
Vi ne znate dobro ko su ti ljudi. Oni su ti
koji su prošlog meseca ukrali iz crkve u Karmenu kalež, krunu Bogorodice i dva
svećnjaka; oni su ti koji su pre dve godine opljačkali voz koji je
išao za Madrid.
• GPT traducción 2 y 3:
Exactamente las mismas como en GPT T1.
• GPT traducción 4:
Vi zapravo ne znate kakvi su ti ljudi. Oni su ti koji su
prošlog meseca ukrali iz crkve Karmen kalež, krunu Devici Mariji i dva
svećnjaka; oni su ti koji su pre dve godine opljačkali voz koji je
išao za Madrid.
En este
último ejemplo (ej. 3), en lugar del punto y coma del texto original, la
traductora usa una coma y añade la conjunción “a” en serbio. Esta conjunción, generalmente
considerada adversativa en serbio, equivale a la y en español. Aunque
habrá que tener en cuenta que esta conjunción no siempre expresa la oposición,
sino el contenido diferente, nueva información o un contenido inesperado en
relación con la información que la precede. La traducción GPT sigue fielmente la
puntuación del texto original sin introducir cambio alguno.
5.4 El traductor humano reemplaza el punto y coma del texto
fuente por un punto
En los ejemplos de
este caso notado, el punto y coma aparece dentro de las narraciones que tienen
la función de describir la situación y los comportamientos; también aparece
dentro del estilo directo.
• Ejemplo 1
• Texto original:
Aquí no vienen casi nunca soldados de los
Madriles; cuando han estado, todos los días corría la sangre, porque Caballuco les buscaba camorra por un no y por un sí. (p. 21)
• Traducción humana:
Ovde skoro nikad ne zalaze vojnici Madrila.
Kad ih je bilo, krv je tekla svaki dan, jer je Kabaljuko stalno tražio kavgu.
(p. 16-17)
• GPT traducción 1:
Ovdje gotovo nikada ne dolaze vojnici iz
Madrida; kada su dolazili, svakog dana je tekla krv, jer ih je Caballuco
izazivao na sukobe zbog svake sitnice.
• GPT traducción 2:
Ovde gotovo nikada ne dolaze vojnici iz
Madrida; a kada su bili, krv je tekla svakog dana, jer je Kabaljuko tražio
kavgu i za najmanju stvar.
Ovde gotovo nikada ne dolaze vojnici iz Madrida; kada su dolazili, svakog
dana je tekla krv, jer ih je Caballuco izazivao na sukobe zbog svake sitnice.
• GPT traducción 4:
Ovde skoro nikada ne dolaze vojnici iz Madrida; kada su
dolazili, svakog dana je tekla krv, jer ih je Kabaljuko tražio svađu zbog
svakog sitnog razloga.
• Ejemplo 2
• Texto original:
– Escojo la cosa ligera para tener el gusto de comer con
ustedes; y si en Villahorrenda hubiera encontrado
algún alimento, nada tomaría a esta hora. (p. 42)
• Traducción humana:
– Radije ću uzeti
nešto lagano da mogu s vama sa
uživanjem ručati. Da sam u Viljaorendi našao nešto za
jelo, sada ne bih ništa
okusio. (p. 33)
• GPT traducción 1:
– Biram nešto lagano da
bih imao zadovoljstvo da jedem sa vama; a da sam
u Villahorrendi našao neku hranu, ništa
ne bih pojeo
u ovo vreme.
• GPT traducción 2:
– Biram nešto
lagano kako bih imao zadovoljstvo
da jedem s vama; a da sam u Vilahorendi našao neku hranu,
sada ne bih
ništa uzimao.
• GPT traducción 3: Exactamente la
misma como en GPT T1.
• GPT traducción 4:
– Biram nešto lagano da bih imao zadovoljstvo
da jedem s vama; a da sam u Vilajorendi našao kakvu hranu,
u ovom trenutku ne bih ništa
uzeo.
La traducción tradicional muestra un alto
grado de libertad al dividir una oración en dos y reemplazar el punto y coma
por un punto. El traductor GPT respeta al máximo el uso del punto y coma en el
texto fuente y siempre lo mantiene en el texto traducido. Optando por separar la oración
compleja en dos, en el ejemplo 2, la traductora
humana elige perder matices explicativos
que unen dos partes de la oración. La parte que
empieza por “y si en Villahorrenda hubiera
encontrado...” representa la condición que influye en la información dada en la parte
precedente y forma parte indispensable de un todo semántico.
5.5 El traductor humano introduce
un punto y coma en el texto meta, mientras que en el texto fuente se usa una
coma
• Ejemplo 1
• Texto original:
Insistía
el señor a pesar de estas sesudas advertencias, contestaba el aldeano,
oponiendo la más viva resistencia, cuando la presencia de dos o tres
carromateros que por el camino abajo tranquilamente venían conduciendo una
galera, puso fin a la cuestión. (p. 18, 19)
• Traducción humana:
Don Hose je uporno ostajao pri svome,
gluv za ova razumna upozorenja; seljak je uzvraćao, oštro mu se suprotstavljajući,
sve dok nije naišlo nekoliko taljiga, koje su se mirno kotrljale drumom, i prekinule spor. (p. 14)
• GPT traducción 1:
Insistirao
je gospodin uprkos ovim ozbiljnim upozorenjima, odgovarao je seljak, suprotstavljajući se
sa najvećim otporom, kada je prisustvo dvoje ili troje kočijaša koji su mirno dolazili
vozeći kolicu niz put, okončalo
pitanje.
• GPT traducción 2:
Gospodin je insistirao uprkos ovim ozbiljnim upozorenjima, odgovarao je seljak, suprotstavljajući se
sa najvećim otporom, kada je prisustvo dvoje ili troje kocijaša koji su mirno dolazili
vozeći galeru niz put, okončalo
pitanje.
• GPT traducción 3:
Gospodin je insistirao uprkos tim ozbiljnim upozorenjima
odgovarao je seljak, suprotstavljajući se sa najvećim otporom, kada je prisustvo dvoje ili troje kočijaša koji su mirno dolazili vozeći galeru niz put, okončalo
pitanje.
• GPT traducción 4:
Gospodin je uporno insistirao uprkos ovim razumnim
upozorenjima, a seljak je odgovarao, pružajući najžustriji otpor, dok prisustvo dva-tri
kolesara koja su putem niže mirno
dovodila galeru nije okončalo pitanje.
La traductora humana
reordena partes de la oración en la traducción con respecto al original y, por
lo tanto, recurre al cambio del signo de puntuación. El
traductor GPT sigue fielmente el uso de la coma del texto original. En
la traducción con signo de punto y coma introducido, se nota una oposición más
marcada en la pelea entre el señor y el aldeano, mientras que en el texto
original la pelea da una impresión más fluente y espontánea, con cierta
graduación hacia la resolución del conflicto.
• Ejemplo 2
• Texto original:
Montaba un soberbio caballo de pecho carnoso,
semejante a los del Partenón, enjaezado según el modo pintoresco del país, y
sobre la grupa llevaba una gran valija de cuero, en cuya tapa se veía en letras
gordas la palabra Correo. (p. 19)
• Traducción humana:
Jahao je na rasnom konju
širokih prsa, nalik konjima Partenona;
bio je opremljen živopisno,
kako je to uobičajeno u ovom kraju, a na sapima
je nosio veliku kožnu torbu na
čijem poklopcu je velikim slovima bilo ispisano Pošta.
(p. 15)
• GPT traducción 1:
Jahao je na veličanstvenom konju sa mišićavim
stomakom, sličnom onima sa Partenona,
opremljenom u slikovitom stilu zemlje, a na leđima je nosio veliku kožnu
torbu, na čijem poklopcu su velikim slovima bila napisana reč
Correo (Pošta).
• GPT traducción 2:
Jahao je na izvanrednom konju sa mišićavim
stomakom, sličnom onima sa Partenona,
opremljenom u slikovitom stilu zemlje, a na leđima je nosio veliku kožnu
torbu, na čijem poklopcu je velikim slovima bila napisana reč
Correo.
• GPT traducción 3: Idéntica a la de
GPT T1.
• GPT traducción 4:
Jahao je veličanstvenog konja sa širokom grudnom
košću, nalik onima sa Partenona,
ukrašenog prema slikovitom običaju ovog kraja, a na
leđima životinje nalazila se velika kožna torba, na
čijem je poklopcu debelim slovima stajala reč „Pošta“.
En el ejemplo 2 no
vemos motivación aparente para la introducción del signo de punto y coma en la
traducción tradicional, ya que todas las unidades de sentido dentro de la frase
compleja sirven a un mismo fin: la descripción del personaje. En el texto de
origen se trata de una descripción continua del aspecto del cartero, en la que
los segmentos semánticos se encadenan entre sí, sin
oponerse entre ellos ni introducir una nueva unidad informativa con respecto a
las anteriores. Las traducciones GPT no introducen cambios ortográficos.
5.6 El traductor humano introduce
un punto y coma (junto con un verbo) en el texto de destino, mientras que el
texto de origen utiliza una conjunción constituyente “y”
En los ejemplos
elegidos, la traductora humana reemplaza la coma en el texto fuente con un
punto y coma en el texto meta y, por lo tanto, divide la oración, ejerciendo
previamente un cambio del lugar de los elementos de la oración en la
descripción del jinete, y luego eliminando la conjunción constituyente y.
En su lugar usa un punto y coma e ingresa un verbo adicional: delovao je (parecía). La justificación
para la modificación mencionada la podemos encontrar en la norma ortográfica
serbia. Según ella, el punto y coma resulta muy útil para separar aquellas
oraciones que dentro de sí contienen varias comas (Pešikan
2019: 128), como es el caso en el ejemplo 1. Separando el enunciado en dos
oraciones con menos vínculo sintáctico, la frase entera resulta más
comprensible. Por otro lado, tal norma no se menciona explícitamente en la
ortografía española, así que la falta de equivalencia en este caso podría ser
resultado de la divergencia de los sistemas de puntuación.
• Ejemplo 1
• Texto original:
Volviose nuestro viajero y
vio un hombre, mejor dicho un Centauro, pues no podía
concebirse más perfecta armonía entre caballo y jinete, el cual era de
complexión recia y sanguínea, ojos grandes, ardientes, cabeza ruda, negros
bigotes, mediana edad y el aspecto en general brusco y provocativo, con
indicios de fuerza en toda su persona. (p. 19)
• Traducción humana:
Naš se putnik okrenuo i ugledao čoveka, bolje reći kentaura, jer se ne može zamisliti
savršeniji sklad jahača i konja; jahač je bio srednjih godina, snažne građe, žustar, krupnih, vatrenih očiju i crnih brkova na grubom
licu; delovao je osorno i izazivački i cela njegova pojava odisala je snagom. (p. 15)
• GPT traducción 1:
Naš putnik
se okrenu i ugleda čoveka, tačnije jednog Kentaura, jer se nije mogla zamisliti savršenija harmonija između konja i jahača. Bio je snažne i sanguinične građe, krupnih, vatrenih očiju, grube glave, crnih brkova,
srednjih godina, a njegov opšti izgled
bio je grub i izazivački,
sa znacima snage u celoj njegovoj
pojavi.
• GPT traducción 2:
Vratio se naš putnik i ugledao
čoveka, ili bolje rečeno Kentaura, jer se nije mogla zamisliti savršenija harmonija između konja i jahača. Bio je snažne i krvave puti, krupnih, vatrenih očiju, grube glave, crnih
brkova, srednjih godina, a njegov opšti izgled bio je grub i izazovan, s naznakama snage u čitavoj njegovoj pojavi.
• GPT traducción 3: parece una
combinación de dos traducciones anteriores
Naš putnik
se okrenuo i ugleda čoveka, bolje rečeno Kentavra, jer se nije mogla zamisliti savršenija harmonija između konja i jahača. Bio je snažne i živahne građe, sa velikim, plamenim očima, grubom glavom, crnim brkovima,
srednjih godina, a njegov celokupan izgled bio je grub i izazivački, sa naznakama snage u celom telu.
Naš putnik
se okrenuo i ugleda čoveka, ili bolje rečeno, Kentavra, jer se nije mogla zamisliti savršenija harmonija između konja i jahača. Bio je snažne, živahne građe, sa velikim, plamenim
očima, grubom glavom, crnim brkovima,
srednjih godina, a celokupan njegov izgled bio je grub i izazivački, sa naznakama snage u celom telu.
Sin
embargo, las cuatro traducciones GPT dividen esta oración compleja en dos
oraciones separando por un punto la descripción del jinete. Suponemos que el
algoritmo no sigue exactamente la estructura formal de la oración, porque
reconoce como la opción más fácil y clara ésta con la ruptura oracional. Esto
no viola drásticamente el valor semántico del original, pero reduce aún más que
la traducción humana la dinámica del párrafo, y con esto reduce también el
impacto de la descripción rápida y continua sobre el viajero, el señor José
Rey, quien recién empieza a conocer a los personajes en cuestión y sus costumbres.
• Ejemplo 2
• Texto original:
-Descansemos un poco -repuso el Sr. Caballuco, poniendo su cabalgadura al paso de la de
nuestros viajeros, y observando atentamente al principal de los tres-. Puesto
que hay tan buena compaña... (p. 19, 20)
• Traducción humana:
- Da se malo odmorimo! - odgovorio je Kabaljuko jašući svog konja uporedo
s naširn putnicima; pažljivo je posmatrao onog glavnog medu
njima trojicom. (p. 16)
• GPT traducción 1:
Odmorimo se malo – odgovori gospodin Cabaljuko, privodeći svoju jahaću životinju u hod uz one naših
putnika i pažljivo posmatrajući glavnog među trojicom. – Kad je već tako dobro
društvo.
• GPT traducción 2:
– Odmorimo se malo
– odgovori gospodin
Cabaljuko, dovodeći svoju
jahaću životinju u hod uporedo s onima
naših putnika i pažljivo posmatrajući glavnog među trojicom. – Kad je već tako dobro društvo…
• GPT traducción 3:
—Odmorimo se malo —odgovori
gospodin Kabaljuko, usklađujući kretanje svog konja s konjima
naših putnika i pažljivo posmatrajući glavnog među trojicom—. Pošto je društvo tako dobro…
• GPT traducción 4:
—Odmorimo se malo —odgovori
gospodin Kabaljuko, usklađujući kretanje svog konja s konjima
naših putnika i pažljivo posmatrajući glavnog među trojicom—. Pošto je društvo tako dobro…
En este ejemplo el traductor humano en lugar de la coma
introduce un punto y coma y elimina la conjunción copulativa y. Con ello
separa semánticamente la oración, lo que produce una conexión más débil entre
las dos partes de la misma oración e introduce más énfasis en la información
dada en la segunda parte de la oración. Ninguna de
las cuatro traducciones GPT utiliza la coma, pero sí mantiene la conjunción
copulativa. Suponemos que ese fenómeno se debe a la regla ortográfica de la
lengua serbia según la que no se recomienda utilizar una coma antes de la
conjunción y en oraciones coordinadas como poniendo su cabalgadura
(...), y observando atentamente (...).
Para terminar y antes
de concluir ofrecemos el resumen gráfico del análisis contrastivo del uso de
punto y coma en los dos tipos de traducción del español al serbio.
|
Categoría
de análisis |
Función en el texto fuente |
Tendencia predominante en la traducción humana |
Tendencia
predominante en ChatGPT |
Interpretación
contrastiva |
|
1. Conservación del punto y coma |
El punto y coma delimita unidades
sintáctico-semánticas dentro de una oración compleja; aparece en secuencias
descriptivas extensas y en discurso directo. |
Reproduce el punto y coma del original. En ciertos
casos elimina la conjunción coordinante Y que sigue al signo. |
Reproduce sistemáticamente tanto el punto y coma
como la conjunción posterior. |
Ambas modalidades respetan la segmentación
microestructural. La traducción humana muestra una adaptación sintáctica
moderada (supresión de conjunción), mientras que GPT presenta una
transferencia más literal de la estructura original. |
|
2. Sustitución del punto y coma por coma |
El punto y coma aparece dentro de la descripción del
personaje o del contexto situacional. |
Sustituye el punto y coma por coma, reduciendo la
jerarquización interna del enunciado. |
Conserva mayoritariamente el punto y coma. |
La traducción humana atenúa la marcación jerárquica
entre segmentos informativos, mientras que GPT mantiene la organización
semántica e informativa original. |
|
3. Sustitución del punto y coma ante conjunción
adversativa “pero” por coma; o sustitución por coma e introducción de la
conjunción “a” |
El punto y coma aparece antes de conjunciones
adversativas, o separa unidades informativas dentro de la misma frase (dos
acciones relacionadas o informaciones sucesivas); o aparece en discurso
directo. |
Sustituye por coma seguida de la conjunción
adversativa equivalente en serbio (“ali”), o
sustituye por coma e introduce la conjunción “a”, con valor contrastivo leve
o de información nueva. Mantiene el punto y coma cuando tiene la función de
separar unidades informativas. |
Oscila entre conservar el punto y coma y emplear
coma + “ali”, con predominio de esta última
estrategia. |
La traducción humana se ajusta a la norma
ortográfica serbia, o reorganiza la relación lógico-discursiva entre
segmentos. GPT manifiesta una tendencia híbrida entre literalidad formal y
adaptación normativa. |
|
4. Sustitución del punto y coma por punto |
El punto y coma articula segmentos narrativos o
aparece en discurso directo. |
Divide la oración en dos enunciados autónomos
mediante punto. |
Mantiene sistemáticamente el punto y coma. |
La traducción humana da prioridad a la claridad
estructural en la lengua meta, a costa de reducir la cohesión semántica y de
información. GPT preserva la complejidad sintáctica original. |
|
5. Introducción del punto y coma donde el original
emplea coma |
La coma encadena segmentos descriptivos dentro de
una misma unidad narrativa. |
Introduce punto y coma tras reordenar elementos
oracionales, reforzando la segmentación interna. |
Conserva la coma del original. |
La traducción humana intensifica la segmentación
informativa y, en ciertos casos, la oposición discursiva. GPT
mantiene la continuidad descriptiva del original. |
|
6. Introducción del punto y coma con
reestructuración verbal (eliminación de “y”) |
Uso de conjunción copulativa en enumeraciones
descriptivas complejas. |
Reestructura la oración, elimina la conjunción
copulativa, introduce punto y coma y añade un verbo explícito. |
Divide la oración mediante punto y conserva la
conjunción copulativa en las estructuras coordinadas. |
La traducción humana aplica la norma ortográfica
serbia que recomienda el uso del punto y coma en estructuras con abundancia
de comas internas. GPT opta por simplificación estructural mediante
segmentación en oraciones independientes, reduciendo el efecto de acumulación
descriptiva. |
6. Conclusión
En el presente artículo hemos contrastado las soluciones
de traducción del punto y coma propuestas por un traductor humano y por la
plataforma ChatGPT (GPT-4, Versión 2025-01). Hemos
analizado, sin pretensiones cuantitativas, el comportamiento de la traducción
generada por GPT a partir de una instrucción básica (“traduce al serbio”), así
como de una instrucción ampliada destinada a homogeneizar las condiciones del
proceso traductor (“traduce al serbio; el contexto es una novela realista de
Benito Pérez Galdós”). A partir de este procedimiento metodológico hemos
formulado las siguientes hipótesis iniciales: (1) la traducción generada por
GPT presenta un bajo grado de inconsistencias en el uso de los signos de
puntuación, (2) ante la reiteración de una misma instrucción, GPT tiende a
introducir variaciones sutiles en las soluciones de traducción, (3) la
traducción humana modifica en mayor medida la puntuación original del texto de
partida en comparación con la traducción automatizada.
Los resultados
obtenidos permiten confirmar la primera hipótesis, ya que la traducción GPT
mostró un uso mayoritariamente consistente del punto y coma. Por el contrario,
la segunda hipótesis no se vio corroborada: los datos indican que, al menos en
lo relativo al uso del punto y coma, la repetición de una misma instrucción no
genera diferencias sustanciales en la traducción. Las variaciones solo se
observaron de manera puntual, especialmente en los casos en los que el punto y
coma del texto de partida precede a la conjunción “pero”. En cuanto a la
hipótesis “la traducción humana cambia más la puntuación original que la
traducción automatizada”, los ejemplos permiten concluir que la hipótesis se
confirma.
Asimismo, hemos
constatado que, en oraciones breves, la traducción GPT reproduce exactamente la
misma solución en solicitudes sucesivas. En cambio, en oraciones más largas y
sintácticamente complejas, las traducciones posteriores presentan ligeras
modificaciones, limitadas al orden de los constituyentes o a la selección de
sinónimos, sin alterar de forma significativa la estructura global ni el uso
del punto y coma. Dado que las repeticiones adicionales no aportan resultados
esencialmente distintos, no hemos considerado necesario continuar con nuevas
solicitudes idénticas dentro de la misma sesión.
En la cuarta
solicitud no hemos pedido más versiones de traducción con la misma indicación,
porque el resultado de la tarea anterior mostró que el resultado no difiere
esencialmente si la misma instrucción/tarea se repite varias veces sin pausa,
en la misma ventanilla. De hecho, este cuarto prompt,
más específico, fue postulado para aproximarnos a las condiciones del traductor
humano (por ejemplo, en lo que concierne a los elementos extralingüísticos del
texto, el contexto histórico y las convenciones estilísticas). Sin embargo, no
hemos detectado diferencias significativas en el uso del punto y coma en
comparación con los tres prompts previos.
Podemos, sin embargo, constatar diferencias en el plano léxico y sintáctico
entre esta y las versiones previas de la traducción ChatGPT,
por ejemplo, la variación en la selección de determinados elementos léxicos o
la redistribución de los constituyentes oracionales, lo que influye en la
dimensión estilística del texto.
Nuestro análisis nos
permitió extraer seis situaciones diferentes relacionadas con la transferencia
del punto y coma del texto fuente al texto meta y hemos contrastado la
traducción humana con la traducción GPT. En situaciones donde el traductor
humano sigue el uso del punto y coma del texto fuente, GPT también transfiere
completamente su uso. Basándonos en esta muestra de los ejemplos extraídos de
la novela, concluimos que la traducción GPT conserva la estructura de los
segmentos oracionales separados por punto y coma. Cuando el traductor humano
reemplaza el punto y coma del texto fuente por una coma en la traducción, lo
hace atenuando las pausas entre las unidades comunicativas de la oración. El
traductor GPT, sin embargo, generalmente transfiere el punto y coma de forma
consistente. En situaciones en las que el traductor humano reemplaza el punto y
coma que precede a la conjunción “pero” (ali)
por una coma en la traducción, la traducción GPT muestra dos tendencias:
mantener el punto y coma en el texto meta y cambiarlo por una coma seguida de
la conjunción “pero”. En la misma situación, cuando el traductor humano
reemplaza el punto y coma del texto fuente por una coma e introduce la
conjunción “a” (y), la traducción GPT sigue la puntuación del texto
original. Asimismo, observamos la situación en la que el traductor humano
reemplaza el punto y coma del texto fuente por un punto, separando una oración
en dos, mientras que el traductor GPT no iguala el punto y coma con el punto de
forma similar. El traductor humano lo hace considerando que, en la lengua meta,
resulta más natural segmentar la oración en dos enunciados independientes
(según los criterios de claridad, fluidez y adecuación estilística), mientras
que GPT tiende a mantener una correspondencia más formal con la puntuación del
texto fuente y, en ausencia de instrucciones específicas, conserva con mayor
frecuencia el punto y coma. La diferencia radica, por tanto, en la mayor
libertad interpretativa del traductor humano frente a la mayor estabilidad estructural
de la traducción automatizada. Finalmente, distinguimos el procedimiento en el
cual el traductor humano introduce un punto y coma en el texto de destino,
mientras que el texto de origen utiliza una conjunción constituyente “y”. De
este modo el traductor divide la oración, ejerciendo previamente un cambio de
lugar de los elementos de la oración. El impacto de esta modificación es un mayor
grado de comprensibilidad, que se debe al hecho de que, según la norma
ortográfica serbia, el punto y coma resulta muy útil para separar aquellas
oraciones que dentro de sí contienen varias comas.
Nuestra
interpretación es que el traductor GPT aún no posee la capacidad de identificar
y evaluar de manera sistemática los matices sintáctico-semánticos que subyacen
a la organización interna de la oración. En consecuencia, el tratamiento del
punto y coma no responde a una interpretación funcional del signo en relación
con la estructura informativa, la jerarquización de los constituyentes ni los
valores pragmáticos del enunciado, sino que tiende a una reproducción
automática del signo de puntuación presente en el texto de partida. Este
proceder sugiere que la traducción GPT prioriza la correspondencia formal entre
texto fuente y texto meta, sin una plena discriminación de los efectos
semánticos y discursivos que el punto y coma puede adquirir en contextos
específicos, lo que limita su capacidad para adaptar la puntuación a las
convenciones y necesidades expresivas de la lengua meta.
Se nota que en el caso de la traducción humana, como consecuencia de
la tendencia a obviar la función de la puntuación del texto original, se llega
a cambiar, o perder por completo, la matización del enunciado original o la
entonación y la expresividad de la oración, y con ello la emoción contenida en
el estilo directo del personaje. Consecuentemente, una vez acumuladas tales
pérdidas o neutralizaciones a lo largo de toda la traducción, el lector serbio
no percibe el contexto y motivaciones del personaje del mismo modo que el
lector español. Por otro lado, acorde con el comentario de Peter Newmark sobre
la frecuencia del uso del punto y coma en las lenguas romances, observamos que
uno de los factores por los que la traductora humana ha omitido más signos de
punto y coma que el traductor automático podría ser justamente la diferencia
entre los sistemas de puntuación, o sea, la menor inclinación del idioma serbio
al uso del punto y coma.
Los resultados
obtenidos representan la primera investigación dentro de una línea más amplia
de estudios contrastivo–traductológico–ortográficos. Nuestras observaciones
pueden ser ampliadas y adicionalmente contrastadas dentro de los últimos
sistemas de traducción automática. Esperamos haber planteado oportunidades para
futuras investigaciones contrastivas en Serbia dentro del marco de la
traducción automática versus la humana, tanto en contextos literarios como en
otros tipos de textos.
Fuentes
PÉREZ GALDÓS, Benito (2025). Doña Perfecta. [Online].
https://www.cervantesvirtual.com/obra-visor/dona-perfecta-novela-original--0/html/ff498544-82b1-11df-acc7-002185ce6064_3.html#I_1_ [10/4/2024]
PÉREZ GALDOS, Benito (2007) Doña Perfekta.
Traducción de Biljana Bukvić. Beograd: Clio.
Bibliografía
AGUIRRE RODRÍGUEZ, D. Víctor (2023). Nuevas
tecnologías aplicadas a la traducción en los servicios públicos. Traducción
automática y posedición (ES-FR). Tesis de máster
inédita. Universidad de Alcalá.
ALCALÁ ARÉVALO, Purificación (1993). “Análisis de la
lengua utilizada por Benito Pérez
Galdós en la novela Realidad”. En Actas del Cuarto Congreso
Internacional de estudios galdosianos, Vol. 1. Las Palmas de Gran Canaria:
Cabildo insular de Gran Canaria, 19-30.
BAKER,
Mona (2001). In Other Words. A Coursebook on Translation. [Taylor &
Francis e-Library]. London and New York:
Routledge.
BENITO LOBO, José Antonio (1992). La puntuación: Usos
y funciones. Edinumen: Madrid.
BIANCHINI, Martha Inés (2018). “La informática aplicada
en la formación de grado en
Traducción en las universidades públicas de Argentina”. RIDU, 12(1),
232-252.
CHAIA, María Claudia Geraldine (2017). “La formación de
traductores en las universidades
públicas argentinas”.
Synergies Argentine, 5, 93-108.
FORCADA ZUBIZARRETA, Mikel L. (2022). “Automática
(Traducción)”. ENTI
(Enciclopedia de traducción e interpretación). AIETI.
https://www.aieti.eu/enti/machine_translation_SPA
[11/10/2025]
GAMAL OTHMAN, Mohamed (2017). Traducción Automática y Traducción
Asistida por
Ordenador. Tesis
de máster inédita. Madrid: Universidad Nacional de Educación a Distancia.
HANSEN, Damien et al. (2022). “La traduction
littéraire automatique : Adapter la machine a
la
traduction humaine individualisée”.
Journal of Data Mining & Digital Humanities. doi:10.46298/jdmdh.9114,
1-19. https://orbi.uliege.be/handle/2268/297192
[17/11/2025]
HANSEN,
Damien (2024). “The Figure of the Literary Translator amidst New Technologies”.
En Marion WINTERS et al. (Eds.), Translation, Interpreting and
Technological Change. Innovations in Research, Practice and Training.
London, New York, Dublin: Bloomsbury Publishing. 59-80.
HATIM, Basil; MASON, Ian (1995). Teoría de la
traducción. Una aproximación al discurso. Barcelona: Ariel.
HERVEY,
Sándor et. al. (1995) Thinking Spanish Translation. A Course in
Translation Method: Spanish to English. New
York: Routledge.
KALUSTOVA, Olga (2015). “La traducción y la puntuación”. Mundo
Eslavo, 14, 159-173.
KARANOVIĆ, Vladimir (2017). “Hronotopska
stvarnost u romanu Donja Perfekta Benita Peresa Galdosa”. Filološki
pregled, XLIV, 103-118.
KARANOVIĆ, Vladimir (2018). Španska
književnost realizma. Filološki fakultet: Univerzitet u Beogradu.
KENNY, Dorothy; WINTERS, Marion (2024).
“Customization, Personalization and Style in
Literary
Machine Translation”. En Marion WINTERS et al. (Eds.), Translation,
Interpreting and Technological Change. Innovations in Research, Practice and
Training. London, New York, Dublin: Bloomsbury Publishing, 59-80.
KRŽELJ, Katarina (2022). “Digitalni
mediji u funkciji razvijanja interkulturne kompetencije
u
nastavi nemačkog jezika struke”. En Marijana PAPRIĆ et al. (eds.), Jezik, struka, nauka. Beograd: Društvo za strane jezike
i književnosti Srbije, 465-481.
MARTÍNEZ DE SOUSA, José (1998). “La puntuación”. Revista
digital Acta [en línea]. https://www.acta.es/recursos/revista-digital-manuales-formativos/495-007 [12/01/2026]
MONTOLÍO, Estrella (Coord.) (2002). Manual práctico de
escritura académica, vol. II. Barcelona: Ariel.
MONTOLÍO, Estrella (Coord.) (2011). Manual práctico de
escritura académica, vol. III. Barcelona: Ariel.
NIDA, Eugene et. al. (1986). La Traducción:
Teoría y Práctica. Madrid: Ediciones Cristiandad.
NEWMARK, Peter (1999). Manual de traducción.
Madrid: Cátedra.
O’BRIEN, Sharon; CONLAN, Owen (2018). “Moving Towards Personalising Translation
Technology”. En Helle DAM et al. (Eds.), Moving
Boundaries in Translation Studies. London & New York: Routledge, 81-97.
PEŠIKAN, Mitar et. al. (2019). Pravopis srpskoga jezika. Novi Sad: Matica Srpska.
PEŠIKAN, Mitar et. al. (1994). Pravopis
srpskoga jezika. Novi Sad: Matica Srpska.
Real Academia
Española y Asociación de Academias de la Lengua Española. Diccionario panhispánico de dudas (DPD) [en
línea], 2.ª edición (versión provisional). https://www.rae.es/dpd/punto y coma, [09/01/2026]
RUANO SAN SEGUNDO, Pablo; NIETO CABALLERO, Guadalupe
(2025). “Hábitos estilísticos del primer Galdós: La Fontana de Oro”. En
Pablo RUANO SAN SEGUNDO y Guadalupe NIETO CABALLERO, Humanidades digitales y
análisis estilístico: la lengua de Benito Pérez Galdós. Madrid:
Ediciones Complutense, 75-92.
SIMIĆ, Radoje (2006). Srpski
pravopis. Beograd: Jasen.
TECH
TARGET (2025, April 3). What is GPT. [Online]. https://www.techtarget.com/whatis/definition/ChatGPT [09/01/2026]
VIEIRA, Lucas Nunes (2025). “Machine Translation and Migration”. En Brigid MAHER et
al. (Eds.), The Routledge Handbook of
Translation and Migration. London and New York: Routledge, 221-234.
[1] La investigación realizada en este
trabajo fue financiada por el Ministerio de Ciencia, Desarrollo Tecnológico e
Innovación de la República de Serbia (Contrato de transferencia de fondos para
la financiación de la labor de investigación científica del personal docente en
instituciones de educación superior acreditadas en el año 2026, n.º
451-03-34/2026-03/200198).
[2] https://www.rae.es/dpd [19/01/2026]
[3] Resulta interesante que, al consultar a la herramienta de inteligencia
artificial ChatGPT acerca de las diferencias entre
los distintos programas de traducción automática, esta las sintetizó de manera
siguiente (destacando la conveniencia y funcionalidad precisamente de la plataforma
ChatGPT en lo que a adaptabilidad contextual se
refiere). “Los programas de traducción automática presentan diferencias
significativas en cuanto a su funcionamiento, aplicaciones y limitaciones. ChatGPT, basado en modelos de lenguaje neuronal general,
destaca por su capacidad de considerar el contexto amplio del texto, adaptar el
estilo y ofrecer explicaciones o reformulaciones, lo que lo hace especialmente
útil en traducciones literarias o interpretativas, aunque su precisión
terminológica puede ser limitada y no garantiza consistencia en documentos
largos. En cambio, Google Translate, un sistema de
traducción automática neuronal específicamente entrenado para pares de idiomas,
se caracteriza por su rapidez, amplia cobertura de idiomas y consistencia en
textos cotidianos, técnicos o informativos, aunque su traducción suele ser más
literal y menos flexible en términos de estilo o matices culturales. Por su
parte, DeepL prioriza la fluidez y naturalidad de la
traducción, permitiendo incluso ajustes de formalidad y registro, lo que lo
hace recomendable para textos literarios, comerciales o profesionales, aunque
su cobertura de idiomas es menor y su rendimiento disminuye en textos técnicos
o fuera de los idiomas europeos.” (ChatGPT
12.11.2025).
[4] Recientemente se ha lanzado la nueva plataforma ChatGPT Translate, concebida
específicamente para tareas de traducción. No obstante, en el presente trabajo
no la hemos incorporado como objeto de análisis, dado que todavía no es tan
conocida ni utilizada de forma generalizada entre estudiantes y profesores,
especialmente dentro del público más amplio que emplea herramientas de
inteligencia artificial con fines educativos o traductológicos. ‟ChatGPT Translate ofrece
posibilidades ampliadas, como traducciones más contextualizadas, adaptación al
registro y al público destinatario, comparación de versiones, sugerencias
estilísticas y apoyo en la revisión lingüística, lo que la convierte en un
recurso potencialmente muy útil tanto en la didáctica de la traducción como en
la práctica profesional.” (ChatGPT 15.02.2016).