¿Cómo mejorar la traducción literaria del español al chino asistida por la inteligencia artificial?
DOI:
https://doi.org/10.35622/Palabras clave:
estilo literario, inteligencia artificial, lingüística informática, traducción, traducción automáticaResumen
En el marco de la traducción asistida por inteligencia artificial (IA), el uso creciente de los grandes modelos de lenguaje (LLM) abre nuevas posibilidades para la traducción automática. No obstante, su aplicación a textos literarios sigue planteando desafíos relacionados con la preservación del estilo y de los matices culturales. En este contexto, el presente trabajo analiza cómo mejorar la calidad de la traducción literaria del español al chino mediante el uso de LLM y la post-edición. Con este objetivo, se adopta un enfoque mixto secuencial explicativo de alcance exploratorio-descriptivo y carácter comparativo. Para ello, se diseñan cuatro prompts de complejidad creciente y se comparan las traducciones generadas por IA con la traducción humana de referencia. Los resultados demuestran que el uso de LLM, combinado con la post-edición humana, puede mejorar la calidad de la traducción literaria del español al chino. Por un lado, esta mejora depende de la redacción de prompts detallados que incluyan información contextual, como el rol del traductor, el estilo literario del texto y ejemplos de referencia. Por otro lado, también se debe a una post-edición orientada a naturalizar el lenguaje y adaptar las expresiones a la cultura meta. Se recomienda que la intervención humana se realice en tres niveles: el ajuste del registro y del ritmo literario, la adecuación cultural mediante el uso de modismos y metáforas propios del chino y la corrección del uso excesivo de signos de puntuación.
Referencias
Abdelhalim, S. M., Alsahil, A. A., & Alsuhaibani, Z. A. (2025). Artificial intelligence tools and literary translation: a comparative investigation of ChatGPT and Google Translate from novice and advanced EFL student translators’ perspectives. Cogent Arts & Humanities, 12(1), 2508031. https://doi.org/10.1080/23311983.2025.2508031
Al-Rikaby, A. B. M., Mahadi, T. S. T., & Lin, D. T. A. (2018). Domestication and foreignization strategies in two Arabic translations of Marlowe’s Doctor Faustus: Culture-bound terms and proper names. Pertanika Journal of Social Sciences and Humanities, 26(2), 1019–1033.
Alwazna, R. Y. (2024). The use of automation in the rendition of certain articles of the Saudi Commercial Law into English: a post-editing-based comparison of five machine translation systems. Frontiers in Artificial Intelligence, 6, 1282020. https://doi.org/10.3389/frai.2023.1282020
Calvo-Ferrer, J. R. (2023). Can you tell the difference? A study of human vs machine-translated subtitles. Perspectives, 32(6), 1115-1132. https://doi.org/10.1080/0907676x.2023.2268149
Costa-Jussà, M. R., Aldón, D., & Fonollosa, J. A. (2017). Chinese–Spanish neural machine translation enhanced with character and word bitmap fonts. Machine Translation, 31(1), 35-47. https://doi.org/10.1007/s10590-017-9196-0
Farghal, M., & Haider, A. S. (2024). Translating classical Arabic verse: human translation vs. AI large language models (Gemini and ChatGPT). Cogent Social Sciences, 10(1), 2410998. https://doi.org/10.1080/23311886.2024.2410998
Feng, S. (2019). Prosodic syntax in Chinese: Theory and facts. Routledge.
Ferragud Ferragud, M. (2023). La traducció automàtica literària: Anàlisi d’errors de la traducció automàtica i les traduccions d’estudiants del mateix text original. Tradumàtica Tecnologies de la Traducció, 21, 184–232. https://doi.org/10.5565/rev/tradumatica.334
Gao, Y., Wang, R., & Hou, F. (2024). How to design translation prompts for ChatGPT: An empirical study. In R. Wang, Z. Wang, J. Liu, A. Del Bimbo, J. Zhou, A. Basu, & M. Xu (Eds.), Proceedings of the 6th ACM International Conference on Multimedia in Asia, Workshops, MMAsia 2024 (pp. 1–7). Association for Computing Machinery. https://doi.org/10.1145/3700410.3702123
Hadla, L. S., Hailat, T. M., & Al-Kabi, M. N. (2015). Comparative study between METEOR and BLEU methods of MT: Arabic into English translation as a case study. International Journal of Advanced Computer Science and Applications, 6(11), 215–221. http://dx.doi.org/10.14569/ijacsa.2015.061128
Jing, S. (2011). 自拟四字格与英汉文学翻译 [Self-created four-character structures and English-Chinese literary translation]. Bianji Zhiyou, (10), 88–90. https://doi.org/10.13786/j.cnki.cn14-1066/g2.2011.10.001
Kunst, J. R., & Bierwiaczonek, K. (2023). Utilizing AI questionnaire translations in cross-cultural and intercultural research: Insights and recommendations. International Journal of Intercultural Relations, 97, 101888. https://doi.org/10.1016/j.ijintrel.2023.101888
Li, H., & Zhan, J. (2025). 基于BLEU指标的机器翻译译文差异对比——以China Daily新闻为例 [A comparison of machine translation output differences based on the BLEU metric: A case study of China Daily news]. Modern Linguistics, 13(10), 92–96. https://doi.org/10.12677/ml.2025.13101030
Li, Z., Shi, Y., Liu, Z., Yang, F., Liu, N., & Du, M. (2024). Quantifying multilingual performance of large language models across languages [preprint]. arXiv. https://arxiv.org/html/2404.11553v1
Martínez-Murillo, I., Lloret, E., Moreda, P., & Gatt, A. (2025). Do LLMs exhibit the same commonsense capabilities across languages? [preprint]. arXiv. https://arxiv.org/pdf/2509.06401v1
Palma, R. (1998). Tradiciones Peruanas: Selección. Ediciones Cátedra.
Palma, R. (2020). Tradiciones peruanas (F. Bai, Trad.). Sichuan People’s Publishing House.
Papineni, K., Roukos, S., Ward, T., & Zhu, W.-J. (2002). BLEU: A method for automatic evaluation of machine translation. In P. Isabelle, E. Charniak, & D. Lin (Eds.), Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (pp. 311–318). Association for Computational Linguistics. https://doi.org/10.3115/1073083.1073135
Tang, L., Qin, J., Ye, W., Tan, H., & Yang, Z. (2025). Adaptive few-shot prompting for machine translation with pre-trained language models [preprint]. arXiv. http://arxiv.org/abs/2501.01679
Venuti, L. (2008). The Translator’s Invisibility: A History of Translation. Routledge.
Vilar, D., Freitag, M., Cherry, C., Luo, J., Ratnakar, V., & Foster, G. (2023). Prompting PaLM for translation: Assessing strategies and performance. In A. Rogers, J. Boyd-Graber, & N. Okazaki (Eds.), Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 15406–15427). Association for Computational Linguistics. https://doi.org/10.18653/v1/2023.acl-long.859
Wang, J. (2008). A Cross-cultural Study of Daily Communication between Chinese and American--From the Perspective of High Context and Low Context. Asian Social Science, 4(10), 151-154. https://doi.org/10.5539/ass.v4n10p151
Wang, W., & Gao, J. (2019). On the chunkiness and discreteness of Chinese four-character idioms. Journal of Beijing International Studies University, 41(2), 3–20. https://doi.org/10.12002/j.bisu.203
Xu, H., Kim, Y. J., Sharaf, A., & Awadalla, H. H. (2023). A paradigm shift in machine translation: Boosting translation performance of Large Language Models [preprint]. arXiv. http://arxiv.org/abs/2309.11674
Yang, J. (2023). Hybrids in literary translation: Binary translation strategies in Howard Goldblatt’s English translation of Mo Yan’s Frog. Studia Metrica et Poetica, 10(1), 108–125. https://doi.org/10.12697/smp.2023.10.1.05
Yang, Y., Liu, R., Qian, X., & Ni, J. (2023). Performance and perception: machine translation post-editing in Chinese-English news translation by novice translators. Humanities and Social Sciences Communications, 10(1), 1-8. https://doi.org/10.1057/s41599-023-02285-7
Zhu, W., Liu, H., Dong, Q., Xu, J., Huang, S., Kong, L., Chen, J., & Li, L. (2024). Multilingual machine translation with large language models: Empirical results and analysis. In K. Duh, H. Gomez, & S. Bethard (Eds.), Findings of the Association for Computational Linguistics: NAACL 2024 (pp. 2765–2781). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.findings-naacl.176
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Yufei Cao, Yiwen Ding (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
