Revisión asistida por ordenador de traducciones - OpenTranslation

José Ignacio Perea Sardón
Cuando la diferencia era superior al 5%, se trasladaba un archivo de una parte
a la otra, si el número de archivos disponibles lo permitía. Después se reexaminaba
el porcentaje y se repetía el proceso hasta que la diferencia porcentual
de segmentos entre los dos grupos fue inferior al 5%. La tabla 8 describe
los dos conjuntos por el número total de archivos, segmentos y token.
156
Entrenamiento Evaluación
Proyecto Archivos Segmentos Token Archivos Segmentos Token
Mozilla 1 3814 23644 1 1887 7481
Ubuntu 36 4052 95462 21 3962 93081
Gnome 25 8191 57003 20 8320 82018
OpenOffice 104 37545 395333 149 39244 380866
KDE 314 42988 307272 272 40119 291368
Otros 186 93197 716511 241 95206 743234
Total 666 189787 1595225 704 188738 1598048
Tabla 8. Número de archivos, segmentos y token de los
bloques de entrenamiento y evaluación
Los componentes tienen tamaños muy distintos. En algunos casos eran
excesivamente grandes, lo que dificultaba el análisis y la exposición de los
resultados de las operaciones de revisión. Por tanto, se optó por extraer
una muestra representativa de cada uno de los bloques. Para ello, se
aplicaron dos criterios. En primer lugar, cuando el número lo permitía, se
tomó un mínimo de veinte archivos, para disponer del suficiente texto
traducido que garantizara el funcionamiento de algunas operaciones de
revisión que requieren cierta cantidad de texto. En segundo lugar, el
porcentaje de archivos extraídos debía ser siempre superior al diez por
ciento del total de archivos de dicho componente en ambos bloques. Este
porcentaje se estipuló siguiendo las directrices del LISA QA Model, que lo
considera aceptable para obtener una evaluación fiable de una traducción.
Los tamaños de las muestras resultantes se resumen en la tabla 9.