De la interpretación presencial a la remota: el impacto y las posibilidades de las nuevas tecnologías para la formación de intérpretes
By Mariachiara Russo (Università di Bologna, Italy)
Abstract
English:
This article focuses on conference interpreter training in a digital era characterised by two main factors: remote interpreting accelerated by the COVID-19 pandemic and the rapid development of ICT, which has brought about a real technological turn (Fantinuoli and Prandi 2018) in the world of interpreting. After considering the impact of remote interpreting, also at the level of spatio-temporal shifts, the article deals with the so-called computer-assisted interpreting (CAI) and computer-assisted interpreting training (CAIT) tools currently available, including inTrain and ReBooth, which were developed at the Department of Interpreting and Translation of the University of Bologna. Finally, some results of experiments in a didactic context of SmarTerp, a CAI tool combining automatic speech recognition and artificial intelligence, and Google Meet are presented.
Spanish:
El presente artículo se centra en la formación del intérprete de conferencias en la era digital caracterizada por dos factores trascendentales: la interpretación a distancia acelerada por la pandemia de la COVID-19 y el rápido desarrollo de las TIC, que supuso un verdadero vuelco tecnológico (technological turn, Fantinuoli and Prandi 2018) en el mundo de la interpretación. Tras considerar el impacto de la interpretación remota, también a nivel de desplazamiento de las coordenadas espacio-temporales, se toman en consideración los llamados computer-assisted interpreting tools (herramientas para la interpretación asistida por ordenador, CAI) y computer-assisted interpreting training tools (herramientas para la formación de intérpretes asistida por ordenador, CAIT) actualmente disponibles, entre los cuales se encuentran inTrain y ReBooth, las herramientas CAIT creadas en el Departamento de Interpretación e Traducción (DIT) de la Universidad de Bolonia. Finalmente se presentan algunos resultados de la experimentación en contexto didáctico de un CAI tool con reconocimiento de voz automático asociado a la inteligencia artificial SmarTerp y de Google Meet.
Keywords: interpretación simultánea remota, plataforma RSI, recursos digitales, elementos causantes de problemas, transcripción, remote simultaneous interpreting, RSI platform, digital resources, problem-triggers, transcription
©inTRAlinea & Mariachiara Russo (2025).
"De la interpretación presencial a la remota: el impacto y las posibilidades de las nuevas tecnologías para la formación de intérpretes"
inTRAlinea Special Issue: Intérpretes: historiografía, contextos y perspectivas de una práctica profesional
Edited by: Críspulo Travieso-Rodríguez & Elena Palacio Alonso
This article can be freely reproduced under Creative Commons License.
Stable URL: https://www.intralinea.org/specials/article/2691
Introducción
Múltiples canales facilitan la comunicación entre individuos: aspectos verbales, paraverbales, gestuales y proxémicos (Poyatos 1996, 2002a, 2002b) son todos vehículos de significación. Al mismo tiempo, parece que los individuos se comprenden mejor por compartir conocimientos previos, sensibilidades y hábitos culturales, actitudes cooperativas (Grice 1975) y hasta empáticas. El estado emocional también contribuye a establecer una conexión entre individuos que facilita u obstaculiza la comunicación. En este entramado de condiciones previas se inserta la intérprete[1], cuyo servicio de mediación posibilita la comunicación entre quienes no comparten idiomas, culturas y conocimientos, pero también de poder en la interacción (Rudvin 2005). La presencia física de todos los participantes en la misma situación comunicativa indudablemente puede facilitar la interacción. El hecho mismo de que la intérprete y sus interlocutores alófonos en el caso de una situación dialógica, o de que la intérprete, el ponente y su público en un congreso, se puedan mirar actuando en un “aquí y ahora” compartido, les permite percibir lo máximo posible de las respectivas formas de comunicar, por no hablar del contexto. Por consiguiente, estos actores, y especialmente la intérprete, pueden interpretar mejor la intención comunicativa del Otro. Esta ha sido la condición típica de un evento comunicativo mediado por intérpretes que se ha dado a lo largo de los siglos desde las primeras evidencias documentales de la presencia de una intérprete (Kurz 1985).
En el siglo XX, esta condición ha ido cambiando bajo el impulso de distintos factores hasta que, bien entrado siglo XXI, las formas de comunicar se han “desmaterializado”: gracias a los desarrollos tecnológicos ahora se puede prescindir de los elementos “fisicidad” y “corporeidad” de los hablantes tan intrínsecos en la comunicación. La pandemia de la COVID-19, indudablemente, ha acelerado este proceso en cualquier ámbito de la comunicación (educativo, comercial, institucional, etc.) y, por supuesto, también en la comunicación mediada por intérpretes, como es el ámbito de los congresos y de la formación de intérpretes, de la que nos ocupamos en este artículo.
Frente a esta realidad, las universidades que forman intérpretes han tenido que plantearse cómo preparar a los futuros profesionales para que estén familiarizados con las nuevas herramientas de las TIC y en qué momento de la formación incluirlas en sus planes de estudio. Se trata de un debate abierto pero ineludible y rico en reflexiones (véanse, por ejemplo las de Amato y Mack 2022), propuestas (Fantinuoli y Prandi 2018, Amato et al. 2025) y detalladas panorámicas de cómo se están aplicando para la formación de intérpretes, como la promovida por el European Masters in Conference Interpreting[2] (Rodríguez Melchor et al. 2020).
En esta contribución, primero veremos como la transición de la comunicación presencial a la remota ha afectado la comunicación mediada por intérpretes (punto 1). Seguidamente trataremos los principales avances tecnológicos aplicados al campo de la interpretación, centrándonos en la formación de intérpretes (punto 2). Finalmente, describiremos experiencias y resultados de la experimentación en el ámbito didáctico de un logro específico de las tecnologías, el uso de herramientas de reconocimiento de voz automático asociado a la inteligencia artificial (punto 3), y extraeremos algunas conclusiones basadas en nuestros resultados que puedan ser útiles para la didáctica de la interpretación de conferencias (punto 4).
1. Las coordenadas espaciotemporales antes y después de la COVID-19 en interpretación
La pandemia causada por la COVID-19 supuso una aceleración sin precedentes de las actividades cotidianas para evitar contagios. El ámbito de la formación de intérpretes y el mercado de la interpretación profesional se vieron obligados a revolucionar sus prácticas: de un día para otro, la necesidad de alejamiento entre las personas impuso la didáctica en línea y la interpretación a distancia en varias configuraciones, con intérpretes trabajando desde un hub de interpretación o desde su propio domicilio para oradores y oyentes conectados desde sus respectivos hogares. No obstante, en el contexto de la interpretación de conferencias, los intentos de interpretación remota empezaron ya a finales de la década de 1920 (Baigorri Jalón 2000) con los primeros sistemas de videoconferencias y sucesivas experimentaciones y prácticas en la Unión Europea. En el contexto de la formación de intérpretes sólo había algunos antecedentes, entre los cuales destacamos el Virtual Institute de la Universidad de Ginebra (Motta 2016) y el Máster en Interpretación de Conferencias de la Universidad canadiense de York en Glendon[3]. Las empresas de tecnologías de la comunicación invirtieron muchos fondos para desarrollar rápidamente una pluralidad de plataformas idóneas para implementar la interpretación simultánea remota (conocida como “Remote Simultaneous Interpreting” o RSI por sus siglas en inglés) y responder a la fuerte demanda del mercado profesional (véase Figura 1).
Figura 1: Dimensión y financiación de las plataformas de RSI en 2020
En cambio, en el contexto educativo, las soluciones tecnológicas disponibles al comienzo de la pandemia eran muy limitadas, aunque encontramos ejemplos como Teams de Microsoft[4] (sin posibilidad de hacer simultánea por la falta de doble canal) y Zoom[5] (que sucesivamente añadió la opción de introducir en el sistema la interpretación simultánea entre distintos idiomas). En el Departamento de Interpretación y Traducción (DIT) de la Universidad de Bolonia en Forlì se desarrolló ReBooth[6] (Carioli y Spinolo 2019b), una aplicación que consiste en un aula virtual con cabinas para celebrar sesiones de interpretación consecutiva y simultánea, así como exámenes (véase el punto 2).
Más allá de las incomodidades y dificultades asociadas al tener que relacionarse de repente a través de un nuevo medio de comunicación, merece reflexionar sobre lo que implica el cambio de paradigma basado en el espacio y en el tiempo, más o menos compartidos. Compartir el espacio garantiza a las intérpretes recursos fundamentales para el buen resultado de su prestación. En primer lugar, estar en la misma situación comunicativa que sus usuarios les proporciona un sinfín de informaciones contextuales que les permiten, por ejemplo, ahorrar esfuerzos evitando interpretar partes del discurso del orador que son obvias para los asistentes como, por ejemplo, informaciones visuales presentes en la sala a las que se hace referencia, percibir el ambiente en la sala o saber a quién se dirige el ponente. Estar presente en la sala, además, les permite tener contacto visual con sus usuarios: saber para quién están trabajando les permite adecuar su forma de interpretar y la terminología (por ejemplo, si se trata de un público internacional que a lo mejor escucha el inglés como lengua franca, conviene utilizar un registro no demasiado culto evitando términos culturales ingleses para facilitar la rápida comprensión, Snelling 1999) y controlar los efectos de su interpretación observando a los usuarios (por ejemplo, el público asiente, ríe los chistes, toma notas o se quita los auriculares).
En segundo lugar, la interacción con quienes están presentes les permite trabajar con más tranquilidad: antes de que empiece la prestación pueden hablar con el ponente o el moderador de la sesión para pedir el texto que va a leer o los contenidos proyectados en la sala, solicitar aclaraciones sobre las dudas que hayan surgido en la fase de preparación, o bien durante el desarrollo de los trabajos, y pueden hacer patentes algunas dificultades como la excesiva rapidez de habla del orador o un uso incorrecto del micrófono. Además, siempre está presente en la sala el personal técnico del sonido para asistir a las intérpretes y para cualquier necesidad o imprevisto en el sistema, algo que en ocasiones resulta muy necesario. En tercer lugar, otra forma de interacción fundamental que nos brinda la presencia física en un mismo espacio es la interacción con la compañera de cabina, una asistencia recíproca que resulta vital en momentos de dificultad.
Finalmente, la misma presencia física de las intérpretes en la sala debería contribuir a hacer conscientes a los oradores de que están siendo interpretados simultáneamente por un ser humano y no por una máquina invisible y que, por lo tanto, deberían respetar a las intérpretes y al público hablando claramente y a una velocidad adecuada, ya que una velocidad excesiva obstaculiza la comprensión, incluida la monolingüe, y aún más la interpretación simultánea entre dos idiomas. A este respecto, la literatura recomienda una velocidad de 100-120 palabras por minuto para una interpretación simultánea de calidad, porque más allá de 120 palabras por minuto la intérprete tiende a quedarse atrás y cometer más errores (Gerver 1969/2002). En cuanto a las coordenadas temporales, la ventaja más obvia en caso de estar todos presentes a la vez es compartir el mismo huso horario y, por ende, que tanto los oradores como las intérpretes actúen en horarios recíprocamente cómodos y convenientes. Todo esto se anula cuando la comunicación que la intérprete media se desplaza en el espacio y el tiempo, y cuando se pasa de una interacción presencial a una comunicación remota.
Los efectos de la comunicación a distancia en las intérpretes han sido estudiados desde distintos niveles. La literatura sugiere que la interpretación remota se ha asociado a una reducción de la calidad de la interpretación y a un incremento de los efectos negativos fisiológicos y psicológicos, como estrés, fatiga y sentido de extrañamiento (Braun 2013; Braun and Taylor 2012; Braun 2017, Moser-Mercer 2003; Roziner and Shlesinger 2010), altercaciones en las pautas de las interacciones comunicativas (Licoppe and Verdier 2014; Licoppe, Verdier and Veyrier 2018; Warnicke and Plejert 2012, AA.VV. 2018[7]), cambios en las condiciones de trabajo y necesidad de familiarizarse con las nuevas herramientas utilizadas (Bower 2015; Braun 2018; Braun 2017, Ko 2006/2021; Lee 2007). No faltan autores que indican algunas ventajas de la interpretación remota, ya que evita desplazamientos y permite optimizar el tiempo de trabajo (Lee 2007). El debate sobre la naturaleza de estos problemas sigue abierto y parece depender también del tipo de interpretación. La percepción de las intérpretes también varía, por ejemplo con respecto al contexto, la calidad de las condiciones técnicas, la ubicación del intérprete para con los participantes, la modalidad de interpretación y otros factores (Braun 2018; Braun et al. 2018; Iglesias and Ouellet 2018; Moser-Mercer 2003; Roziner and Shlesinger 2010; Seeber et al. 2019). Se desprende también de la literatura que las futuras intérpretes necesitan formarse y ser evaluadas en el uso de las nuevas tecnologías aplicadas a la interpretación (Hlavac 2013).
Para responder a la demanda de formación en interpretación remota, la Universidad de Bolonia ha coordinado el proyecto europeo Erasmus Plus SHIFT in Orality- Shaping the Interpreters of the Future and of Today[8] (2015-18), que ha analizado la comunicación monolingüe y bilingüe mediada por intérpretes, tanto presencial como a distancia, y ha desarrollado recursos pedagógicos que cubren los ámbitos donde se necesita la interpretación remota, entre los que figura el “Handbook of Remote Interpreting” (Amato et al. 2018).
A continuación, pasaremos a examinar las soluciones tecnológicas desarrolladas para la formación de intérpretes a distancia, empezando por una breve panorámica de lo que ya está al alcance de las futuras intérpretes de conferencias.
2. Recursos en línea
La necesidad de recursos y de discursos adecuados por modalidad (simultánea o consecutiva), nivel de dificultad (principiante, intermedio y avanzado) y temas que faciliten la práctica para las estudiantes ha sido uno de los primeros objetivos de los llamados CAIT tools (Fantinuoli and Prandi 2018), es decir, herramientas para la formación de intérpretes asistida por ordenador. Entre los recursos accesibles en línea se encuentran el sitio web Interpreter Training Resources[9], creado por Andrew Gillies, algunas secciones específicas del Knowledge Center on Interpretation[10] de la Comisión Europea, y repositorios de discursos multilingües como Speechpool, diseñado por Sophie Llewellyn Smith[11], ORCIT[12] financiado por un proyecto europeo y el Speech Repository[13] desarrollado por la DG SCIC de la Comisión Europea.
El desarrollo y el afianzamiento de las habilidades y competencias para dominar las técnicas de la interpretación simultánea y consecutiva requieren mucho tiempo, además de las horas lectivas con docentes. Por lo tanto, otro objetivo de las herramientas CAIT ha sido el de organizar actividades de formación autónomas tanto individuales como de grupo. Para este fin se han desarrollado plataformas virtuales para el aprendizaje que pueden dar cabida a recursos documentales y audiovisuales, tareas y foros de discusión, entre otros recursos, a los que se puede acceder de manera remota para realizar tareas asíncronas. Algunos ejemplos son la plataforma generalista Moodle, que puede utilizarse también para la formación de intérpretes (Kajzer-Wietrzny and Tymczynska 2014, Russo and Spinolo 2022). Recientemente, una plataforma específica para la autoformación de intérpretes ha sido desarrollada por Bertozzi (2024) en el Departamento de Interpretación y Traducción de la Universidad de Bolonia en Forlì. La plataforma incluye distintos módulos teóricos que recopilan principios básicos de la formación y ofrece un amplio abanico de materiales didácticos, ordenados según criterios de complejidad progresiva, junto con herramientas de autoevaluación tanto para consecutiva como para simultánea.
Otro tipo de herramienta CAIT destinada a la interpretación dialógica se sirve de ambientes virtuales en 3D generados por ordenador[14]. Estas herramientas simulan entornos donde se necesita interpretación y plantean la ventaja de llevar a cabo interacciones realistas sin exponer a las estudiantes a las condiciones estresantes de una situación laboral real. Se trata de dos proyectos financiados por la Unión Europea y liderados por la Universidad de Surrey. El primer proyecto, Interpreting in Virtual Reality (IVY), pretende simular la práctica profesional de la interpretación en contextos empresariales y de servicios públicos mediante la creación de una serie de ambientes virtuales creíbles (por ejemplo, salas de reuniones, áreas de presentación, consultas médicas) en las que tanto las intérpretes en formación como sus clientes pueden practicar de forma individual o colaborativa a través de personajes controlados por el usuario (avatares). El entorno IVY 3D se implementó en Second Life[15] (SL), un entorno 3D de uso público que incluye paisajes, edificios, salas, muebles y otros objetos ya creados y modificables, así como los propios avatares. El segundo proyecto, EVIVA (Evaluating the Education of Interpreters and their Clients through Virtual Learning Activities), pretende evaluar la eficacia de estas herramientas de formación: uno de los entornos evaluados ha sido una plataforma de videoconferencia, similar a las utilizadas para la interpretación remota en diferentes contextos, y el otro ha sido un mundo virtual 3D multiusuario generado por ordenador, en el que los usuarios interactúan con el entorno y con otros usuarios a través de representaciones virtuales de sí mismos (avatares).
Otra oportunidad de formación a distancia la ofrecen las clases virtuales que, desde algo más de dos décadas, los Servicios de Interpretación de la Unión Europea DG SCIC y DG LINC vienen organizando con las universidades que forman intérpretes. Estas clases se desarrollan en el marco de su misión de asistencia pedagógica con vistas a complementar la formación universitaria y a preparar el relevo generacional de sus intérpretes en plantilla. Las clases virtuales, que se realizan por videoconferencia, pueden ser multilaterales (DG SCIC o DG LINC y distintas universidades) o bilaterales (DG SCIC o DG LINC y una sola universidad). Cabe subrayar que esta práctica ha estimulado también la fructífera implementación de clases virtuales entre universidades de distintos países para estudiantes que tienen la misma combinación lingüística. Además, las clases virtuales han resultado especialmente útiles para ofrecer prácticas en idiomas que las universidades no suelen ofrecer en sus planes de estudios debido a falta de fondos, a pesar de que tienen matriculados a estudiantes que conocen ese idioma (como, por ejemplo, el húngaro o el lituano). Los intérpretes funcionarios de la UE preparan y pronuncian discursos que las estudiantes interpretan de manera simultánea o consecutiva y luego evalúan constructivamente su prestación: para las estudiantes, se trata de una primera oportunidad muy estimulante de enfrentarse a la evaluación de personas externas, en este caso de profesionales con altos estándares de calidad. Además, es una situación que les pone en contacto con un contexto profesional muy prestigioso que las motiva mucho.
En cuanto a la formación para intérpretes a distancia, ya mencionamos el Virtual Institute de la ETI en Suiza (Motta 2016), que ha desarrollado también la nueva plataforma TR@IN[16], y la Universidad de York en Canadá, pero también merece mencionar otras de las experiencias de formación a distancia que se llevaron a cabo durante la COVID-19. En primer lugar, la de Ho and Zou (2023), quienes experimentaron con Gather[17], una plataforma de chat que ha dado buenos resultados.
Durante el transcurso de la pandemia, el DIT de la Universidad de Bolonia en Forlì ha desarrollado una plataforma de libre acceso para cubrir las exigencias de la didáctica de la interpretación: la ya mencionada ReBooth[18] (Carioli y Spinolo 2019b, Amato et al. 2025). Se trata de un aula virtual con 8 cabinas donde el/la docente puede comunicarse con toda la clase para facilitar instrucciones generales (por ejemplo, el briefing para contextualizar cada ejercicio) y luego escuchar a cada cabina y comunicarse con ellas individualmente. Cuando los usuarios activan las cámaras, todo el mundo puede verse, lo que afianza la sensación de proximidad y de interacción entre seres humanos. Además, cuenta con un chat que también pueden utilizar las estudiantes para comunicarse (véase Figura 2).
Fig. 2: La interfaz de Rebooth para docentes
En esta aplicación se pueden subir archivos de audio de cualquier duración que luego se envían a las distintas cabinas: lo interesante es que las estudiantes que se conectan desde sus hogares reciben el audio en sus ordenadores para la prueba síncrona, así que, si hay interrupciones en la conexión, pueden seguir interpretando. Una vez acabada la prueba, el discurso de cada estudiante se graba automáticamente de tres maneras: se guarda en el servidor del Departamento, puede descargarla el docente y puede descargarla también la estudiante desde su ordenador.
Durante la pandemia, ReBooth permitió no solo impartir clases de interpretación simultánea y consecutiva, sino también realizar exámenes de fin de curso y de admisión. ReBooth sigue utilizándose en Forlì para los exámenes de admisión a pesar de que el confinamiento sea cosa del pasado. Lamentablemente, siguen existiendo situaciones donde las clases tienen que ser exclusivamente en línea, como en las zonas de guerra: gracias a una colaboración entre el DIT y la Universidad Nacional V.N. Karazin de Kharkiv en Ucrania, se está utilizando ReBooth porque ahora las estudiantes de interpretación no pueden asistir presencialmente a las clases.
Finalmente, cabe mencionar otra necesidad de (auto)formación, es decir, la práctica entre pares que fomenta la colaboración y el intercambio entre estudiantes y, sobre todo, ayuda a interiorizar la idea de que interpretar es comunicar: la presencia de un interlocutor que interactúe y proporcione feedback gratifica y motiva en gran medida la práctica de la interpretación. Para responder a esta demanda, en el DIT se ha desarrollado otra plataforma de libre acceso para colaboración a distancia: inTrain[19] (Carioli y Spinolo 2019a, Amato et al. 2025). En inTrain las estudiantes pueden trabajar activamente y es posible que intervengan, viéndose, dos o tres personas a la vez según la fuente del discurso de partida: una persona actúa (intérprete), una evalúa (docente/otra estudiante) y la tercera lee el texto o bien se trabaja desde un vídeo (orador) (véase Figura 3).
Fig. 3: Captura de la página inicial de inTrain
Esta aplicación dispone de un chat para comunicaciones entre pares, pero es también posible activar el micrófono y, por ejemplo, comentar la producción o hablar de las dificultades que plantea el discurso original. Asimismo, es posible modular el audio del original y de la intérprete según las necesidades, y también existe la posibilidad de grabar el original o la prestación de la intérprete para evaluaciones posteriores (véase Figura 4).
Fig. 4: La interfaz del intérprete
Ambas aplicaciones han sido también sometidas a experimentos para evaluar su facilidad de uso y la percepción de los usuarios. En el caso de inTrain, se ha probado con estudiantes, mientras que ReBooth se ha puesto a prueba con docentes, para los que está pensado: en ambos casos los resultados indican un alto nivel de satisfacción para ambos (para consultar los detalles de ambas aplicaciones y los resultados de los experimentos, véase Amato et al. 2025).
Finalmente cabe mencionar un desarrollo tecnológico presente en el mercado desde hace unos años: se trata de una CAI tool (herramienta de asistencia a la interpretación mediante ordenador) basada en el sistema de reconocimiento de voz automático (ASR) asociado a la inteligencia artificial (AI), para asistir a las intérpretes en traducir los que en la literatura se conocen como problem-triggers (elementos causantes de problemas): nombres propios, números, entidades nombradas, acrónimos y términos especializados. Estas novedosas características de las herramientas CAI más avanzadas ya están siendo aplicadas en plataformas de interpretación remota, como InterpretBank[20] (Fantinuoli 2023), SmarTerp[21] (Rodríguez et al. 2022) y ahora Kudo[22]. Estos desarrollos tecnológicos van a estar cada vez más presentes en el mercado laboral y, por lo tanto, las universidades que forman intérpretes están probándolas en el ámbito didáctico e introduciéndolas en sus asignaturas dedicadas a las tecnologías para la interpretación. Interpretbank ha sido puesta a prueba en la Universidad de Gante por Defrancq y Fantinuoli (2020), mientras que SmarTerp se ha probado en la Universidad de Bolonia.
3. Experimentación con SmarTerp
3.1 Resultados con la primera versión de SmarTerp
En 2021 un consorcio de cinco socios, compuesto por las empresas españolas Eidolon y Optiva Media, la Universidad Politécnica de Madrid, la Fundación italiana Bruno Kessel y la Universidad de Bolonia, desarrollaron SmarTerp en el marco del Proyecto “SmarTerp – SMARTER INTERPRETING: Seamless Management and Automation of Resources and Tools for an Efficient Remote Simultaneous Interpreting” financiado por el programa europeo EIT-Digital. La versión inicial de SmarTerp fue objeto de pruebas en el DIT de la Universidad de Bolonia para investigar su impacto en el desempeño de intérpretes en formación, cómo estos percibían su utilidad y si se asociaba a algún efecto a nivel fisiológico. SmarTerp combina las funciones de CAI con el reconocimiento del habla y la traducción, mostrando en la pantalla del ordenador de la intérprete los elementos causantes de problemas (nombres propios, entidades nombradas, números, acrónimos y términos especializados) junto con sus traducciones (véase Figura 5).
Fig. 5: La interfaz de SmarTerp para la intérprete
Russo et al. (en preparación) realizaron el estudio con 24 estudiantes de segundo curso del Máster en Interpretación que participaron de forma voluntaria para probar la herramienta. Todas las participantes (21 mujeres, 3 hombres) eran hablantes nativas de italiano y se dividieron según las siguientes combinaciones lingüísticas, cada una de ellas compuesta por seis estudiantes: del italiano al español, del español al italiano, del italiano al inglés, y del inglés al italiano. Las participantes nunca antes habían probado esta herramienta, pero recibieron formación sobre SmarTerp antes de realizar las pruebas. Doce estudiantes participaron in situ, en los laboratorios de interpretación del Departamento, mientras que las doce restantes lo hicieron en línea, a través de Zoom. Se celebraron tres sesiones a lo largo del mes de octubre: en la primera sesión las estudiantes interpretaban con SmarTerp y, después de 10 minutos de pausa, interpretaban otro discurso sin SmarTerp (enfoque intrasubjetivo); en la segunda sesión, todas interpretaron un solo texto con SmarTerp; en la tercera sesión, interpretaron con SmarTerp y, después de 10 minutos de pausa, interpretaron otro discurso sin SmarTerp. Se proporcionó a las participantes un total de quince textos grabados en vídeo a lo largo de las tres sesiones experimentales: cinco discursos en inglés, cinco en español y cinco en italiano (traducciones del mismo discurso en inglés). Los discursos presentaban la misma duración (aprox. 10 minutos), así como las mismas características textuales basadas en la tabla de fenómenos causantes de problemas que Frittella (2021) había identificado en una fase anterior de las pruebas, con intérpretes profesionales. Las interpretaciones de las estudiantes fueron grabadas y transcritas; las opiniones de las estudiantes sobre la utilidad de SmarTerp fueron recopiladas a través de un breve cuestionario en las sesiones 1 y 3. La reacción fisiológica se midió mediante la pulsera Empatica E4[23] para detectar la frecuencia cardíaca (heart rate, HR) y la variabilidad de la frecuencia cardíaca, es decir número de latidos por segundo (heart rate variability, HRV), que miden el esfuerzo, y la ratio de alta y baja frecuencia (LF/HF) que mide la respuesta al estrés.
Las interpretaciones de las estudiantes fueron analizadas a nivel de palabra (trigger) en base a siete categorías: seis propuestas por Frittella (2021), a saber, Producción correcta (CR), Producción parcial (PR), Error menor/Detalle ausente (M), Generalización (G), Omisión (O), Error semántico (SE), y una añadida por el Grupo de investigadores, la Autorreparación (self repair, SR), para dejar constancia de la posibilidad de que la estudiante empiece a traducir sin esperar la sugerencia de SmarTerp (algo posible si el tiempo de latencia de la herramienta es demasiado largo) y luego tenga que corregirse. También se tuvieron en cuenta las pausas llenas (“ehm…”), que son índices de sobrecarga cognitiva (Defrancq and Plevoets 2018). A continuación, se ofrecen algunos ejemplos de las categorías analíticas aplicadas:
- el producto interior bruto actual del continente es de 3,42 billones de dólares//il PIL attuale del continente è pari a 3,42 bilioni di dollari CR, CR
- discurso de apertura «Made in Africa: hacia la transformación estructural de África para cumplir los objetivos de la Agenda 2063» // ascolteremo il discorso sull'Africa per gli obiettivi dell'Agenda 2063 PR, G
- Felix-Antoine Tshisekedi Tshilombo // Felix Antoine Tsheshikita Shilombo M, M
- vicepresidente //che parlerà il Preside- il vicepresidente SR, CR
El análisis tuvo un enfoque tanto síncrono como diacrónico. En el primer caso, se analizó a la misma intérprete y el mismo grupo de intérpretes por combinación lingüística en las dos situaciones (es decir, con y sin SmarTerp) en la misma sesión (supongamos sesión 1) En el segundo caso, el análisis se realizó comparando ambas situaciones en la sesión 1 frente a la sesión 3.
Entre los resultados principales destacan los siguientes. Comparando las interpretaciones de las 24 estudiantes en la sesión 1, percibimos una mejora en la gestión de los triggers (producciones correctas, producciones parciales, errores menores) y menos casos de gestión incorrecta (omisiones, errores semánticos) con Smarterp. Además, la diferencia es estadísticamente significativa. Las mismas pautas se observan en la sesión 3 (véase Figura 6).
Fig. 6: Actuaciones con (with) y sin (without) SmarTerp en la sesión 1 y 3 (24+24 actuaciones)
Estos resultados se observan en las cuatro direcciones (es decir, tanto desde el español al italiano y viceversa, como desde el inglés al italiano y viceversa). Por lo tanto, se puede concluir que la mejora en las prestaciones de las estudiantes no se ve afectada por la direccionalidad de la interpretación. Además, se observa una mejora general entre las dos condiciones (con y sin Smarterp), lo que indica que las estudiantes se han acostumbrado tanto a la herramienta como a la tipología textual.
El estudio parece demostrar que la interpretación de las estudiantes ha mejorado con el uso de la herramienta CAI. Sin embargo, esto tiene un "coste": por un lado, en términos de esfuerzo y estrés (las interpretaciones correctas se correlacionan positivamente con la frecuencia cardiaca media) y, por otro lado, en términos de actividad del sistema nervioso autónomo simpático que prepara el organismo para situaciones estresantes o de emergencia (para las producciones parciales hay una correlación positiva con la ratio LF/HF), tal y como se midió en 12 estudiantes. Ambos resultados son estadísticamente significativos (véase Olalla-Soler et al. 2023 para los detalles del estudio).
En cuanto a la usabilidad de la herramienta, al final de las sesiones 1 y 3 con SmarTerp, se pidió a las participantes que rellenaran un breve cuestionario en línea en el que respondían a preguntas y valoraban afirmaciones utilizando una escala Likert de 7 puntos: 1. Estoy totalmente en desacuerdo/insatisfecho/ 2. No estoy de acuerdo/satisfecho/ 3. Estoy parcialmente en desacuerdo/insatisfecho/ 4. Neutral/ 5. Estoy parcialmente en acuerdo/satisfecho/ 6. Estoy de acuerdo/satisfecho 7. Estoy totalmente de acuerdo/satisfecho.
Las preguntas eran las siguientes:
- En general, ¿qué grado de satisfacción le ha proporcionado el soporte de la herramienta CAI SmarTerp durante las pruebas?
- La herramienta CAI fue fácil de usar.
- La herramienta CAI ha sido útil para mejorar la precisión de mi interpretación.
- La herramienta CAI fue una fuente de distracción durante mi interpretación.
- No se requiere formación para utilizar la herramienta CAI de forma eficaz.
- La visualización de cifras, entidades nombradas, acrónimos y términos técnicos proporcionada por la herramienta CAI fue oportuna.
- Sentí que podía confiar en el apoyo de la herramienta CAI.
- ¿Qué probabilidades hay de que utilice una herramienta CAI con reconocimiento automático de voz en el futuro durante la interpretación simultánea?
Los principales resultados son los siguientes. En general, las estudiantes estuvieron satisfechas o muy satisfechas con SmarTerp, lo encontraron fácil de usar y percibieron una mejora en su producción gracias a esta herramienta CAI. Asimismo, destacaron la necesidad de recibir una formación específica para utilizar SmarTerp. La mayoría consideraron la herramienta CAI fiable. Sin embargo, las estudiantes expresaron opiniones más dispares sobre el efecto de distracción causado por la herramienta y sobre su inmediatez a la hora de proporcionar la información necesaria.
3.2 Resultados de la comparación entre SmarTerp y Google Meet
El Trabajo de Fin de Master de Gabriele Giudice (2024) llevado a cabo en el DIT de la Universidad de Bolonia analizaba qué herramienta con ASR y AI resultaba más útil para las estudiantes de interpretación simultánea. Concretamente, se comparó SmarTerp, que sólo transcribe los elementos causantes de problemas (nombres propios, números, entidades nombradas, acrónimos y términos especializados), con Google Meet, que proporciona la transcripción automática de todo el discurso (speech-to-text) en tiempo real. Cabe precisar que, contrariamente a SmarTerp, que fue concebido como una verdadera herramienta CAI para apoyar a las intérpretes simultáneas, Google Meet está diseñado sólo para facilitar la comprensión oral de cualquier usuario, pero podría ser utilizado por una intérprete para facilitar su tarea haciendo una traducción a vista en lugar de seguir únicamente al orador, o bien complementando el input del audio del orador.
En particular, el trabajo de Giudice investigó cinco aspectos de las dos herramientas: (a) su impacto en la precisión y fluidez de las intérpretes en formación, (b) la percepción de su usabilidad, (c) la distribución de la atención en el input visual, (d) el modo en que se utilizan y (e) las potenciales perspectivas docentes. Para este fin, el autor llevó a cabo un experimento con 11 estudiantes de interpretación de conferencias del español al italiano. A partir de aquí, preparó dos discursos videograbados siguiendo la misma tabla de fenómenos (triggers) de Frittella (2023), preparó las dos condiciones experimentales a las que sometió a las estudiantes en dos fases diferentes (ordenador con pantalla para SmarTerp y otro para Google Meet) y utilizó un rastreador ocular (eye-tracker) para grabar los movimientos oculares de los sujetos en la pantalla. Antes de empezar las pruebas, las participantes recibieron una formación para familiarizarse con las dos herramientas y el léxico de las dos tipologías textuales. Después de cada interpretación, las estudiantes llevaron a cabo una tarea de reflexión retrospectiva sobre su prestación y contestaron a un cuestionario (User Experience Questionnaire, Schrepp et al. 2017). Los 22 discursos de las estudiantes fueron transcritos y analizados según los criterios de informatividad e inteligibilidad propuestos por Tiselius (2009) y se evaluaron los aciertos de cada fenómeno (trigger) según los criterios de Frittella (2023). En cuanto a los datos de los movimientos oculares, se intentó averiguar, en primer lugar, si en las dos condiciones experimentales las estudiantes observaban los triggers durante su percepción (comprensión) o en la fase de seguimiento (monitoreo de su propia interpretación) y, en segundo lugar, se analizaron los tiempos de permanencia en las áreas de interés preconfiguradas.
Los resultados principales de esta investigación, muy innovadora y compleja tanto en su metodología como en su temática (el contacto entre la inteligencia artificial e intérpretes en formación), indican que la interpretación de triggers de baja o mediana dificultad fue mejor con SmarTerp. También lo fue en las partes de los discursos con asimetrías morfosintácticas (Russo 2012) entre español e italiano, lo que indica que esta herramienta deja más libre a la estudiante para reformular autónomamente su discurso de llegada. En cambio, Google Meet resultó más útil para interpretar los elementos causantes de problemas más complejos. No obstante, si éstos incluían asimetrías, el resultado seguía siendo mejor con SmarTerp. Por lo que respecta a la informatividad e inteligibilidad de la interpretación, SmarTerp sigue proporcionando resultados mejores, lo que indica que la intérprete controla mejor su producción lingüística (Giudice 2024). En cuanto a la usabilidad de la herramienta, SmarTerp resultó menos fácil de aprender, menos estimulante, eficiente y atractiva que Google Meet. Este dato contrasta con la percepción de las estudiantes de la investigación con SmarTerp (Russo et al., en preparación), que había sido más favorable. Esto probablemente se debe a que han utilizado la herramienta durante más tiempo, pero, al mismo tiempo, este dato confirma la necesidad percibida de recibir formación específica. El esfuerzo de tener que aprender a utilizar herramientas tecnológicas más o menos complejas, que se añade al esfuerzo de interpretar, había sido observado también en intérpretes profesionales (Braun 2017). Por lo que atañe a los datos del eye-tracker, se ha notado que las estudiantes no han mirado mucho a la pantalla con estímulos de SmarTerp y, cuando lo han hecho y han reformulado su interpretación, el resultado fue mejor con SmarTerp que con Google Meet. Además, Giudice (2024) constató que las participantes miraban la pantalla antes de empezar la traducción mucho más con Google Meet. Esto pone de relieve la tendencia a realizar una traducción a vista, cognitivamente menos desafiante, cuando se les proporciona la oportunidad. En cuanto a SmarTerp, la columna más utilizada ha sido la de los términos especializados, mientras que la menos utilizada ha sido la de las entidades nombradas. Por último, en la fase de reflexión retrospectiva sobre su interpretación, las estudiantes expresan una preferencia por SmarTerp frente a Google Meet debido a la utilidad de contar con los términos especializados y las entidades nombradas ya traducidos al italiano y a la posibilidad de ser más libre en la reelaboración semántica del discurso original, evitando los calcos de la traducción a vista. Sin embargo, también lamentan tener que esperar demasiado tiempo antes de que llegue la sugerencia de la herramienta, así que muchas veces las utilizan sólo para monitorear su prestación.
4. Conclusiones
Los avances tecnológicos han repercutido constantemente en el desempeño y en la formación de intérpretes de conferencia. Sin embargo, hoy en día es más palpable tras el auge ocasionado por la pandemia de COVID-19 que obligó al distanciamiento social y a la consiguiente pérdida de una actividad corporal (embodied activity) en la que recursos distintos del habla (como la mirada, los gestos, el movimiento de la cabeza y el cuerpo, la proxémica) desempeñan un papel central (Davitti and Braun 2020) en la comunicación entre seres humanos. La oferta comercial de plataformas de interpretación remota es amplia y está al alcance de cualquier persona que necesite organizar una reunión multilingüe, dirigida tanto a particulares como a organizaciones e instituciones. Por consiguiente, las universidades que forman intérpretes tienen necesariamente que ponerse al día y familiarizar a sus estudiantes con las posibilidades pedagógicas y profesionales de las nuevas herramientas tecnológicas. Los experimentos presentados en este artículo, con herramientas que combinan el reconocimiento automático de voz y la inteligencia artificial, sugieren que se necesita formación, tiempo y práctica para poderlas utilizar de forma eficaz y plenamente satisfactoria.
El mensaje fundamental que todavía hay que transmitir a las estudiantes es que cualquier herramienta, por muy eficaz que sea, no remplaza la inteligencia, la habilidad y la competencia personal de procesar el mensaje y la intención comunicativa de la persona a la que se está interpretando. Sigamos siendo humanos mientras nos lo permitan
Referencias
Amato, Amalia, Nicoletta Spinolo, and María Jesús González Rodríguez (eds) (2018) Handbook of remote interpretinghttp://amsacta.unibo.it/5955/1/HANDBOOK_SHIFT.pdf (consultado el 23/11/2024).
Amato, Amalia and Gabriele Mack (2022) “Interpreter education and training” in The Routledge Handbook of Translation and Methodology, Federico Zanettin and Christopher Rundle (eds), Abingdon/New York, Routledge/Taylor & Francis: 457–75.
Amato, Amalia, Mariachiara Russo, Gabriele Carioli, and Nicoletta Spinolo (2025) “Technology for training in conference interpreting” in Routledge Handbook of Interpreting, Technology and AI, Elena Davitti, Tomasz Korybski and Sabine Braun (eds), Abingdon/New York, Routledge/Taylor & Francis: 156–177.
Baigorri Jalón, Jesús (2000) La interpretación de conferencias: el nacimiento de una profesión, de París a Nuremberg, Granada, Comares.
Bertozzi, Michela (2024) “Continuous self-learning for interpreting trainees: the case of the University of Bologna”, The Interpreters' Newsletter, 29: 19–39.
Bower, Kathryn (2015) "Stress and Burnout in Video Relay Service (VRS) Interpreting", Journal of Interpretation, no. 24: Iss. 1, Article 2.
https://digitalcommons.unf.edu/joi/vol24/iss1/2 (consultado el 23/11/2024)
Braun, Sabine (2013) “Keep your distance? Remote interpreting in legal proceedings: A critical assessment of a growing practice”, Interpreting 15, no. 2: 200–28.
Braun, Sabine (2017) “What a micro-analytical investigation of additions and expansions in remote interpreting can tell us about interpreter’s participation in a shared virtual space”, Journal of Pragmatics 107: 165–77.
Braun, Sabine (2018) “Video-mediated interpreting in legal settings in England interpreters’ perceptions in their sociopolitical context”, Translation and Interpreting Studies 13, no. 3: 393–420.
Braun, Sabine and Judith Taylor (eds.) (2012) Videoconference and Remote Interpreting in Legal Proceedings, Cambridge/Antwerp, Intersentia.
Braun, Sabine, Elena Davitti and Sara Dicerto (2018) “Assessing the implementation of facilities for bilingual videoconferencing in the European justice sector” in Here or there: Research on remote interpreting, Jamina Napier, Sabine Braun and Robert Skinner (eds), Washington, DC, Gallaudet University Press: 144–79.
Carioli, Gabriele and Nicoletta Spinolo (2019a)InTrain. [software]. [url=https://intrain.ditlab.it/credits]https://intrain.ditlab.it/credits[/url]. (consultado el 9/6/2024).
Carioli, Gabriele and Nicoletta Spinolo (2019b)ReBooth. [software] [url=https://rebooth.ditlab.it/credits]https://rebooth.ditlab.it/credits[/url]. (consultado el 9/6/2024).
Davitti, Elena and Sabine Braun (2020) “Analysing interactional phenomena in video remote interpreting in collaborative settings: implications for interpreter education”, The Interpreter and Translator Trainer, 14, no.3, 279–302 DOI: 10.1080/1750399X.2020.1800364
Baigorri Jalón, Jesús (2000) La interpretación de conferencias: el nacimiento de una profesión. De París a Nuremberg, Granada, Comares.
Defrancq, Bart and Koen Plevoets (2018) “Over-uh-Load, Filled Pauses in Compounds as a Signal
of Cognitive Load” in Making Way in Corpus-based Interpreting Studies, Mariachiara Russo, Claudio Bendazzoli and Bart Defrancq (eds), Singapore, Springer: 43–64.
Defrancq, Bart and Claudio Fantinuoli (2020) “Automatic Speech Recognition in the Booth: Assessment of System Performance, Interpreters’ Performances and Interactions in the Context of Numbers”, Target. International Journal of Translation Studies 33, no. 1: 73–102.
Fantinuoli, Claudio (2023) “Towards AI-enhanced computer-assisted interpreting” in Interpreting technologies – Current and future trends, Gloria Corpas Pastor and Bart Defrancq (eds), Amsterdam/Philadelphia, John Benjamins: 46–71.
Fantinuoli, Claudio and Bianca Prandi (2018) “Teaching information and communication technologies: a proposal for the interpreting classroom”, trans-kom 11, no. 2: 162–182.
Frittella, Francesca Maria (2021) Early testing report. Usability test of the ASR- and AI-powered CAI tool ‘SmarTerp’. Unpublished report of the SmarTerp project.
Frittella, Francesca Maria (2023) Usability research for interpreter-centred technology: The case study of SmarTerp. Language Science Press, Berlin. DOI: 10.5281/zenodo.7376351 (consultado el 23/11/2024).
Grice, Herbert Paul (1975) “Logic and Conversation” in Syntax and Semantics, Vol. 3, Speech Acts, Peter Cole and Jerry L. Morgan (eds), New York, Academic Press: 41–58.
Gerver, David (1969/2002) “The effects of source language presentation rate on the performance of simultaneous conference interpreters” in The Interpreting Studies Reader, Franz Pöchhacker and Miriam Shlesinger (eds), London, Routledge: 52–66.
Giudice, Gabriele (2024) Interpreti in formazione e intelligenza artificiale: trascrizione automatica di Google Meet e CAI tool di SmarTerp a confronto. Una prospettiva didattica da User Experience, il confronto delle rese e i dati di eye-tracking, Dipartimento di Interpretazione e Traduzione, Università di Bologna, Trabajo de fin de Master no publicado.
Hlavac, Jim (2013) “A cross-national overview of translator and interpreter certification procedures”, Translation and Interpreting 5, no. 1: 32–65.
Ho, Chen-En and Yuan Zou (2023) “Teaching interpreting in the time of COVID: exploring the feasibility of using Gather” in Translation and Interpreting in the age of COVID-19, Kanglong Liu and Andrew K.F. Cheung (eds), Singapore, Springer: 311–30. https://doi.org/10.1007/978-981-19-6680-4_16 (consultado el 23/11/ 2024)
Kajzer-Wietrzny, Marta and Maria Tymczynska (2014) “Integrating Technology into Interpreter Training Courses: A Blended Learning Approach”, inTRAlinea Special Issue: Challenges in Translation Pedagogy. https://www.intralinea.org/specials/article/2101 (consultado el 23/11/ 2024).
Ko, Leong (2006/2021) “The need for long-term empirical studies in remote interpreting research: A case study of telephone interpreting”, Linguistica Antverpiensia NS5: 325–38. (accessed 23/11/2024).
Kurz, Ingrid (1985) “The rock tombs of the Princess of Elephantine. Earliest references to interpretation in pharaonic Egypt”, Babel 31, no. 4: 213–18.
Iglesias, Emilia and Marc Ouellet (2018) “From the phone to the classroom: Categories of problems for telephone interpreting training”, The Interpreters Newsletter, 23: 19–44.
Lee, Jieun (2007) “Telephone interpreting - Seen from the interpreters’ perspective’, Interpreting 2 no. 2: 231–52.
Licoppe, Christian, and Maud Verdier (2014) “Interpreting, video communication and the sequential reshaping of institutional talk in the bilingual and distributed courtroom”, International Journal of Speech, Language and the Law 20, no. 2: 247–76.
Licoppe, Christian, Maud Verdier, and Claire-Antoine Veyrier (2018) “Voice, power and turn-taking in multilingual, consecutively interpreted courtroom proceedings with video links” in Here or there: Research on interpreting via video linkJamina Napier, Robert Skinner and Sabine Braun (eds), Washington, DC, Gallaudet University Press: 299–322.
Moser-Mercer, Barbara (2003) “Remote interpreting: assessment of human factors and performance parameters”. [url=https://www.semanticscholar.org/paper/Remote-interpreting%3A-Assessment-of-human-factors-Moser-Mercer/191331aa9be5a1b54ae54eb61099e4480d62014f]https://www.semanticscholar.org/paper/Remote-interpreting%3A-Assessment-of-human-factors-Moser-Mercer/191331aa9be5a1b54ae54eb61099e4480d62014f[/url] (consultado el 23/11/ 2024)
Motta, Manuela (2016) “A Blended Learning Environment based on the Principles of Deliberate Practice for the Acquisition of Interpreting Skills”, The Interpreter and Translator Trainer 10, no.1: 133–49.
Olalla-Soler Christian, Nicoletta Spinolo, and Ricardo Muñoz Martín (2023) “Under Pressure? A Study of Heart Rate and Heart-Rate Variability Using the SmarTerp CAI tool”, HERMES - Journal of Language and Communication in Business, (63): 119–142. [url=https://doi.org/10.7146/hjlcb.vi63.134292]https://doi.org/10.7146/hjlcb.vi63.134292[/url]
Poyatos, Fernando (1996) “The Reality of Multichannel Verbal-Nonverbal Communication in Simultaneous and Consecutive Interpretation” in Nonverbal Communication and Translation: New perspectives and challenges in literature, interpretation and the media, Fernando Poyatos (ed), Amsterdam/Philadelphia, John Benjamins: 249–282.
Poyatos, Fernando (2002a) Nonverbal communication across disciplines. Volume 1: Culture, sensory interaction, speech, conversation, Amsterdam/Philadelphia, John Benjamins.
Poyatos, Fernando (2002b) Nonverbal Communication across Disciplines: Volume 2: Paralanguage, kinesics, silence, personal and environmental interaction, Amsterdam/Philadelphia, John Benjamins.
Rodríguez, Susana, Francesca Maria Frittella, and Alicjia Okoniewska (2022) “A paper on the conference panel ‘In-booth CAI tool support in conference interpreter training and education’” in Translating & The Computer (TC) 43, Language AsLing Technology 16–18 November 2021 on the web Conference Proceedings João Esteves-Ferreira, Juliet Margaret Macan, Ruslan Mitkov, Olaf-Michael Stefanov (eds), Geneva, Tradulex: 78–87. URL: https://www.tradulex.com/varia/TC43-OnTheWeb2021.pdf (consultado el 23/11/ 2024)
Rodríguez Melchor, María Dolores, Ildiko Horvath, and Kate Ferguson (eds) (2020) The Role of Technology in Conference Interpreting Training, Lausanne, Peter Lang.
Roziner, Ilan and Miriam Shlesinger (2010) “Much ado about something remote: Stress and performance in remote interpreting”, Interpreting 12, no. 2: 214–47.
Russo, Mariachiara (2012) Interpretare lo spagnolo. L’effetto di dissimmetrie morfosintattiche nella simultanea, Bologna, Clueb.
Russo, Mariachiara and Nicoletta, Spinolo (2022) “Technology affordances in training interpreters for asylum seekers and refugees” in Interpreter training in conflict and post-conflict scenario, Lucía Ruiz Rosendo and Maria Todorova (eds), London, Routledge: 165–179.
Russo, Mariachiara, Amalia Amato, and Ira Torresi (en preparación) “The digital boothmate in an educational setting: evaluation of SmarTerp performance”.
Rudvin, Mette (2005) “Power behind discourse and power in discourse in community interpreting: The effect of institutional power asymmetry on interpreter strategies”, Revista Canaria de Estudios Ingleses 51: 159–79.
Schrepp, Martin, Andreas Hinderks, and Jörg Thomaschewski (2017) “Construction of a Benchmark for the User Experience Questionnaire (UEQ)”, International Journal of Interactive Multimedia and Artificial Intelligence 4 no. 4: 40 – 44. doi:10.9781/ijimai.2017.445 (consultado el 23/11/2024).
Seeber, Kilian, Laura Keller, Rhona Amos, and Sophie Hengl (2019) “Expectations vs. experience: Attitudes towards video remote conference interpreting”, Interpreting 21, no. 2: 270–304.
Snelling, David (1999) “Introduzione alla simultanea in lingua straniera” in Interpretazione simultanea e consecutiva, Caterina Falbo, Mariachiara Russo e Francesco Straniero Sergio (a cura di), Milano, Hoepli: 202–206.
Tiselius, Elisabet (2009) “Revisiting Carroll's scales” in Testing and Assessment in Translation and Interpreting Studies, Claudia V. Angelelli and Holly E. Jacobson (eds), Amsterdam/Philadelphia, John Benjamins: 95–121.
Warnicke, Camilla and Charlotta Plejert (2012) “Turn-organisation in mediated phone interaction using Video Relay Service (VRS)”, Journal of Pragmatics 44, no. 10: 1313–34.
Notas
[1] En este artículo se utiliza el femenino incluyendo a ambos géneros, porque las mujeres representan la gran mayoría de profesionales.
[7] https://site.unibo.it/shiftinorality/en/project-outputs/report-1-characteristic-features-of-remote-discourse
©inTRAlinea & Mariachiara Russo (2025).
"De la interpretación presencial a la remota: el impacto y las posibilidades de las nuevas tecnologías para la formación de intérpretes"
inTRAlinea Special Issue: Intérpretes: historiografía, contextos y perspectivas de una práctica profesional
Edited by: Críspulo Travieso-Rodríguez & Elena Palacio Alonso
This article can be freely reproduced under Creative Commons License.
Stable URL: https://www.intralinea.org/specials/article/2691
