Dificultades, estrategias y recursos en la traducción de estados financieros: fuentes normativas y textos paralelos
Notice bibliographique
Résumé
A partir de la revisión bibliográfica en el ámbito de la traducción contable, el artículo analiza las necesidades de traducción que se generan en este campo de la economía, así como las principales dificultades asociadas a la transferencia de este tipo de textos y las estrategias de traducción más adecuadas para hacerles frente. Se valora la imposibilidad de utilizar equivalentes funcionales en muchos casos, debido a la coexistencia de normativas contables diferentes y a la dificultad que supone determinar las necesidades y expectativas de los usuarios de las traducciones. A continuación, se evalúa la utilidad de las fuentes normativas, así como de los textos y corpus paralelos como recursos para la extracción terminológica y la aclaración de ambigüedades en la traducción de estados financieros. Para ello, se analizan principalmente dos tipos de fuentes, las Normas Internacionales de Información Financiera (NIIF) en sus versiones original y adaptada a la UE, y una selección de estados financieros de empresas españolas, británicas y estadounidenses. Los resultados apuntan hacia la necesidad de promover la adquisición de competencias temáticas en la materia como paso imprescindible para gestionar de manera satisfactoria el proceso documental y de traducción.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».