Estudio descriptivo comparado de la variación sinonímica en el lenguaje jurídico inglés y español: implicaciones para la traducción
Bibliographic record
Abstract
La variación sinonímica es un recurso habitual en los lenguajes de especialidad, especialmente en el lenguaje jurídico (Acuyo Verdejo 2004; Thiry 2009a; Barceló Martínez 2010). Dado que se trata de una estrategia semántica, una mala interpretación puede cambiar el significado del texto y las relaciones jurídicas establecidas en él; por ello, su correcta detección y manejo son fundamentales. El presente estudio pretende profundizar en la utilización de la variación sinonímica en el ámbito jurídico con el objetivo de comprender su funcionamiento en las dos lenguas de trabajo, inglés y español, y así poder establecer semejanzas y diferencias entre ellas. El estudio se llevará a cabo mediante el análisis de un corpus comparable de contratos de compraventa en ambas lenguas. Para detectar los casos de variación sinonímica en los textos utilizaremos una serie de marcadores textuales que nos permitirán establecer un listado de patrones de uso en cuanto a frecuencia, productividad, funcionamiento y relación de equivalencia creada entre los sinónimos. Los resultados nos ayudarán a entender en qué medida podría afectar la variación sinonímica a la comprensión e interpretación de los textos jurídicos y más específicamente en lo que respecta a la traducción, donde el manejo de esta estrategia puede ser clave en el correcto trasvase de significados entre el texto origen y el texto meta.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".