Deontología y traducción: elementos para el análisis de la profesión
Bibliographic record
Abstract
El proceso de consolidación de la traducción como actividad profesional ha conllevado la formulación de un importante número de códigos deontológicos. Estos textos constituyen un elemento clave en la elaboración del discurso compartido con el que la profesión en su conjunto se presenta ante la sociedad. El objetivo de este trabajo es conocer cómo la reflexión colectiva de los traductores aborda las cuestiones de ética profesional y qué conclusiones se obtienen en relación con la actual situación de la profesión. Para ello, se analizan los códigos de las asociaciones de traductores y de profesionales afines con presencia en España. Se identifican aquellos elementos recogidos en los mismos que tienen un correlato en las principales corrientes de la ética. Se comparan estos códigos con los de profesionales más consolidados (médicos y abogados). Los resultados obtenidos proporcionan datos interesantes sobre la imagen que la sociedad tiene de la traducción, sus límites cada vez más difusos y su creciente dimensión económica. Este trabajo aporta una nueva perspectiva sobre el contenido y alcance de los códigos deontológicos estudiados dadas las propuestas teóricas y metodológicas en las que se basa y la exhaustividad con la que se analiza el área focalizada.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.011 |
| Science and technology studies | 0.004 | 0.015 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".