Comparación de modelos de machine learning para determinar la evaluación de traductores profesionales frente a la calidad de la traducción automática de textos

Abstract

En esta investigación se planteó abordar la comparación de modelos de machine learning (ML, por sus siglas en inglés) para determinar la evaluación de traductores profesionales frente a la calidad del resultado de la traducción automática (TA, por sus siglas en inglés) de textos usando el indicador Accuracy con un enfoque cuantitativo y comparativo ya que se realizará un análisis estadístico de los resultados de la encuesta en línea a traductores profesionales con preguntas de opinión personal y selección múltiple de 30 textos traducidos de (inglés - español), que consiste en asignar una evaluación de acuerdo al punto de vista del traductor y análisis del nivel de calidad de la traducción del texto con cuatro alternativas (excelente, bueno, regular y malo) para describirlas, cuantificarlas y almacenar la información en una base de datos para proceder con el estudio comparativo para lo cual se usará el algoritmo de ML K-vecinos más cercanos (KNN, por sus siglas en inglés) y árboles de clasificación y regresión (CART, por sus siglas en inglés) con la finalidad de comparar estos modelos y encontrar la mejor respuesta aproximada respondiendo a la pregunta ¿Cuál es el modelo de ML que se aproxima a las respuestas de evaluación de traductores profesionales respecto a la calidad del resultado de la TA de textos?